第10章 数据中台运营机制
企业数据中台搭建好后，如何让数据中台中的数据资产越勇越多，越用越灵活，越用越稳定，这是紧接着要进入的一个新阶段：数据中台运营阶段。
10.1 数据中台运营效果评估模型
数据中台不是一款简单的产品，而是一个让数据持续用起来的机制。
如果数据可以被持续高质量的生产出来，数据消费者可以便捷的获取数据，并能在安全、有监管的环境中使用，最终让数据资产达到一种比较
理想的"越来越多，越来越好"的状态，那么恭喜你，你的企业数据中台已经运营成一个非常优秀的范本了。
10.2 数据中台运营的4个价值切入点
如何入手？如何落地？
1.统计战略
2.搭建组织
a)数据委员会
主要负责制定数据建设战略方向，并授权相关职能部门具体执行落地，因此，建议指定数据相关部门的总监、主管、数据专家等人员来担任
主要职位。
b)虚拟数据团队
虚拟数据团队则需要通过一个企业制定的选拔原则来进行选拔，比如：来自各业务部门数据团队核心成员、熟悉数据建模理论、具备丰富的
数据开发经验等。专家评审组则需要提前通知各个团队推荐人员准备进组，按照专项评审流程推进工作，记录要点然后线下改进。
c)执行团队
作为组织中负责具体执行的团队，需要制定统一开发标准规范，做到有迹可循，有据可依。除此之外，数据测试要做到全面，测试报告要
按照要求归档。任务投产需要经过平台管理员审核，按规定发布到生产环境中。
3.打造氛围
人员到位后，重点要使整个企业内部有使用数据的氛围。
4.实践创新
当数据的意识被唤醒之后，就需要选定合适的业务方，一起做数据结合业务的创新实践。刚刚开始，创新的失败率是非常高的，整个数据赋能业务
的过程其实也是慢慢找到焦点、逐渐落地、形成方法论的过程。
10.3 数据资产运营
1.数据资产运营的4个目标
企业数据资产是指由企业业务经营或内部管理形成的，由企业拥有或者控制的，会给企业带来价值利益的数据资源。数据资产的特点是有较好的
组织形式，并通过这种组织形式实现数据资产的 看、选、用、治、评 链路。
因此数据资产运营的目标就是将数据资产变得可阅读、易理解、好使用、有价值。
a)可阅读
数据信息不能仅仅存放在数据库中，通过数据表、数据字段等形式展现的弊端是，只有具备一定数据库基础的人员才能通过库表操作读取数据
字段信息，而业务人员往往不具备这一技术能力，因此就丧失了直接读取数据字段的能力和兴趣。长此以往的弊端是：
1.信息在多次传递后容易偏离它原本的意图，技术人员反馈的可能不是业务需要的
2.信息的传递有漫长的反馈周期
3.技术资源匮乏
因此需要有一个资产信息的读取门户或者资产地图，在该门户/地图中，业务人员能直接上手操作，通过简单的检索、分类查找、智能推荐等
方式便捷的获取数据资产信息，且资产信息必须是以业务人员的阅读习惯呈现。
b)易理解
资产信息除了可阅读，还需要易理解，因此需要将数据资产标签化，标签是面向业务人员的数据组织方式。
c)好使用
数据资产被业务理解后，将面临如何有效使用的问题。
传统的使用方式是，业务人员告知开发人员需要使用哪些数据字段后，由开发人员编写数据服务接口，对接业务系统或者数据应用系统，
供业务人员查看、查询、分析、使用数据。
数据服务体系是一种有效的数据资产使用方式，通过数据服务体系可以实现对数据使用方法的抽象，供业务部门理解后直接配置使用，
解决了业务人员难以准确描述需求的问题。
d)有价值
数据资产运营的最终目的是让数据价值越滚越大。在数据资产的使用过程中应该记录调用信息、效果信息、反馈信息、业务信息等所有可以
用来评估资产价值的信息。
2.数据资产运营的完整链路
数据资产运营的完整链路为 看、选、用、治、评 5个面向用户使用的运营环节。
1.看
2.选
3.用
4.治
数据资产治理分为面向业务层的标签治理以及面向存储层的数据治理。标签治理包括新标签设计、标签上下架管理、标签类目管理、标签
血缘分析、元标签标准、标签质量评估、标签使用安全等；数据治理包含 数据表/字段为对象的生命周期管理、血缘分析、元数据标准、数据
质量评估、数据安全方案等。
5.评
数据资产最终还要通过统一的标准进行完整、系统的评估。评估的角度可以是数据资产的质量层面、使用层面、成本层面、故障层面等
多个维度。
3.数据资产运营执行的5个动作
数据资产运营要有效展开，需要配备专职运营人员对资产对象进行统筹的运营执行管理，因此和看、选、用、治、评相对应的有以下
几部分运营执行工作：
1.组织登记
将对业务有帮助的数据资产进行完整信息的登记。
a)掌握现有数据
b)收集业务需求
c)信息登记上架
2.宣传推广
通过各种营销手段和方案，激发业务人员对数据资产的兴趣。
3.服务保障
搭建出一个可看、可控、可追溯、可预警的服务保障平台。
4.治理优化
登记使用问题，人工修正或下发治理任务，不断迭代优化资产，形成正向循环。
5.价值评估
对数据资产价值评估，同时周期性上报管理层及合理披露展示。
4.数据资产质量评估
资产质量评估维度包括 完整性、规范性、准确性、一致性、唯一性和时效性等。下文将从 源头数据质量、加工过程质量和使用价值质量三
方面来阐述数据资产质量评估体系。
1.源头数据质量
资产质量首先和源头数据质量有关，源头数据不完整、不准确或者不及时都会影响下游数据资产质量，描述数据源质量的典型指标有：
1.数据源安全性
2.数据源准确性
3.数据源稳定性
4.数据源及时性
5.数据源时效性
6.数据源全面性
2.加工过程质量
加工过程中的规范性和时效性、加工产出的资产覆盖率和完整度都是加工过程类的质量指标。资产标签加工过程相关指标：
1.标准测试准确率
2.标签产出稳定性
3.标签产生时效性
4.标签覆盖量
5.标签完善度
6.标签规范性
7.标签值离散度
3.使用价值质量
在大数据时代，企业对数据价值的实现常常体现在数据分析、数据挖掘、数据应用层面等。数据资产作为一种无形资产，其价值质量的衡量
标准应该是数据产生的数据服务或数据应用给企业业务带来的经济利益提升或者经营成本降低。资产使用价值相关指标如下：
1.标签使用准确率
2.标签调用量
3.标签受众热度
4.标签可用率
5.标签故障率
6.标签关注热度
7.标签持续优化度
8.标签持续使用度
9.标签成本性价比
5.数据资产安全管理
在数据资产运营过程中，还有一个重要组成部分是通过安全策略实施保障资产的安全。下面从资产的分级分类管理、脱敏和加密、监控和审计3个
层面阐述数
好文链接
您阅读本篇文章共花了：
发表评论