2023数据数字化资产管理理大会的主要目标是什么？

来源：蜘蛛抓取(WebSpider) 时间：2024-01-29 02:30 标签： 数字化资产管理
数据是资产的概念已经成为行业共识。然而现实中，对数据资产的管理和应用往往还处于摸索阶段，数据资产管理面临诸多挑战。主要分为以下三点：1、大部分企业和政府部门的数据基础还很薄弱，存在数据标准混乱、数据质量层次不齐、系统间数据孤岛化严重等现象，阻碍了数据的共享应用；2、受限于数据规模参差不齐和数据源种类庞杂，多数企业的数据应用刚刚起步，主要集中在精准营销，舆情感知和风险控制等有限场景，应用深度不够，应用空间亟待开拓；3、由于数据的价值很难评估，企业或组织难以对数据的成本及其对业务的贡献进行评估，从而难以像运营有形资产一样管理数据资产。那如何解决数据资产管理难题，让我们数据资产管理的定义说起。数据资产管理的定义“数据资产”一词于1974年由Peters提及，由信息资源和数据资源的概念逐渐演变而来，并随着数据管理、数据应用和数字经济的发展而普及。中国信通院将其定义为“由企业拥有或者控制的，能够为企业带来未来经济利益的，以一定方式记录的数据资源”。在企业中，并非所有的数据都构成数据资产，可明确作为“资产”的数据资源，表现为以下两种形式：可帮助现有产品实现收益的增长；数据本身可产生价值。数据资产管理的演变过程及未来发展趋势而数据资产管理，就是针对上述“数据资产”进行管理，主要内容包括以下三大方面。数据资产治理：让企业数更加准确、一致、完整、安全，降低IT成本。数据资产应用：使企业数据的使用过程更为人性、快捷、只能，从而提升管理决策水平。数据资产运营：支持企业数据资产的分发、开放、交易等数据嫁接的实现，从而促进数据资产的价值实现。数据资产管理的演变数据管理的概念是伴随上世纪八十年代数据随机存储技术和数据库技术的使用，计算机系统中的数据可以方便地存储和访问而提出的。国际数据管理协会（DAMA）数据管理体系将数据管理划分为 10 个领域，分别是数据治理、数据架构管理、数据开发、数据操作管理、数据安全管理、参考数据和主数据管理、数据仓库和商务智能管理、文档和内容管理、元数据管理和数据质量管理。2015 年，DAMA 在DBMOK2.0 知识领域将其扩展为11 个管理职能，分别是数据架构、数据模型与设计、数据存储与操作、数据安全、数据集成与互操作性、文件和内容、参考数据和主数据、数据仓库和商务智能（BI，Business Intelligence）、元数据、数据质量等。两者的主要区别可以从以下3个方面看：数据管理的视角不同 在数据资产管理的概念下，强调的是紧紧围绕着把数据作为一种资产，基于数据资产的价值、成本、收益开展全生命周期的管理。管理职能有所调整 和 2015 年 DAMA的管理职能相比，数据资产管理延用数据模型、元数据、数据质量、参考数据和主数据、数据安全等内容，整合数据架构、数据存储与操作等内容，将数据标准管理、数据生命周期管理纳入管理职能，还针对当下应用场景、平台建设情况，将传统数据管理职能的具体内容进行了升级，增加了数据资产价值评估、数据资产运营流通两个管理职能。管理要求有所升级 在“数据资源管理转向数据资产管理”的理念影响下，管理制度和组织架构也要有相应的变化，需要有更细致的管理制度和更专业的管理队伍来确保数据资产管理的流程性、严谨性和安全性。如何实践数据资产管理数据作为越来越重要的生产要素，将成为比土地、石油、煤矿等更为核心的生产资源，如何加工利用数据，释放数据价值，实现企业的数字化转型，是各行业和企业面临的重要课题，然而数据的价值发挥面临重重困难。企业的数据资源散落在多个业务系统中，企业主和业务人员无法及时感知到数据的分布与更新情况，也无法进一步开展对数据加工工作。数据标准不统一，数据孤岛普遍存在导致业务系统之间的数据无法共享，资源利用率降低，降低了数据的可得性。标准缺失、数据录入不规范导致数据质量差，垃圾数据增多，数据不可用。数据安全意识不够、安全防护不足导致了数据泄露事件频发，危害了企业经营和用户利益。为了解决解决数据面临的诸多问题，充分释放数据价值。给大家推荐一款非常好用的数据资产管理工具——睿治。睿治平台是目前国内功能最全的数据治理产品，完全覆盖了元数据、数据标准、数据质量、数据集成、主数据、数据资产、数据交换、生命周期、数据安全9大领域。并且采用微服务架构，既可以和企业已建系统高度融合，也可以随着未来信息化发展，而无限延展。也实现了全角色的可视化，包括领导、技术管理、业务管理、都能通过平台清晰的了解数据治理的过程和结果，从而保证数据治理的落地，产生积极的推动作用。数据资产管理的演变过程及未来发展趋势睿治数据治理平台自发布以来，已经依托产品已为金融、法检、税务、大企业等行业的国内外用户提供量身定制的信息系统，并且凭借打造的招商租赁数据治理及数据综合服务平台，斩获了星河奖优秀数据资产管理实践奖。

数字经济的快速发展，推动了许多行业的改革转型和产业结构升级。目前，中国已全力推进高效数据要素市场的建设。借助大数据、云计算、物联网、5G等前沿技术，数据资源的标准化、采集、传输、治理、共享、挖掘都不再是问题。在此背景下，医疗健康行业的数字化转型也不例外。就医疗行业而言，近年来，医院数据资产的种类和数量都在呈爆炸式增长。数据资产对医院运营管理创新和战略价值提升的贡献越来越明显，数据资本化成为趋势。此外，对医院数据资产的监管日益成为政府监管部门了解医院运营情况、进行政策引导的重要抓手。
一、在政府监管层面。
相关统计显示，80%可利用、可开发的数据资产掌握在政府手中，这激发了政府数据资产的价值，有望释放超过1亿的产值，从而成为数字经济的核心增长点。同时，政府数据资产具有资源循环利用、价值永续的特点，是各级政府追求创新和新旧动能转换的不竭源泉。在医疗卫生领域，政府部门通过整合共享政府信息，整合健康档案、诊疗数据、疾病谱等信息资源，在清查统计数据资产的基础上，打破“信息壁垒”和“数据孤岛”。为医疗健康大数据产业发展和医院数字化转型升级提供有力支撑。不仅如此，通过加强各级政府部门之间、政府与医院之间的数据资产互联互通，逐步推进医疗卫生行业信息化建设“统一标准、统一管理、互联互通”的目标。医院数据资产管理对政府部门利用大数据技术加强监管能力、提高监管效率具有重要作用。
二、在医院层面。
医院级数据资产管理是我们讨论的重点。我们把数据资产对医院的作用分为两种：内部赋能和外部交易。目前，医疗行业中可以开发和使用的数据资产类型多样，数据交易数量越来越多，数据资产在医院内外的作用越来越大，这极大地体现了数据资产在数字经济中的价值。
内部赋权
在内部赋能方面，医院通过整合共享大健康管理产业链上下游产品、物流配送、疾病谱等数据资源，为链上的制药机械制造商、经销商、零售药店形成了丰富的数据资产，从而使全产业链相关组织获得更强的决策依据。例如，通过与“企业微信”的深度合作，医院管理者可以收集相关管理数据提供业务大数据智能服务，将数据资产转化为有价值的知识，进而优化就医流程、推动改善患者体验的措施、明确学科建设方向等等，帮助医院提升管理效率。比如，可以充分发挥数据质量对医院决策和管理的支撑作用，发展医疗联盟，在病案质量、数据管理、人才培养、学科建设等方面开展紧密合作，不断提升联盟各成员单位的病案管理水平，实现联盟内部人才、技术、管理、信息、科研的有效共享、协同发展和互学互鉴。
1.数据资产的分类：建立的数据资产管理平台不仅支持数据库、文件等各种结构化和非结构化物理资源的定义、盘点和规划，还封装了包括业务知识分析模型、报表应用、主题文件集合等逻辑资源
2.数据服务开发：基础数据分类已经做好，数据开发能力和应用是关键。我们认为要管理的数据资源可以快速开发数据查询、下载、共享交换、API、敏捷分析等各种数据服务类型，还可以提供分析医疗产品授权使用、基于分析模型的报表开发、验证接口调用、主题文件批量下载等高附加值服务。
3.数据资产运营：医院的数字化转型伴随着大量多样的数据服务需求。通过数据资产目录、数据服务开发和数据服务门户，将数据高效、恰当地提供给不同角色、不同技术水平的数据需求者，使数据快速适应前台业务需求，产生应有的价值。
4.数据安全管理：数据安全管理必须是数据资产管理最重要的功能活动，包括加解密、分类分级、权限管理、数据备份、监督报警等数据保护需求。医院管理者必须明白，数据安全管理无小事，其价值越来越不可估量，必须重视和夯实数据安全管理的基础工作。
(2)对外贸易
鉴于医疗行业的特殊性，其数据资产有严格的保密、监管和安全要求，数据资产的交易活动必须慎重考虑。当然，经政府主管部门批准，医院以战略合作、学科共建、资源互补共享等方式开展数据资产对外交易也是必不可少的。不同地区、不同类型、不同档次的医院积累的数据资源，可能不仅对自身运营有价值，对其他医疗行业、健康产业相关的机构也有巨大的潜力。因此，医院不仅可以为医院带来经济效益，还可以充分挖掘数据资产的价值，推动数据资产最大程度地助力医疗健康行业的整体发展。
总之，目前我国的数据交易环境已经在探索中逐步形成并不断完善。医院作为健康中国2030发展链条中的重要一环，做好自身的数据资产管理，不仅是为了精细化运营管理，满足自身的数据需求，也是为未来参与数据交易获取经济价值打下坚实基础。

我要回帖

更多关于 数字化资产管理 的文章

 

随机推荐