数字化转型数据资产管理现状和挑战

[[391200]]

在过去，国内大部分领先企业都陆续建设了ERP系统、人力资源系统、供应链管理系统、物流系统、电子商务系统、集成门户、协同办公、决策支持系统等各类信息化系统，这些系统在支撑企业经营活动的同时，也带来了数据量的高速膨胀。随着数据积累逐渐增多，大部分企业在数据管理方面也遇到了诸多挑战。

缺乏统一的数据视图：

数据资源分布在企业的多个业务系统中，分布在线上线下，甚至分布在企业外部。由于缺乏统一的数据视图，数据的管理人员和使用人员无法准确快速地找到自己需要的数据。数据的管理人员也无法从宏观层面掌握自己拥有哪些数据资产，拥有多少数据资产。这些数据资产分布在哪里，以及变化情况怎样等。

数据基础薄弱：

大部分企业的数据基础还很薄弱，存在数据标准混乱、数据质量参差不齐、各业务系统之间数据孤岛化严重、没有进行数据资产的萃取等现象，阻碍了数据的有效应用。

数据应用不足：

受限于数据基础薄弱和应用能力不足，多数企业的数据应用刚刚起步，主要在精准营销、舆情感知和风险控制等优先场景中进行一些探索，数据应用的深度不够，应用空间亟待开拓。

数据价值难估：

企业难以对数据对业务的贡献进行评估，从而难以像运营有形资产一样运营数据。产生这个问题的原因有两个，意思没有建立起合理的数据价值评估模型，二是数据价值与企业的商业模式密不可分，在不同应用场景下，同一数据资产的价值可能截然不同。

缺乏安全的数据环境：

数据的价值越来越得到全社会的广泛认可，但随之而来的是针对数据的犯罪活动日渐猖獗，数据泄露、个人隐私收到侵害等现象层出不穷。很多数据犯罪是由安全管理制度不完善、缺乏相应的数据安全管控措施所导致的。

这些问题已经严重影响到数据价值的发挥，导致企业的数据越积越多，逐渐成为企业的负担，大数据管理部门也成为企业的成本中心，而不是创新中心和利润部门。