摘要：由于信息技术的发展，电力企业有了更多的数据资产。数据资产管理对于电力企业的发展体现出多方面的推动作用，但是当前部分电力企业受管理模式、技术水平、应用能力的限制，数据资产没有加以监控，数据资产难以发挥应有价值。电力企业结合数据资产管理的特征，分析数据资产管理现状，建立数据资产监控体系，以提升数据资产管理的效果，以提高电数据资产管理水平，数据化运营创造基础条件。

关键词：电力企业;数据资产;监控体系

中图分类号：F426

文献标识码：A

文章编号：1001-5922（2020）06-0073-05

随着电力企业智能电网建设的深入，对于数据资产的管理提出了更高的标准和要求。数据资产区别为实物资产，数据资产的管理要有新的管理理念，要将数据等同于知识、人才等核心要素加以重视，对数据资产要加以监控，以实现数据资产的高效利用，提升数据资产的价值，以实现企业向数据化管理转型，发挥数据管理对企业的推动作用，使企业可以获得更多的竞争优势，实现对的准确市场把握，提升发展质量。但是电力企业当前也已意识到数据资产管理的重要性，针对数据资产管理采取了有效措施，但与互联网、电子商务、电信、等行业相比还存在一定的差距。数据资产管理信息化建设水平偏低，数据资产价值还缺少深度挖掘，数据的可信可用、高效共享受到影响。因此建立监管体系成为电力企业数据资产重审面临的重要课题。

1 数据资产监控的概念与特点

1.1 数据资产监控的概念

数据资产是指企业在信息化的管理中产生的各类具有价值的数据资源，数据资产作为一项特殊资产是信息技术发展的产物。数据资产监控是对数据资产化的过程加以监督控制，全面分析信息数据的深度挖掘效果，以保证数据资产的安全性、可靠性，实现数据资产的合理配置与有效利用，从而为电力企业带来经济收益，促进企业可持续发展。对于数据资产的监控包括了3个方面的内容，如图1所示。分别为质量管理、共享管理和应用管理。针对数据资产质量管理，要结合数据质量校验规则，依据数据质量监控原则，对各类源头数据实施稽查，以保证准确性、真实性，对于存在的问题要督促相关部门及时整改，以确保电力企业可以随时获得有效的数据支持。数据资产针对共享管理是指针对数据资产的适用范围，依据设定的区域，评估数据资产的共享效果，以实现数据资产共享平台的完善，实现数据资产高效共享。数据资产的应用管理是结合数据资产的需求，制定数据资产战略，明确数据资产项目的应用方向，为数据的应用者与需求者搭建桥梁，以满足业务的需求并降低实施成本。

1.2 数据资产的特点

数据资产体现出实物资产内在特征，还体现出无形资产的典型特点，数据资产具有来源广泛性、资产收益性与使用周期性、层次性。来源广泛性是指数据资产可以来自于企业的各个部门，可以面向不同部门提供服务。数据资产作为资源，可以结合企业的发展需求，挖掘出内在的价值，具有广泛的应用价值，可以不局限于企业内部或内部，数据资产可以作为商品出租、出售以实现价值。资产收益性是数据资产的价值高于成本支出，表明了资产回报率。数据资产的收集、存储、挖掘、利用需要人力、物力和时间的投入，具有成本。数据被使用后可以创造出价值，获得收益。使用周期性表明数据资产存在生命周期，在不同时期体现出不同的使用价值，时间推移中数据资产原有的价值会降低，价值无法抵消其存储成本时，要处置掉。数据资产包括了多个层次，依据数据资产使用范围，可以结合主题对数据加以分类。数据仓库中的数据依据不同分层中主题的含义，归属到相應主题上，如图2所示。

1.3 数据资产监控的必要性

电力企业实施数据资产监控是进行数据化运营的基础。由于信息技术的广泛应用，电力企业实现了数据化运营。企业的生产、经营、管理是以数据信息为基础，数据不仅作为辅助工具，还是企业发展战略、经营决策的科学依据。电力企业建立数据资产监控体系，可以保证数据资产管理的体系化，可以保证数据资产管理的规范化，形成统一的数据规范，提升了数据资产的管理水平，为数据高效应用创造了条件。

2 电力企业数据资产监控的现状

2.1 对数据资产监控缺少重视

电力企业由于信息化建设的深入，数据资产的规模不断增长，但是数据资产作为新生事物，许多电力缺少专门的机构来负责数据资产的管理，数据资产存在管理质量不高，管理粗放等多种问题，数据资产利用效果受到影响。电力企业对于数据资产的依赖性求不如商业公司，因此对于数据资产的管理缺少重视。许多电力企业针对数据资产管理缺少岗位编制，数据资产管理多是其它人兼职。数据资产的管理效果较差，不能保证数据资产管理的实际要求。部分电力企业针对数据资产的管理缺少关键操作流程，管理人员对于数据资产的管理时仅借助经验或参照实物资产的管理思路，数据资产的管控效果受到影响，数据资产管理由于质量不高，数据分析的准确性与实用性受到了影响。

2.2 数据整合缺少统一的规范

电力企业的数据来源于于不同业务，数据统计口径、数据采集区间、数据采集方式等保持相对独立，不同来源数据源缺少有效的整合，缺少数据标准，没有形成统一的数据视图，数据统计的一致性与完整性受到影响。部分数据的收集方式落后，数据的采集效率和准确度受到影响。

2.3 缺少数据应用场景

部分电力企业对于数据分析仅限于内部，没有实现跨行业、跨区域的综合分析。数据利用的价值受到影响，数据资产管理没有起到作用，导致数据的应用范围受到了影响;部分电力企业对于数据分析软件的更新、利用新的数据分析方法相对保守，大规模的数据应用缺少主动性，数据价值受到了影响。电力企业对于数据资产的利用领域存在局限性，比如对于特别关注安全供电应用了新的数据应用场景，电网调度领域应用数据的水平得以提升。

3 电力企业数据资产监控体系的建立

3.1 充分意识到数据资产管理的重要性

电力企业要意识到数据资产的重要性，一方面针对数据资产管理要加强培训，以提升相关人员的认识水平。针对数据资产管理要建立监控制度，制度内化于心、外化与形。电力企业的管理者要在思想上重视数据资产管理工作，针对数据资产管理要强化监控的作用，以形成数据资产管理的氛围。电力企业针对数据资产管理要转变原有的理念，摒弃对数据资产的错误认识，树立数据价值观，要意识到数据资产管理是获取经济收益的有效措施。针对数据资产管理，要发挥监控的作用，要结合企业自身的实际，积极采用措施完善监控体系，以提升数据资产管理的效果。

3.2 数据资产监控组织架构的建立

电力企业数据资产监控体系的组织架构要覆盖到战略层、管理层和执行层。战略层要针对数据资产管理制定出整体规划，结合宏观目标推动战略部署，以完善数据资产监控体系。管理层要负责检查数据标准，实现统计口径、管理的规范化，还要结合业务拓扑与数据视图等推动不同专业的数据联系。监控要协调解决数据资产管理存在的实现问题，对数据资产管理加以评估。比如健全数据资产管理KPI指标评价体系，统筹数据资产管理的各项工作及流程等，如图3所示。针对执行层要检查日常治理中的数据质量，内容要涉及到数据资产的核查、数据库的维护、数据清洗、专业领域的拓展等，以保证存储数据的准确、有效，与电力企业运行管理保持一致。

3.3 保证数据资产管理的基础条件

3.3. 1基础架构的建立

当前电力企业的数据管理应用了Oracle、IBM、HP等系统。随着数据量的快速增长，导致需要借助硬件資源的增加来满足数据存储的要求，引发数据资产监控成本的不断攀升。因此，针对数据资产的监控可以采用分布式Hadoop系统对基础架构加以部署，借助云计算来实现海量数据的分析，以保证存储、计算、整合的便利性，同时还可以降低数据资产管理的成本。

3.3.2 监控要结合安全保障

针对数据资产的监控还要结合数据安全保障，监控数据安全保障的落实情况，以保证数据应用的安全规范。监控要结合用户群体的应用场景，还要注重保护隐私数据信息。由于当前电力企业数据资产的应用领域的扩展，数据体现了经济、民生等多方面的信息，如果隐私数据发生外泄，电力企业与用户会受到很大的影响。

3.3.3 发挥人才保障的保障作用

电力企业数据资产监控要发挥人才的保障作用。针对监控，可以当前数据管理人员加强培训，让具有数据资产管理经验的人掌握监控的方式。数据资产监控要覆盖到规范的制定者、应用专家以及数据资产清洗者。针对数据资产管理的监控要求相关人员精通业务类型、熟练数据管理与数据应用，可以发挥数据整理、汇总和共享存在的问题，可以制定出科学合理的数据规范，以保证资产核算的效果，为提升数据资产管理的效果创造基础条件。针对数据应用的监控要对业务标准具有敏感性，具有数据资产的分析能力，可以针对数据资产监控设计出相应的模型，结合数据应用场景明确监控方向，以实现数据资产得以充分利用。针对数据资产清洗的监控要求人员具有良好的协调能力、控制能力与分析识别能力，可以针对日常数据资产的管理进行筛选、甄别、清洗，可以分析出信息的整合效果，以保证数据的有效性，避免了无用数据的干扰。

3.4 数据资产管理应用场景的拓展

针对数据资产管理还要拓展数据资产管理应用场景，监控数据资产的应用方向。电力企业针对数据资产的监控可以包括比对、细分、溯源、趋势分析等多种方式。比对分析是监控底层数据与统计结果存在的差异性，对比分析来源不同但存在关联数据的价值;细分分析是基于跨行业分析维度监控数据挖掘，了解数据分解、分类的效果;溯源分析是分析问题发生的根本原因，并检查控制措施的实施效果;趋势分析是结合统计数据判定未来发展趋势，以保证监控的频度和准确性。

3.5 发挥监控平台的作用

在企业级数据资产管理层面，大数据平台已接人多个业务系统数据，包括：安全生产管理系统、企业级营销管理系统、企业级资产管理系统、企业级财务管理系统。电力企业要致力于持续优化公司数据云平台架构，实现地市级与中心机构等单位自主进行数据集管理、数据应用管理的能力，完善实时数据与非结构化数据的采集、存储、计算能力，持续提升数据开放、共享的服务能力，转变现有物理数据回流应用方式为大数据+云的数据服务方式，逐步取消数据回流的服务方式，提供“快速获取、独立管控”的数据云租户服务能力。集成丰富多样的3D可视化设计、开发及展示工具，统一数据服务门户用户体验，全面支撑公司传统业务与综合能源业务数据服务需求。电力企业要全方位提升数据管理技术支撑能力，在此基础上开展数据资产运营管控，持续完善大数据运营体系，有效的进行数据云平台的运维监控。通过项目建设，从租户、平台及数据的维度对数据资产管理业务进行监控，持续优化数据云服务质量，提升数据服务能力，全面支撑公司传统业务与综合能源业务数据服务需求，辅助更好发挥电网数据价值。

3.6 监控数据化运营路径

电力企业针对数据资产的监控还要加强顶层设计，结合经营管理目标与数据管理任务，明确目标、业务框架、数据管理标准与视图、评价体系、数据清洗规范、人才保障机制等多方面的内容。电力企业结合电力系统设备与客户服务的数据资产实施数据清洗，以形成具有实际应价值的应用场景与分析工具。电力企业要结合数据资产的推进计划，分期、分批拓展数据资产监控的深度。

4 结语

电力企业要意识到数据贯穿于运转的多个环节，数据资产管理是电力企业得以发展的基础。但是当前电力企业的数据资产管理还存在一定的缺陷，需要借助监控体系的建立以提升数据资产管理的效果，实现数据存储、管理、服务的规范化，以满足跨专业协同作用，借助信息共享，为数据化运营创造基础条件，促进企业的可持续发展。

参考文献

[1]张偲，企业数据资产管理及利用外部数据的研究一以电力企业为例[D].北京：北京邮电大学，2017，46-67.

[2]闫立，张巍，电力系统项目实施过程中的数据管理[J].现代电力技术，2011，34（15）：214-218.

[3]孙添资，刘世民，朱继阳.电力企业数据资产管理系统的架构与实现[J].计算机应用，2018，37（3）：50-54.

[4]于海波，唐红燕，丁再贤.大数据在电力行业内的应用与运营中指标体系优化的研究[J].软件，2016，37（10）：68-73.

作者简介：万婵（1986 -），女，汉族，湖南岳阳人，硕士研究生，工程师，研究方向：数据资产运营、大数据分析等。