中国学术期刊网

首页 > 经济与管理科学 > >供电企业数据资产管理研究
经济与管理科学

供电企业数据资产管理研究

时间:2018-10-22 19:51作者:admin打印字号:

【摘要】:在系统分析数据资产概念和供电企业数据管理现状的基础上,本文提出了企业运营数据资产管理模式和实现方法,建立数据资产管理机制和保障机制,设计数据资产价值评估模型,指导企业快速实现数据资产管理,实现企业数据的全面掌握、全程可控与高效应用,挖掘潜在价值,指导业务流程优化,提升企业运营效率。
【关键词】:企业管理; 数据资产;管理模式;价值评估;数据分析
Abstract:Based on the analysis of data assets concept and the present situation of power supply enterprise data management, this article proposes the enterprise data assets management mode and the implementation method, establishs the management mechanism and the safeguard mechanism, designs the evaluation model of  data asset, in order to guide enterprises to realize fast data asset management and achieve comprehensive grasp , full control and Efficient application  of enterprise data, to tap the potential value and help business process optimization  and  enhance the efficiency of business operations.
Keywords:Enterprise management, data assets, management mode, value evaluation, data analysis
中图分类号:TM44              文献标识码:B               文章编号:
 

0引言

现今社会已经进入“大数据”时代,企业管理将从“业务驱动”转向“数据驱动”,通过掌控数据,深入洞察市场和管理现状,做出快速而精准的应对策略,带来巨大的投资回报,大数据将成为推动企业信息化的重要趋势。
通过数据资产的全过程管理,发挥数据资产的整合效应,挖掘数据资产巨大的潜在价值,利于促进业务管理深化,改善跨专业数据质量,打破信息壁垒,促进专业数据贯通,实现资源共享和数据资产价值最大化。

1数据资产概念

数据资产是指企业在运营活动中形成的,涉及生产、运营、服务等各方面,由企业拥有和控制,能够给企业带来价值的数据,主要包括数据的产生、获取、处理、存储、传输、应用和价值评估等内容[1]。
数据资产管理的核心是将数据作为与实物资产一样的能为企业不断创造价值的核心资产,构建完善、统一的管理模式对其进行全生命周期管理,发挥其价值。
数据资产具有以下特征[3]:
第一,数据资产是一类可供不同用户使用的资源。数据资产首先是一种资源,可以通过应用来创造价值,且应用范围广泛。
第二,数据资产价值大于其生产维护成本。数据的产生、维护、管理等需要成本,只有创造的价值大于其成本的数据才可以归为数据资产。
第三,数据资产是有生命周期的。当数据资产价值已经无法抵消其维护成本后,就应将其“退役”。

2供电企业数据管理现状

随着信息化建设与应用的不断深化,供电企业信息化水平持续提升,用电信息采集系统、生产PMS系统、ERP系统等系统被广泛部署,极大提高了企业对各类数据的采集和分析能力,各业务系统也积累了大量的电网运行、电网设备、客户服务和企业内部运营数据。同时,企业建成了数据管理中心,开展了大量关键技术研究,初步实现了数据的集中存储,在大数据应用方面已经具备了一定的基础。但与先进的信息化行业相比,还有较大的差距,突出体现在以下方面。
第一,数据质量有待提升。数据的准确性和更新频度与先进行业相比差距明显,各专业系统数据质量参差不齐,数据准确性、完整性以及不同专业数据的时空一致性等均存在问题,导致不同专业数据无法进行有效的融合。
第二,专业化管理模式在一定程度上限值了数据的应用,系统孤岛短期内存在,数据缺乏整合。不同业务条线的数据采集逻辑、统计口径的独立性,导致不同来源数据间缺乏关联,尚未形成统一的企业数据视图,数据应用往往局限在某一专业,无法实现跨专业、跨领域的综合分析,限值了数据价值的发挥。
第三,企业相对缺乏原生的数据基因。作为一个传统产业,经过长期发展已形成一套成熟的管理模式,与以信息化技术发展起来的企业相比,不具有天然的数据基因。
第四,企业开展数据应用的驱动力不够强烈。由于电力行业的特殊性,使其与以利润为主的纯商业企业相比,对开展大规模数据应用动力不足。

3数据资产管理模式的建立

3.1数据资产管理范围界定

以电网运营拓扑图、公用数据模型标准为基础,基于业务、管理和对象的3大分类梳理出多级主题域,制定运营数据资产多维分类与管理方案,形成完整的运营数据资产分类框架与目录。

3.2数据字典管理

开展信息系统梳理与数据字典收集工作,梳理统计在运信息系统,确定各业务系统间数据关联关系,形成业务数据视图,制定数据字典监督管理办法,建立数据字典收集、变更流程与全生命周期管理办法。

3.3数据资产台账与溯源

首先,选取关键数据资产开展属性定义及填充工作,设计数据资产台账创建标准化流程;其次,验证数据资产溯源节点定义的完整性及合理性,形成数据资产溯源图;第三,构建不同类别的数据资产台账模板,探索运营数据资产溯源原理,提出业务溯源与技术溯源的概念;第四,开展溯源节点定义工作,从输入节点、处理节点、存储节点3个角度开展溯源节点规范化定义描述工作;最后,开展台账模板填充、溯源图定制与管理实证工作,探索运营数据资产管理机制、数据资产溯源管理办法。

3.4数据资产评估

建立数据资产化完成率、可信度评价与价值评估模型。
(1)完成率评估
数据资产完成率是数据资产完备程度的量化表示,取决于基础台账是否完善、是否具备溯源图、溯源节点是否完整等多种因素。
假定完成率以P表示,Pc表示基础台账完成率,Pp表示资产溯源图完成率,则数据资产完成率P=50%*Pc+50%*Pp。采用层次分析法计算基础台账完成率Pc,将数据资产的属性分为A类和B类,其中A类为重要、B类为一般,假设A类属性完成率为Pca,B类属性完成率为Pcb,则Pc=60%*Pca+40%*Pcb
其中Pia表示A类属性的填充情况,Pib表示B类属性的填充情况,wi是通过权重比较矩阵计算出来的每一B类属性在完成率评估中所占的权重。资产溯源图完成率Pp=,Pin表示各节点的资产化完成率,根据节点类型计算方法有所不同:对于输入类节点,重点考察是否有相应管理制度、培训考核、抽查稽核制度;对于标准化处理节点,重点考察业务逻辑完整度和程序版本控制完备度;对于标准化存储节点,重点考察数据关联、数据防篡改、数据完整以及其他校验规则满足程度。
(2) 可信度评估
数据资产可信度取决于数据采集方式、数据资源质量保证、数据资产化完成率等诸多因素,其评估属典型的多目标决策问题,提出以层次分析模型为基础建立数据资产可信度评估模型。
a.汇总数据资产所有数据录入/采集点的可信度,计算平均值作为该数据资产的来源可信度,假设输入点总数为n个,输入点以i(i=0…n)编号,各输入点的可信度为,则该数据资产来源可信度为。
b.从技术、业务、管理三个方面评估数据资源质量保证,假设影响因素共有m条,分别以i(i=0…m)编号,各因素评估得分为,通过层次分析模型得到的各评估项目应占比重为,则该数据资产在完成率部分的可信度得分为的总和。
c.假设运营数据资产完成率得分为,则该数据资产在完成率部分的可信度得分为a。
d.设数据采集方式、数据资源质量保证、运营数据资产完成率所占比重分别为:则数据资产的可信度为。
 (3)价值评估
与一般无形资产不同,数据资产价值评估中的不确定性因素较多,提出从数据资产的成本构成出发,结合应用过程与应用效果评估数据资产价值。
a.数据资产成本计算
数据资产成本主要由建设费用和运维成本两部分构成,假设数据资产成本为,数据资产建设费用为,信息系统建设费用为,x为被评估数据资产在信息系统所有数据资产中的数据量级比,考虑信息系统运维费用为,包括业务操作费和技术运维费,业务人员和技术人员单价分别为,运维耗费人天数分别为:,数据资产成本。
b.应用过程与应用效果评估[2]
从数据资产分类、使用次数、使用对象和使用效果四个指标来量化数据资产的应用情况,运用层次分析法和比较判别矩阵分别确定以上各指标在数据资产应用价值方面的权重,计算得到应用评估系数:

c.综合数据资产成本与应用评估得到数据资产价值

3.5数据资产监测

为有效开展数据资产管理,必须建立数据资产监测体系,制定数据资产的监测方式和监测规则。首先,收集、梳理数据资产监测需求,提出运营数据资产监测方向;其次,整理数据资产监测规则、监测对象、监测技术,梳理数据资产监测工具需求;第三,设计运营数据资产监测报告模板,开展数据资产监测工具的原型开发工作;最后,接入实际数据资产,开展数据验证和试运行,根据验证结果,完善数据资产核查规则。

4数据资产管理机制的建立

(1)数据资产集中管控。规范数据资产的使用,防止数据资产的流失,建立数据资产集中管控机制,包括建立数据资产台账、数据资产监测、整改、加工、变更、使用、停用、报废等。
(2)数据资产分析服务。监督数据/指标和数据资产形成过程、数据资产使用反馈情况等,发现问题,分析问题和原因,提出相关的整改措施,不断提高数据资产管理水平。主要从溯源模型分析、数据形成异常监督、数据异常分析、数据钻取分析等方面作出规定。
(3)数据资产增值管理。制定数据资产增值管理机制,包括各种促使数据资产增值的方法,从提升数据可信度、提高数据使用度、利用数据资产形成全过程模型进行关键监控点监督、在线计算服务、各类增值模型的应用等方面作出规定。
(4)数据资产运维管理。主要从数据资产的日常运维管理、费用管理和业务数据运维监督管理等方面作出规定。

5数据资产保障体系的建立

(1)组织保障。建立数据资产管理机构,配置数据资产管理人员,明确管理职责。
(2)制度保障。建立数据资产化过程必要的配套规范制度,从溯源配合规范、源数据采集、录入规范、新系统建设规范、应用系统变更审核和考核评价制度等方面进行规定,明确各相关单位及部门的管理职责,以及在运营数据资产管理形成、运维以及应用等过程中的管理内容和机制[4]。
(3)技术保障。结合计算机应用技术、通讯技术、现场信息采集等技术手段,从溯源配合技术、数据录入/自动采集技术、程序防篡改技术、数据防篡改技术等方面建立数据资产全过程顺利完成的技术保障机制[5]。
(4)人员保障。对所有参与数据资产化过程的人员分配角色,建立《角色设置表》,规定各角色的职责和任职(技能)要求。
(5)资金保障。建立数据资产溯源过程、台账建立、日常监测、使用和费用管理。

6结论

通过数据资产管理研究,对企业数据资源产生、获取、处理、存储、传输和应用进行全过程可控,指导企业有效运营和优化业务流程,减少和消除企业运营活动中的风险,改善企业运营数据质量,提升企业运营数据资产管理能力,打破信息壁垒,实现资源共享,促进业务系统数据的贯通,全面提升跨业务协同效率和管理水平,实现数据资产价值最大化,为企业带来巨大的管理和经济效益。
参考文献
  1. 林荣华.全业务运营下企业数据资产的管理[J].电力技术,2009(04).
  2. 刘春红,敬卿. 数据仓库的建设与数据挖掘技术浅析[J].高校图书馆工作,2010.
  3. 孟小峰等.大数据管理概念、技术与挑战[M].计算机研究与发展,2013,50(1):140-159.
  4. 马丁·克鲁贝克.量化:大数据时代的企业管理[M].2013,56-62
  5. Vasant Dha and Roger Stein. Seven Methods for Transforming Corporate Data into Business Intelligence. Prentice Hall,1997:13-16.
                   

上一篇:分析经济危机理论的概念及其对我国经济运行干预的启迪
下一篇:电子商务在国际经济贸易中的应用方法及可行性