大数据时代背景下，数据的价值逐步显现，越来越多的企业把数据当作资产来进行运营和管理，以实现更大的价值。国内关于数据资产管理的理论和实践还处于初级阶段，工业领域数据资产管理实力及能力更是参差不齐，为全面了解中国工业企业数据资产管理现状，中国信息通信研究院联合工业互联网产业联盟发布了《2018工业企业数据资产管理现状调查报告》。

该报告的目录如下：
一、调查背景
（一）调查方法及样本
（二）报告术语界定
二、数据资产管理组织制度
（一）管理意识
（二）工作规划
（三）管理现状
（四）制度规范
三、信息化能力
（一）数据情况
（二）驱动力
（三）工作难点
（四）技术工具
（五）建设模式
（六）业务需求

四、数据监管
（一）数据上云
（二）数据流通
（三）安全机制
对工业企业开展数据资产管理调研过程中，调查问卷中设置了三大模块的考察项，分别涉及企业数据资产管理的组织制度、信息化能力和数据监管情况。根据调研结果，企业数据资产管理现状整体情况如下：
一、组织制度层面，从管理意识、工作规划、管理现状和制度规范四个方面展开调研，形成以下观点：
  1. 工业企业对于数据资产管理的重要性已经形成了一定的认识，98.6%的工业企业认为数据管理工作值得投入。
  2. 目前87.8%的企业已经开始投入或正在规划数据管理相关的工作。
  3. 55.4%的企业为数据管理工作设置了专职机构，但仍然存在很大的发展空间，多数企业尚未投入大量人力在数据管理的相关工作上，47.3%的企业仅投入了0-5人的团队。
  4. 仍有33.8%的企业没有形成针对企业数据的管理模式。仅有25.7%企业会定期更新数据相关的管理办法或企业标准。78.4%的企业对内部的数据有一定的认知，但对于数据持续的整理和理解工作还有待提高。
二、信息化能力方面，从数据情况、建设驱动力、工作难点、技术工具、建设模式、业务需求六个方面进行考察，形成以下观点：
  • 工业企业已收集和管理的数据总量较小，66.22%的企业数据总量都在20TB 以下，87.84%的企业数据日增量都在100GB 以下。
  • 工业企业开展数据资产管理工作，60.7%的驱动力均来源于内部的业务需求。
  • 工业企业认为数据管理工作的难点集中在数据难统筹（71.62%），缺乏方法论（60.81%）和短期内看不到成果（59.46%）三方面。
  • 40.54%的工业企业仍在使用原始的文档记录方式进行数据的管理，现阶段需求最大的技术工具集中在大数据处理（44.59%）、数据管理（44.59%）和报表分析（43.24%）。
  • 工业企业建设数据管理系统的方式偏稳健，44.59%的企业更愿意采购成熟产品，31.08%的企业选择自建，但64.86%的企业都选择了自行运营和维护。
  • 现阶段企业对数据应用的需求主要集中在监控生产运营情况（68.92%）和提升资源使用效率（62.16%）层面。
三、数据监管情况层面，从数据上云、数据流通和安全机制三个方面切入，形成以下观点：
  • 企业对于数据上云的态度差别较大，仍有51.34%的企业对数据上云保持谨慎，或处于观望状态。
  • 工业企业对于数据流通的需求尚有很大空间，仅2.7%的企业表示不会涉及数据流通。
  • 安全管理机制方面，工业企业采取的多为传统的物理隔离、网络隔离方式，占到41.3%，并以严格的流程和制度保证数据安全，占到26.1%。
歪老师在解读《大数据白皮书（2020年）》中的数据治理中提过，在信息化基础方面，相较于头部行业成熟的大数据平台和正在建立的数据基础设施，工业企业依然停留在ERP、CRM、SCM等经营管理软件阶段，使得企业级数据采集、存储和分析的成本较高；在数据管理投入人员和专业水平方面，将近一半的工业企业未建立专业的数据管理团队；在数据资产管理驱动力方面，数据多用于监控生产运营和设备故障，数据应用场景狭窄，缺少数据资产带动业务发展的强驱动力。
站在企业持续高质量发展的角度上，将企业数据进行资产化的过程是为了用数据为企业带来更多的价值，反过来也对企业自身提出了更高的要求，企业需要了解自己的数据，并结合自身的需求，知道用什么数据能得到什么样的答案，而不是简简单单地去买一套数据管理的工具来解决问题，工业企业数据的管理和资产化是一个长期的过程，企业在做数据资产管理的过程中，需要将管理手段与技术手段相结合，针对业务的实际需求合理投入人员和资金，持续地开展数据资产管理工作。冰冻三尺非一日之寒，工业企业数据资产管理之路任重而道远！
摘录报告中对数据资产相关术语的界定，便于大家更好的理解数据资产相关概念：
数据治理：对数据资产管理活动行使权力和控制的活动集合（规划、监控和执行）。数据治理职能指导其他数据管理职能如何执行。数据治理制定正确的原则、政策、流程、操作规程，确保以正确的方式对数据和信息进行管理。值得指出的是，在国外语境下，治理仅包括目标、原则、组织、制度、流程等软性要求，取其“狭义”；而在国内语境下，会将数据架构、数据标准、数据质量、数据安全等一系列数据管理活动纳入数据治理的范畴，取其“广义”。狭义的数据治理是DAMA 数据管理理论框架活动职能之一。但同时，广义的数据治理，又包含了数据管理概念。
数据资产：数据资产（Data Asset）是指由企业拥有或者控制的，能够为企业带来未来经济利益的，以物理或电子的方式记录的数据资源，如文件资料、电子数据等。在企业中，并非所有的数据都构成数据资产，数据资产是能够为企业产生价值的数据资源。
数据资产管理：数据资产管理（DAM, Data Asset Management）是指规划、控制和提供数据及信息资产的一组业务职能，包括开发、执行和监督有关数据的计划、政策、方案、项目、流程、方法和程序，从而控制、保护、交付和提高数据资产的价值。数据资产管理是需要充分融合业务、技术和管理，来确保数据资产保值增值。
元数据：是描述数据的数据。元数据按用途不同分为技术元数据、业务元数据和管理元数据。
数据分析：数据分析软件帮助业务分析师和数据管家回答这样的问题：“今天的数据看上去是什么样的”，“一个系统中的数据和另一个系统中的数据有什么关系”，以及“我们应该如何来改善现有的规则或策略”。
数据流通：数据流通可以定义为某些信息系统中存储的数据作为流通对象，按照一定的规则从供应方传递到需求方的过程。
关注本公众号（数据学堂，ID：data_school），后台回复“数据资产调查报告”，即可下载《2018工业企业数据资产管理现状调查报告》。
（调查报告、部分文字来源中国信通院、工业互联网产业联盟）
<END>
数据学堂
识数据、存数据、管数据、治数据、用数据，就在数据学堂！扫码添加歪老师私人微信（data-school），带你在数据的海洋自由徜徉！
继续阅读
阅读原文