【尊龙时凯之声】数智时代的数据价值进化

  我们正迈向一个全新的数智时代，，，
，更高效的计算
、
、、更智能的推理、、、更敏捷的内容生成，，，，重新定义着生产力和生产组织形态。
。其中数据不仅仅是一种资料，，，，更是一种核心的生产要素，，，它通过业务贯通、、、
、数智决策和流通增值三个层面
，，，将为传统行业带来前所未有的价值放大效应。
。。。近期，，，数据资产化的推动成为企业数据价值进化的重要一步，，，不仅涉及将数据资源转化为可在财务报表上体现的资产，，，还包括对数据资产的估值与行业实践的探索。
。

  数据价值进化凸显数据治理的“重”与“难”

  企业的数据价值进化始于数据治理。。。一方面通过推进数据规划和治理，
，，包括对各类主题数据资产的盘点、、、、梳理和规划，，以及存量数据进行专项治理和质量提升，，，，达到各类数据资产形成企业统一业务口径、
、
、、统一标准；另一方面通过数据溯源、
、、、企业级数据中台和不同领域数据集等整套技术平台构建，
，，增进全数据资产跨域融合，
，
，，为各类数据应用实现和赋能业务发展提供基础保障。。。

  当前，，，
，剖析企业在数据治理与数据应用中的重点和难点，，一方面，，，我们在数据治理中常常提到数据标准管理、、数据质量管理
、、元数据管理、、、数据字典等概念
，，但真正在着手各项工作时发现难以推动，，，，究其原因，，，
，其一是管理难度大，，，数据治理工作需要技术和业务共同参与，，，，各司其职
，，因此作为牵头部门无论是建章立制明确职责，，还是协调各方资源参与项目
，，
，都面临挑战；其二是驱动力不足
，，，
，用户部门往往关注的是业务推进，，，，配套系统功能能够快速上线应用
，
，，而对诸如落地数据标准和加强自动控制这些不影响业务开展的需求则不够重视
，，要对已经建成的业务系统再重新梳理数据资产进行管理，，更是缺乏动力
，，，，困难重重；其三是效益不明显，，，数据管理中强调的规范性和业务发展及系统开发的灵活性之间如何平衡，，，，虽然意识到在源头做好数据管控的重要性，，，但更多时候是采取事后补救
。
。
。

  另一方面，，在数据产生、、加工过程中缺乏标准管控，，，那么在数据使用时则难免遇阻。。。。较为典型的问题，，，
，其一是数据整合性差，，早年缺乏规划的IT架构和烟囱式的系统建设形成信息孤岛，，数据缺乏统一模型和标准规范，
，
，导致后续梳理和整合困难；其二是源于数据生命周期各环节管控不足导致的数据质量问题，，
，这对无论是监管审计还是挖掘分析
，，
，都会造成较大的阻碍；其三是数据可用性差，，
，，数据完整性、、、真实性
、
、颗粒度等方面都不能满足应用需求且难以推动解决时，，
，，也导致使用者缺乏信心，，，不利于数据应用能力建设和文化培养。。

  数据价值进化需要数据的“治”“用”结合

  场景化的数据应用与数据治理与管控工作需要互相促进，，
，相辅相成，，，让数据资产通过“治”与“用”的结合，，实现价值进化
。。
。。

  众所周知，，，
，各类拥有复杂IT架构和庞大数据量的集团化企业，，要发挥其数据的价值必须整合和加工现有或新建的各种信息系统或者业务应用中的数据，
，，并通过将经过处理的数据嵌入到业务流程中
，，实现智慧化经营与管理，，，这个“治”“用”融合的过程也即我们所谓的“数据资产管理”。。
。。国际数据管理协会（DAMA）给出定义：“数据资产管理是企业或组织采取的各种管理活动，，用于保证数据资产的安全、、、、完整
、、、合理配置、、
、、有效利用，，
，从而提升经济效益。。。”数据资产管理体系的构建，，包括数据治理与管控、、、、数据资产应用和数据资产运营三个部分
，
，其目的是让数据的使用者能够清楚地认识数据和数据关系，，，，进而能够“用”好数据，
，同时也让数据的管理者能够洞察数据、、、应用、、、系统之间的复杂依赖关系，，，，进而能够治理好数据。
。

  企业在数据的“治”与“用”长期实践中
，，需要克服很多难点与痛点
，，
，由于数据资产管理覆盖从数据产生到数据整合、、加工、、使用的端到端价值实现全生命周期，，，
，从实践落地角度来看，，数据治理与管控是其根基和主干，，，而数据资产有效运营和应用则可看作开枝散叶、、开花结果。。。脱离应用谈数据治理，，通常会遇到重重阻力
，，反之数据缺乏管控则难以被使用和创造价值
。。
。

  面对数据治理与管控工作复杂性和长期性，，，，众多企业开始采用“小步快跑
，，，急用先行”的数据应用需求驱动策略，
，
，，数据治理各项工作分步骤、、
、分阶段实施规划与数据应用需求的优先级顺序相匹配，，，以数据应用需求和业务发展需要为契机，，，，先开展重点业务领域的数据标准化
、、数据质量提升工作，，再逐步完善数据管理架构，，
，带动数据管理工作的全面开展
。。。

数据治理工作源于业务、、价值回归业务，
，其成效则是通过技术部门持续整合数据及实施数据项目、、、、业务部门应用数据进行分析的过程中逐步得以显现。。在全公司培养数据文化，，，激发应用场景的创新能力
，，推动数据应用的设计、、、实施、
、完善与维护的过程中
，，让数据治理的参与者也能充分感受工作带来的价值，，，而在此之上设置“治”与“用”结合的考核与激励机制也会更加行之有效。。。

  数据价值进化目标是价值应用

  得益于整合的高质量的数据资产以及各类算法模型和数据处理能力，，，企业能够从需求出发规划和搭建自身在各领域的数据应用。。。

  典型应用如管理驾驶舱，，，基于对管理需求的理解与分析，，，，更有效地为管理层提供“一站式”的决策支持，，多视角
、、
、、全方位地展示企业各项经营效益、
、风险分析、、
、业务条线的关键性指标。。。
。

  再如电力看经济的分析模型应用，，，，以电量与经济相关性分析为线索
，
，通过对不同产业/行业的电力消费分析，，用以辅助政府实时掌握产业经济发展情况，，，，研判发展态势，，，，从而精准施策。
。。
。

  总之，
，
，，数据治理需要科学的方法
，，
，，更需要长期的坚持不懈的努力，，但毋庸置疑，，拥有良好数据治理基础的企业在以数据支撑决策和数据资产价值实现的道路上必会事半功倍。
。。以“用”带“治”，
，成果共享，，稳步实现数据价值进化。
。