本期嘉宾
武威
数据治理及数据资产管理领域专家
-
毕业于北京邮电大学，管理科学与工程硕士
-
曾职于赛迪顾问、Frost & Sullivan、石竹软件
-
拥有10年数据治理落地实践经验，18年相关规划与业务咨询经验
-
深度了解银行、保险、证券、房地产、运营商等行业数据治理和数据资产管理
数字经济时代，数据已成为主要生产要素，数据将在资本之后成为金融业又一核心资产，加强数据资产管理是金融业实现数字化转型的重要支撑。通过本视频，您将了解常见数据资产类型、盘点方式和难点及数据资产应用场景。
1、常见数据资产类型及盘点方式
类型1：元数据
盘点方式：基于系统元数据或数据字典，按照模板补充缺失属性。
类型2：指标
盘点方式：基于指标需求文档和开发文档，按照模板补充缺失属性。
类型3：质量规则
盘点方式：已有规则可以参考需求文档并从系统中导出对应SQL；新需求直接填写模板。
类型4：数据服务
盘点方式：基于数据服务说明文档及其他材料，按照模板补充缺失属性。
类型5：基础标准及公共代码
盘点方式：基于已有标准文档，按照模板补充缺失属性。
类型6：指标标准及维度标准
盘点方式：基于已有标准文档，按照模板补充缺失属性。
类型7：逻辑模型
盘点方式：参照已有架构文档或者DWD层主题域设计建立逻辑模型架构，并按照模板填写完整。
2、数据资产盘点难点
难点1：盘点过程中模板的频繁修改变更
对策：事前建立全局性资产分类及编码。对企业进行数据资产盘点首先要明确有哪些资产、如何分类以及各个分类之间的关系，如果前期没有充分准备就开始盘点的话，会导致盘点过程中模板的频繁修改变更，建立全局视角的资产分类及编码是决定后续能否顺利进行盘点的关键。
难点2：资产盘点项目结束后如何更新维护
对策：在系统中实现自动的更新与维护。比如元数据能及时体现出BI工具或数据仓库里表变更，在建模的过程中引用标准，通过镜像工程引入到数据仓库中，通过元数据的获取过程中同时获取与标准和模型的关系，从而在元数据中自动建立了关系。
3、数据资产应用场景
场景1：数据资产目录管理
如下图所示，从交易系统、数据仓库或系统间传输工具中，端到端的把数据地图呈现出来，并与标准模块进行连接和处理，最终呈现出资产目录。
场景2：基础标准梳理及落地
如同所示，对存量系统进行自动的对标和检核；对新增系统基于实际库表建模，并在建模中数据标准自动推荐。
