数据资产收拾：企业奈何实行数据资产清点？
数字化已经从单纯的赋能演变为根本性的重构，其最显著的影响之一是数字经济和数字化转型的兴起。根据《全球数字经济白皮书（2022年）》的数据显示，2021年中国的数字经济规模达到了7.1万亿，年均增速为15.9%，相当于GDP总量的39.8%。数字化转型已成为各行各业对未来发展的共识，是企业发展不可或缺的基础设施，也是国家大力推动的发展方向。
数字经济和数字化转型的共同点是什么？答案显而易见，数据是数字经济和数字化转型的基础，也是推动两者快速发展的核心要素。在数字化时代，数据已经成为个人、机构、企业乃至国家的重要战略资产。因此，如何有效利用数据，使其真正成为数据资产，需要进行数据资产管理的建设。数据资产管理涵盖多个方面，本文将着重介绍数据资产盘点。
在当今社会，数字化已成为最热门的话题之一，而数据是实现数字化的基础。在企业推进数字化的过程中，首要问题是“无数据可用和无可用数据”。
“无数据可用”并不意味着企业实际上没有任何数据。相反，对于一些大型企业来说，它们已经建设了大量的应用系统，但由于缺乏对这些数据资源的统筹规划和全面梳理，导致企业不清楚自己拥有哪些数据，有多少数据，以及数据存储在何处，进而导致企业“无数据可用”。
“无可用数据”是由于数据分散在各个应用系统中，缺乏统一的数据标准，系统之间无法良好通信，形成了信息孤岛，且每个系统的数据质量和标准不一，敏感数据未经有效处理等。这些问题存在的结果是企业在数字化过程中无法利用可用的数据。
数据资产盘点是解决上述问题的主要手段之一，通过清点企业拥有的数据，帮助企业理清以下问题：
企业的数据散落在各个异构系统甚至员工电脑中，数据结构、类型、存储形式、敏感级别、重要程度各不相同，整体看起来就像是一团乱麻。想要理清这些数据并不容易。
系统范围：要盘点哪些应用系统的数据，例如SCM系统、CRM系统、HR系统等。
需要投入多少人力资源、多长时间、兼职还是全职参与？这些问题需要在盘点计划中明确定义，并与相关人员达成共识。
根据业务需求确定需要梳理的内容，例如数据分类、结构、类型、存储、敏感级别、共享类型、开放类型、存量等。
通常情况下，企业固定资产的盘点由财务部门牵头，管理部门和使用部门共同配合进行核对，以确保账目与实物相符。
然而，数据作为一种特殊的资产，其确权难、虚拟性、可复制性是其主要特征，这也给数据资产盘点带来一定困难。因此，确定谁负责牵头、谁负责配合、谁负责审核的问题至关重要，否则数据盘点工作将难以推进。
数据资产盘点的原则是“谁生产，谁负责”，“谁使用，谁负责”，“谁管理，谁负责”。一般来说，业务部门既是数据的生产部门，也是数据的主要使用部门，而IT部门通常负责数据的管理。
在理想情况下，数据的盘点应由业务部门牵头，因为他们更熟悉自己的数据。然而，在实际项目中，我们通常看到由IT部门牵头的数据盘点居多。
虽然“业务离数据更近，更熟悉数据”，但业务部门往往只熟悉自己负责的那部分数据，缺乏全局思维和整体视角。因此，由业务部门牵头的数据资产盘点可能导致“盲人摸象”，从而使盘点过程低效。
因此，笔者认为，企业数据资产的盘点需要由具有全局思维的人员统筹，规划盘点的原则、框架和蓝图，定义盘点内容和模板，Bwin必赢然后由生产或使用数据的业务部门执行盘点工作。这个统筹的人员可以是IT部门、数据管理部门，或外部聘请的数据专家。
根据数据资产现状和管理要求，明确盘点目标，Bwin必赢并规划所需资源以及盘点想要达到的效果。
方法包括：调研问卷、关键问题访谈、了解企业的发展战略和集团数据要求，以及进行成熟度评估等。
企业的数据分布在各个异构系统和业务人员电脑中，数据结构、类型、存储形式、敏感级别、重要程度各异。
盘点范围从组织、业务和系统三个角度定义，涵盖了集团本部、不同业务的数据以及各种应用系统的数据。
根据不同的数据来源和划分策略，确定盘点的内容，包括基础数据、衍生数据和外部数据等。
制定数据梳理模板并定义数据资产标准项，进行内部培训和宣传，确保相关人员理解并掌握盘点模板的使用方法。
从系统到数据库表再到数据字段，全面摸查数据情况，并补充相关的基础属性、管理属性和业务属性。
可使用元数据管理工具进行数据采集摸查，并在过程中建设企业数据标准，为数据资产的分类管理提供依据。
采集盘点范围的元数据，快速识别各类数据以便进行数据梳理分析，补充数据资产元数据属性为后续实现资产分目提供基础资源。
根据企业调研结果或数据的基础判断，形成资产清单和资产目录，明确核心数据或核心的数据资产。
搭建专业的数据资产管理平台，将数据资产以服务的形式发布，实现数据资产在企业内的共享和面向外部的数据开放。
执行数据资产分类落地，建立分类目录与系统/模块对应关系，快速进行分类，以及建立目录与资产表的对应关系，实现增量分类管理。
以上是企业进行数据资产盘点的基本方法，通过这些步骤，企业可以全面了解和管理自己的数据资产，提升数据管理的效率和质量。
