1.盘点数据资产绘制数据资产全貌，实现数据可看
提升数据资产运营水平的前提是知晓资产状况，即“盘清数据”。在明确盘点范围的基础上，构建数据资产目录，盘点资产内容、存储和管理情况，并通过可视化手段，支持各类用户快捷高效的查询和使用。数据资产盘点工作不仅回答了数据“有什么、在哪里、怎么用”的问题，还在盘点过程中，确保各方对数据内容、权利和责任的理解达成一致，实现数据可看、可理解。
2.“盘”清资产，道阻且长
数据资产盘点面临三方面难点:一是数据体量巨大。企业系统复杂，数据源众多且多样化，数据量极大，盘点过程容易失去章法，陷入局部细节而无法兼顾全局。二是数据关系复杂。业务数据存在多层级的主次关系、聚合关系、参考关系、因果关系，导致盘点无处下手，难以推进。三是数据迭代迅速。随着业务形态的变化，信息系统也在快速迭代、流程管理不断优化，对盘点结果有很高的时效性与运营能力要求。
3.识別数据资产形态，厘清数据资产类型
・基础类:主要是业务系统和企业数据库中的明细数据，包含结构化数据（内部数据、外部数据）和非结构化数据（图片、音频、视频、文本、邮件、网页）。
・规范类:企业梳理和制定的数据类规范文件，包含数据标准（指标数据标准、基础数据标准）、数据模型（概念模型、逻辑模型、物理模型、逻辑模型与物理模型映射）、业务术语、政策与规则、数据安全分级信息、数据质量规则、数据字典、关键数据项（KDE）等。
・集成类:经过汇聚、整合及加工过的数据，主要是数据整合与储存（数据湖数据、数据仓库数据、数据中台数据）、数据集市数据（财务、风险、监管报送、合规审计等）。
・服务类:从应用场景出发，按照业务需求进行加工和建模后的数据，包含指标数据、标签、特征工程、也包含数据集、固定报表、主题分析以及之间的映射关系，还包括经过挖掘或算法建模的数据模型应用、规则库、知识图谱以及封装后的数据API等。
4.体系化、科学化的盘点方法和流程
数据资产盘点重要且难度大，需要一套体系化、科学化的数据资产盘点方法。企业数据资产盘点覆盖全域，因此需要全员参与，协同工作。数据资产盘点以挖掘资产价值、驱动业务发展为导向。先确定盘点范围，如盘点的组织范围、业务范围、系统范围。随后根据已经确定的盘点范围，组织盘点人员确定规范并启动盘点，将整理的数据资产清单与设计的数据资产目录进行融合，完成数据资产初步梳理。最后，做好盘点成果的优化、管理维护工作，并发布到数据资产平台上支持使用。
数据资产目录设计是盘清资产的核心，数据资产目录将企业内所有数据进行汇总，构建一张全局数据地图，清晰展现出企业拥有的数据内容、数据量、数据价值、数据存储位置以及数据归属和责任人。数据资产目录设计可以业务视角为核心，目录分类主题便于业务人员理解和使用，兼顾技术视角，指导数据架构及开发的实施落地，同时需关注目录的可维护性和可拓展性。除此之外，还可以考虑多样化用数场景，建设业务框架、基础IT框架、数据管理框架、数据应用框架等多种数据资产目录分类框架。
盘点结果形成的数据资产卡片，是数据资产相关信息的真实表达，包含数据资产生产、流动、加工和使用各环节中可能会使用到的信息。支持数据资产的业务属性、技术属性、运营属性、特色属性查询，同时还可进行灵活定义和拓展，如血缘视图、资源视图、业务视图、数据资产关系视图等。实现资产的链路解析及归因分析，形成全域数据“大百科全书”，最后可结合应用场景，开展可视化设计，构建数据资产视图，支撑数据资产的个性化访问。
5.数据资产盘点的发展态势
数据资产盘点正在朝着以下三个方向发展:一是智能化，随着人工智能技术的发展和普及，数据资产盘点将摆脱手工的人力盘点方式，多采用智能化的工具支持，提高盘点的效率和准确性。二是全面化，除关注企业内部数据资产盘点外，还涵盖更多外部数据资产，以及物联网、数据产品上架、公开数据集等数据生态圈资产。三是精细化，随着企业对数据资产管理的要求越来越高，数据资产盘点将更加精细化，对每一种类型的数据资产都要有不同的管理策略和方法，除了描述资产的内容还对资产的敏感性、分级分类和数据安全策略进行说明等。
左上角“海纳数智研究院”，感谢您的关注！
