安永企业级数据资产管理解决方案
而从数据到资产并不容易，众多企业经过多年信息化建设已经取得了一定成果，但企业内部各部门、各业务系统之间在数据层面的“横向贯通”却面临着数据不完整、定义不规范、标准不一致等诸多问题，在企业内部形成了一个个“数据孤岛”，数据价值难以发挥。
怎样帮助企业实现有效的数据资产管理，让数据资产提升企业的核心竞争力，是摆在众多企业面前的一个现实难题。
01 数据资产管理发展趋势
随着大数据的迅猛发展，数据资产管理相对传统的数据管理处在不断的变革发展过程中。数据资产管理在不断发展中呈现出如下趋势：
管理对象多元化
当前企业数据管理和应用的主要对象仍以结构化数据为主，随着社交媒体、人脸识别等新兴技术的进一步成熟，图像、语音、视频等非结构化多元数据将会在越来越多的应用场景中被深度应用并发挥业务价值，因此需要系统化地采集、保存和处理多元化管理对象。
管理工具智能化
在数据管理工具的使用过程中，充分挖掘客户需求，运用人工智能等技术实现管理工具的“智能化”，例如：数据模型“图谱化”、数据质量规则生成“动态化”、数据分级“自动化”等。
管理活动常态化
数据管理活动由定制化的“项目制形式”向“常态化运营”转变。数据管理各项制度、流程、方法、工具能够在各业务部门、数据团队中得到遵从和灵活运用，数据管理工作成为业务人员和技术人员自觉完成、自主开展的日常工作之一。
管理范围生态化
数据管理范围从企业内部向生态化转变，终端设备提供商、基础设施提供商、网络服务提供商、数据服务提供商、数据服务零售商等一系列利益相关方共同构建大数据生态服务体系。
02 企业级数据资产管理应用分析
根据多家研究机构对世界范围与北美企业数据资产管理情况的分析，目前在世界范围内有五成的企业正在或已经实施数据资产管理，而在北美已有79%的企业正在或已经实施了数据资产管理。
国内数据资产管理起步较晚，全面开展这项工作的企业集中在银行、电信、保险等以数据支撑其核心业务的行业。能源企业大都开展了部分数据资产管理工作，如：几大石化企业主要聚焦在主数据和指标数据管理，电网企业主要聚焦在统一数据模型管理等。
同时，随着大数据与商业智能技术的不断进步以及数据治理工作在各企业内部的深入开展，数据在企业发挥的作用也在不断发生转变，从传统的支撑企业日常管控转型为对业务的直接驱动力，最后以资产价值变现的形式为企业产生直接价值。
03 安永企业级数据资产管理解决方案
在数字经济时代，数据必将成为企业的战略资产。安永企业级数据资产管理解决方案基于数据战略目标的实现，可以帮助企业在数据资产管理方面建章立制、构建专业化的数据管理能力，并通过数据资产管理技术平台实现数据资源可视化和管理，按照共建、共治、共享的建设策略，构建数据资产管理体系，推动企业数字化转型，支撑业务战略目标的实现。
1、数据资产管理专业能力建设
数据资产管理专业能力是企业级数据资产管理解决方案的核心要素，涵盖目录、架构、标准、质量、安全、应用等多个能力维度。
数据资源目录：以企业全局视角建立数据资源的全景视图，从业务、IT和数据主题三个维度对数据架构、数据标准、数据质量等各类数据资源进行统一管理、共享及可视化展示，为用户提供数据资源的检索及分析服务。
数据架构管理：包括企业级数据模型、数据分布、数据集成与共享三部分内容。企业级数据模型是企业内部所有应用系统的基础模型，为应用系统的规划、设计和实施提供可视化支撑框架。数据分布是通过明确核心数据在业务部门、应用系统的分布关系，识别可信数据源和数据归属管理部门，为履行数据管理相关工作提供依据。数据集成与共享是建立信息系统之间的数据交换标准，为数据共享应用提供支撑。
数据标准管理：建立统一数据语言，保证数据在各业务域和各应用系统之间的一致性，为数据共享交换提供保障。同时，数据标准管理也是数据质量管理的重要前提，数据质量控制工作的开展，需要清晰、完备的数据标准定义。
数据质量管理：实现从数据质量需求、数据质量检查、数据质量分析、数据质量提升的数据质量闭环管理。定期出具各应用系统、各业务部门数据质量报告，促进数据质量管理水平的整体提升。
数据安全管理：通过制定和执行相关数据安全策略，确保数据资产在使用过程中有恰当的认证、授权、访问和审计措施。通过有效的数据安全策略，确保合适的人以正确的方式使用和更新数据，并限制所有不适当的访问和更新数据。
数据应用管理：基于数据应用类系统开展数据应用分析，并对数据应用成果进行管理。同时促进数据资源在不同行业或企业之间的流通，推动构建以核心企业为主体的大数据生态服务体系。
2、数据资产管理平台建设
将数据资产专业能力建设过程中产生的数据资源信息在平台上进行统一承载和管理，实现数据资源的全景化、可视化展示。同时为用户提供数据质量评估、数据架构评估、数据能力评估等多样化服务。
3、数据资产管理工作机制建设
数据资产管理工作是一把手工程，需要企业各部门共同参与，统筹协调各方资源。首先，需要建立常态化的数据资产管理组织机构，共同推进数据资产管理工作。其次，需要建立数据认责机制，解决数据资产管理过程中普遍存在的“横向不到边、纵向不到底”的突出问题，让数据资产管理真正成为业务和IT的共同职责。
同时，高效率的管理流程也是企业数据资产管理强有力的推动因素，对各项工作进行流程化管理，可以保障各职能域活动的有序开展。最后，需要建立数据运营机制，以保证数据资产管理各项工作的常态化开展以及专业能力建设的有效实施。
04 解决方案特色与优势
摸清家底，让数据“看得见”
打破“数据孤岛”，让数据“用得了”
通过制定企业内部统一的数据标准、建立数据共享制度、制定数据共享相关流程规范，打破“数据孤岛”，实现企业内数据高效共享，并通过数据集成共享平台，促进数据的交换，提升数据服务应用能力。
提升数据质量，让数据“管得住”
通过建立一套切实可行的数据质量监控体系，设计数据质量稽核规则，加强从数据源头控制数据质量，实现数据向优质资产的转变。
提高数据价值，让数据“用得好”
数据资产管理是数据产生价值的坚实基础，在数据资产管理基础上，利用大数据分析算法，实现预测分析及辅助决策，提升跨业务领域、跨应用系统的分析能力，引领数据驱动的创新。
本文来源安永EY 点击文末阅读原文，获取更多干货好文 如果读完本文有收获，欢迎转发分享，谢谢
<END>
2、深度解析用户画像标签体系构建方法3、企业数据质量管理三步法
4、大数据平台数据管控整体解决方案（PPT）
5、SAP：什么是数字化转型？6、数据人应该掌握哪些大数据管理技术？7
9、
数据学堂