為了深入落實國家大數據戰略，推動大數據產業交流與合作，展示我國大數據產業最新發展成果，2019年6月4日至5日，由中國信息通信研究院、中國通信標準化協會主辦、大數據技術標準推進委員會承辦的2019大數據產業峰會在北京國際會議中心隆重舉辦。
會上，來自工業和信息化部的領導，我國眾多優秀大數據領域服務商、行業應用客戶、研究機構、地方大數據主管機構的領導和專家，將對大數據政策、產業、技術的現狀與趨勢等內容進行交流探討。
6月5日，在2019/35065.html">數據資產管理分論壇上，東方金信實施部副總經理張義水為我們帶來了題為《海盒2019/35065.html">數據資產管理平臺（SAMP）簡介》的演講。
大家下午好！我是來自東方金信的張義水。接下來我給大家匯報一下我們東方金信對于2019/35065.html">數據資產管理方面產品落地的情況。
我介紹的內容包含兩個方面：（1）我個人對于2019/35065.html">數據資產管理發展趨勢的理解；（2）東方金信海盒2019/35065.html">數據資產管理平臺的介紹。
一、 2019/35065.html">數據資產管理現狀及發展趨勢
2019/35065.html">數據資產管理歷史發展過程。針對數據資產，我個人粗淺的認為，它在發展過程中經歷三個階段：
第一階段，香港免備案主機，傳統的數據管理。這個階段更多考慮數據的集成，包括數據的收集、存儲、建模、應用過程。
第二階段，企業數據治理。認識到數據資產的重要性，發現了一些數據質量問題，我們就會很容易地衍生出這個問題，數據質量如何治理？需要有一套全面的企業數據體系來實現。國際數據管理協會制定了《數據管理的知識體系指南》，基本上企業可以參照這個指南去落地執行。
第三階段，2019/35065.html">數據資產管理。2019/35065.html">數據資產管理是我們要把整個數據作為資產來看待，如何做全方位管理，而非僅僅只做數據治理。這個此前在國際上還沒有比較成熟、成形的理論體系。昨天在會議主論壇上。我認為信通院發布的《2019/35065.html">數據資產管理實踐白皮書4.0》非常有借鑒意義，給大家帶來有關于2019/35065.html">數據資產管理的全面的理解認識，很適合作為參考和指導。
2019/35065.html">數據資產管理定義。前面我提到幾個小概念，什么是數據資產，什么是2019/35065.html">數據資產管理。我認為，數據資產是指由企業擁有或者控制的，能夠為企業帶來未來經濟利益的，以物理或電子的方式記錄的數據資源，數據資產是能夠為企業產生價值的數據資源。2019/35065.html">數據資產管理是指規劃、控制和提供數據及信息資產的一組業務職能，包括開發、執行和監督有關數據的計劃、政策、方案、項目、流程、方法和程序，從而控制、保護、交付及提高數據資產的價值。
數據資產的定義也是在不斷變化的，但數據資產最根本的特點是數據一定要產生價值。對數據資產的管理也不應該僅僅停留在數據治理方面。
2019/35065.html">數據資產管理過程是一個囊括了數據集成、數據保護、數據資產變現等各方面的過程。我認為2019/35065.html">數據資產管理過程包括四套體系：1.資產處理體系，就是考慮如何建數據倉庫和大數據平臺；2.資產治理體系，看有什么數據資產，怎么提升數據質量，怎么用好數據；3.資產應用體系，數據匯聚起來一定要通過數據應用體系來體現，數據應用更多考慮怎么服務好企業。在互聯網金融領域，數據已經成為企業經營的一個非常重要的價值體現；4.資產運營體系。這四個體系有機結合在一起，相輔相成，形成了一個完整的2019/35065.html">數據資產管理體系，支撐企業的發展。下面我將這四個體系分開談一下我的理解。
數據處理體系。數據處理體系包含數據采集匯聚、清洗融合、計算分析、應用交換等。數據的采集匯聚主要運用標準化的數據采集工具，將數據采集到大數據平臺匯聚庫，包括、結構化和非結構化數據的批量與實時處理等。數據的清洗融合，是對來源不同的數據源進行清洗融合。對于第三方運營數據，除獲得授權外，不得將數據與其他數據進行融合處理。數據的計算分析，是運用大數據分析、數據挖掘、機器學習等工具對數據進行二次處理，并為應用交換、數據運營提供相應的數據。數據的應用交換包括數據產品的開發和封裝、數據應用產品的開發、數據共享交換的接口開發等。除此之外，數據處理體系還包數據調度、數據運維等。
數據治理體系。數據治理首先要有一個2019/35065.html">數據資產管理框架，建立數據資產管理體系，包括數據資產的組織機構及職能、人員和角色的權限、數據資產管理方法、制度和流程、數據資產的信息報告等。框架之外，形成實施路線，進行分門別類的數據治理，我們往往把它叫十大主題或者八大主題。一般來說包括數據模型、數據管理、數據標準、數據質量、元數據、數據生命周期，甚至還會有數據產品工廠等更多的概念。這些主題原則上不是固定的，要根據企業具體的情況進行更細的劃分。
