数据资产入表在即,企业如何把握机遇,进行数据资产管理?
数据作为新时代重要的生产要素之一,数据资产化的相关工作正在提速。自今年10月1日起,中国资产评估协会制定的《数据资产评估指导意见》正式施行。同时,《企业数据资源相关会计处理暂行规定》近期转为正式稿,也将于明年1月1日起施行。
《暂行规定》规定:企业使用的数据资源,符合《企业会计准则第6号——无形资产》(财会〔2006〕3号)规定的定义和确认条件的,应当确认为无形资产;企业日常活动中持有、最终目的用于出售的数据资源,符合《企业会计准则第1号——存货》(财会〔2006〕3号)规定的定义和确认条件的,应当确认为存货;企业出售未确认为资产的数据资源,应当按照收入准则等规定确认相关收入。
什么是数据资产入表?
在对数据资产进行价值评估和入表处理之前,我们首先需要明确什么是数据资产。数据资产是指企业或组织所拥有的各种数据资源,包括但不限于客户信息、销售数据、财务数据、生产数据等。
数据资产入表是指将数据资产纳入到企业或组织的资产管理体系中,并进行有效管理和利用的过程。《暂行规定》首次从政策角度将数据资产明确确认入表,使得原先只能费用化处理的数据资源开发成本在满足一定条件后得以确认为资产。
数据资产入表的目的是确保企业或组织对数据资产的价值认知、管理和保护。数据资产入表会考验企业的数据治理水平,同时帮助数据驱动型企业吸引外部融资、优化财务结构、提升公司价值。通过将数据资产入表,企业可以更好地管理数据资产的获取、存储、处理、共享和使用,提高数据的可靠性、准确性和安全性。
数据资产入表怎么做?
如果企业期望实现数据资产的会计入表,需要提前规划和相应开展入表前的准备工作,例如,完善数据血缘管理、加强数据归集和治理能力、做好数据治理质量评估、对已产品化的数据资源进行分级分类并通过经济性评价和价值评估等。
简而言之,数据资产入表,离不开前期扎实的数据治理准备,那么究竟应然如何实现数据资产的规范化管理?
通过袋鼠云「数据资产管理平台」,企业可以制定元数据模型、数据标准等规范,采集并维护完整的元数据信息,打通数据关系网络,实现数据的标准化和资产化管理。通过规则配置监控数据质量、持续进行数据治理,搭建企业级元数据中心,盘点企业数据资产,为数据价值挖掘提供 “全、统、通” 的元数据基础,实现资产入表的规范化管理。
第一步:进行元数据的采集与管理
首先,在数据资产确认环节,通过元数据采集、元模型定义、元数据维护、元数据查询等功能,明确数据资产的身份与边界。
● 元数据采集
通过企业内调研,梳理企业需要统一做元数据管理的业务数据、湖仓数据或者应用数据,收集到各类数据的数据源连接信息,向各数据负责人申请只读元数据权限,进行元数据的采集。
● 元模型定义
线下和各数据源负责人沟通元数据缺失情况,探讨元数据模型设计规范,列举出每类数据源需要维护的元数据项并录入平台。
● 元数据维护
为每一份元数据分配负责人,保证元数据维护的工作能够落实责任到人。
负责人需要根据安排完整地维护缺失的元数据信息,且所有参与维护人员均可给该数据资产打上自定义标签,方便快速按照标签分类查询数据资产信息。管理者可定期统计元数据完整性,追踪元数据维护进展,可根据多种维度如数据源、责任人定期进行统计,及时发现问题,督促责任人完善元数据信息。
● 元数据查询
为所有元数据查询用户提供一个统一、完整、便捷的元数据查询门户,支持多种搜索模式、过滤条件,快速定位元数据,可同时根据查询结果,不断发现元数据缺失情况,反哺推进元数据的维护工作。
第二步:构建数据标准及数据模型
数据治理的重要一步就是要梳理清楚企业拥有哪些数据,并整合数据,为此必须要建立一套数据标准和数据模型,实现数据的标准化。
● 数据标准
规范数据资产的字段级标准信息。通过词根管理及标准管理,定义数据表中字段的标准信息,例如字段名称、字段中文名、字段类型、字段长度等信息。
● 数据模型
规范数据资产的数据表设计逻辑。通过规范设计,定义数据表的层级结构及主题信息,根据模型元素自动拼接表名,根据数据标准自动带入字段信息,实现数据表的规范化设计。
第三步:数据质量校验
从业务场景出发,解决实际的业务数据问题,规范资产数据。
针对需要进行数据质量校验的数据表进行规则配置,平台内置标准的完整性、准确性、规范性、唯一性等规则模版,可实现免代码配置单表校验规则、多表比对规则,对于复杂场景同样支持自定义 SQL 进行规则配置,配置规则后进行任务执行,生成质量报告。
第四步:数据持续治理
搭建数据治理工作台,从存储、计算、规范、质量、价值多个维度进行数据资产治理。
可从个人视角、项目视角、全景视角展示数据治理情况,实现发起治理任务->记录待处理的问题->指派处理人->问题处理->自动复验整条链路的数据治理问题处理流程闭环。通过对数据资产的持续治理,推动企业完善数据规范、优化数据质量、节约资源、降本增效。
第五步:数据安全管控
数据规范化的管理离不开数据安全管控,袋鼠云「数据资产管理平台」支持对数据进行脱敏规则管理、数据权限管理及数据分级分类。
对于一些敏感数据,例如手机号、身份证号等私密信息,可自定义配置脱敏规则进行脱敏展示;平台支持进行数据源、数据库、数据表及行列级别的权限配置,支持权限申请、权限授予、权限回收操作,实现数据权限的细粒度管控。
数据资产入表的意义
数据资产入表政策落地节奏超预期,标志着国家把数据作为生产要素的坚定决心。数据资产入表可以提高企业的数据管理效率,通过数据资产入库,便于企业对数据进行分类、存储、检索,实现数据的统一汇聚,而不是分散在各个系统、各个文件中的数据信息。
同时,资产入表也大大提升了数据安全性,通过对数据进行加密和权限控制,确保只有授权人员才可访问、修改数据;通过对数据的规范化管理及持续性治理,能够帮助企业优化存储资源、避免资源浪费。
因此,企业应高度注重资产入表工作,加强数据管理能力,充分利用数据资产推动企业的可持续发展。
《数栈产品白皮书》下载地址:https://www.dtstack.com/resources/1004?src=szsm
《数据治理行业实践白皮书》下载地址:https://www.dtstack.com/resources/1001?src=szsm
想了解或咨询更多有关大数据产品、行业解决方案、客户案例的朋友,浏览袋鼠云官网:https://www.dtstack.com/?src=szkyzg
低调大师中文资讯倾力打造互联网数据资讯、行业资源、电子商务、移动互联网、网络营销平台。
持续更新报道IT业界、互联网、市场资讯、驱动更新,是最及时权威的产业资讯及硬件资讯报道平台。
转载内容版权归作者及来源网站所有,本站原创内容转载请注明来源。
- 上一篇
PieCloudDB Database 自研全新向量化执行器,带来性能的数量级提升
数据分析和应用的重要性日益增长,对于数据平台和数据计算系统来说,极致的性能是关键需求之一。为实现更高效的数据并行计算,一款优秀的执行器需要能够充分利用硬件资源,如 CPU 的并行计算能力和 SIMD 指令集。此外,优化数据的存储和读取方式、合理的任务调度和资源管理,以及持续优化和改进都是确保性能的关键因素。 PieCloudDB 为了助力企业建立以数据资产为核心的竞争壁垒,为客户提供卓越性能和高效的数据处理能力,颠覆原有执行器设计,自研了高效的全新向量化执行器。向量化计算技术的引入使得 PieCloudDB Database 能够充分利用现代处理器的并行计算能力,实现数据的快速并行处理。 1 什么是向量化计算? 向量化计算是一种计算机处理器或计算引擎的设计方法,利用 SIMD 指令集来操作向量数据。它可以在单个指令的控制下对一组数据进行并行计算,提高计算效率和性能。 1.1 CPU 体系结构 现代 CPU 中所支持的专用SIMD寄存器和硬件单元为向量化操作提供了强大的支持,让使用 SIMD 指令集进行并行计算更加高效,并且能够充分利用 CPU 的计算能力。接下来,我们来详细介绍一下 C...
- 下一篇
细说SQL与ETL之间的小秘密
本文分享自华为云社区《GaussDB数据库SQL系列-SQL与ETL浅谈》,作者:Gauss松鼠会小助手2。 一、前言 在SQL语言中,ETL(抽取、转换和加载)是一种用于将数据从源系统抽取到目标系统的过程。ETL过程通常包括三个阶段:抽取(Extract)、转换(Transform)和加载(Load)。但这些其实都脱离不了数据库系统,本节主要从GaussDB数据库生态出发,给大家简单讲一下SQL 与 ETL的过程与关系。 二、SQL与ETL的概述 SQL(结构化查询语言) SQL是一种用于管理关系数据库系统的标准编程语言(例如、MySql、GaussDB等)。它用于查询、插入、更新和删除数据库中的数据。SQL语言主要用于数据库管理系统的交互,它并不是一种通用的编程语言,而是专门设计用于操作关系数据库的。 ETL(Extract-Transform-Load) ETL是一个过程,用于从源系统提取数据,将其转换为目标系统所需的格式,然后将其加载到目标系统库。ETL是数据集成的一部分,用于将分散的、不一致的数据整合到一起,然后通过统一的接口将数据传输到目标系统库进行分析和应用。 ETL是数...
相关文章
文章评论
共有0条评论来说两句吧...