集團化企業數據資產化與運營管理體系研究

張一為

摘要：隨著大數據時代的快速發展、數字化的不斷推進，數據資產化對企業未來長期發展的重要性越來越大。從宏觀趨勢、行業競爭以及企業自身現狀等背景出發，集團化企業亟須持續推進數據資產化。本文從集團化企業現有數據資產發展與運營的現狀出發，提出了一種結合戰略一體化、管理體系化、體系平臺化、集約中臺化、稽核定期化的數據運營體系方案，并給出了針對性的方案設計和建設建議，希望幫助集團化企業更好地推進數據資產化。最后本文從未來的數據資產化、數據要素化以及數據治理與數據倫理角度，對數據資產化進行了總結與展望。

關鍵詞：數據資產化；集團化企業；數據中臺；數據運營

1. 背景分析

抓住數字化發展機遇能為企業本身發展提供助力。數據是產業結構性改革、創新的重要載體，對集團化企業的可持續發展有至關重要的作用。在如今的大環境下，集團化企業應合理利用數據，發掘數據蘊含的價值并進行資產化，再加以合理的運營管理，從而創造更大的價值。在數字化的大背景下，數據資產化的重要性也逐漸在政策中體現。集團化企業必須通過對數據資產產權的確定及登記，評估并定價形成數據資產化全流程的閉環，從而建立對數據資產的全鏈條管理體系，這也正是目前大多數能源行業中數字化轉型道路上的企業所缺乏的。可見，數據資產化的實踐與落地，是充分利用數據這一生產要素，實現企業數字化轉型的著眼點。

從當前現狀來看，很多集團內部沒有健全自己的數據模型、數據梳理流程、數據采集渠道、數據清洗方式，尚且停留在數據治理的基礎層面。在數據標準方面，隨著數據量的增大，數據種類變得繁多，數量和種類越豐富，標準就越容易混亂，機構或企業全局管理的藍圖就無法鋪展。總體來看，典型集團化企業尚未形成業務的流程化、自動化，雖然設定了帶有自己烙印的標準與規范，但具體實踐起來卻有很多步驟沒有深究和落實，例如數據口徑、數據流向等，規范沒有落實則使得業務無法很好跟進，降低企業整體效率。

2. 集團化企業數據資產化研究現狀

當今，社會數據成為資產已然變成共識，但和實物資產相比，不同行業對于數據資產的管理尚未成熟，對自身的數據資產數量和類別都欠缺了解，針對這些問題，需要以體系化的方式實現數據價值的釋放[1]?，F有研究認為，一是集團化企業數據壁壘依然存在，互聯互通任重道遠，集團化不僅需要克服數據獨立的鴻溝，更重要的是需要實現真正的信息透明化，信息互聯互通還任重道遠，需要持續性的技術攻關[2]；二是數據獲取效率低下，已成為業務數字化的絆腳石，必須克服數據孤島、數據質量低、整合平臺缺失等問題，減少數據獲取時間[3]；三是數據價值不能持續釋放、洞察力有待持續提升[4]，無法找到數據間的隱藏價值，數據價值釋放速度落后于時代步伐[5-6]。

從發展需求角度來看，集團化企業不同的系統擁有自己的數據規范和方法，這些數據間往往無法互通共享、難以協同利用，形成邏輯意義上的“數據孤島”[7]。數據孤島問題使得業務人員的數據訪問權限常與需求不匹配，分析人員難以快速獲取真實有效、可應用性好的數據，給數據挖掘分析及上層服務的開發造成了阻礙。

企業的數據分散問題還體現在垂直式的數據體系上[8]。由于缺乏統一的設計規劃，公司各個部門的數字化進程及業務單元相對獨立，數據體系呈現縱向貫通格局，形成自建、自管、自用的“煙囪式”結構。這樣的數據體系雖能緊密聯系具體業務，但企業各部門數據相對分散獨立，各個業務之間存在壁壘，難以融合互通、形成合力。此外，垂直化數據體系還會造成數據重復采集、數據調用混亂等問題，具有相似功能的系統被重復開發、維護，耗費了大量資金、人力與時間成本。

綜上所述，企業亟須打破“數據孤島”“信息煙囪”的桎梏，縱向促進從生產到管理、橫向促進各區域公司及各部門數據的充分共享，構建更加統一的數據治理體系，全面統籌整個企業的數據資產[9]。

3. 集團化企業數據資產運營體系設計

集團化企業要真正做到發展數據，必須堅持數據戰略為先、管理體系完善、體系平臺落實、數據中臺賦能、定期稽核評估，才能成為行業中的數據資產化領頭企業。數據資產運營體系設計可以參考五個維度。

3.1 戰略一體化——發展戰略與數據資產戰略并舉

在企業數字轉型和數據資產化熱潮的大背景下，企業需要做的第一步就是制定數據資產發展戰略，并將其融入企業的長期發展戰略中。同時這也是最為關鍵的一步，因為只有深刻、具體的數據發展戰略作為指導，企業的數據資產化才能明確發展方向，才能在建設的具體過程中真正做到有條不紊。整體上，數據資產發展戰略具體需要從數據治理規劃、數據架構規劃兩個方面開展整體設計工作。

一是要建立包括數據標準定義、數據標準編碼框架等各類數據的標準框架。同時要完善管理與技術兩個層面的支撐能力，確保數據標準體系的推進和完善。另外，企業在制定數據標準過程中需要時刻遵守統籌規劃與循序漸進的原則，需要結合相關業務、管理需求進行針對性的設計，切忌一味盲目追求體系建設的完成度。在數據質量體系建設中，也要積極地進行數據的生命周期管理，明確事前治理、事中監控、事后防范三大階段的數據質量考核體系。

二是根據自己的企業架構，全局設計自身數據架構。起點是做好盤點數據資產，滿足數據需求同時盤點資產，更新業務目標，這樣才能在有限制的條件下將自己的資源優勢發揮到極致。有了好的數據資產體系便可以放眼數據流轉，一個好的數據流轉體系能夠讓數據清晰地流向所需要的地方，將數據要素更加快速地送達各個環節。集團化企業應該建立獨立部門，專門分析流轉需求和方向，使流轉速度增效，加快數據價值的徹底釋放。與此同時，明確各個數據管理角色以及對應的職責，確保實施過程中的權責分明。企業還需要建立完善的定量數據管控體系評價考核指標，確保對各個環節的數據情況進行評估時有所依據。

3.2 管理體系化——完善各類管理體系制度

一是體系化提高質量，提高數據質量總體而言是一個持續性的過程，集團化企業為達到持續性的提高需要制定和建立數據質量標準、質量檢測模型、反饋質量問題部門、修繕質量問題體系。二是集約化平臺建設，正如前文提到的，集團化企業在數據壁壘方面問題較大，為此本文建議要建立統一的數據決策分析平臺，將業務指標口徑統一到一起，形成整合型數倉。三是模型化數據算能，引入智能化技術，讓數據資產化管理平臺不僅全面也有針對性，屆時整個資產體系將會源源不斷發現隱形價值。四是實施數據人才管理體系，保障人才的數量、質量和明確的人才晉升通道，建立穩定、明確的數據管理人員晉升渠道，完善相關考核機制，鼓勵復合型人才。

3.3 體系平臺化——落實各類管理體系平臺建設

本文主要針對集團化企業較為不完善的數據標準管理平臺、數據模型管理平臺以及數據質量管理平臺給出方案設計。

（1）數據標準管理平臺化，集團化企業必須要落實好數據標準管理平臺，才能保證數據資產格式的規范、數據命名的準確性以及數據口徑的一致性。集團化企業需要透明可視化地對數據標準進行發布、刪改、廢除、下載等一系列操作，才能將落地數據呈現。

（2）數據模型管理平臺化，主要功能是對數據模型進行統一管控，集團化企業必須要完善數據模型管理平臺才能夠形成統一的企業數據模型視圖，讓企業數據模型管理不再分散、稽核數據模型有效以及數據模型標準落地。同時將數據模型轉化為直觀的可視化視圖，方便管理人員監控數據模型狀態，也方便高層人員使用進行后續工作。

（3）數據質量管理平臺化，制定數據質量稽核評估并周期執行，數據質量平臺要提供稽核任務調動功能，將數據質量的稽核校驗結果生成報告以展示復雜的業務邏輯。

除此之外，為提高企業數據互聯互通能力，實現各子公司、各部門間的橫向數據交換及全數據鏈上的縱向數據共享，便利應用分析開展與上層服務開發，企業應將項目式的垂直獨立“煙囪式”開發模式轉變為運營式的橫向貫通共享服務模式。具體來說，企業可以建立統一的數據集成與共享平臺，借助傳統數據倉庫或大數據平臺將各個系統的分散數據集成交換到一起，并使數據按照業務主題進行存儲，形成企業內部的“唯一事實”。

從平臺建設來看，首先，數據集成與共享平臺應具有與各個部門的自建業務系統及第三方系統等數據源的對接能力，支持多種異構數據源的連接，并能進行批量數據遷移、增量數據添加和數據庫實時同步，從而實現以平臺為流轉載體的數據跨源連接，在不破壞原有系統建設的基礎上形成各方數據的融合協同；其次，平臺應具有一致的技術規范、數據定義，保證數據的一致性、完整性、有效性；最后，平臺的數據湖底座應支持多種存儲結構，能夠將數據按照業務類別、數據種類進行分類存儲，并部署足夠大的數據存儲空間。

3.4 集約中臺化——建設數據中臺，實現數據資產賦能

在企業數據資產化的過程中，數據中臺無疑是重要的一環。一個好的數據中臺能夠為企業人員提供一站式、高效易用的數據治理運營平臺，真正實現數據資產賦能。有些集團化企業作為頭部企業，開展信息化和數字化較早，取得了一定成效，但在數據中臺建設方面仍有欠缺?？傮w而言，數據中臺的建設過程建議主要分為七個階段。

一是綜合評估階段，企業需要對內部數據資產化各流程中所存在的問題進行全方位排查和梳理，在深入了解企業內部數據要素現狀后才能更明確地進行針對性的數據戰略規劃制定。

二是數據戰略規劃，對評估過程中所調研和梳理的企業現存問題進行充分分析和整合，以此來規劃數據中臺建設的各個階段，繪制涵蓋技術支持、權責劃分、人員分配等內容的建設藍圖。

三是實施數據治理，為了能夠更好地利用數據資產賦能業務開展，集團化企業需要全面梳理現有的數據資產，進一步建設包括數據標準體系、數據全生命周期管理體系等體系的完善的數據治理體系，并在此基礎上實現平臺的落地，才能夠真正實現數據的賦能。

四是開展數據研發，打造標準統一、資產化、服務化的智能數據研發體系，開展數據服務產品的開發。

五是推進中臺建設，打造一個可以清晰呈現、提供各類數據服務的一體化平臺，確保對業務需求中數據賦能需求進行高效的集約供給，促進中臺價值呈現。

六是迭代系統遷移，結合自身實際情況，安排系統遷移進度，確保在系統遷移過程中不會對企業的正常運作產生較大的影響，漸進破除數據孤島難題，實現數據的高效利用。

七是保障中臺運營，在完成數據中臺的技術建設之后，數據中臺還需要持續運營，才能真正滿足企業的數據使用需求。為此，集團化企業需要重構組織架構，設立專門的職能部門，實現數據中臺運營高效化。

3.5 稽核定期化——定期稽核評估，保障數據資產持續運營

定期的稽核評估對于企業數據資產化無疑也是不可或缺的一環，是數據資產管理落地實施的保障。前文提到，集團化企業的數據質量和數據模型的稽核出現問題，只有確保進行定期的對標稽核評估，企業才能在長期運營中保證數據資產不出錯，進一步保障數據資產的高效利用。

結語

隨著集團化企業的發展，企業擁有的數據資產會越來越龐雜，因此勢必要進行數據資產管理，提高數據的使用價值，如果處理不當，繁多冗余的數據將隨著系統迭代而失去，集團也因此遭受損失。而數據資產管理與運營的主要目的是將企業數據進行有序管理，提供決策依據，實現價值變現，并降低數據風險。經過大數據資產的運營模式整頓與細化后，集團化企業的數據資產將發生一定變化，主要體現在數據資產化、要素市場化、數據治理與數據倫理。數據倫理有助于提高企業的社會形象和信譽度。企業在數據處理和使用中遵循道德準則和社會責任，不僅可以獲得消費者和社會的認可和信任，還可以為企業帶來商業機會和發展空間。因此，集團化企業應該通過建立完善的數據倫理管理體系，不斷提高數據管理的效率和質量，促進企業的創新和發展。需要注意，實施數據治理和數據倫理需要全員參與和合作，還需要建立完善的數據管理流程和制度，以確保數據治理和數據倫理的長期有效性。

參考文獻：

[1]劉辰翔，王卓，胡永強.數字經濟時代的資產評估[J].中國資產評估，2020，（8）：33-39.

[2]韓兆柱，馬文娟.數字治理理論研究綜述[J].甘肅行政學院學報，2016，（1）：23-35.

[3]杜勇，李光輝.京能集團業財一體化整合路徑與機制[J].財務與會計，2017，（13）：14-16.

[4]張慶龍.以數字中臺驅動財務共享服務數字化轉型[J].財會月刊，2020，（19）： 32-38.

[5]張曉光.中國石化數據資產管理研究[J].石油化工管理干部學院學報，2021， 23（2）：31-35，40.

[6]崔恒志，王翀，吳健.基于數據中臺的數據資產管理體系[J].計算機系統應用，2021，30（3）：33-42.

[7]尚晶，胡清源，孫麗娟.數字生態下的數據資產管理實踐[J].電信工程技術與標準化，2022，35（4）：25-32.

[8]孫國強.基于數據中臺的數據資產管理技術探討[J].信息系統工程，2022，（4）： 19-22.

[9]陳亮，王積田.數據資產管理體系設計研究[J].現代商業，2019，（17）：114-115.

作者簡介：張一為，碩士研究生，研究方向：數字化轉型與數據資產化。