论文部分内容阅读
摘 要：时代的发展对各个行业都造成的巨大的影响，数据化则成为各个行业追求创新突破的一个重要切入点，甚至已经开始将数据作为企业的重要资产。这种潮流显著提高了政府、企业、机构和公众对数据资产管理的认识，相关的管理工作也在不断推进当中。很多企业的数据资产管理水平不断提升，相应的工作改革持续深化。在此情况下，有必要对数据资产管理模型及相关理论思想展开认真的研究讨论，以提升相应管理工作的效率与效果。本文从数据资产管理研究现状，数据资产管理模式探讨，以及相应模型的价值、意义和应用等几个方面展开探讨。
关键词：企业数据;企业数据资产管理;企业数据资产管理思考
当今社会正在全面进入物联网时代，在5G等新型通讯技术的推动下，数据以前所未有的规模持续出现，各种相关的研究和应用如雨后春笋般不断出现。到了现在，数据已成为众多企事业单位的重要资产组成部分，以及企业价值提升的核心。但另一方面，数据资产管理领域的理论发展仍然比较落后，在很多企业，对数据资产的管理还没有创造出令人满意的价值，甚至连基本的，能够指导数据资产管理的模型还没有建立起来。
一、数据资产管理研究现状
（一）国外研究现状
数据资产管理的起源在西方发达国家和各种相关的高科技组织。首先是在上个世纪的八十年代，出现了“数据仓库”的概念，被视为数据管理理论的开端。随着相关研究和实践的不断发展，真正的数据管理概念终于在2000年前后逐渐形成。到了2004年，国际数据治理协会DGI发布了DGI数据治理框架，但作为一个早期框架，其必然是不完善的，还缺少详细且明确的定义和描述。2006年，国际数据管理协会（DAMA）发布了数据管理框架，经过多次迭代，数据管理任务被细分为10个功能。
2010 年，以IBM为代表的高科技企业直接介入了进来，提出了数据治理的基本模型，认为需要有与数据治理相匹配的组织架构、意识和政策等来促成数据治理目标的实现。另外，IBM还提出了数据治理的三个关键要素，即数据质量管理、数据生命周期管理、数据安全管理。在随后的时间中，又有很多组织推出了有关数据管理的各种模型，为数据管理划分出多种功能，还建立了对数据管理任务效果进行评估的模型框架。
（二）国内研究现状
虽然近些年来我国在信息化领域取得了飞速的发展进步，但因为整体上起步较晚，所以对于数据资产管理或者说数据管理的研究还相对滞后。以银保监会曾经发布的相关指引为例，金融机构的数据管理工作主要侧重于构建系统、人员、流程和监督，而这时时间已经来到了2018年，相比以美国为首的发达国家，进度明显落后很多。不过，随着近年来全国上下对数据价值的广泛关注以及企业对数据资产需求的不断增加，国内对数据资产管理的认识正在逐渐成熟，相应的理念也已经形成。
比如2014年，有机构明确提出了数据资产管理的概念和核心框架，并发布了数据资产管理模型。与国外类似，国内机构提出的数据资产管理模型此后也经过了多次迭代演进，而且经过了企业实践的检验。2018年，银保监会推出相关指引的同一年，中华人民共和国国家标准委员会和国家质量监督检疫总局联合发布了《数据管理能力成熟度评价模型》，该模型通过对功能的划分，以及对评估标准和关键指标的定义，很好地指导了企业的数据资产管理活动。
二、企业数据资产管理涉及到的一些关键问题
企业数据资产管理主要涉及到两方面的关键问题。首先是数据的收集。企业想要进行数据资产管理，或者说能够形成自己的数据资产，首先就要保证足够的数据量，要有相应的数据资源。而数据资源的收集不可避免地會触及隐私。目前，世界各国都非常重视对公民个人数据信息的保护，即使是企业已经收集到的数据信息，公民个人也有权要求企业删除其个人数据。在某些情况下，个人还可以要求社交平台删除他们发布的任何信息。企业收集和处理用户个人数据的权力受到了极大的限制，可以说对公民个人数据信息的保护水平已经提升到了前所未有的历史高度。而且，公民个人数据信息的涵盖范围是非常广泛的，不仅包括直接信息，还包括间接信息。企业手机这些公民信息，必须在严格的规范和制度下进行。如果一家企业违反相关规定，可能会被处以很高的罚款以及其他的行政处罚。更有甚至，如果企业在数据信息收集方面的违法行为涉及未经用户同意使用数据或非法跨境分发数据，还可能面临刑事方面的巨大法律风险。我国《网络安全法》也明确规定，网络运营者收集的用户信息必须严格保密，必须建立用户信息保密制度。网络运营者收集、使用个人信息，必须遵循合法、公平、必要的原则，明确收集和使用的目的、方式和范围，并征得同意。
另一个关键问题是数据信息的泄露。这一点严重威胁着企业数据资产的安全管理。很多时候，企业所拥有的数据资源的泄露都会造成严重的社会影响，这方面的新闻报道屡见不鲜。具体而言，信息泄露可分为管理或技术泄露和第三方使用信息泄露，但无论如何都会对企业的数据资产管理产生重大影响。根据针对美国部分企业的研究，每条包含敏感和机密信息的丢失或被盗的平均损失为141 美元，而信息社会中企业的数据信息量是难以估计的，损失也就更加惨重。
总之，数据信息的收集是否合法，是否泄露，都是企业在进行数据资产管理时必须考虑到的。之所以要进行企业数据资产管理的研究，以及本文探讨企业数据资产管理模型的意义，除了希望帮助企业发挥出数据资产的价值外，另一个重要目的就是尽可能地避免类似风险，能够让数据资产管理成为企业发展的强大动力，而不是给企业带来其他难以预料的风险，反而影响到企业的正常经营活动。
三、企业数据资产管理模型的价值和意义
（一）企业数据资产管理模型的价值
目前国内比较流行的企业数据资产管理模型将相关任务划分为5个领域和13个功能项。模型的出现，是建立企业数据资产管理相关组织、制度、程序，做好企业数据资产管理的关键。其中最重要的是建立企业数据资产管理机构，这个机构就是能够真正对企业数据资产管理负责的执行团队。没有机构，就没有组织，就没有人来执行和监督管理制度，企业数据资产管理将不过是一纸空文。还有企业数据资产管理的功能，如数据的获取、集成和共享等，都要依靠企业数据资产管理来实现。 在管理模型的帮助或指导下，企业可以对自己所拥有的数据进行包括收集整合在内的各种操作，企业各个部门之间的“数据孤岛”被打破，数据的整合得以更加顺利的完成，提升了数据的价值。企业的业务、产品和服务等创新，都在企业管理模型的框架下进行。而通过框架，企业也更容易发现数据处理或应用过程中发生的问题，最终形成高质量且高价值的数据产品。最终，企业数据资产管理模型能够推动企业良好数据环境的出现，企业内部的所有部门乃至所有人员，都可以在企业数据资产管理中受益。
（二）企业数据资产管理模型的意义
企业数据资产管理模型催生了相应管理标准体系的出现，能够让企业相关部门和人员对数据的管理更加便捷。而且，相关部门和人员可以去寻找与模型相匹配的数据资产质量管理工具，对数据管理进行有效监控和分析。而在没有出现企业数据资产管理模型的时候，相关部门和人员是不能完成这项任务的，只能头痛医头，脚痛医脚，无所适从。总的来看，企业数据资产管理模型的核心意义是提高数据的安全性和运营效率，实现对不同类型的业务数据进行全生命周期管理。
另外，企业数据资产管理模型还能促成数据资产管理团队的出现，这一团队能够在模型框架下根据国家、行业及企业的数据资产管理标准要求对现有数据进行分类，构建数据目录，制定和完善安全审计等各项工作，满足企业不同部门在数据方面的需求。有时，企业数据资产管理模型还是一种描述，企业关键的主数据都会体现在企业数据资产管理中，代表着企业的业务以及企业今后不断盈利和增值的方向，使企业与市场间更多的业务交互成为可能，为企业的发展拓展更大的空间。
四、企业数据资产管理模型的应用
（一）管理框架的建立
明确了企业数据资产管理模型的价值和意义，还要进行相应的应用，将其作用充分发挥出来。任何一家企业，都致力于提供更加可靠和有价值的服务，在信息时代，则表现为需要优质的数据以保证企业能够根据市场的变化及时提供优质产品和服务，同时还能降低时间和金钱等各方面的运维成本，有效降低生产经营风险，做出更加积极有效的决策。为此，企业应该根据数据资产管理模型来建立管理框架，通过框架来审视自身数据信息上的不足，针对自身的特点和发展的策略来组织和应用数据资产，同时又能更有效地开展数据资产管理活动。
在具体的数据资产管理活动中，必然存在具体的管理方法，反映着数据资产管理的相应规范和系统流程。正如上文所说，所有事物在刚刚诞生的时候都不可能是完美的，需要时间去逐步地成长与完善。因此，企业应该大胆地应用模型和管理框架，让框架经历“实战”的锻炼，并在“实战”中查找存在的问题，形成适合企业自身情况的一套数据资产管理方法体系。这样一来，企业的数据资产管理实践活动也会如相应理论一样，走上不断自我更新迭代的道路，与时俱进，不断发展。
（二）管理系统的构建
企业数据资产管理平台系统的构建能够为企业切实进行数据资产管理提供支持。而且在当前的趋势下，这种管理平台必然是可视化的，是能够方便管理工作的实际运行的，可以帮助具体的管理人员更有效地管理企业数据资产，提高数据质量。而且，相应的管理部门还应该促进企业内部数据共享应用的价值提升，也就是不断更新应用工具，提高应用水平，优化数据资产管理环境。
以大型制造业企业为例，通过对企业数据资产管理模型的应用，应该实现适度的去中心化，即既要保证数据的内部流通共享，也要保证数据的处理效率，不能分头负责，又谁都不负责。另外，要坚决杜绝数据黑洞的出现，所有相关人员都要确保数据资产管理流程的顺利推进，不能让数据或数据的价值无缘无故的消失。第三，要对数据的安全加强管控，因为其中很可能有大量的生产数据，这些数据涉及到了企业的核心机密。最后，数据的最终使用者，比如企业的决策者，应该提升对数据的应用能力。
五、总结
综上所述，企业数据资产管理正处于快速发展的时期，必将为各个行业带来全新的思维模式。广大企业要积极吸取相关领域的经验教训，不断提升企业数据资产管理水平，推动管理模型和框架的完善，强化具体的管理工作能力，为企业创造更大的价值。
参考文献：
[1]邓小明. 供电企业数据资产管理与数据化运营[J]. 山海经， 2016， 000（003）：P.181.
[2]李菲菲， 关杨， 王胜文，等. 信息生态视角下供电企业数据资产管理模型及价值评估方法研究[J]. 情报科学， 2019， v.37;No.338（10）：48-54.
[3]华烨，王莉. 煙草企业数据资产管理方法研究及实践[J]. 中国烟草学报， 2020， v.26（05）：123-131.
[4]张洁彬，方伟.大数据时代金融业数据管理模式探讨[J].金融纵横，2019（11）：75-82.
关键词：企业数据;企业数据资产管理;企业数据资产管理思考
当今社会正在全面进入物联网时代，在5G等新型通讯技术的推动下，数据以前所未有的规模持续出现，各种相关的研究和应用如雨后春笋般不断出现。到了现在，数据已成为众多企事业单位的重要资产组成部分，以及企业价值提升的核心。但另一方面，数据资产管理领域的理论发展仍然比较落后，在很多企业，对数据资产的管理还没有创造出令人满意的价值，甚至连基本的，能够指导数据资产管理的模型还没有建立起来。
一、数据资产管理研究现状
（一）国外研究现状
数据资产管理的起源在西方发达国家和各种相关的高科技组织。首先是在上个世纪的八十年代，出现了“数据仓库”的概念，被视为数据管理理论的开端。随着相关研究和实践的不断发展，真正的数据管理概念终于在2000年前后逐渐形成。到了2004年，国际数据治理协会DGI发布了DGI数据治理框架，但作为一个早期框架，其必然是不完善的，还缺少详细且明确的定义和描述。2006年，国际数据管理协会（DAMA）发布了数据管理框架，经过多次迭代，数据管理任务被细分为10个功能。
2010 年，以IBM为代表的高科技企业直接介入了进来，提出了数据治理的基本模型，认为需要有与数据治理相匹配的组织架构、意识和政策等来促成数据治理目标的实现。另外，IBM还提出了数据治理的三个关键要素，即数据质量管理、数据生命周期管理、数据安全管理。在随后的时间中，又有很多组织推出了有关数据管理的各种模型，为数据管理划分出多种功能，还建立了对数据管理任务效果进行评估的模型框架。
（二）国内研究现状
虽然近些年来我国在信息化领域取得了飞速的发展进步，但因为整体上起步较晚，所以对于数据资产管理或者说数据管理的研究还相对滞后。以银保监会曾经发布的相关指引为例，金融机构的数据管理工作主要侧重于构建系统、人员、流程和监督，而这时时间已经来到了2018年，相比以美国为首的发达国家，进度明显落后很多。不过，随着近年来全国上下对数据价值的广泛关注以及企业对数据资产需求的不断增加，国内对数据资产管理的认识正在逐渐成熟，相应的理念也已经形成。
比如2014年，有机构明确提出了数据资产管理的概念和核心框架，并发布了数据资产管理模型。与国外类似，国内机构提出的数据资产管理模型此后也经过了多次迭代演进，而且经过了企业实践的检验。2018年，银保监会推出相关指引的同一年，中华人民共和国国家标准委员会和国家质量监督检疫总局联合发布了《数据管理能力成熟度评价模型》，该模型通过对功能的划分，以及对评估标准和关键指标的定义，很好地指导了企业的数据资产管理活动。
二、企业数据资产管理涉及到的一些关键问题
企业数据资产管理主要涉及到两方面的关键问题。首先是数据的收集。企业想要进行数据资产管理，或者说能够形成自己的数据资产，首先就要保证足够的数据量，要有相应的数据资源。而数据资源的收集不可避免地會触及隐私。目前，世界各国都非常重视对公民个人数据信息的保护，即使是企业已经收集到的数据信息，公民个人也有权要求企业删除其个人数据。在某些情况下，个人还可以要求社交平台删除他们发布的任何信息。企业收集和处理用户个人数据的权力受到了极大的限制，可以说对公民个人数据信息的保护水平已经提升到了前所未有的历史高度。而且，公民个人数据信息的涵盖范围是非常广泛的，不仅包括直接信息，还包括间接信息。企业手机这些公民信息，必须在严格的规范和制度下进行。如果一家企业违反相关规定，可能会被处以很高的罚款以及其他的行政处罚。更有甚至，如果企业在数据信息收集方面的违法行为涉及未经用户同意使用数据或非法跨境分发数据，还可能面临刑事方面的巨大法律风险。我国《网络安全法》也明确规定，网络运营者收集的用户信息必须严格保密，必须建立用户信息保密制度。网络运营者收集、使用个人信息，必须遵循合法、公平、必要的原则，明确收集和使用的目的、方式和范围，并征得同意。
另一个关键问题是数据信息的泄露。这一点严重威胁着企业数据资产的安全管理。很多时候，企业所拥有的数据资源的泄露都会造成严重的社会影响，这方面的新闻报道屡见不鲜。具体而言，信息泄露可分为管理或技术泄露和第三方使用信息泄露，但无论如何都会对企业的数据资产管理产生重大影响。根据针对美国部分企业的研究，每条包含敏感和机密信息的丢失或被盗的平均损失为141 美元，而信息社会中企业的数据信息量是难以估计的，损失也就更加惨重。
总之，数据信息的收集是否合法，是否泄露，都是企业在进行数据资产管理时必须考虑到的。之所以要进行企业数据资产管理的研究，以及本文探讨企业数据资产管理模型的意义，除了希望帮助企业发挥出数据资产的价值外，另一个重要目的就是尽可能地避免类似风险，能够让数据资产管理成为企业发展的强大动力，而不是给企业带来其他难以预料的风险，反而影响到企业的正常经营活动。
三、企业数据资产管理模型的价值和意义
（一）企业数据资产管理模型的价值
目前国内比较流行的企业数据资产管理模型将相关任务划分为5个领域和13个功能项。模型的出现，是建立企业数据资产管理相关组织、制度、程序，做好企业数据资产管理的关键。其中最重要的是建立企业数据资产管理机构，这个机构就是能够真正对企业数据资产管理负责的执行团队。没有机构，就没有组织，就没有人来执行和监督管理制度，企业数据资产管理将不过是一纸空文。还有企业数据资产管理的功能，如数据的获取、集成和共享等，都要依靠企业数据资产管理来实现。 在管理模型的帮助或指导下，企业可以对自己所拥有的数据进行包括收集整合在内的各种操作，企业各个部门之间的“数据孤岛”被打破，数据的整合得以更加顺利的完成，提升了数据的价值。企业的业务、产品和服务等创新，都在企业管理模型的框架下进行。而通过框架，企业也更容易发现数据处理或应用过程中发生的问题，最终形成高质量且高价值的数据产品。最终，企业数据资产管理模型能够推动企业良好数据环境的出现，企业内部的所有部门乃至所有人员，都可以在企业数据资产管理中受益。
（二）企业数据资产管理模型的意义
企业数据资产管理模型催生了相应管理标准体系的出现，能够让企业相关部门和人员对数据的管理更加便捷。而且，相关部门和人员可以去寻找与模型相匹配的数据资产质量管理工具，对数据管理进行有效监控和分析。而在没有出现企业数据资产管理模型的时候，相关部门和人员是不能完成这项任务的，只能头痛医头，脚痛医脚，无所适从。总的来看，企业数据资产管理模型的核心意义是提高数据的安全性和运营效率，实现对不同类型的业务数据进行全生命周期管理。
另外，企业数据资产管理模型还能促成数据资产管理团队的出现，这一团队能够在模型框架下根据国家、行业及企业的数据资产管理标准要求对现有数据进行分类，构建数据目录，制定和完善安全审计等各项工作，满足企业不同部门在数据方面的需求。有时，企业数据资产管理模型还是一种描述，企业关键的主数据都会体现在企业数据资产管理中，代表着企业的业务以及企业今后不断盈利和增值的方向，使企业与市场间更多的业务交互成为可能，为企业的发展拓展更大的空间。
四、企业数据资产管理模型的应用
（一）管理框架的建立
明确了企业数据资产管理模型的价值和意义，还要进行相应的应用，将其作用充分发挥出来。任何一家企业，都致力于提供更加可靠和有价值的服务，在信息时代，则表现为需要优质的数据以保证企业能够根据市场的变化及时提供优质产品和服务，同时还能降低时间和金钱等各方面的运维成本，有效降低生产经营风险，做出更加积极有效的决策。为此，企业应该根据数据资产管理模型来建立管理框架，通过框架来审视自身数据信息上的不足，针对自身的特点和发展的策略来组织和应用数据资产，同时又能更有效地开展数据资产管理活动。
在具体的数据资产管理活动中，必然存在具体的管理方法，反映着数据资产管理的相应规范和系统流程。正如上文所说，所有事物在刚刚诞生的时候都不可能是完美的，需要时间去逐步地成长与完善。因此，企业应该大胆地应用模型和管理框架，让框架经历“实战”的锻炼，并在“实战”中查找存在的问题，形成适合企业自身情况的一套数据资产管理方法体系。这样一来，企业的数据资产管理实践活动也会如相应理论一样，走上不断自我更新迭代的道路，与时俱进，不断发展。
（二）管理系统的构建
企业数据资产管理平台系统的构建能够为企业切实进行数据资产管理提供支持。而且在当前的趋势下，这种管理平台必然是可视化的，是能够方便管理工作的实际运行的，可以帮助具体的管理人员更有效地管理企业数据资产，提高数据质量。而且，相应的管理部门还应该促进企业内部数据共享应用的价值提升，也就是不断更新应用工具，提高应用水平，优化数据资产管理环境。
以大型制造业企业为例，通过对企业数据资产管理模型的应用，应该实现适度的去中心化，即既要保证数据的内部流通共享，也要保证数据的处理效率，不能分头负责，又谁都不负责。另外，要坚决杜绝数据黑洞的出现，所有相关人员都要确保数据资产管理流程的顺利推进，不能让数据或数据的价值无缘无故的消失。第三，要对数据的安全加强管控，因为其中很可能有大量的生产数据，这些数据涉及到了企业的核心机密。最后，数据的最终使用者，比如企业的决策者，应该提升对数据的应用能力。
五、总结
综上所述，企业数据资产管理正处于快速发展的时期，必将为各个行业带来全新的思维模式。广大企业要积极吸取相关领域的经验教训，不断提升企业数据资产管理水平，推动管理模型和框架的完善，强化具体的管理工作能力，为企业创造更大的价值。
参考文献：
[1]邓小明. 供电企业数据资产管理与数据化运营[J]. 山海经， 2016， 000（003）：P.181.
[2]李菲菲， 关杨， 王胜文，等. 信息生态视角下供电企业数据资产管理模型及价值评估方法研究[J]. 情报科学， 2019， v.37;No.338（10）：48-54.
[3]华烨，王莉. 煙草企业数据资产管理方法研究及实践[J]. 中国烟草学报， 2020， v.26（05）：123-131.
[4]张洁彬，方伟.大数据时代金融业数据管理模式探讨[J].金融纵横，2019（11）：75-82.