作者：Glue | 译者：李然辉
第1部分：你需要重视和拥有数据资产
有一个说法：如果公司管理他们的财务和管理数据一样糟糕的话，他们现在可能已经破产了。
数据曾经被限制在防火墙和系统中，但在数字时代，它到处都是。
在这个“大数据”世界中，在正确的时间提供正确的数据至关重要;而且必须远远超出IT的职权范围。
数据管理是一种“业务”职能; 但是，与金融服务行业不同，特别是在没有监管或内部合规要求的情况下，建立和激励已经焦头烂额的商业人士实施围绕数据的管理是困难的。然而，有效的数据管理对一个组织至关重要。
如果数据所有者的任务是管理现金价值资产，那么他可能会更加用心想尽一切办法使得相关的价值增加。
数据是一种有价值的商品。大多数组织原则上认为他们的数据是一种资产，但只是按照概念的方式付出代价在实践中应用。
它是否出现在资产负债表上？它是否曾被赋予货币价值？为什么评估数据如此困难，就像您对任何其他公司资产一样：机器、建筑物甚至员工？无可否认，数据是无形的，它不是一个物理实体。在会计方面，它不遵循正常规则。然而，它在使用方面具有非常明显的价值，并且越来越多地被公司内部认可估值 — — 2012年5月的Facebook IPO以最清晰的方式证明了数据在公司资产负债表上具有非常实际的财务价值 — — 即使这个价值最初被夸大了！
公司在避免这个问题上会有很多损失。如果数据不被视为一种资产，那么它有可能被视为IT支出，因此，它有降低的压力，而不是吸引可以进一步提高其价值的投资。
我提出了一种实用的数据资产估价模型。目的是使'无形'有形;为数据所有者提供可以有形方式管理和改进的货币价值。因此，数据评估构成关键绩效指标（KPI）的基础，以激励每个所有者启动可以衡量和激励的数据改进行动 - 最终提高数据信心和做出更好决策的能力。
一旦在企业中建立了数据评估和数据治理的文化，将数据资产纳入到企业资产负债表为目的的数据评估就是一个合乎逻辑事情。
这是一种实用的数据所有权方法估值; 由高级和中级管理层推动的“自上而下”方法，涉及业务经理而不仅仅是IT； 一种可以在整个组织中跨所有数据存储库逐步推出的方法。
您需要以货币形式对数据进行估值，即作为真正的资产来拥有数据。
第2部分：数据不同，需要所有者的新规则
与其他公司资产一样，可以为数据分配成本（即获得和维护成本是多少）;它有一个实用程序（通过它的使用地点，使用者和使用频率来识别）。然而，它具有许多特征，使其与其他公司资产不同。
丹尼尔·穆迪和彼得·沃尔什在一篇论述信息的论文中总结了这些差异作为七个“特性” - 但同样的原则可以应用于数据。
正是这些特性使我认为数据的消费是对其价值的有效衡量。它们总结如下：
* 特性1：数据（无限）可共享而没有任何价值损失。
* 特性2：其价值随着使用而增加（与许多资产不同，例如车辆，工厂和设备随着使用而贬值）。
* 特性3：数据易腐烂。与优质葡萄酒不同，保存时间越长，使用时间就越少。不幸的是，许多组织持续的数据远远超过运营或监管需求所需的时间。
* 特性4：数据的价值准确增加（我们现在可能会说'质量'）。
* 特性5：与其他数据和/或信息结合使用时价值增加。
* 特性6：更多不一定更好（'大数据'问题证明了这一点！）。
* 特性7：数据不可耗尽，实际上恰恰相反。- 你使用的越多，你拥有的就越多（Glazer，1993）。相反，如果不使用数据，它就会成为一种负担，因为尽管存储和维护成本很高，但它对组织没有任何价值。
同样，多次复制的数据不仅使所有权复杂化，而且往往会增加成本而不是操作的价值，这要归功于需要维护单独的数据存储，开发接口甚至手动协调“真相”的多个版本。
如果数据所有权流程中涉及的数据充分利用公司的利益，那么数据的独特特征必须得到所有参与数据所有权流程的人的认可。
数据不是要被征服和围起来的领土；事实上，消费越多，它就越有价值。数据拥有者不应该是看门人;虽然在确保所有变革都是在良好的数据治理和适当的安全标准的支持下进行的，但必须没有“禁止 — — 私有财产”的迹象和保护主义。
这将需要改变组织结构和文化态度;显然不会在一夜之间发生的事情。
第3部分：数据资产价值评估
我的模型依赖于数据存储库级别的数据所有权（数据的逻辑分组，可能是一个数据库或许多数据库的元素，分组为数据'主题域' - 例如客户）。 它考虑了数据的“成本”（获得和维护的成本是多少）; 及其实用性 — — 使用者的位置，使用者和使用频率。
该模型通过识别“数据生成者”和“数据使用者”来工作，如下图所示。数据生成器可以是业务流程（手动或自动），来自第三方的馈送，可能是通过Web门户或应用程序。 在消费者方面，数据通常由应用程序和其他进程使用。
然后，这个供应商和消费者网络将映射到业务能力和他们支持的业务目标。数据生产者方面的成本等式是针对消费者方面的进一步指标设定的，其考虑了数据使用的频率和消费模式;因此，供求规律构成了“市场价格”。
然而，这只是故事的一部分。
权重可以应用于某些数据消费者（被称为“特殊”消费者），以反映他们的重要性并鼓励他们使用。这些特殊的消费者代表了数据世界的“精英力量”，并由公司识别，以与特定的业务和IT战略保持一致。图中显示了可被识别为“特殊”的数据消费者类型的示例。
特殊数据消费者的概念是一个重要的概念，因为它们为数据所有者对其数据的思考方式增加了另一个维度。如果特殊消费者的所有者积极推行安全，主数据和整合等政策，那么他们的估值就会提高;但他们也可能被指定负面评级。
例如，已经引入数据存储库但未被任何消费者使用的数据是浪费的，应予以消除。
认识到这一点，所有者会看到他们负责的数据价值下降。如果数据所有者随后解决了这种情况，可能是通过集成删除未使用的数据，他们的行为将再次触发价值增加。
简而言之，现在已经为数据存储库分配了有形的货币价值，数据所有者可以看到初始数据评估如何受到后续操作的影响：最初由于发现未使用的数据而导致价值下降，其次是如果他们纠正这种情况就会增加 - 换言之，作为关键绩效指标的数据的资产评估。
可能存在特定于企业或环境的特定数据消费者 — — 例如，在金融服务环境中，“监管使用”将是高度评价的特殊消费者。这些需要在个人基础上确定。
用于计算数据值的基础公式相对简单;艰苦的工作在于建立需要拥有的数据存储库，任命所有者并识别数据生产者和消费者。
我已经确定了许多特殊数据消费者，并为了说明目的而给出了假设权重，并在下面的工作示例中使用。
特殊数据消费类型
数据所有者通常会鼓励所有潜在的数据使用者连接到数据存储库，因为根据评估公式，这会增加价值。但是，如果出于安全合规性原因，数据所有者拒绝了消费者的数据，这不应导致价值降低，而应视为添加“安全消费者”。因此，安全消费者具有假设的权重“5”。
通过主数据实现消费数据是最高的地位，所以“主数据中心消费者”应该被赋予高权重（在我的示例中为“7”），因为它表明原始数据存储库具有一个或多个权威数据源。
应鼓励数据所有者减少任何数据重复，并且这样做时，应调用特殊的“集成消费者”。由于数据和/或流程集成而消除数据存储库导致所有的最高权重 - 示例中的“10”。
在SOA或信息传输中使用的规范消息中使用的数据给予了正的权重（在我的示例中为“3”），因为这应该鼓励使用良好的体系结构实践并消除与应用程序的紧密耦合。
已引入数据存储库但未被任何消费者使用的数据是浪费的，应予以消除。未使用的数据应归于“未使用的数据”消费者。消除后，可以将其重新归类为“集成消费者”。可能还有其他特殊数据消费者
特定于企业或环境。这些将需要在个人基础上确定。
