详解数据资产的8大重要特征

电玩女神 2022-10-12 05:25 242阅读 0赞

**导读：**原始数据加工成标签，即可认为是简单意义上的数据资产化过程。

数据不再是业务、信息系统的记录或存储，而是转化成带有商业价值的标签，标签是具有业务含义或对业务有指导意义的数据定义，可以说，完成了标签类目体系的组织和标签设计开发，才算是真正建立了数据资产的本体。

数据资产价值主要通过资产服务化生成相应的数据服务，帮助业务增值或企业降本增效来证明。

作者：任寅姿 季乐乐

来源：大数据DT（ID：hzdashuju）

![d088df160b1b9c136ca0f30a37879e7a.png][]

从广义上讲，企业拥有的所有数据资源，包括原始数据、中间数据、临时数据、数据类目体系、标签类目体系、标签、标签类目体系方法论等都是数据资产。**对于广泛意义上的数据资产来说，标签、标签类目体系及方法论是其重要的组成部分。**

在方法论的指导下，原始数据、中间数据、临时数据可以按需加工、挖掘成标签，标签按照类目体系的方式进行规划、串联和管理。对于一家企业来说，其长期积累和建设的数据、标签、标签类目体系及经实践修正后形成的自有方法论都是其数据资产。图2-11为广义数据资产范畴。

![d3abed0c5dbc9c770c3177902d38cca3.png][]

▲图2-11 广义的数据资产范畴

从精准定义上讲，数据资产是指由企业拥有或控制的、能够直接为企业带来经济利益的数据资源。**以标签形式组织的数据资源就是数据资产的最佳呈现方式。**

由于标签是业务导向的组织方式，通过元标签信息能让数据资源变得可阅读、易理解；同时标签态的数据组织方式是最小使用和管理单元，能让数据资源兼具好使用、有价值的核心特点。通过标签对数据资源进行转化和组织，才能最佳实践数据资产看、选、用、治、评的完整运营链路，如图2-12所示。

![9b5ff175586d70e9cea625d5e5813693.png][]

▲图2-12 数据资产运营闭环

以标签为组织载体的数据资产区别于传统的数据资源，具有8个显著而独特的重要特征，如图2-13所示。

![5dae3cbe0a93a07ed2c7ebdcb7073953.png][]

▲图2-13 数据资产8大特征

**01 能确权**

所有的数据资产都应该是由某企业或机构合法取得或有效管理的数据源清洗加工而来，否则不能称为资产。**企业对其合法获得并构建的数据资产拥有归属权、管理权、使用权等权利。**

一些企业将私下采购或不合法收集的数据源加工和包装成自己的“数据资产”，进行不当使用或资产估值，最终被举报、清查、法律惩处。因此企业或机构必须重视自身数据资产来源的合法性并合规使用，将确权工作与数据安全工作联动开展。

在大型集团公司中，会划分拥有数据资产归属权、管理权、使用权的角色：

*  数据源采集、提供部门拥有数据资产的**归属权**；
 *  数据资产的设计、加工、管理、运营部门拥有数据资产的**管理权**；
 *  数据资产的使用、消耗部门拥有数据资产的**使用权**。

**02 可阅读**

通过数据标签化，将难以触碰的数据信息转化为前端业务可获取的标签信息，实现对象类型可筛选，类目体系可折叠查看，标签列表可阅读：数据人员或业务人员可以按需调取任一标签的所属类目、标签名称、标签定义、标签逻辑、标签取值等基本信息，同时在标签详情中可以看到该标签适合的数据应用场景、历史业务端服务调用情况、数据资产消费方的评价反馈等使用信息。

**标签化使得数据可阅读，推动了业务侧参与数字化转型的建设过程。**

**03 易理解**

在将数据标签化的同时，利用元标签将难以理解的数据术语转化为通俗的业务术语，并通过标签创建、设计时的规范操作使元标签信息都得以完整记录。

以往在数据仓库建设时，表或字段的备注、元数据信息往往由数据人员登记，对业务人员并不友好。并且由于数据人员较多关注在实现层面，对文档、信息类的管理登记工作不够重视，经常会出现数据表、字段已经开发完成但信息备注和元数据信息并没有同步关联登记的情况。

等到业务人员想要了解数据信息，或数据部门自查数据规范性，又或者若干年后数据人员更迭交接的时候，就会发现存在非常多的数据信息缺项和填写不规范的问题，最终只能进行信息补录或元数据管理。很多大型集团企业每隔几年就需要开展一次大型的数据治理。

**元数据是对数据对象的信息解释，因此非常重要。**元数据如果缺失较多，数据对象的指向或属性就会模糊不清，甚至影响该数据项的可信度，从而影响其使用。

从数据到标签的转化，不仅实现了数据术语向业务术语的转化映射（元标签采用业务视角对标签概念进行充分解释），而且在标签设计的过程中，标签方法论要求每个标签设计师都按照规范填写《标签详细设计文档》（元标签信息的规范填写和完整登记是标签创建和开发任务下发的前提条件）。

![d27c333b5a7b4fe9eaaeba3ffc1ec0d8.png][]

**04 好使用**

标签化的数据资产将数据可用单元切割到最小粒度。使用标签的思路也向业务端靠拢：**将数据最小可复用单元封装成“商品”。**

数据管理部门负责将标签商品上架展示，业务部门作为消费方可以在标签集市中搜索、查看、收藏、下单。申请审核通过后，业务部门就可以在服务管理中导入、配置标签的使用方式，最终创建完成一个数据服务接口或数据应用系统。

这种使用数据的方法摒弃了传统代码开发的弊端：所有数据项的开发逻辑都写在同一段代码中，出现数据故障时难以排查；数据服务所产生的价值难以溯源衡量。

标签创新了一种数据使用模式：**将数据打散到最小粒度单元**，每次使用时，以搭积木的方式灵活选取所需零件，通过工具或平台支撑快速完成某一数据服务或数据应用的装配。

**05 可计量**

通过标签将最小可复用单元数据进行了“商品化”的转换，因此某一项标签数据的搜索量、浏览量、申请量、调用量等都可以被系统记录和计量。可计量的特性有利于标签的优化和运营，帮助控制标签的安全使用，评估标签的业务使用价值。

**06 有定价**

数据资产一定有价值，其价值如何衡量？数据要素如何参与价值分配？这些都是当前大数据领域中热门讨论的话题。随着数据标签化，数据资产的价值衡量迈出了商品化的第一步。数据资产的定价由市场决定，成本决定，还是由利润决定？这个问题可能在不远的将来就能得到解答。

此处提到的“有定价”不是指数据资产一定要通过“金钱”购买，而是**其一定存在可衡量的价值裁定。**

在数据价值探索的商业世界中，必须关注成本支出与利润回报：数据资产有采集、生产、管理、运营等成本，数据资产的使用方需要为数据资产的使用“记账”或“买单”，同时数据管理方必须从价值的考量出发，不断优化和更新数据资产的最佳配置。

**07 可管控**

**数据资产必须是可管控的，否则会有巨大的安全风险和管理成本。**

标签化的数据资产可以通过标签管理系统进行全生命周期的运营管理，包括元标签信息管理、标签标准管理、标签安全管理、标签质量管理、标签成本管理、标签价值管理等。

业内已有非常多的成熟工具可以对标签进行基本的管理控制，例如阿里云的DataQuotient、数澜的标签中心、百分点的用户标签管理、神策的用户画像、易观的方舟智能画像、个推的个像等。

**08 可增值**

数据资产是一种越用越多的特殊资产。这种可增值性并不像风险投资一样具有很大的不确定性。只要按照标准动作规范建设数据资产，并以数据价值为导向运营数据资产，其价值就会不断迭代，具有不可限量的增值空间。

**关于作者：****任寅姿**（花名：影姿），资深产品总监、数澜研究院院长拥有超过10年的数据产品经验，原阿里巴巴集团数据产品专家，曾负责集团消费者标签类目体系、DMP精准营销等系统的数据资产设计与实施。2016年加入数澜科技，负责管理公司产品团队，系统提升团队数据思维、数据资产设计能力及数据服务应用经验，是数据中台理论定义及体系构建的核心参与者。

**季乐乐**（花名：寒泉），政法行业资深专家、产品专家拥有超过6年的政法行业产品经验，原南京通达海区域负责人，专注于研究数字检务、智慧法院等领域。

本文摘编自《标签类目体系：面向业务的数据资产设计方法论》，经出版方授权发布。

![b3aa92d66637d7e893798ae341fe4690.png][]

延伸阅读《标签类目体系》

点击上图了解及购买

转载请联系微信：DoctorData

**推荐语：**标签类目体系是数据中台理念落地的核心组成部分，是实现数据资产可复用、柔性组合使用、降低数据应用试错门槛的强力支撑。本书旨在培养资深的数据资产架构师及数据运营专家，以方法教育而非工具实施的方式助力企业建立自身的数据资产化能力，将数据能力最大限度地转化为商业价值。

看看作者怎么说**????**

![音符][52a391a73874c472d9556191e0c3a4a9.gif]

**干货直达????**

*  [终于有人把用户画像的流程、方法讲明白了][Link 1]  
    
 *  [终于有人把数据安全讲明白了][Link 2]  
    
 *  [35岁的程序员，真的要转管理吗？][35]  
    
 *  [数据中台、标签、数据资产相关的15个名词解释][15]

**更多精彩****????**

在公众号对话框输入以下**关键词**

查看更多优质内容！

**PPT** | **读书** | **书单** | **硬核** | **干货**** **| **讲明白 **|** 神操作**

**大数据** | **云计算** | **数据库** | **Python** | **爬虫** | **可视化**

**AI** | **人工智能** | **机器学习** | **深度学习** | **NLP**

**5G**** **|** 中台 **|** 用户画像**** **| **1024** | **数学 **|** 算法 **| **数字孪生**

据统计，99%的大咖都关注了这个公众号

**????**

[d088df160b1b9c136ca0f30a37879e7a.png]: /images/20221005/777438367ddd4766bd8ae4ac876b9413.png
[d3abed0c5dbc9c770c3177902d38cca3.png]: /images/20221005/316a0b56477e4c918fdd30a974c8d1ed.png
[9b5ff175586d70e9cea625d5e5813693.png]: /images/20221005/3d13d88a97f8452bba148be930c1e982.png
[5dae3cbe0a93a07ed2c7ebdcb7073953.png]: /images/20221005/f8153ed18ca84cbebe0679b57da17208.png
[d27c333b5a7b4fe9eaaeba3ffc1ec0d8.png]: /images/20221005/fb21ce28f3464102b43a7ac397baafa8.png
[b3aa92d66637d7e893798ae341fe4690.png]: /images/20221005/730e0f191ce1486d96922298c636bcfd.png
[52a391a73874c472d9556191e0c3a4a9.gif]: /images/20221005/bf004fade3294962b40766762f4fe86e.png
[Link 1]: http://mp.weixin.qq.com/s?__biz=MzI5OTk5OTM2Mw%3D%3D&chksm=ec8c088edbfb8198a70eb724ef5e7c7cb16b0ecf98f064d608d3f50d0223afa3c0bdbc9d5da5&idx=1&mid=2247532898&scene=21&sn=cfbff59f964e6e3fb28ce8b7828ccba5#wechat_redirect
[Link 2]: http://mp.weixin.qq.com/s?__biz=MzI5OTk5OTM2Mw%3D%3D&chksm=ec8c097fdbfb80699a52ef132f6186b74235222b01633a6512a2bcdc920f1ca6ac0613b1fbe1&idx=2&mid=2247532691&scene=21&sn=83b2529d9a47bed35e73942c69332861#wechat_redirect
[35]: http://mp.weixin.qq.com/s?__biz=MzI5OTk5OTM2Mw%3D%3D&chksm=ec8c098fdbfb8099a3c04e4a19d907904919db78994997e2ecadb21545f725f2c360e93569eb&idx=2&mid=2247532643&scene=21&sn=535be73a56caf8c30a0cdead1ee91d8f#wechat_redirect
[15]: http://mp.weixin.qq.com/s?__biz=MzI5OTk5OTM2Mw%3D%3D&chksm=ec8c36ebdbfbbffd17330c483149fcf52d000dfe637c046cb3367b54d5ebd6b4eb9065bab1b0&idx=2&mid=2247532295&scene=21&sn=2498cdb9eac71f4806d0bf23e056401b#wechat_redirect