本文来自于”湘江数评“公众号，作者老杨，经作者本人同意授权后发布

本文是老杨受邀参加盟拓数科智库联合华东江苏大数据交易中心共同举办以《数据管理下半场：数据资产运营如何结合业务和管理，最大化发挥经营价值》为主题的线上直播做的主题分享，本文为老杨分享实录：

注：本文共6666个字，全部读完约需7分钟

大家下午好!非常荣幸能够在这个时间跟大家一起探讨交流企业数据管理方面的内容。今天我为大家分享的主题是：企业数据管理是否“镜花水月”，想必大家做过数据管理的项目，总体感觉是痛并快乐着，那么今天就与大家一起来探讨这个话题，看大家是不是跟我遇到的困境是不是很相似。

今天的话题我分四个部分来讲：

第一部分讲一下当前企业数据管理的现状;

第二部分讲几个数据管理的案例实践;

第三部分讲如何做相关的数据建设的项目;

第四部分讲如何去实现向上管理。

首先我们来讲第一个话题，当前企业数据管理的一个现状，我总结了三点：

1. 在热闹中充满了迷茫;

2. 在建设中我们充满了坎坷;

3. 应用中充满了鸡肋;

为什么这么说?我们来看一下当前数据建设为什么很热闹，我们来看以下资料数据：

预测至 2030 年中国数据行业市场规模有望达到5,155.9 亿元。未来，中国数据交易行业仍有可观的市场增长空间。预计未来，中国数据行业市场规模仍将呈现稳步增长的趋势，到 2025 年中国数据行业市场规模有望达到 2,046.0 亿元，到 2030 年中国数据行业市场规模有望达到 5,155.9 亿元，2025-2030 年复合增长率约为 20.3%。

自从国家数据局成立之后，在市场上掀起了一波与数据资产相关的建设热潮，从以上数据中我们不难看出中国数据市场的规模及潜力的是非常大的。那么这么大的一个市场我们如何去做?我想很多的企业领导也是非常关心，比如我们企业的数据做成数据产品或者购买了相关数据产品以后，它会在哪些方面得到应用，如何产生相应的价值?这个时候如果你对数据资产的应用场景还不清楚的话，如何说服领导做数据相关的项目?我从收集的相关资料中提炼出数据资产主要的创新应用方向，包括如下：数据资产增信、数据资产转让、数据资产出资、数据资产质押融资、数据资产保理、数据资产信托、数据资产保险、数据资产证券化。

从以上我们不难看出当前的数据它已经不在是存在服务器里面的一些字节了，而是经过加工整理后变成了数据资产并创造、产生了新的价值，那么这个时候领导又会问数据到底它会应用在哪些场景?下图就是我总结的一些常见场景。

从以上的内容我们不难看出数据确实存在着巨大的市场潜力，但是从当前的市场情况来看还存在着诸多的不足之处，比如从财务管理的视角来看这个数据资产入表就存在如下十大难题：

1.成本归集难 ;

2.收入与成本匹配难;

3.数据资产资本化标准确认难;

4.公共数据授权期限确认难;

5.数据研发和使用场景差异过大导致资产确认条件满足难;

6.数据资产摊销方法选择难;

7.摊销年限确认难;

8.数据资产税会政策差异应对难;

9.数据资产时效性强导致部分资产可能存在即时失效的可;

10.数据资产在集团层面的会计核算难;

以上数据资产入表还只是整个数据资产化管理众多环节中的一个，且还充满着各种争议与不确定的场景，所以说数据资产市场看着热闹但还是充满着很多的迷茫，那么迷茫在哪里呢?

第一，现在大部分的企业领导对数据资产的认知是非常有限的，同时对数据资产形成的路径不知道、不清楚，难以在战略上进行支持;

第二，大部分企业信息部门的人员对数据资产的相关知识也是模棱两可，没有操作经验;

第三，关键的财务环节，我想当前大部分企业的财务人员对数据资产入表也是一知半解，不懂如何去操作;

第四，法律环节，对数据资产也是非常谨慎，比如数据确权环节，数据安全环节，稍有不慎就可能出现法律纠纷;

第五，数据资产要交易，那么在交易之前必须要评估定价，那么定价的标准是什么，不同的地域可能会存在不同的定价标准，那么数据资产跨地域交易怎么办?

从建设实现的角度来讲，就是说服务器里面存在的大量数据，如何把它变成数据资产?他有一个实现过程，这个过程大概分为三步：

第一步就是数据资源化，要把大量的数据集中在一起，去采购也好，或者内部加工也好，形成一个强大的资源池;

第二步资源产品化，要把这些数据资源进行产品化的加工，比如做数据清洗、脱敏等等，最终按相关标准形成可交易的数据产品;

第三步产品资产化，数据产品形成之后，企业如何去投放到市场，如何进行资产化的运作，怎么交易、怎么入账、如何摊销等等。

但是从当前的情况来看，就单单从企业数据管理的角度来看，大部分的传统企业在数据管理上存在如下的问题：

第一、数据资产管理内驱动力不足;

第二、数据资产管理与业务发展存在割裂;

第三、数据质量难以及时满足业务预期;

第四、数据资产无法持续运营;

第五、数据安全风险加剧，安全合规要求日益复杂

我们来看以下内驱力不足从这个哪方面呢?

1.数据资产管理价值不明显;

数据资产究竟会产生哪些价值?就目前情况而言，我想与企业做数字化一样的价值是非常不明显的，数字化项目都没做好，这个时候如果我们再跟领导谈数据资产的价值，更谈不清。且数据资产前期要进行大量的投入，但投入之后数据产品质量如何，能够产生多大经济效益，大家心里其实都没底，所以说这个价值是不明显的。

2. 管理层尚未达成数据战略共识;

众所周知，做数字化共识很重要，那么做数据资产项目，企业究竟要不要做?现在我想很多企业领导对这个也是吃不准的，做还是不做，怎么做都是模棱两可的，所以从技术角、高层战略角度来说，还是没有形成一个很强烈的共识，领导只是觉得做数据资产化是一个未来的趋势，但是什么时候做、怎么做其实都不知道，也不敢做。

3. 数据资产管理路径不清晰;

怎么去管?通过几步去管?企业都不知道，包括数据应用层面，都有问题，缺乏数据化的意识，更何况是以后通过数据交易从外部购买的数据产品，如何去用?如何去管?其实在数据运营管理方面企业是有很多短板的。

4. 数据使用方缺少有效的数据应用方法;

数据意识的缺乏导致应用能力的不足，这是当前大部分传统企业亟待解决的问题，如何让数据成为生产力是当前企业共同面临的问题;

5. 数据文化不完善;

这个话题大家可能大家都很有同感，大部分的传统企业连最基本的数字文化都欠缺，何况还有什么数据文化?

6. 数据资产管理投入产出比较低;

刚才已经谈过了，就是投入产出比的问题，企业花大量的成本去做数据产品，最后究竟能够产生多少效益，是个未知数，可能还是亏损的。

数据资产管理与业务发展存在割裂体现在哪里呢?

从战略层面讲与数据的相关的组织，它的地位跟资源配置是存在问题的，就如当前大部分企业的信息部门一样，地位比较低，可能会出现资源配置不足的问题。还有一个问题就是数据怎么跟我的业务去结合?怎么去做?数据来源于业务，技术与业务怎么去融合，这也是个问题。特别是现在很多传统企业的管理本身就缺乏协同，企业管理上的孤岛造就了大量的数据孤岛，做数据资产项目的时候同样也会面临这样的问题。

数据质量难以及时满足业务预期体现在哪里?

1.未进行源头数据质量治理，“垃圾”数据流入大数据平台。垃圾数据多，大家对于这点可能都是感同身受的，因为企业系统比较多，数据源也乱，如果企业没有从一开始就做相关的数据标准的时候，就会反过头来做大量的数据清洗工作，面对大量繁杂的数据，是非常头痛的。

2.数据资产管理人员未与数据使用者之间形成协同，数据质量规则并未得到数据生产者或数据使用者的确认。

3.数据质量管理的技术支持不足，手工操作在数据质量管理中占比较高，导致数据质量问题发现与整改不及时。

数据资产无法持续运营体现在哪里?

1.企业未建立数据资产运营的理念与方法;

2.难以充分调动数据使用方参与数据资产管理的积极性;

3.数据资产管理方与使用方之间缺少良性沟通和反馈机制;

数据安全风险加剧，安全合规要求日益复杂这个问题体现在哪里呢?

对于数据风险的话，我觉得应该是包括两方面，第一就是数据存在服务器里面的数据安全风险，因为现在大部分传统对数据安全这一块的话是非常欠缺的，存在很多数据安全管理漏洞;第二就是数据在交易过程当中，哪些数据可以对外交易，哪些内容需要脱敏处理等等，如果说一旦说没有处理好的话，造成一些敏感信息、私人信息的泄露，就是一个非常大的安全事故;所以不难看出数据安全这块要求是非常高的。

不管最后我们做数据也资产也好，或者是做数据管理也好，最后可能面临一个问题，就是结果很鸡肋。比如各种报表做出来之后发现业务部门根本不用、领导根本不看。最后花了大量人力物力做出来的数据成果只能活在PPT里，所以说非常鸡肋的。为什么会出现如何的问题，是技术跟业务脱离了?还是业务部门认为报表没有价值?原因是多方面的，除了领导与业务部门本身没有数据意识玩，最关键一点就是报表内的数据是错误的。

为什么呢，因为终端数据的及时性、完整性、准确性是没有保障的，导致大屏里面的数据全是乱的，完全没有价值，这就让领导认为数据大屏都是花架子，这个是一个很现实的问题，鸡肋感十足，包括说我们现在做数字化项目一样，也是鸡肋感十足。

接下来的时间我来为大家分享几个数据建设项目的案例。

案例一：为什么要做数据化?

某企业一把手游学归来，要求CIO也必须搞一套“领导驾驶舱”，因为对标单位报表做的很好看，于是CIO马上启动该项目，报表系统采购后发现对接某ERP系统时，该大厂明确表示没有接口提供，必须用大厂的云端报表系统，为了完成一把手任务，于是又采购一套云端报表系统，系统上线后问题如下：

1.高层及业务部门对此报表平台不感冒;

2.数据不完整，甚至数据错乱;

结果：报表系统虽然上线了，但无人看、无人用，活在PPT里。

这个案例场景其实我在之前就谈过了，那么为什么会出现如此的问题?

第一，关键是项目建设的初心是非常重要的，做数据大屏是为管理决策，还是追时髦;

第二，选型很重要，厂家的技术能力、产品功能、方案能力、接口对接能力等等都是重点需要考察的;

第三，数据质量很重要，关乎项目的价值;

第四，数据意识及应用能力是关键;

案例解析二：先做业务系统还是先做数据大屏

案例：某企业进行数字化转型，同一时间采购了大量软件系统，同时引进某大厂做数据化建设，大厂实施团队进场后发现问题如下：

1.该企业数字化基础非常薄弱，数字化系统都处于0-1建设期;

2.业务系统的上线时间要比数据项目晚整整6个月;

3.系统建设过程缺乏统筹管理部门，各个厂家各行其道;

结果：系统建设过程乱，数据标准乱，数据项目被困于其中，烂尾!

为什么数据化项目烂尾率高?

第一，缺乏一个统筹规划;

第二，员工的数字化基础能力很重要，员工数字化意识都没有，怎么会有数据化意识?

第三，盲目建设，看着隔壁老王项目做得好，马上就照抄模仿，最后啥也没抄对;

第四，不懂得如何去做我项目管理;

案例解析三：买第三方系统还是自研?

案例：某企业数字化需求个性化场景多，大部分系统由自己的开发团队开发，在项目建设过程中CIO要求完成一个系统就要对应开发一套数据报表，将数据报表展示给相关业务领导，同时讲解其数据逻辑，征求其改进意见，在数据标准建设方面坚持业务主导原则，协助业务制定相关标准并落地执行;有业务领导认为自研的报表不漂亮，要求采购第三方报表系统，CIO认为当前领导的需求仅仅是展示层面，而自研报表虽然在UI设计上不完美，但可以改进，且在应用上以实用为原则，暂时没必要采购第三方报表系统。

老杨认为在数据项目建设中白猫黑猫抓住老鼠就是好猫;选第三方系统 还是 自研软件 关键是看能不能解决业务痛点，很多时候企业领导选大厂产品是看重了其管理能力，希望借助对方优秀的管理思路来提升管理，但却忽略了自身的管理基础与消化能力，所以企业的数据化建设不仅要学习外部经验，更要探索适合自身管理特色、业务场景的建设路径。

案例解析四：不可控的项目风险

案例：某集团财务想实现业财融合，但面对各种业务系统重复、错乱的数据很头疼，与内部开发部门沟通后，产品经理建议做业财一体化数据中台，经内部评估及与第三方软件公司报价对比后从性价比考虑决定自研，但开发周期需一年时间。项目启动后，财务部门的需求反复变动，开发部门被折磨的叫苦不迭，项目完成90%的时候，负责该项目的财务总监突然离职，继任者以不熟悉项目为由暂停该项目!

从案例中我们可以看到因涉及技术、业务、需求等环节多，导致数据项目周期一般都很长，这就导致项目建设过程当中不可控的风险因素增多，同时较长的项目周期也让企业领导期望度一降再降，最终兴趣全无。

数据管理项目怎么去做?这是大家比较关心的话题，其实不光是做数据项目，做任何数字化项目都是如此。做数据建设项目面临的问题是什么?企业做相关数据项目的时候，面临的问题有如下四乱：系统乱，数据乱，思路乱，管理乱。而大部分的传统企业在数据应用方面存在如下问题：

1. 意识薄弱，认知难;

2. 数据共享难;

3. 数据应用难;

4. 数据运营管理难;

做数字化项目都会面临各种各样的问题，但最核心的问题就是如何让数据成为生产力?老杨认为要做到如下五点：

1.提升数据意识;

2. 保障数据质量;

3. 打通数据链路;

4. 提升数据能力;

5. 建立数据团队;

那么我们如何做好数据化的项目呢?

老杨认为除了所需的技术外，我们还需要一套保障体系，这套保障体系包括：战略保障、组织保障、制度保障、平台保障、长效机制保障。

第一，战略保障：

战略保障的前提是我们要跟领导要达成一个共识，如果没有共识，战略是没法执行的，且项目需要大量的资源投入，所以说我们必须将项目提升到一个企业战略的高度做好各种规划，它包括：战略规划、战略执行、战略评估三个方面。

第二，组织保障：

这个组织并不是信息部门这一个技术组织，我们要从决策、协调、管理还有执行这四个层面做好组织保障工作，具体职责如下：

1.决策层：为数据决策方，由组织 CIO 或 CDO 担任，负责制定数据资产管理决策、战略和考核机制;

2.组织协调层：由虚拟的数据资产管理委员会承担，负责统筹管理和协调资源，细化数据资产管理的考核指标;

3.数据资产管理层：由数据资产管理办公室承担，作为数据资产管理的主要实体管理部门，负责构建和维护组织级架构(包括业务架构、数据架构、IT 架构)，制定数据资产管理制度体系和长效机制，定期开展数据资产管理检查与总结，并向组织协调成和决策层汇报。

4.工作执行层：由业务部门和 IT 部门共同承担，负责在数据项目中落实数据资产管理工作，与数据资产管理层协同参与各项活动。

第三，制度保障：

如果说没有一套切实可行的制度，很多数字化项目，是很难去落地的，这套制度保障体系就包括：总体规划、管理办法、实施细节、操作规范四个部分。具体如下：

第四，技术保障：

对于技术保障大家都比较熟悉，这里不做过多描述;

第五，长效机制保障：

包括：培训宣贯、绩效考核、激励机制、审计机制、数据文化五大方面的内容，需要长期的执行。

其中培训宣贯是数据资产管理理论落地实践、流程执行运作的基础;绩效考核是确保数据资产管理各项工作落实到位的关键举措;激励机制是提升组织数据资产管理部门工作积极性，推动数据资产管理良性发展的重要手段;审计机制是保障数据资产管按既定规划和规范执行的有效方式;数据文化是组织开展数据资产管理的核心价值观和最终驱动力。

最后总结一下，做数据化项目需要明确权责，以价值为中心合理引进技术，重视数据安全，同时不断、迭代去完善。

最后我们来简单说一下我们做数据项目如何做好向向上管理，不仅是做数据项目，还是做任何数字化项目，我们都要学会去做向上管理，那么现在大家可能面临的一个问题就是我们的信息部门，特别是CIO，都没有很好找到自己的定位，因为组织定位问题，大家普遍觉得信息部门地位很低，大家过得都很卑微，这就造成我们跟大部分的企业领导聊不上路，没法产生同频共振;同时很多信息部门的同事认为自己一身的技术能力没地方展示，没地方用，自己很想干的事做不了。这是大家目前存在的一个现状。所以这个时候向上管理就非常重要，向上管理不仅仅是说要学会沟通，而且要从服务，协同、赋能和破局这四个方面来做好向上管理。比如说服务，我们都知道，信息部门最大的一个工作职能就是IT服务，除了服务于员工还要服务于领导，所以你要把领导当成客户来服务，要学会用业务语言去讲技术，用技术语言去讲业务，这个是有一定难度的，所以信息部门人员要在业务方面去做深耕，不能因为自己是搞技术的，不去研究业务，做数字化需要的就是融合能力。

协同协同的话，我认为要从两个方面，第一是做好企业内部的各种管理协同;第二是做好外部协同，要利用好外部的各种资源，比如软件公司、各种生态合伙伴，我们要把这些资源抓在一起，就做好了内外协同。

我们要做赋能，怎么做赋能呢?就是要用数字技术能力赋能的领导，领导做好，我们的相关工作就更好开展。

最后如何去破局?我认为要找到一个好的切入点，不管是做数据项目还是做任何数字化的项目，必须要找到一个切入点，你不能眉毛胡子一把抓打乱仗;最关键的就是要把服务做好，领导认可工作就能破局。

由于时间关系我就讲这么多，大家在数据建设方面有什么问题欢迎与老杨一起探讨交流!