数据资产运营白皮书：数生万物，转型之本

目录 1数据：生产新要素，转型新动能2数据资产运营：企业数智化进程敲门砖3数据资产运营的妙言要道：“三要素”和“四重奏”4最佳实践：知行合一，随需应变 目录 1数据：生产新要素，转型新动能 我国已进入数字经济时代，数据作为新型生产要素出现 政府加快培育数据要素市场 政府报告明确数据为新型生产要素 2020年4月9日，《中共中央、国务院关于构建更加完善的要素市场化配置体制机制的意见》正式公布 推进政府数据开放共享 提升社会数据资源价值 中央颁布的第一份关于要素市场化配置的文件 土地、劳动力、资本、技术、数据五个生产要素领域的改革方向 加强数据资源安全保护 明确完善要素市场化配置的具体举措 加强数据资源整合 数据作为一种新型生产要素被写入其中 数据生产力崛起的核心原因在于生产效率提升、资源配置优化与传统要素替代 “当前企业资源优化配置的科学性、实施性、有效性来自于正确的数据以及对数据这一生产要素的有力把握，并以正确的方式传递给人和机器“ 监管机构已对公司数据能力提出全面要求，企业数据运营从粗放式发展转向按道而行 数据安全规范 •2017年6月1日正式生效的《中华人民共和国网络安全法》规范了跨境数据的流动。•2021年9月1日即将正式生效的《中华人民共和国数据安全法》进一步强化跨境数据安全管理。 2020年7月2日，全国人大常委会第二十次会议审议了《数据安全法（草案）》并公开征求意见。全文7章51条，包括：总则、数据安全与发展、数据安全制度、数据安全保护义务、政务数据安全与开放、法律责任和附则，搭建了一个更为全面的数据安全保护体系。作为在数据安全领域的专项法律，体现了国家立法层面对数据安全的高度重视。 关键要点 数据处理使用 数据收集 收集使用个人信息需遵循的合规要求：•制定并公开收集使用规则；•征得用户明确同意；•功能设计同隐私政策保持一致；•不得因是否授权收集个人信息，而采取歧视行为。 数据处理使用环节需遵循的合规要求：•加强对个人信息和重要数据保护；•注销账号后及时删除用户个人信息；•合理、及时响应个人信息有关要求；•推送广告和合成信息时以明显方式标注“定推”、“合成”等字样。 上市公司数据规范 2020年6月10日，证监会发布《关于发行审核业务问答部分条款调整事项的通知》，对上市公司信息系统与数据做出了规范。 法律责任 数据安全监督管理 •网信部门在数据安全管理责任落实不到位时，约谈负责人，督促整改；•国家网信部门组织数据安全管理认证和应用程序安全认证工作；•发生重大数据安全事件，应当立即采取补救措施报告。 对于违反办法规定的网络运营者，有关部门将依据相关法律、行政法规的规定，根据情节严重程度施加不同的处罚措施，构成犯罪的，将依法追究刑事责任。 关键要点 行政处罚实例：2020年4月20日，上海某银行涉嫌虚报、瞒报金融统计数据等受到行政处罚，银行被判处罚款93.6万元罚款，2名直接责任人员合计处罚款3万余元。 在智能化应用期，数据在商机洞察、降本增效、风险管控与辅助决策等方面为企业数字化转型保驾护航 在智能化应用期，数据在商机洞察、降本增效、风险管控与辅助决策等方面为企业数字化转型保驾护航 企业现存问题无法满足业务需求、呈现数据价值 随着数字经济的高速发展，数据价值日益凸显。在数字经济时代，数据正在成为企业经营决策的新驱动、商品降本增效的新内容、企业风险管控的新手段，带来了无数新的商机与机遇。 准 诉求 数据诉求迫切增长的同时，技术工具日趋成熟，数字化人才队伍壮大，数据资产运营的黄金时代宣告来临，助力企业解决现存数据问题 随着大数据时代来临，数据量的井喷式增长推动数据产业规模不断扩张，政府与企业提升了对数据的认识与重视度，数据型人才队伍不断壮大，技术工具日渐成熟，种种迹象均表明数据资产运营的黄金时代已宣告来临。企业只有更好地了解数据、把握数据、利用数据，才能萃取更大的业务价值以强化企业核心竞争力，而数据资产运营正是盘活这一切的动力。 人才数据人才数增多 技术 认识/意识 截至2018年底，全国大数据核心人才达到200万人。中国拥有全球近六成大数据人才，但大数据产业相关人才占大陆整体就业人口规模比例仅为0.23%，相比美国占比0.41仍有很大提升空间 数据技术产品不断分层细化 政府大力普及大数据概念 政府大力推进大数据建设，强化大数据意识和开放意识，破解孤立的、自成体系的问题，树立系统的理念 数据技术工具成熟 企业意识到数据的重要性 数据意识是数据驱动，明白现在企业的一切活动、一切事务都需要数据驱动。数据驱动不光是在技术过程、业务里，企业里的一切事务都需要数据驱动 数据产业规模持续扩张 具备数据入门级知识的人才增多，使其使用成本降低 一系列数据资产运营工具的成熟和普及，促使企业使用与迭代成本降低，真正实现技术与业务结合 2019-2023年总收益实现13.1%的复合年均增长率，2023年总收益达到3126.7亿美元 目录 2数据资产运营：企业数智化进程敲门砖 数据资产运营是实现企业业务价值持续释放的必经之路 数据资产运营将沉睡数据点石成金 数据资产运营过程 数据原料是指未被加工的原始素材，多粗放散落于各系统中，属于基础生产资料 呈现可识别性差、不易于使用、价值密度低、类型多样性等特征，因此在企业经营过程中，无法直接用于分析与决策 呈现可阅读、易理解、好使用、能确权、可增值等特征 在此基础上，企业数据资产将通过平台化、智能化、生态化、商品化的运营方式，实现其业务价值 平台化 利用综合资产数据平台，在消除数据孤岛的同时，提升数据资产使用效率。 智能化 将前沿数据运营技术与数据资产管理技术相融合，实现数据驱动业务。 生态化 将数据驱动方案运用于传统的企业生态，通过合作取长补短，释放数据资产运营价值。 商品化 商品化逐渐成为数据发展的新趋势，通过数据资源的流通与应用让数据商品发挥价值。 业务价值一：从“IT主导的报表模式”向“业务主导的自助分析模式”转变 商业环境变革 •业务场景变化迅速，对数据的要求与需求不断提升•业务部门主导数据应用助推人才资源转型，数据资产管理人员从IT后端转向业务前端•一站式自助平台集数据的整合、处理、运维等功能，工具更灵活易用 报 表 模 式 数据消费模式变革 IT主导的数据供给模式 •根据业务需求按部就班加工数据•流程复杂时效性差 业务主导的自助消费模式 •业务方自主完成部分数据加工•流程简单时效性高 业务价值二：海量数据+智能算法，助力业务应用场景优化 补货计划 运输优化 智能排产 通过企业各生产数据资产建模，产出实时最优生产计划 基于销存数据，通过补货模型输出高效的前置仓补货/渠道补货/店铺补货建议 数据资产运营建设难以一蹴而就，企业通常会经历四大运营阶段 决其然 知其所以然 知其然 茫茫然 形成数据资产运营体系，将数据作为企业的直接生产力和间接生产力 数据与业务融合，找到数据表象的背后原因，在这其中完善数据分析工具 将数据整合，在业务框架指导下体现数据的业务意义，并形成参考指标进行考量 粗放发展过程中业务未形成行之有效的框架，致使数据资源的整合并不充分 形成数据资产运营体系 深化业务领域知识 •通过前期的数据规整、数据分析办法的集合，将业务场景与数据分析融合为一站式数据运营体系 形成有效的业务框架 尚未形成有效的业务框架 •了解产生数据的业务才能真正解读数据，以客观的角度解读数据 •尚不能满足有效数据需求•对业务问题定位不够清晰 •满足不同层级对数据的不同需求•能够定位业务问题，指导决策制定 完善数据分析方法 成为直接、间接生产力 尚未设定评估指标体系 设定指标进行考量 •根据不同的业务目标建设数据分析的流程和体系，复用方法，提高解决问题效率 •数据能将价值直接投入到业务前线，实现数据变现•数据运营给与决策支持，将数据转化为分析报告等供业务参考 •通过参考指标判断指标数据的趋势及含义 •对数据资产运营的整体思路尚不明晰•对参考指标的选择尚未形成明确标准 数据运营萌芽期 数据运营成长期 数据运营形成期 数据运营成熟期 在不同运营阶段，数据运营组织框架依据业务诉求呈现动态变化 *数据运营阶段需综合考量企业业务成熟度、企业规模、数据体量等因素 在数据资产运营管理闭环中，周期性进行成熟度评估，迭代优化运营过程 目录 1数据：生产新要素，转型新动能2数据资产运营：企业数智化进程敲门砖3数据资产运营的妙言要道：“三要素”和“四重奏”4最佳实践：知行合一，随需应变 数据资产运营的关键在于“三要素”与“四重奏” 在数字经济时代背景下，企业通过数据资产运营实现数据价值的重要性凸显。数据资产如何运营？其核心在于向下扎根与向上生长。 “三要素”之组织与意识：凝心聚力——建立完善组织架构体系，培养数据资产运营文化 组织与意识需要企业管理层的引领。构建基于数据驱动的组织模式，实现组织内外人、物、知识等资源弹性供给和单元的动态协作是构建数字企业的基础，也是组织适应、利用、驾驭不确定环境的利器，数据资产运营组织架构的调整帮助企业打造一体化柔性运营管控能力，针对公司需求作出更敏捷的响应。 数据资产运营意识 践行数据驱动行为 重视数据的战略性使用 鼓励分享和社区活动 评估指标 数字化人才占比 数据管理团队完备率 基础观念与行为 ü通过特定用例增长价值ü促进广泛的数据发现 数据文化建设水平 优质数据内容分享积极性 “三要素”之流程与规范：规圆矩方——数据管理规范化，确保规章制度有效实施，奠定创新数据管理基础 无规矩不成方圆，数据驱动型企业在创新拼搏的同时，也亟需对数据全生命周期进行有机管理。规范化的数据管理的流程与制度能够让数据的交互、整合与使用更加流畅，从而大大减少数据上的问题与冲突，助力公司的数据管理由传统模式健康稳定地转向创新模式。 “三要素”之平台与工具：巧借东风——数据资产管理平台承载数据产业化与商品化 平台与工具意味着生产力，是开展数据资产管理不可或缺的底层基石。通过一体化的系统框架体系，集中治理数据问题、集中进行数据监控运维与服务运营，不仅将传统数据管理工具各个组件进行了整合，更是将其进行打通与融合，实现数据在平台上的有效运转。 数据资产运营平台框架 平台赋能 建设数据供应链 以商品化、平台化的视角来看企业的数据资产管理，实现企业数据供应链建设 实现端到端流程 平台帮助企业生产新的数据产品，最终在数据服务商店/市场中销售，让数据被消费从而产生更大的数据资产价值 评估指标 数据覆盖度 新增模型数量 向利润中心转型 数据因为内部共享从而实现内部交易，从成本中心变成利润中心 标签调用数量 “四重奏”之数据资产盘点：细致入微——双视角厘清数据资产，绘制企业级数据资产地图 、数据资产盘点是数据资产运营的先行任务，旨在解决数据资产“有什么”的问题。从业务视角与技术视角出发，形成企业数据资产框架和数据资产目录，支持建立全面覆盖的企业级数据资产地图，为数据资产“用什么”以及“如何用”奠定基础。 “四重奏”之数据资产评估：详察形候——多维度评估企业数据资产 数据资产评估是时代赋予企业的课题。在现如今的数字经济时代，随着数据、算法的升级，“资产”的形态和范围正在出现革命性的变化，“数据资产”这一概念也应运而生。但目前这一资产形式尚未体现在企业的财务报表上，同时也面临着诸多争议与挑战，合理、健全、有效的数据资产评估方式对社会数字化趋势的意义尤为深远。 应用成熟度评估 企业数据资产应用能力成熟度分为四个阶段，企业可根据数据应用成熟度进行自我评价，数据应用能力成熟度越高代表对业务的支撑能力越强 评估指标 数据质量 数据价值 数据资产变现测算服务型数据资产/数据产 品的货币化收益，推动数据资产能力输出和市场流通