資安

中臺專家談:企業如何進行數據資產管理

前言:
關於數智化轉型、數據中臺內容探討可掃碼加入數智化轉型俱樂部哦

446370221436dc0ad0069d92481a07d2ff6828ec.jpeg
阿里雲數據中臺官網 https://dp.alibaba.com/index


正文:

大數據離不開計算和存儲,因此大數據建設與成本強掛鉤。大數據需要耗費大量的計算存儲資源,如果沒有合理的資產管理,很可能在大數據還沒來得及發揮巨大作用時就已經消耗完業務帶來的利潤。而事實上,對於企業來說,大數據很容易成為一個成本中心。

因此,在企業進行數據中臺建設中,既能收穫大數據作為資產中心所帶來的紅利,也能體驗到大數據成為成本中心後所帶來的痛苦。這種痛苦除了與資金投入密切相關外,也會直接影響甚至決定著大數據建設的質量和效率。

梳理數據的血緣關係,或是控制成本是不可捨棄的,但不是目的,更不適合作為驅動力,如果以此為驅動力,很容易讓大數據成為成本中心。我們需要轉變思路,大數據需要從現有的成本中心變為資產中心,然後,擁有資產本質的大數據將由成本中心變為利潤中心。

將成本投入與數據應用產生的價值掛鉤的投入產出比更值得花力氣去關注,其核心就是以資產為驅動力,而資產直接對標的就是價值。大數據一定要有應用和價值的探索,而大數據的應用和價值的探索基本上都會涉及大數據的來龍去脈。因此數據資產管理伴隨著大數據相關的成本、應用、價值探索等產生了,並伴隨著數據中臺建設的全過程。

在企業中,不同角色對於數據資產能給他帶來的價值點是不同的:

  • CEO或業務負責人
    他們更想知道企業到底有多少數據資產,分佈狀況如何,ROI情況如何。
  • 一線業務人員
    他們不在乎有多少張數據表,他們想要的是清晰查看和快速的使用數據資產。
  • CTO或CFO
    他們需要準確評估及合理應用數據資產,因此他們關心的是數據資產是否被合理的應用到合適的地方,哪些地方應用使用數據的卻沒用,哪些地方使用數據的代價過高。
  • 一線技術人員或技術負責人
    他們需要智能高效的工具治理數據資產。

數據資產管理領域重要的三個方向包括:資產分析、資產治理、資產應用,並需要基於這三個方向的技術研究和實戰,將流程、經驗、標準和規範等產品化,最終構成企業統一的數據資產管理平臺。

◆ 資產分析

資產分析包括了資產盤點和資產評估兩部分。資產盤點是為了讓使用數據的人員能更好的理解數據,可通過知識圖譜進行內容的理解和推理或構建企業資產目錄;資產評估則對資產的活性、投入產出比進行評估。

下圖為資產分析內容:
阿里旺旺圖片20200507211801.jpg

資產分析具體包括以下三部分內容:

  • 資產分析對象
    以企業全域大數據作為資產分析對象。
  • 多維度數據資產分析體系
    基於資產分析對象,以基層元數據、用戶行為日誌、數據知識圖譜為素材,通過綜合人腦和機器學習算法是手段,充分理解數據資產內容,完成各類數據資產分析,理解數據內容;

用戶協同,並建立數據確信機制,進而實現數據內容理解與數據確信機制相輔相成的多維數據資產分析體系。

  • 資產分析產品化
    基於多維度數據資產分析體系,在技術端和用戶看不到的產品背後進行資產盤點、資產評估和資產探查,從而向用戶輸出易讀、易懂的資產報告;

提供資產導航服務,方便用戶通過多種方式找到想要的數據及其詳情;

提供特定專題的資產分析服務,如核心資產分析、用戶自定義資產分析等;

提供簡單易用、有助於資產分析和產品化的配置管理,如數據類目配置管理、數據資產打標籤等管理。

◆ 資產管理

資產治理包括對計算、存儲、治理、模型、安全、成本等領域進行治理,並形成有效的智能治理閉環,將治理方法論沉澱為工具產品輸出。

下圖為資產治理體系內容:
阿里旺旺圖片20200507211801.jpg

資產治理具體包括以下兩部分內容:

  • 資產治理閉環體系
    建立包括現狀分析、問題診斷、治理優化、效果反饋在內的資產治理閉環體系;

對各環節內容進行豐富和完善,問題診斷不僅僅包括計算存儲資源診斷,還包括數據質量與數據安全的領域診斷。

  • 資產治理多維度輸出
    資產治理致力於將治理閉環能力開放。通過標準輸出、定製產品、能力輸出、構建協作機制等維度進行輸出。

◆資產應用

資產應用通過全鏈路實現端到端打通,評估應用投入產出比,並進行安全的檢測管控。

下圖為資產應用內容:
222.jpg

資產應用具體包括以下兩部分內容:

  • 資產應用全鏈路體系
    通過全鏈路數據跟蹤,將數據從獲取到數據處理再到數據應用,實現端到端的打通。
  • 資產應用產品化
    圍繞最終用戶,以數據資產的本質為驅動力,提供應用分析產品。包括全鏈路“血緣”關係,清晰展示數據的來龍去脈;
  • 全鏈路保障:讓用戶清楚知道各種保障措施和問題所在,以及為何資產應用能夠穩定、健康的運行;
  • 訪問分析:全面分析數據應用到的產品及場景的被訪問情況;
  • ROI評估:為用戶指明當前產品或場景化應用的投入產出情況。

通過資產分析、資產治理、資產應用,我們努力讓大數據從成本中心走向資產中心,讓企業致力於數據資產建設和管理。通過雲上數據中臺產品Dataphin中的“數據資產管理”模塊,將我們數據中臺對大數據管理的認知和沉澱輸出給雲上企業,讓企業數據可獲得全盤把握及全盤分析、清晰查看及快速使用、準確評估及合理應用、智能診斷及高效治理,讓企業大數據釋放出應有的價值。

雲上數據中臺產品Dataphin通過將數據資產管理方法產品化的方式,實現了可滿足企業各種角色對數據資產的訴求,使得企業能“全盤把握與科學分析數據資產”、“清晰查看及快速使用數據資產”、“智能診斷與高效管理數據資產”、“準確評估及合理應用數據資產”。
333.jpg

內容來源:阿里雲數據中臺
作者:阿里雲數據中臺專家柯根

Leave a Reply

Your email address will not be published. Required fields are marked *