原文链接：数据资产为王，解析企业数字化转型与数据资产治理的关系
视频回顾：点击这里
课件获取：点击这里
一、数据资产背景介绍
随着企业数字化转型的深刻，数据体量爆炸式增长，如何控制数据生产成本、发现有价值的数据，进步数据 ROI，成了企业数字化转型中后期的要害工作，这也是数据资产治理的终极目标。
而在数字化转型过程中并不是一帆风顺，往往会遇到很多问题。如何管制生产成本、发现恶性老本因素、量化生产成本？如何发现价值数据、梳理数据分布、剖析数据价值？这都是企业是实现企业数字化转型路上须要思考的问题。
如何解决上述问题，关键点在于利用方法论 + 工具思路构建数据资产治理平台。
二、数据资产治理方法论
那么如何给予方法论进行数据资产治理呢？咱们能够从以下几个方面动手：
1、如何梳理数据：元数据管理
在梳理数据之前，咱们首先要明确三个指标：
- 指标一：明确有哪些数据
- 指标二：了解这些数据的作用
- 指标三：便捷对立的查问入口
明确完指标后，依据元数据管理五步法，咱们来进行数据梳理：
- 第一步：采集元数据
- 第二步：定义元模型
- 第三步：保护元数据
- 第四步：元数据品质
- 第五步：元数据查问
2、如何晋升数据规范性：数据规范 + 数据模型
元数据采集上来之后，要做的第二个事件就是数据规范和数据模型，这个步骤和元数据管理并没有十分明确的切分，但在个别企业做数据资产治理时个别会先做元数据管理，因为奏效比拟快。
传统的数据开发方式会呈现许多问题，例如：表名不足束缚标准，无奈直观的从表名判断出输入层级、数据含意；字段不足正文；字段名不谨严，status 等于状态，不等于订单状态；没有定义数据生命周期 lifecycle 等。
而标准形式在底层对数仓分层、主题域等进行标准设计，建设数据规范而后对立进行模型设计，之后进行模型审核而后模型公布，晋升整体的数据规范性。
3、如何晋升数据治理
技术部门与业务部门独特确定数据品质晋升场景，从业务场景登程，从上至下建设，不能由开发人员想到什么长期校验什么，包含：
- 从业务场景登程，解决理论的业务数据问题，明确建设指标，保障执行策略无偏差
- 线下调研、收集、整顿数据问题，按业务指标进行分类管理
- 依据业务分类进行规定集治理，依据数据品质反馈一直优化、积淀规定集
4、如何量化数据价值
量化数据价值从两个方向动手，一个是数据老本，一个是数据价值。
数据老本包含建设老本及资源老本两块，建设老本无奈单算，只能依据我的项目老本（中台建设、交付施行等我的项目）、人力老本进行估算；而资源老本则能够量化，也是咱们须要重点关注的局部，包含存储单价、计算单价等。
数据价值间接收益和间接收益，间接收益是指对于局部跨团体数据共享、数据封装对外销售的场景，可间接量化支出；间接收益是指大部分数据是服务企业内的业务发展，无奈间接进行量化收益，只能间接从这两个维度剖析价值：数据应用热度、数据上下游依赖。
通过数据老本和数据价值的正当测算，咱们就能量化数据价值。
三、数据资产产品介绍
下面咱们为大家讲了很多方法论的内容，那么有没有一款产品可能切实解决企业问题，帮忙企业搭建数据资产治理平台呢？在这里咱们为大家介绍袋鼠云数栈的数据资产产品——湖仓数据资产（DataAssets）。
湖仓数据资产治理平台（DataAssets）， 通过元数据管理、数据标准规范设计、数据品质晋升、数据热度和成本计算，优化数据生产成本、量化数据收益价值，广泛应用于湖仓建设的中后期阶段。
湖仓数据资产治理平台的产品特点是通过对立平台以达到治理闭环的成果。
产品次要蕴含以下几个性能：
- 接入元数据进行治理
- 元数据查问
- 数据规范治理
- 数据模型治理
- 数据品质治理
同时产品具备以下价值
- 梳理 / 治理企业数据
全面采集、治理、盘点数据，让大家晓得并了解企业有哪些数据
- 晋升数据规范性
建设数据规范体系，通过数据模型的主动引入，实现标准的模型设计
- 晋升数据品质
通过事先规定配置、事中规定执行、预先品质报告，及时发现问题数据，无效防止问题的影响扩散
- 量化数据价值
通过剖析数据的老本、收益，正当评估每份数据的价值
四、数据资产客户案例
接下来咱们分享三个应用客户的理论案例，为大家介绍数据资产治理平台如何切实的帮忙客户解决问题。
- 金融：某领取团体一站式元数据管理平台
- 金融：某银行数据品质治理晋升我的项目
- 制作：某芯片制作企业对立数据资产治理平台
袋鼠云开源框架钉钉技术交换 qun（30537511），欢送对大数据开源我的项目有趣味的同学退出交换最新技术信息，开源我的项目库地址：https://github.com/DTStack