陈莉 刘晓筠 王琴

摘  要：随着信息化管理理念不断深入人心，为提升企业在市场中的竞争力，各企业纷纷加强了对数据资产信息化的治理与管理。企业数据资产管理的核心内容就是探索数据资产的梳理方法。本文从数据梳理的概念入手，分析了目前數据资产梳理的现状，提炼数据管理的方法，给出了两种数据资产梳理的实施策略，为企业在数据化管理进程中完成数据资产梳理提供有益的思路。

关键词：数据资产;数据资产梳理;UML;数据流

中图分类号：TP391;G203 文献标识码：A   文章编号：2096-4706（2021）18-0131-05

Abstract： As the concept of informatization management has been deeply rooted in the hearts of the people， in order to improve the competitiveness of enterprise in the market， a lot of enterprises have strengthened the governance and management of data assets informatization. The core content of enterprise data assets management is to explore the combing method of data assets. Starting with the concept of data combing， this paper analyzes the current situation of data assets combing at present， refines the methods of data management， and gives two implementation strategies of data assets combing， which provides useful ideas for enterprises to complete data assets combing in the process of digitization management.

Keywords： data assets; data assets combing; UML; data stream

0  引  言

目前，数字化、信息化日益发展，众多企业为有效推进企业数据资产梳理业务的开展，高效履行数据资产梳理活动，开始注重数字信息化的建设发展。企业数据资产管理的核心内容就是探索数据资产梳理方法[1，2]。企业信息化的发展为企业提高发展质量，发展效率带来了较好的效益，同时也带来了一些诸如数据多源及信息孤岛之类的问题。企业在数据梳理过程中在这过程中存在的不足主要体现在以下几个方面[3，4]：

（1）粗放式信息化建设：众多企业由于原来缺乏数据资产信息化管理理念以及采用粗放式的信息化建设，使得企业中与数据相关联的各方面都有着或多或少的缺失，而且也出现了数据质量偏低，管理能力不足等现象。

（2）数据多源管理：在企业信息化的建设与管理过程当中，由于没有统一的数据资产管理体系，且没有专门设立管理数据资产的部门，使得数据资产管理的职责分散、权责不明确，数据资产的价值无法有效地发挥。

（3）数据缺乏有效治理：众多企业目前所拥有的数据数量庞大，且缺乏有效地治理，因此造成企业的数据资产盘点不清，数据没有顺畅的流通渠道，对企业的发展带来了诸多阻碍。

1  数据资产管理方法

企业对数据资产的管理可以参考“统筹规划→管理实施→稽核检查→资产运营”四个阶段的方法策略运行，以业务应用目标为指引，企业可以按照自身数据及管理情况制定不同的实施步骤顺序[5]。

其中，第一阶段统筹规划包括建立组织体系、制定管理制度、盘点数据资产、评估数据管理水平、制定数据标准规范;第二阶段管理实施包括数据模型管理、数据安全管理、数据标准管理、元数据管理、主数据管理、数据质量管理、数据资产服务应用;第三阶段稽核检查包括标准制定和标准执行检查、数据质量管理流程检查和改善、灵活配置数据存储策略的检查、数据安全管理定期检查;最后一个阶段资产运营包括数据资产价值评估、数据资产内部共享和运营流通。

1.1  数据资产管理的建设策略

企业数据资产管理的建设策略主要可以分为自上而下和自下而上两种模式。在自上而下的数据梳理模式中，首先，对数据资产分布现状进行调研;其次，对数据资产管理水平进行评估;然后，通过使用UML（Unified Modeling Language，统一建模语言）的方法，建设数据资产梳理体系;最后，对数据资产清单进行编制。在自下而上模式中，首先，进行资料的收集;其次，采用数据流的方法对业务事项进行梳理;然后，对业务对象进行提取，对业务属性进行细化;最后，对数据资产清单进行编制。最终，通过这两种模式策略，形成数据资产地图，两种数据梳理模式的具体流程如图1所示。

1.2  数据资产管理的切入方式

数据资产管理的切入方式一般可以从生产方式和从数据系统两方面入手。

从生产系统入手一般有三种常用的模式，第一是大型生产系统开发建设模式，此模式是从大生产系统开发入手，借助项目建设契机，建立该应用和业务领域数据的企业级标准和质量管控;第二是企业数据模型建设模式，该模式从企业数据模型出发，在建模同时建立标准，规范生产环节的数据录入，保证数据质量;第三是主数据建设模式，此模式从解决主数据的质量和业务协同入手，推动生产环节在客户、物料、组织机构、产品、统一编码。

从数据系统切入一般有两种模式，第一是统一数据平台模式，该模式以数仓、大数据平台等统一数据整合平台为切入点，统一接入各业务各分公司的数据，统一语义和标准，提升数据质量;第二是数据集市模式，此模式从各業务单独建立自己的数据仓库，满足自己的数据分析需求;或者从某个特定的分析主题为切入点，进行建设，后续统一对每个业务的数仓进行语义和标准方面的规范，实现物理分离，逻辑统一。

企业在选择从不同的策略进行切入时，可以从该企业目前对数据资产的管理水平及数据资产对于该企业的重要性等方面入手。如果企业在数据管理方面有一定的经验，那么企业可以考虑从数据系统切入。如若是企业对于数据资产管理的水平还不够娴熟，那么从生产系统入手较为稳妥，也易出效果。

1.3  数据资产管理的分类分级

数据资产梳理中需要对数据进行分类分级，以更精准的管理数据。具体流程分为三个阶段：

第一阶段业务细分，以解决业务分类问题上的主要问题以及明确数据资产管理的主体[6]。第二阶段数据归类，重点解决数据分类问题。第三阶段级别判定，在数据分类基础上，进行数据定级。影响定级结果的主要因素分别是影响对象、影响范围和影响程度。譬如影响对象可分为企业、客户、机构;影响范围可分为企业内、企业外、多个甚至整个行业;影响程度一般按照数据安全属性划分，分为严重、中等、轻微、无[7]。

2  数据资产梳理实施策略

2.1  基于UML的数据资产梳理

基于UML的数据资产梳理建模方法是根据每个业务不同的不同特点，将业务系统分成静态和动态两方面，并利用 UML 标记语言记录下来[8]。静态建模元素包括业务角色，业务实体，业务活动和业务流程。动态建模元素包含业务实体关系图，业务流程图，业务流程状态图。两种建模元素相辅相成，编制了基于UML的数据资产梳理方法。

基于UML的数据资产梳理通常采用自上而下的模式，通过规范化的图形化标记语言，将业务系统结构化细分，全方位梳理，譬如产品、供应商、计划、合同等详细内容。其过程分为以下三点：

（1）调研数据资产分布现状：企业首先应该在当前业务的情境下，按照流程归口，由各部门对旗下各个科室进行集中分配调研，充分地了解当前企业的数据资产分布情况，从而有助于企业进行自上而下的数据资产梳理。

（2）评估数据资产管理水平：摸清企业现有的数据资产管理水平，并分析当前存在的不足和潜在风险，通过这些风险不足来提出解决方案，逐个击破，从而可以更好地搭建平台蓝图。

（3）建设数据资产梳理体系：数据资产梳理工作是一项跨学科，跨领域的大型系统工作。所以企业应该从宏观的角度进行部署，首先规划数据梳理蓝图、制定数据梳理规章规范、最后搭建数据梳理平台。并且采用自上而下的模式也必须相应的对应企业从上至下的管理职权，在职能集中化的体系下才能更好地完善数据资产梳理体系。

基于UML数据资产梳理的特点有如下三点：

（1）图形化。由于UML的图形的表达能力远胜于文字，而且统一的图示法更有助于交流，所以基于UML数据资产梳理更能清晰地展现数据资产。

（2）统一性。UML在数据资产梳理的不同阶段统一了标准，避免了在不同建模语言之间产生不必要的差异，以一种可视化的方式理解系统的功能需求。

（3）可视化。基于UML的数据资产梳理可以为未来的项目提供帮助，通过UML可以提供开发经验和资源，无论是硬件部分还是软件部分的可视化性都会增强[9]，方便企业读取，大大提升了操作效率。

基于UML的数据资产梳理主要应用在数据资产梳理体系的建设。以某企业数据资产管理为例，首先调研已拥有的数据资产并评估自身管理水平。然后，企业依据自身数据资产管理蓝图，按照数据资产分类标准和编码标准，构建由战略管理、产品与市场、供应链管理、职能管理组成的框架，框架内部的组成部分在相关部门标准规范的指导下不断完善，最终构建了完整的数据资产梳理体系，具体如图2所示。

上文简述了企业在构建数据资产梳理体系中采用UML的方法，并通过自上至下的模式，从宏观角度实施策略。结合本企业业务庞大、历史积累数据量多的情况，更适合通过自下而上的模式来构建数据资产梳理体系，本文详细阐述了基于数据流的数据资产梳理实施策略。

2.2  基于数据流的数据资产梳理

基于数据流的资产梳理方法首先应该获取预设业务流程信息，并根据所述的预设业务流程信息生成数据流程图，同时对所述流程图进行分析，确认流程图的数据节点类型，接着根据数据流程图和数据节点类型，生成数据资产梳理流程图，最终根据资产流程图得到数据资产梳理清单。

基于数据流的数据资产梳理采用了自下而上的模式来解决企业可能面对的主数据管理、元数据管理、数据标准管理等任务。首先规划总体数据收集需求，利用已完善的数据资产梳理工具，搭建适配业务的数据梳理平台，将业务事项和业务对象进行细化，逐个解决难题与挑战，最后罗列出数据资产清单，进行数据资产梳理。

基于数据流数据资产梳理的特点有如下三点：

（1）可用性。可靠的数据流不仅可以清晰地展示出客户需求和数据需求，还可以明确两者之间的关联，同时可以帮助企业更好地理解现行系统和规划系统的框架。

（2）准确性。准确性表示在数据流发送端和接收端的数据内容是高度一致的，也就是要求数据不重复不遗漏。如果在一些特殊的情境中，接收端的操作满足“幂等性”，则可以对不重复的这个要求适当降低。

（3）实时性。实时性意味着数据的传输满足最低延时[10]。实时性较差往往也造成了经营上的损失，特别是在一些资金流水很大的系统中，更可能造成十分巨大的损失。所以必须从系统的可扩展性、伸缩能力和成本之间进行取舍，并按照实际经营要求设计方案，避免过度优化。

基于数据流的数据资产梳理主要应用于业务事项梳理步骤，以某企业员工报账为例，首先，在资料收集阶段，收集员工差旅报销单、员工借款单等纸质单据。根据梳理后得到以下业务事项，分别是报账单据系统审核报账、系统过账并生成凭证、审核凭证单据及附件、付款申请及凭证移交、付款及复核、财务会计复核、财务会计整理及移交会计凭证、装订归档。基于数据流的业务事项梳理部分流程如图3所示。

接下来按照业务梳理填报信息标准得到相应的业务事项梳理单，以报账单据系统审核报账为例，得到如图4所示的业务事项梳理单。

然后对报销单据进行业务属性提取，细化为单据编号、报销人、凭证编码等属性，形成的业务属性信息单如图5所示，最后根据提取的业务属性形成资产清单。

3  结  论

数据资产梳理囊括了企业管理、系统方法和数据库构建等方面的知识体系，是一个庞大且复杂的工程。企业拥有一套完整的数据资产梳理体系有利于自身的精细化管理，进一步提高企业竞争力。企业应立足于自身业务数据管理中发现的一些问题，针对性地搭建数据管理平台，采用数据资产管理办法，切实执行数据管理实施策略，稳步提升数据梳理能力，全方位满足业务管理需求。

参考文献：

[1] 吕啟尤，吕伟文，陆庭辉.地市局自有数据资产梳理研究 [J].机电信息，2019（36）：169-170.

[2] 王喆，馬小宁，邹丹，等.基于铁路数据服务平台的铁路数据资产管理研究 [J].铁路计算机应用，2021，30（3）：23-26.

[3] 程永新.大数据时代的数据资产管理方法论与实践 [J].计算机应用与软件，2018，35（11）：326-329.

[4] 韩旭，曹增义，王昭阳.企业数据资产治理与管理 [J].电子世界，2018（23）：95+97.

[5] 中国信息通信研究院云计算与大数据研究所，大数据技术标准推进委员会.数据资产管理实践白皮书（4.0） [EB/OL].[2021-07-04].https：//www.doc88.com/p-11361737625239.html.

[6] 中国证监管理委员会.证券期货业数据分类分级指引 [EB/OL].（2018-09-27）.http：//www.csrc.gov.cn/csrc/c101862/c1022471/content.shtml.

[7] 李松涛，谢宗晓.数据分类/分级及其相关标准解析 [J].中国质量与标准导报，2019（4）：14-16.

[8] 王志林.浅析UML软件在学籍管理中的应用 [J].网友世界，2012（4）：38-39.

[9] 席勇.高校能耗监管平台的研究与设计 [D].成都：电子科技大学，2015.

[10] 王秋实.如何创建一条可靠的实时数据流 [EB/OL].（2016-05-30）.https：//blog.csdn.net/weixin_30689307/article/details/96813108.

作者简介：陈莉（1971.07—），女，汉族，湖北云梦人，工程师，工学学士，主要研究方向：项目管理、数据治理;刘晓筠（1982.10—），女，汉族，湖北武汉人，工程师，工学学士，主要研究方向：信息化项目管理及实施;王琴（1981.05—），女，汉族，湖北荆门人，工学学士，主要研究方向：项目管理、数据治理。