IBM -数脉成基厚积薄发 足履实地做有态度的数据资产化“领头羊”2023

张玉明张玉明先生是IBM副合伙人，IBMConsulting金融核心锐变IBM副合伙人，IBMConsulting金融核心锐变团队大数据战略与分析咨询、数字化战略转型、数据架构规划、企业级数据治理及数据资产管理解决方案等方面。他领导过zhangyum@多个金融企业的大数据分析与人工智能技术应用、大数据应黄子芸IBMConsulting金融核心锐变团队黄子芸女士是IBMConsulting金融核心锐变团队的咨询经理。她在数据治理规划评估与领域建设、数据资产管理等方面均拥有成熟的实践经验，为银行、券商、制造业等大型企Zi.Yun.Huang@业提供企业级的数字化转型、数据治理、数据资产管理解决高睿IBMConsulting金融核心锐变团队Rui.gr.Gao@高睿先生是IBMConsulting金融核心锐变团队的咨询顾问，他在数据资产管理、元数据管理、数据标准管理等方面积累了丰富的实践经验，为银行、券商、制造业等大型企业提供李子琪IBMConsulting金融核心锐变团队Zi.Qi.Li1@王莉IBM商业价值研究院gbswangl@王莉女士是IBM商业价值研究院的高级咨询经理，担任IBM全球高管调研项目和对标分析项目的大中华区项目负责人。她拥有15年以上的管理咨询和管理研究经验。王莉女士目前1足履实地，做有态度的数据资产化“领头羊”数据资产化面临核心挑战：组织窘境、流程乱象、技术l数据资产化实践资产化迈向资本化，明确数据资产基线，为数据资源入表2随着数据规模和应用的指数级增长，数据作为新型生产要素的经济意义愈发受到企业的高度重视。自从2022年12月“数据二十条”发布以来1，2023年3月国家数据局的成立2，2023年8月财政部印发《企业数据资源相关会计处理暂行规定》3，以及上海、深圳等地数据交易所的不断发展壮大，各行各业正在数据要素化的赛道上跃跃欲试，进入加速落地阶段。在这一过程中，企业必须深刻理解数据要素化的过程，认识到从数据到数据要素的转化不是一夜之间可以完成的，而是要“积跬步，至千里”，需要稳步前行，循序渐进。从最初的其中，推动这一发展的前提和基础在于数据资产化，而实现数据资产化的关键起点和核心在于数据资产盘点。企业通过进行数据资产盘点，可以从多维角度对数据进行梳理，构建企业的数据基线。数据基线的核心在于它能够统一业务从逻辑角度明确数据的含义、用途和价值等信息，从而清晰地确定企业对数据的整体定位。这一基线将成为企业在迅速变化的数据环境中的稳定锚点，帮助当企业拥有了灵活稳定的数据基线后，可以串联各部门与环节，并在此基础上不断向外探索与开放，打通内外循环，赋能企业自身业务发展，实现数据要素挑战：数据资产化工作呈现出的概念5，描述了在集体决策过程中，个体往往倾向于跟随大多数人的意见，而 不是独立思考和判断。这一概念好比一只头羊带领群体前往草原进食，其他羊就 如今，数据要素的生态系统就宛如广袤的草原，众多参与者企业往往会受到“羊群效应”的影响，盲目借鉴其他企业的行为，迫34挑战1：组织窘境，数据管理者、生产者、消费者三方“脱节”业中的数据管理者、生产者、消费者并未形成利益共实际盘点时各部门仍往往持观望态度，合作任务最终变成数据管理者的“独角戏”。务部门而言，参与数据资产盘点需要投入一定的时间投入产出失衡。在数据资产带来的实际价值并不明确的态度，甚至对于数据资产盘点工作产生抵触情绪。果时，经常会感到迷茫，不清楚如何应用这些成果来到哪些数据项、对众多数据资产无法筛选出最合适的数据、对同名或相似的数据项无法区分等。最终由于盘点结果与实际应用仍有距离和使用门槛，很难真正挑战2：流程乱象，理想与现实出现“落差”挑战3：技术短板，底座不稳、工具不足对效率造成“制约”5•夯实底座，联动元数据管理提升效率，引入智能化技术事半功倍破解流程乱象03·•夯实底座，联动元数据管理提升效率，引入智能化技术事半功倍破解流程乱象03··•运筹帷幄，突出重点乘风破浪•车轨共文，殊途同归02·•价值驱动，关注资产内循环 01•统筹规划，分析能力及举措实践：数据资产化路线的“锦囊妙计”锦囊妙计之“谋篇布局”数据资产化工作的“谋篇布局”需要以价值为导向。对于企业来说，数据资产的核心价值是赋能业务发展，助力精准决策，这也就需要发展数据资产管理的内循环生态，主要另一方面，在数据要素化的趋势下，开展数据要素流通交易，构建数据产业链也是企业长期发展要义，需要逐步构建数据要素流通的外循环生态，主要包括数据产品设计、数目前数据资产管理能力整体处于发展初期6，企业首要关注的仍是数据资产管理内循环图1数据资产化的“锦囊妙计”走出组织困境补足技术短板谋篇布局•补足技术短板谋篇布局••贯穿始终，持续发展产品交易产品交易运营、服务能力是必不可少的。企业可以基于PDCA（Plan-Do-Check-Act）循环7，逐步识别需要开展的数据资产管理活动。在“Plan”阶段，核心任务是确立数和应用；在“Check”阶段，核心任务是对已经开展过营成效，识别改进空间和方向；在“Act”阶段，落实数据资产管理内循环生态vs资产共享产品交易产品挂牌数据产品生命周期资产共享产品交易产品挂牌数据产品生命周期产品挂牌资产目录资产目录共享产品目录梳理产品交付产品交付产品产品目录梳理产品交付产品交付产品下架梳理资产运营资产评价资产运营产品运营产品发布产品运营产品发布外循环:要素流通生态规划产品运营产品运营产品发布产品发布产品运营产品运营产品发布资产考核资产发布需求资产考核资产发布分析产品登记产品设计产品开发产品登记产品设计产品开发资产组织架构产品审核产品登记产品登记资产登记资产制度流程产品确权资产制度流程产品确权产品定价产品定价产品确权资产认定6接下来，企业需要进一步分析开展上述活动需接下来，企业需要进一步分析开展上述活动需78锦囊妙计之“乘风破浪”企业开展数据资产盘点工作过程并非一帆风顺，往往会涌现出诸多问题，例如：盘点范围不可控、各部门配合程度不高、盘点后未实际赋能业务等。面对这些挑战，企业需要统一各方认知，在现有数据梳理成果的基础上，结合业务发展方向和系统建设规划，有目参见第11页案例：数据资产盘点之一）。企业在开展数据资产盘点前，需要了解自身情况，对划分数据资产类型。基于IBM实践经验，典型的数据–基础类数据资产：例如企业合法录入、采集的内部–集成类数据资产：例如逻辑上或物理上聚合形成的–服务类数据资产：例如统一加工提供服务的指标、值得强调的是，在盘点前需要圈定清晰且突出重点的对于存量数据资产，可根据数据来源、数据形态、使长期的数据资产盘点计划。在有限的资源下，优先盘增量数据资产通常与数据管控流程相关，可将数据资产的盘点要素与数据管控流程进行联动管理。数据开数据资产盘点优先级尚未产生产生过程中已产生数据资产现状数据字典数据集市数据指标数据尚未产生产生过程中已产生数据资产现状数据字典数据集市数据指标数据基础基础数据规范数据安全分级信息基础外部数据服务标签服务固定报表服务自助拖拽主题业务术语概念模型逻辑模型物理模型规范指标标准服务知识库政策与规则服务挖掘模型应用数据集API数据接口非结构化数据规范数据质量规则范基础数据标准集成服务服务服务规范规范规范规范规范规范规础基制定计划：开展数据资产盘点前，需要明确盘点工作计划，并根据实际盘点情况进行动态调整。制定数据资产盘点工作计划能够明确盘点的具体目标、范围、时间安排，为未来的盘点工作提供借鉴，进而不断完明确要求：数据资产盘点工作需要统一的工作方法及模版、明确各相关方的职责分工及工作要求，各参与方应设立数据资产专职或兼职人员，同步进展并及时反馈及问题，开展盘点复盘工作，不断提升盘点工作拉齐认知：企业需要开展培训宣贯，依赖管理制度及流程，开展数据资产盘点，帮助各相关方了解为什么需要进行盘点，盘点的目标、意义及工作流程，全面了解数据资产盘点工作，拉齐各相关方的认知，加强跨部门合作，减少信息孤岛和沟通障碍，提高数据文数据资产盘点结果的保鲜工作需要贯穿在数据资产全生命周期管理中，以确保数据资产时效性，彰显数据资产价值。在数据资产产生过程中，应参考企业数据标准、数据字典等规范，以确保相关业务属性和技术属性满足标准化要求。在形成数据资产后，需要定期910提供业务属性、技术属性、管理属性信息丰富元数据应用价值质量问题的定位根源今生”数据资产地图将元数据的血缘、影响分析进行可视化呈现提供业务属性、技术属性、管理属性信息丰富元数据应用价值质量问题的定位根源今生”数据资产地图将元数据的血缘、影响分析进行可视化呈现锦囊妙计之“事半功倍”数据资产化的落地实践面临成本和效率方面的难题，关键在于找到切实可行的解决方案弥补技术短板，确保能够持续地在数据要素化的道路上奔跑，并且取得事半功倍的效果。对于“跑步”开始前的方案选择，不仅需要考虑自身的“体能基础”，即元数据等数据治理情况，减少成本支出，实现“事半”的目标；还可以适当借助“外部装备”，充分利用智能化工具，最大化盘点效率，达到“功倍”的目标（请参见第11“事半”，开始并非从0到1元数据在数据资产盘点中充当着基础奠定者的角色，为整个盘点过程提供了稳固的支撑。凭借着元数据的积累，数据资产盘点并非从零开始，而是依赖于底层元数据管理与数据资产盘点之间实现联动管理是至关资产盘点过程中得到充分复用，从而提升盘点工作的自动化程度。与此同时，元数据的血缘分析、影响分析展现了数据资产的“前世今生”，更是定位数据资产质量问题根源的核心法宝。另一方面，数据资产盘点可视为对底层元数据管理有效性进行验证，借此提升元数据的质量，当然，数据资产地图对元数据血缘分析、影响分析的可视化的展现，也丰富了元数据的使用场景及价值。值得一提的是，元数据质量也可作为选择数据资产盘点范围的参考因素，避免工作范围无限扩大、建成“空中楼阁”等情况的发生。基于这样的基础，才能有效地控制数据资产盘点所需的投入元数据管理与数据资产管理资产盘点的基础输入提升元数据质量验证元数据管理有效性提升盘点效率识别元数据管理流程断点，并推动完善数据资产盘点(1)数据资产盘点(1)数据资产盘点(2)11“功倍”，高效实现1到100据资产的安全分类分级打标可建立在智能化工12入表在即，优先建立数据资关”之路无疑充随着2023年8月财政部印发《企业数据资源相关会计处理暂行规定》8，数据资源入表的话题引起了广泛关注，这为数据要素市场的交易提供了配套基础，也标志着数据资产的价值将逐步在企业报表中得以体现。理论上，数据资源的满了挑战，但关入表可以依赖于长期积累的会计处理原则与经验，进行相应的匹配与调整。然键在于通过数据而，相较于“入表”，企业在实践中往往首先面临“数据资源”定义与范围的资产盘点来构建数据基线。困惑：哪些数据资源可以确认为数据资产，数据资产又该如何公允估值，这些拉松”，是一个渐进演变的长期过程。这如同闯关游戏，数据资源需要通过层济利益的资源”9，即可被认定为数据资产。例如常见的服务类数据资产，在数据要素化的“闯关”之路无疑充满了挑战，但关键在于通过数据资产盘点来构建数据基线，明确数据资产的范围，并逐步确定数据资产的估值方法，为数据资产入表做好准备。最终配合市场的发展趋势，共同推动数据资产的应用和1314以“数据二十条”、《企业数据资源相关会计处理暂行规定》等相关法律法规将“数据资产化”理念逐步不可否认，数据资产化的道路会面临诸多挑战，同时这也是新的发展机遇和商业模式。一方面，我们需要考虑到企业自身发展的定位、必要条件及资源投入，秉持着健康、可持续发展的数据文化，关注赋能重点业务发展，切实可行的落地数据资产化相关工作。另一方面，积极从容的应对外部及自身的变化，不断学习和适应新的技术和方法，实现数据资产化道路质的当然，在未来探索数据资本化道路中，不能盲目追求数据创造的价值而忽略数据安全、隐私保护、伦理规IBM商业价值研究院(IBV)站在技术与商业的交汇点，/ibv/cn素作用的意见”。2022年12月19日。https://www./zhengce/2022-12/19/content_5732695.htm/2023-03/07/c_1129419141.htm规定》”。20230822。/lianbo/bumen/202308/content_6899425.htmTC601大数据技术标准推进委员会。2023年1月威尔弗雷德·特罗特（WilfredTrotter）。1908年TC601大数据技术标准推进委员会。2023年1月7“《StatisticalMethodfromtheViewpointofQualityControl》”。沃特·阿曼（WalterA.Shewhart）。1939年。lianbo/bumen/202308/content_6899425.htm9“财政部《企业会