集团化企业数据资产化与运营管理体系研究

张一为

摘要：随着大数据时代的快速发展、数字化的不断推进，数据资产化对企业未来长期发展的重要性越来越大。从宏观趋势、行业竞争以及企业自身现状等背景出发，集团化企业亟须持续推进数据资产化。本文从集团化企业现有数据资产发展与运营的现状出发，提出了一种结合战略一体化、管理体系化、体系平台化、集约中台化、稽核定期化的数据运营体系方案，并给出了针对性的方案设计和建设建议，希望帮助集团化企业更好地推进数据资产化。最后本文从未来的数据资产化、数据要素化以及数据治理与数据伦理角度，对数据资产化进行了总结与展望。

关键词：数据资产化；集团化企业；数据中台；数据运营

1. 背景分析

抓住数字化发展机遇能为企业本身发展提供助力。数据是产业结构性改革、创新的重要载体，对集团化企业的可持续发展有至关重要的作用。在如今的大环境下，集团化企业应合理利用数据，发掘数据蕴含的价值并进行资产化，再加以合理的运营管理，从而创造更大的价值。在数字化的大背景下，数据资产化的重要性也逐渐在政策中体现。集团化企业必须通过对数据资产产权的确定及登记，评估并定价形成数据资产化全流程的闭环，从而建立对数据资产的全链条管理体系，这也正是目前大多数能源行业中数字化转型道路上的企业所缺乏的。可见，数据资产化的实践与落地，是充分利用数据这一生产要素，实现企业数字化转型的着眼点。

从当前现状来看，很多集团内部没有健全自己的数据模型、数据梳理流程、数据采集渠道、数据清洗方式，尚且停留在数据治理的基础层面。在数据标准方面，随着数据量的增大，数据种类变得繁多，数量和种类越丰富，标准就越容易混乱，机构或企业全局管理的蓝图就无法铺展。总体来看，典型集团化企业尚未形成业务的流程化、自动化，虽然设定了带有自己烙印的标准与规范，但具体实践起来却有很多步骤没有深究和落实，例如数据口径、数据流向等，规范没有落实则使得业务无法很好跟进，降低企业整体效率。

2. 集团化企业数据资产化研究现状

当今，社会数据成为资产已然变成共识，但和实物资产相比，不同行业对于数据资产的管理尚未成熟，对自身的数据资产数量和类别都欠缺了解，针对这些问题，需要以体系化的方式实现数据价值的释放[1]。现有研究认为，一是集团化企业数据壁垒依然存在，互联互通任重道远，集团化不仅需要克服数据独立的鴻沟，更重要的是需要实现真正的信息透明化，信息互联互通还任重道远，需要持续性的技术攻关[2]；二是数据获取效率低下，已成为业务数字化的绊脚石，必须克服数据孤岛、数据质量低、整合平台缺失等问题，减少数据获取时间[3]；三是数据价值不能持续释放、洞察力有待持续提升[4]，无法找到数据间的隐藏价值，数据价值释放速度落后于时代步伐[5-6]。

从发展需求角度来看，集团化企业不同的系统拥有自己的数据规范和方法，这些数据间往往无法互通共享、难以协同利用，形成逻辑意义上的“数据孤岛”[7]。数据孤岛问题使得业务人员的数据访问权限常与需求不匹配，分析人员难以快速获取真实有效、可应用性好的数据，给数据挖掘分析及上层服务的开发造成了阻碍。

企业的数据分散问题还体现在垂直式的数据体系上[8]。由于缺乏统一的设计规划，公司各个部门的数字化进程及业务单元相对独立，数据体系呈现纵向贯通格局，形成自建、自管、自用的“烟囱式”结构。这样的数据体系虽能紧密联系具体业务，但企业各部门数据相对分散独立，各个业务之间存在壁垒，难以融合互通、形成合力。此外，垂直化数据体系还会造成数据重复采集、数据调用混乱等问题，具有相似功能的系统被重复开发、维护，耗费了大量资金、人力与时间成本。

综上所述，企业亟须打破“数据孤岛”“信息烟囱”的桎梏，纵向促进从生产到管理、横向促进各区域公司及各部门数据的充分共享，构建更加统一的数据治理体系，全面统筹整个企业的数据资产[9]。

3. 集团化企业数据资产运营体系设计

集团化企业要真正做到发展数据，必须坚持数据战略为先、管理体系完善、体系平台落实、数据中台赋能、定期稽核评估，才能成为行业中的数据资产化领头企业。数据资产运营体系设计可以参考五个维度。

3.1 战略一体化——发展战略与数据资产战略并举

在企业数字转型和数据资产化热潮的大背景下，企业需要做的第一步就是制定数据资产发展战略，并将其融入企业的长期发展战略中。同时这也是最为关键的一步，因为只有深刻、具体的数据发展战略作为指导，企业的数据资产化才能明确发展方向，才能在建设的具体过程中真正做到有条不紊。整体上，数据资产发展战略具体需要从数据治理规划、数据架构规划两个方面开展整体设计工作。

一是要建立包括数据标准定义、数据标准编码框架等各类数据的标准框架。同时要完善管理与技术两个层面的支撑能力，确保数据标准体系的推进和完善。另外，企业在制定数据标准过程中需要时刻遵守统筹规划与循序渐进的原则，需要结合相关业务、管理需求进行针对性的设计，切忌一味盲目追求体系建设的完成度。在数据质量体系建设中，也要积极地进行数据的生命周期管理，明确事前治理、事中监控、事后防范三大阶段的数据质量考核体系。

二是根据自己的企业架构，全局设计自身数据架构。起点是做好盘点数据资产，满足数据需求同时盘点资产，更新业务目标，这样才能在有限制的条件下将自己的资源优势发挥到极致。有了好的数据资产体系便可以放眼数据流转，一个好的数据流转体系能够让数据清晰地流向所需要的地方，将数据要素更加快速地送达各个环节。集团化企业应该建立独立部门，专门分析流转需求和方向，使流转速度增效，加快数据价值的彻底释放。与此同时，明确各个数据管理角色以及对应的职责，确保实施过程中的权责分明。企业还需要建立完善的定量数据管控体系评价考核指标，确保对各个环节的数据情况进行评估时有所依据。

3.2 管理体系化——完善各类管理体系制度

一是体系化提高质量，提高数据质量总体而言是一个持续性的过程，集团化企业为达到持续性的提高需要制定和建立数据质量标准、质量检测模型、反馈质量问题部门、修缮质量问题体系。二是集约化平台建设，正如前文提到的，集团化企业在数据壁垒方面问题较大，为此本文建议要建立统一的数据决策分析平台，将业务指标口径统一到一起，形成整合型数仓。三是模型化数据算能，引入智能化技术，让数据资产化管理平台不仅全面也有针对性，届时整个资产体系将会源源不断发现隐形价值。四是实施数据人才管理体系，保障人才的数量、质量和明确的人才晋升通道，建立稳定、明确的数据管理人员晋升渠道，完善相关考核机制，鼓励复合型人才。

3.3 体系平台化——落实各类管理体系平台建设

本文主要针对集团化企业较为不完善的数据标准管理平台、数据模型管理平台以及数据质量管理平台给出方案设计。

（1）数据标准管理平台化，集团化企业必须要落实好数据标准管理平台，才能保证数据资产格式的规范、数据命名的准确性以及数据口径的一致性。集团化企业需要透明可视化地对数据标准进行发布、删改、废除、下载等一系列操作，才能将落地数据呈现。

（2）数据模型管理平台化，主要功能是对数据模型进行统一管控，集团化企业必须要完善数据模型管理平台才能够形成统一的企业数据模型视图，让企业数据模型管理不再分散、稽核数据模型有效以及数据模型标准落地。同时将数据模型转化为直观的可视化视图，方便管理人员监控数据模型状态，也方便高层人员使用进行后续工作。

（3）数据质量管理平台化，制定数据质量稽核评估并周期执行，数据质量平台要提供稽核任务调动功能，将数据质量的稽核校验结果生成报告以展示复杂的业务逻辑。

除此之外，为提高企业数据互联互通能力，实现各子公司、各部门间的横向数据交换及全数据链上的纵向数据共享，便利应用分析开展与上层服务开发，企业应将项目式的垂直独立“烟囱式”开发模式转变为运营式的横向贯通共享服务模式。具体来说，企业可以建立统一的数据集成与共享平台，借助传统数据仓库或大数据平台将各个系统的分散数据集成交换到一起，并使数据按照业务主题进行存储，形成企业内部的“唯一事实”。

从平台建设来看，首先，数据集成与共享平台应具有与各个部门的自建业务系统及第三方系统等数据源的对接能力，支持多种异构数据源的连接，并能进行批量数据迁移、增量数据添加和数据库实时同步，从而实现以平台为流转载体的数据跨源连接，在不破坏原有系统建设的基础上形成各方数据的融合协同；其次，平台应具有一致的技术规范、数据定义，保证数据的一致性、完整性、有效性；最后，平台的数据湖底座应支持多种存储结构，能够将数据按照业务类别、数据种类进行分类存储，并部署足够大的数据存储空间。

3.4 集约中台化——建设数据中台，实现数据资产赋能

在企业数据资产化的过程中，数据中台无疑是重要的一环。一个好的数据中台能够为企业人员提供一站式、高效易用的數据治理运营平台，真正实现数据资产赋能。有些集团化企业作为头部企业，开展信息化和数字化较早，取得了一定成效，但在数据中台建设方面仍有欠缺。总体而言，数据中台的建设过程建议主要分为七个阶段。

一是综合评估阶段，企业需要对内部数据资产化各流程中所存在的问题进行全方位排查和梳理，在深入了解企业内部数据要素现状后才能更明确地进行针对性的数据战略规划制定。

二是数据战略规划，对评估过程中所调研和梳理的企业现存问题进行充分分析和整合，以此来规划数据中台建设的各个阶段，绘制涵盖技术支持、权责划分、人员分配等内容的建设蓝图。

三是实施数据治理，为了能够更好地利用数据资产赋能业务开展，集团化企业需要全面梳理现有的数据资产，进一步建设包括数据标准体系、数据全生命周期管理体系等体系的完善的数据治理体系，并在此基础上实现平台的落地，才能够真正实现数据的赋能。

四是开展数据研发，打造标准统一、资产化、服务化的智能数据研发体系，开展数据服务产品的开发。

五是推进中台建设，打造一个可以清晰呈现、提供各类数据服务的一体化平台，确保对业务需求中数据赋能需求进行高效的集约供给，促进中台价值呈现。

六是迭代系统迁移，结合自身实际情况，安排系统迁移进度，确保在系统迁移过程中不会对企业的正常运作产生较大的影响，渐进破除数据孤岛难题，实现数据的高效利用。

七是保障中台运营，在完成数据中台的技术建设之后，数据中台还需要持续运营，才能真正满足企业的数据使用需求。为此，集团化企业需要重构组织架构，设立专门的职能部门，实现数据中台运营高效化。

3.5 稽核定期化——定期稽核评估，保障数据资产持续运营

定期的稽核评估对于企业数据资产化无疑也是不可或缺的一环，是数据资产管理落地实施的保障。前文提到，集团化企业的数据质量和数据模型的稽核出现问题，只有确保进行定期的对标稽核评估，企业才能在长期运营中保证数据资产不出错，进一步保障数据资产的高效利用。

结语

随着集团化企业的发展，企业拥有的数据资产会越来越庞杂，因此势必要进行数据资产管理，提高数据的使用价值，如果处理不当，繁多冗余的数据将随着系统迭代而失去，集团也因此遭受损失。而数据资产管理与运营的主要目的是将企业数据进行有序管理，提供决策依据，实现价值变现，并降低数据风险。经过大数据资产的运营模式整顿与细化后，集团化企业的数据资产将发生一定变化，主要体现在数据资产化、要素市场化、数据治理与数据伦理。数据伦理有助于提高企业的社会形象和信誉度。企业在数据处理和使用中遵循道德准则和社会责任，不仅可以获得消费者和社会的认可和信任，还可以为企业带来商业机会和发展空间。因此，集团化企业应该通过建立完善的数据伦理管理体系，不断提高数据管理的效率和质量，促进企业的创新和发展。需要注意，实施数据治理和数据伦理需要全员参与和合作，还需要建立完善的数据管理流程和制度，以确保数据治理和数据伦理的长期有效性。

参考文献：

[1]刘辰翔，王卓，胡永强.数字经济时代的资产评估[J].中国资产评估，2020，（8）：33-39.

[2]韩兆柱，马文娟.数字治理理论研究综述[J].甘肃行政学院学报，2016，（1）：23-35.

[3]杜勇，李光辉.京能集团业财一体化整合路径与机制[J].财务与会计，2017，（13）：14-16.

[4]张庆龙.以数字中台驱动财务共享服务数字化转型[J].财会月刊，2020，（19）： 32-38.

[5]张晓光.中国石化数据资产管理研究[J].石油化工管理干部学院学报，2021， 23（2）：31-35，40.

[6]崔恒志，王翀，吴健.基于数据中台的数据资产管理体系[J].计算机系统应用，2021，30（3）：33-42.

[7]尚晶，胡清源，孙丽娟.数字生态下的数据资产管理实践[J].电信工程技术与标准化，2022，35（4）：25-32.

[8]孙国强.基于数据中台的数据资产管理技术探讨[J].信息系统工程，2022，（4）： 19-22.

[9]陈亮，王积田.数据资产管理体系设计研究[J].现代商业，2019，（17）：114-115.

作者简介：张一为，硕士研究生，研究方向：数字化转型与数据资产化。