图灵汇官网

硅谷的战略领袖杰弗里·莫尔在他的著作《生活在错误路线上》中提到，信息已经成为新的财富之王。在当今世界，信息的价值远超其本身。掌握更多信息能够提升分析能力，加速决策过程，从而提高投资回报。

然而，海量的大数据却让许多企业感到困惑。尽管很多企业拥有丰富的数据资源，但未能有效利用这些数据转化为实际价值。数据资源仅仅是一种客观存在，而真正有价值的则是数据资产，即那些能够为企业带来业务价值和经济效益的数据。大数据的核心在于其价值，而不是其规模。对于企业而言，没有实用价值的数据不仅毫无价值，反而会变成负担。

传统的企业数据管理主要关注数据的有效性、可访问性、高质量、一致性和安全性，但这些目标往往忽略了数据如何转化为业务价值。这种管理模式更像是外部性的管理，依赖于严格的执行和监管才能取得成效，但常常事倍功半。

随着大数据时代的到来，企业需要改变传统的数据管理方式。大数据管理不仅要涵盖企业内部数据，还要考虑外部数据源的质量管理。此外，从结构化数据扩展到非结构化数据，大数据管理也应成为企业数据资产经营的重要支撑。

企业需要重新定义数据管理的目标，不仅仅是保证数据的质量和安全性，更要将数据转化为实际的业务价值。为了实现这一目标，企业应该采用一种全新的视角，即把数据视为资产进行经营。企业数据资产管理是企业通过各种管理和技术手段，确保数据资产的安全、完整、合理配置和有效利用，并通过数据资产的应用来推动企业业务的发展，最终提高企业的竞争力和经济效益。

在大数据产业化发展的背景下，尽管“大数据是资产和核心竞争力”的观念已被广泛接受，但对于大多数从传统行业转型而来的中国企业而言，如何管理和利用大数据资产仍然是一个亟待解决的问题。靖笙提出“企业大数据资产管理”的概念，强调从资产经营和管理的角度来处理大数据资源。他认为，企业数据资产管理是通过各种管理和技术手段，保障数据资产的安全、完整、合理配置和有效利用，并通过数据资产的应用来推动企业业务的发展，从而提高企业的竞争力和经济效益。

为了实现这一目标，靖笙提出了一套企业大数据资产管理框架方法论，帮助企业建立集约化、专业化的数据资产管理组织，持续优化和管理数据资产，以实现数据资产的最大化价值。该方法论包括以下四个步骤：

1. 分析企业经营大数据资产的商业模式。
2. 从商业模式的角度分析企业大数据资产经营价值链。
3. 建立企业大数据资产经营的业务组件化模型，形成可视化的顶层蓝图设计。
4. 根据企业实际情况细化和落实顶层蓝图的各项部署，包括推动相关技术平台建设、配套组织和流程的构建、提升数据资产经营机制和能力、指导具体的数据资产经营和运营工作。

从企业经营大数据资产的角度出发，首先要分析数据从源头采集到运营实现价值输出的过程，包括数据源接口、数据资产化存储、数据价值化开发和数据服务化运营四个环节。此外，还需加强数据治理、数据资产经营管理以及数据战略规划等支持性活动。

通过IBM的业务组件化模型（CBM），可以进一步细化业务能力要求，将其分解为具体的业务活动和职能定义、流程安排、系统支撑和考核机制。CBM可以帮助企业对业务能力的需求进行组件化定义和划分，达成对业务部署的共识，作为后续系统建设需求分析和组织流程设计的起点。

靖笙结合自身经验和团队的咨询经验，归纳出一个企业数据资产业务组件参考模型（EDA-CBM）。该模型为企业大数据资产管理提供了一个共性框架，企业可以根据自身特点进行定制化设计，形成适合自身需求的大数据资产管理业务顶层设计。

企业大数据资产管理是一个长期而复杂的系统工程，需要结合自身特点和发展需求进行自主探索。通过数据化手段对现有资源进行重新整合，实现价值的创造和利润的共享，将是企业未来的方向。

总之，大数据不仅是财富的新标准，也是企业未来发展的关键。通过正确的数据管理和经营，企业能够实现业务创新和增值。希望本文的内容能为大家提供一些有价值的启示。