大数据背景下公司数据资产管理现状与规划探析

任 旭

大数据背景下公司数据资产管理现状与规划探析

任 旭

（广西财经学院 会计与审计学院，广西 南宁 530000）

以数据资产的特征出发，通过对目前数据资产的发展现状以及面临的挑战进行分析，完善对数据资产的维护和管理，构建数据资产管理体系，总结规划数据资产管理方法，公司能够更加便捷、准确、有效地利用数据资产，带来更高的经济效益，增强总体竞争实力。

大数据；数据资产；管理及规划

数据是信息的载体，也是公司业务以数据化方式的体现[1]。数据资产代表了公司日常经营生产管理的过程的集合，是对数据进行深度整合管理，使数据之间建立相应的联系。资产化的数据，不仅能够在公司日常经营活动中形成，并且在数据的取得、保存、处理、传送过程中都具有相关的实用性。数据资产管理是指对数据资产进行管理的一系列活动[2]。数据资产管理的目标是为公司数据资产管理的准确性、一致性、完整性提供机制上的保证。公司进行数据资产管理活动还包括数据框架、作业流程、数据模型、系统政策的建立、考核监管等方面，以及影响的程度解析、数据的质量标准、监督考察数据质量等相关内容，确保数据资产的质量，实现数据的便捷化、标准化、准确性和有效性，为分析和决策提供强有力的支撑，从而使数据资产价值的可用性升高。

一、大数据背景下数据资产管理现状及面临的挑战

（一）目前的现状

目前我国正处于数据经济高速发展的时代，根据大数据专家的评估，绝大多数的企业数据资产应用还处于较为初级的阶段。造成这种情况的原因主要是公司受传统观念的影响，缺少公司数据资产化的科学管理观念以及建设现代化模式的创新意识，最终导致公司数据资产管理相关的管理体系、制度、工具、职责、过程等各方面的不完善，出现数据资产管理混乱的现状。

1. 黑盒化数据资产

公司缺少数据资产和数据管理观念，在业务处理数据化的过程中没有进行有序分类规划和解读说明，导致公司管理层和使用数据的公司业务人员无法有序、完全应用这些数据，最终导致这些数据形成各式各样的黑盒数据资产。

2. 数据资产流通渠道的缺失

不同应用之间缺乏快速交互转换的有效途径，信息平台的缺失阻碍了公司之间数据资产的流通，不利于引入更多的相关数据来充实壮大本公司的数据资产，使数据资产形成孤岛效应。

3. 数据资产的多头管理问题

建设和管理数据信息系统的职能分散在很多相关部门，缺少专门针对数据资产管理的有效组织，使数据资产的管理职责分散，权责难以界定，不利于公司数据资产的管控、监督。

4. 数据资产缺乏有效管理

与数据资产有关的元数据、质量体系标准等没有统一规范的处理流程，在整个公司的数据资产管理过程中没有保持前后的一致性，使数据资产的质量参差不齐，无法为公司提供一个规范、标准、完整且准确的高品质数据信息环境。

5. 数据资产运营周期

从产生、使用、备份、维护到过期销毁的数据资产的生命周期，其管理和处理流程并不完善，数据资产安全问题屡见不鲜，漏洞的存在会导致公司关键数据资产的泄露，如被不法分子利用后果严重。

（二）面临的挑战

大数据背景下最有价值的数据是资产，数据资产使用意识在各级组织机构中已经获得了充分的认可，但目前各级组织单位对数据资产的管控状况却不容乐观，制约着组织数据质量进一步提高，同时也限制了数据价值的实现。在数据资产的管理和维护实践中，如何对数据资产进行更加有效管理的方法还在不断摸索。

1. 缺乏统一数据资产标准

对于错综复杂的数据标准没有统一的界定，不能避免数据的来源不明、多样化所带来的问题。数据管理标准的统一是解决和保障数据交易安全、数据传输、维护系统以及访问流畅度的关键问题。

2. 数据资产周期规划混乱

以公司数据的应用管理为例，在存储、上传、流通、共享等流程方面存在不合理的规划，会导致公司数据资产的价值无法体现，也会造成公司数据资产的信息流失，带来无形的损失。

3. 业务处理系统化

建立统一规范的公司数据管理方法至关重要，数据资产管理反映公司日常经营活动的体系，如果没有一个协调方法和统一管理的模式，会导致公司经营获取数据不及时，不能得到关键数据的信息。

4. 数据资产分析效率低下

数据量大、分析技术有限、技术不达标、采用的解决方式不够迅捷，这些原因都会导致无法识别整理出优质信息及时供给使用者提供决策。提升数据开发分析效率，对公司业务的持续发展起到关键性作用。

5. 数据资产质量问题

数据缺失、数据质量参差不齐，数据价值不能被更好地体现出来，公司管理者需要加强对数据资产的重视。建立规范的筛选和监督机制，提高数据质量。解决数据的需求、删除、应用等权限混乱管理的问题。

6. 数据资产垃圾清理

海量的过期数据无法被识别和处理，过度占用公司资源，增加维护费用，影响公司利润。因此，及时删除数据垃圾，降低维护成本、加速搜索效率，进而增加数据资产的价值，及时发现和解决问题，带动数据质量的革新，营造绿色健康的数据使用环境。

7. 数据资产的价值难以评估

数据资产具有无形性、虚拟性，并非实物可盘点资产。数据资产之间新的组合方式可以派生和研发出新型数据资产，使数据资产的投入成本和维护成本难以区分，无法体现公司数据资产与其他数据相关联的深度价值，无法进行有效的评估。数据资产随着科技的发展未来是否盈利难以确定，数据资产的使用年限并不像传统资产可以合理估计使用年限，所以，数据价值的增长以及数据保值问题有待商榷。

综上，构建公司适用的数据资产管理系统，有利于高效开展对数据资产业务进行标准化管理，进而提升数据资产的利用率，为数据资产的使用保驾护航。

二、大数据下数据资产管理规划方法

（一）构建数据体系

在大数据经济时代，如何利用数据资产进行合理的数据布局，打造公司未来的核心竞争力，占领未来的数据高地，将是各公司在未来的重中之重[3]。构建公司数据体系之前，先厘清公司数据资源管理的业务体系，才能保证数据来源的可靠性。建立数据标准后，筛选出可直接参考和使用的标准，与行业标准相互结合，制定出新的数据标准体系，对具体数据项的定义、口径、格式、取值、单位等进行规范说明，提升数据质量，最终实现公司数据资源统一管理。

（二）数据资源整合

通过汇集公司全域级数据，做好数据资源整合，为业务融合提供有利支撑。

1. 构建数据画像，理清数据脉络

数据分类：对公司生产经营体系进行数据分类，按照不同业务类型建立数据资源目录，对各类数据进行相应的描述。

数据关系：数据系统的口径责任主体需要统一化管理，明确数据之间的流转关系，设计出合理的数据流路径，确定数据生命周期中每个阶段数据的责任主体和归属状态。

2. 构建数据管理，规范数据体系

数据存储管理：基于集中统一共享、分层分级管理的思路原则，对于不同类型的数据，采用不同的数据存储方式。

数据规整入库：对已存入数据库中的数据、未建库的数据以及各种纸质、电子文档数据进行统一规整，建立数据入库标准与秩序，保证数据有序存储和使用的便捷性。

数据更新管理：在机制和工具上设置双重保障的前提下，保障数据更新管理的规范性、安全性和隐私性。建立更加全面的动态更新体制和流程操作规范，对数据进行统一管理，为数据入库更新提供有效的支持。同时，结合数据库更新管理系统对数据进行安全检测、入库更新、数据导出等管理。

（三）数据规划战略

数据管理是一项长期的复杂工程，其涉及面既广且深。为了更好地落实数据管理工作，应根据其当前的现状和水平分阶段逐步组织开展。因此，有必要制定未来三年的数据管理实施计划，明确数据管理实施路径，形成相关指引，为其IT战略和数据战略以及公司发展战略规划提供支撑。

1. 明确管理规划

结合组织数据成熟度评估现状、战略愿景、管理目标，考虑未来三年数据管理推进的重点工作。

2. 制定战略目标

结合组织未来三年数据管理推进的重点工作，从IT投资、人力支持、重要程度和技术难度等维度开展数据管理实施的优先级分析，明确相关重点推进工作。

（四）建立数据治理模型

建立企业数据治理模型，有利于统一数据定义，规避数据风险，实现企业数据的标准化、规范化管理。数据治理原则是数据治理活动中所应遵循的标准或法则[4]。通过结合公司的内部实际情况，可以制定IBM数据治理模型，该模型具有成熟度高的典型性。整个模型成熟度框架也是数据治理成熟度的评估工具。拥有客观具体的基准，有利于当前有效性数据治理状态的评估，改善数据治理，发现新机遇，实现价值创造。

三、大数据背景下数据资产安全维护

维护数据资产是为了确保数据和信息资产的自身价值，还具有分析信息资产对其进行分类管理的能力，保障数据资产的安全稳定，避免被窃取和利用。

（一）存储安全

对存储系统应不定期地进行检查，对整体数据库进行扫描和识别风险。根据公司策略发现、记录敏感操作，对于高风险行为进行预警处理，对于将过期历史数据归档或者删除。留存的数据进行标识和分类，为数据的使用者提供便利，节约搜索的时间，以确保数据的维护方案能满足公司业务的日常需求，不仅可以提高数据系统的运行效率，还能降低公司的维护成本。

（二）规范数据资产处理流程

对公司内部数据使用权要严格把控，公司管理层往往会被忽视，倘若公司内部数据已无使用价值，但是对于外部仍可能有利用价值。这些数据应当进行永久销毁，可以对公司磁盘进行覆盖式的重新写入或逻辑格式化的销毁，也可以通过磁盘消磁、彻底破坏存储设备的方式进行物理销毁，永久性彻底实现数据的删除，避免被不法分子二次使用，造成商业机密泄露。

（三）安全管理体系

数据安全管理体系能够加强对核心数据资产的安全保护，保障核心数据资产合理高效的共享及使用，并防止核心数据随意扩散及泄密，帮助公司清晰了解敏感数据状态，识别数据风险状态，构建体系化的数据安全保护机制，维护公司数据安全，保障公司平稳健康发展。

（四）数据交换共享

权限统一管理严格，监察内部数据安全，确保数据共享过程的相关处理流程，并对其进行记录日志，要有效识别高风险行为，及时作出管控。在传输过程中，需要对内部数据进行加密处理，确保传输的安全性、可用性和真实性。

（五）数据采集

对公司业务数据进行整理，制定符合规范的数据采集策略，对数据采集过程中可能存在的风险进行有效的识别，形成采集风险评估，并对其进行日志记录。采集过程要遵守法律相关规定，确保采集的数据具有合法性。

（六）制定合理的公司制度

公司应就数据维护方面制定合理的制度政策，并且严格按照公司制度来执行，加强防范，明确相关部门人员的职责，提高公司员工对于数据资产的管理责任意识。

目前，中国的数字经济正在向着更加互信、共享、均衡的方向发展，数据的“生产关系”正在进一步重塑[5]。公司进行数字化转型是产业升级发展的必然选择，在资源获取、生产运行、经营贸易、客户服务等各业务领域产生的大量数据已成为驱动创新、引领升级的关键要素。随着数据资产管理的逐步深入、规划和完善，数据资产的重要性正进一步体现，逐渐成为公司核心竞争力的重要资产。

[1] 李雅雄,倪杉.数据资产的会计确认与计量研究[J].湖南财政经济学院学报,2017,33(4):82-90.

[2] 崔金栋,关杨,张海涛,等.信息生态视角下企业数据资产管理机理研究[J].现代情报,2017,37(12):24-29.

[3] 李雨霏,刘海燕,闫树.面向价值实现的数据资产管理体系构建[J].大数据,2020,6(2):45-56.

[4] 刘桂锋,钱锦琳,卢章平.国外数据治理模型比较[J].图书馆论坛,2018,38(11):18-26.

[5] 闫树.大数据:发展现状与未来趋势[J].中国经济报告, 2020,15(1):38-52.

An Analysis of the Current Situation and Planning of the Company's Data Asset Management under the Background of Big Data

REN Xu

(College of Accounting and Auditing, Guangxi University of Finance and Economics, Nanning 530000, China)

Based on the characteristics of data assets, by analyzing the current development status and challenges of data assets, improving the maintenance and management of data assets, constructing a data asset management system, and summarizing and planning data asset management methods, the company can make more convenient, accurate and effective use of data assets, then bring higher economic benefits, and enhance the overall competitive strength.

big data; data assets; management and planning

F275

A

1009-9115(2022)05-0105-04

10.3969/j.issn.1009-9115.2022.05.018

广西财经学院校级研究生教育创新计划（YCX202242）

2022-07-17

2022-09-02

任旭（1993-），男，河北唐山人，硕士研究生，研究方向为会计信息系统和大数据分析。

（责任编辑、校对：刘俊萍）