软信天成:当代企业数据资产管理现状分析

大数据相关的研究和应用层出不穷,随着大数据热潮的不断兴起,数据已经成为各单位最重要的资产。越来越多的组织意识到:树立将数据作为企业核心资产的理念,充分重视自身拥有数据的价值,提升企业大数据分析能力和数据化决策水平,最大限度发挥数据的价值,能够为企业经营决策、流程优化、客户服务等方面提供有力支撑,切实提升企业在市场化环境中的竞争力。

软信天成:当代企业数据资产管理现状分析_第1张图片

数据作为企业的核心资产,规范化、标准化、智能化的治理体系构建和不断提升、成熟、完善的治理能力能够为企业数据价值释放发挥重要作用。企业应加快数据治理体系建设,明确数据治理归口管理部门,提出数据管理的目标以及整体框架并制定整体演进计划;依托数据管理理论及标准,对企业现阶段数据管理能力进行分析评估,通过前期调研、分析诊断和问题发现,明确企业数据管理能力成熟度及未来提升完善的方向和目标;以企业战略、业务重点为载体,进行数据资产盘点、数据标准化、元数据和主数据管理工作,实现制度、评估、技术等数据治理手段和措施系统化部署和协同推进,全面提升企业数据洞察能力,释放数据要素价值潜力。

一、整体行业发展趋势

随着大数据基础设施的不断完善,数据分析和商业智能工具将逐渐成为大数据的主力军。全球大数据产业将呈现七大发展趋势:开源大数据商业化进一步深化、打包的大数据行业分析应用开拓新市场、大数据细分市场规模进一步增大、大数据推动公司并购的规模和数量进一步提升、大数据分析的革命性方法出现、大数据与云计算将深度融合、大数据一体机陆续发布。

我国作为数据大国,在互联网、工业制造、金融、医疗等各个领域均有着庞大的数据基础。整体数据量大、数据品种丰富,为大数据领域的发展提供了重要的基础支撑。当下国内大数据领域已步入快速推进期,涉及行业不断拓展,产业应用逐渐深入,核心技术逐步突破,呈现出资源集聚、创新驱动、融合应用、产业转型的新趋势。大数据与实体经济深度融合,推动了信息化发展模式的变革创新,开启了数字中国建设的新时代,数据治理朝着智能化、智慧化不断发展。

大数据的热潮促使大量的组织对大数据平台建设、分析应用等方面盲目投入,缺乏对大数据资源的整体规划和综合治理。随着不成熟数据建设项目的盲目实施和不成功的案例实践,加之数据量呈指数级爆发增长,数据治理的重要性逐步得到业界的共识。治理是基础,技术是承载,分析是手段,应用是目的。在国家政策支撑以及产业实际需求增长的大环境下,如何通过数据治理提升组织数据管理能力,消除数据孤岛,挖掘数据潜在价值将成为重点发展领域。

二、数据资产管理的现状与挑战

目前大部分企业都是以公司管理的整体视角去审评当前企业信息化建设、数据应用乃至数字化转型方面的工作成果,缺少以数据资产为角度的高度去认识数据的重要性。总体来看大部分企业面临的数据管理挑战主要集中在以下层面:

1、整体建设
  • 现有系统的数据未得到挖掘应用。各个系统产生的结果数据,仍旧零散在本系统中,不能发挥更大的应用价值。

  • 树立的信息化系统与线性的、网状的管理模式存在矛盾。公司各环节的关联关系、相互影响情况,缺少数据化、客观化的抓手,例如采购业务对财务预算的关联影响,采购周期对生产计划的影响,均缺少有效的评测手段。

  • 面对数字化转型,公司却缺少对“数据”的系统化的治理体系。企业现阶段,无论是数据治理相关的规章制度,还是技术平台、应用体系,均处于空白状态。

2、数据集成平台建设(数据湖、数据仓库、数据中台、数据商业智能等)
  • 数据缺乏标准与规范,难以有效集成与使用。数据中台需要集成内外部、各系统的数据,只有建立一致的数据规范,通过统一的模型容器,才能实现数据有效整合,避免数据误入“形合神离”的窘境。

  • 数据可信度偏低,导致数据不可用、不敢用。数据中台的数据来源为内外部的系统,其数据完整性、时效性、真实性都有待评估和度量,只有在数据中台建立完整的数据质量评估体系、问题发现和整改的机制与流程,避免数据“垃圾进,垃圾出”,才能不断提升数据中台的数据质量,使数据使用人员逐渐增强对数据中台所导出和展现数据的信任。

  • 数据没有业务视角的展现方式,业务人员不会用。随着企业级数据应用的深入,风险、运营、营销等岗位的业务人员,需要更多地运用数据分析技术,因此了解和掌握数据情况变得尤为重要。而传统的开发人员所用的数据模型或者数据字典,作为一种描述数据的方式和语言,缺乏与业务场景的结合,偏重于技术角度,比较难于理解和应用。

  • 数据不可溯源,跟踪数据处理过程困难。数据中台为了能实现数据整合与高效应用,以及指标计算的复杂性,往往会进行多层的数据处理。而且数据处理的逻辑往往只是在程序或者文档描述中,存在结构化差异、描述不全、不及时、不准确等情况。但数据中台所支持的应用越来越多,采集的数据也越来越多,加工过程会越来越复杂。因此对于数据来源路径分析、数据问题跟踪分析方面,工作量大且极为困难。

综上所述,当代企业想要完成数据驱动型组织的转变就需要紧密结合实际业务需求,借助专业的实施运维伙伴及其多功能的解决方案,在参考国内外先进实践基础上,整体设计,重点推进,完成数据能力的专项提升,进而建立企业的数据治理体系,并逐步完善数据管理制度体系和标准规范体系,积极推动数据管理工作的落实,稳步推进企业全方位数据管理能力的提升,从源头上提高企业数据资产价值,从而持续实现“降本、提效、增收”的业务发展目标及数字化转型升级的战略目标。

你可能感兴趣的:(软信数据研究院,大数据)