当前，国内外数据管理领域的相关学者和组织面向不同的应用场景提出了多种数据资产的管理体系。例如，国际数据管理协会于2009年发布了数据管理的知识体系（DMBOK1.0），将数据管理体系划分为10个领域，分别是数据治理、数据操作管理、数据体系管理、数据开发、数据安全管理、参考数据和主数据管理、数据仓库和商务智能管理、文档和内容管理、元数据管理以及数据质量管理，并以此体系为理论基础，推出数据管理专业人士认证（certified data management professional，CDMP）。卡内基梅隆大学旗下机构于2014年以软件能力成熟度集成模型（capability maturity model integration，CMMI）为参考，发布了数据能力成熟度（data management maturity，DMM）模型，包含六大职能域：数据管理战略、数据操作、数据质量管理、数据治理、数据平台和体系、支撑流程，在中国、美国等多个国家培训了一批评估师，并在微软等公司进行了模型验证，使该模型具有较强的实践指导能力和可推广性。全国信息安全标准化技术委员会在借鉴国外相关数据资产管理体系的基础上，于2018年提出了数据管理能力成熟度模型（data management capability maturity model，DCMM），定义了数据管理能力成熟度评价的八大能力域：数据战略、数据治理、数据体系、数据标准、数据质量、数据安全、数据应用、数据生命周期管理。
但是，当前的数据资产管理体系均未从“数据资产”的视角出发，缺乏数据资产化的核心环节——数据运营。本文在吸纳各界公认的数据资产管理体系的基础上，以最大化数据价值为目标，重点构建了包含数据运营及关键活动的数据资产管理体系，从而全面提升数据价值。本体系将数据资产管理的管理职能扩展至数据标准管理、主数据管理、数据共享管理、数据安全管理和数据价值管理，并细化了数据资产管理中的技术平台，力图建立一个全面的、面向价值实现的数据资产管理体系，指导企业开展数据资产管理，有效提升企业的数据资产管理能力，加速数据价值的释放。
如图1所示，本文提出的面向价值实现的数据资产管理体系包括4个部分：数据管理职能、数据运营、技术平台和保障措施。数据管理职能作为数据资产管理体系的主体，通过各职能的配合，有助于对数据进行标准化和规范化，提升数据质量，完善数据体系，记录追溯数据，打破数据孤岛，建立安全数据环境；数据运营作为数据资产管理体系的核心，通过明确数据权属，评估数据价值，实现可信数据交易和多样数据服务，促进数据流通，加大数据开放的广度、深度，加快数据流转速度和数据资产化进程；技术平台作为数据资产管理体系的技术支撑，依托覆盖数据管理职能和数据运营的全生命周期技术，实现数据高效采集，降低数据存储成本，提升数据处理效率，深入分析挖掘数据，丰富数据应用场景；保障措施作为数据资产管理体系的制度基础，通过制定战略规划，完善组织架构，建立制度体系，设置审计机制和开展培训宣贯等环节，确保数据资产管理工作的有序开展。
图1 面向价值实现的数据资产管理体系
免责申明：
本文系转载，版权归原作者所有，如若侵权请联系我们进行删除！
《数据治理行业实践白皮书》下载地址：https://fs80.cn/4w2atu
《数栈V6.0产品白皮书》下载地址：https://fs80.cn/cw0iw1
想了解或咨询更多有关袋鼠云大数据产品、行业解决方案、客户案例的朋友，浏览袋鼠云官网：https://www.dtstack.com/?src=bbs
同时，欢迎对大数据开源项目有兴趣的同学加入「袋鼠云开源框架钉钉技术群」，交流最新开源技术信息，群号码：30537511，项目地址：https://github.com/DTStack
怎样建立数据资产体系？ 
183
0
