数据运营推动入表的六大主要活动体现上

数据运营以充分释放数据价值、探索数据资产入表为目标，通过构建良性闭环的运营体系，丰富数据应用场景，充分赋能业务发展，优化数据产品体系，构建数据生态。

企业数据运营能力是数据管理的下一阶段，我国企业数据管理能力发展稳中有进，为进一步开展数据运营奠定了工作基础。自2019年起，各行业主管机构陆续发布数据管理相关政策，指导企业构建数据管理能力。

数据运营是企业释放数据价值、进入数据要素市场的能力基础。数据运营以充分释放数据价值、探索数据资产入表为目标，通过构建良性闭环的运营体系，丰富数据应用场景，充分赋能业务发展，优化数据产品体系，构建数据生态，科学评估数据价值，准确核算全部投入，有效进行成本管控，进一步推动数据要素流通和数据资产入表。具体来说，包括数据目录管理、数据应用场景构建、数据服务推广、数据动态优化、数据成本管理、数据价值评估等环节，旨在扩大数据的应用范围、量化并提升数据管理的投入产出比，以不断适应和满足内外部利益相关方各类数据需求。

图 1 数据运营架构

最大效率释放数据价值是数据运营活动的关键内核。企业开展数据运营的关键目标是充分利用并加速释放过去积累的海量数据资源，以及在数据管理建设过程中所积蓄的价值，持续的将数据转化为有保障的数据、有价值的资产，真正为组织创造持续的商业价值。企业通过构建数据管理能力，实现了理清数据分布、提升数据质量、确保数据安全、数据共享交换、数据分析挖掘等，为进一步深化数据应用、赋能业务发展奠定了基础。未来，伴随着数据要素市场逐渐成熟，企业作为市场主要参与主体，更聚焦于将数据转化为对外交易流通的产品，针对高价值数据开展精细化的管理，并逐步在数据生态中形成自身的数据优势。

一、数据目录管理

数据目录是指为满足企业内数据安全、数据标准等内部管理诉求，以体系化、结构化的方式展现企业内部海量数据资源的各项属性信息。而数据目录管理则是对于数据目录这一工具，开展全生命周期的管理与维护措施，包括数据目录的规划、编制、发布、运维等管理活动。

数据资源目录作为数据管理阶段的产物，为数据目录的构建奠定了基础。多数企业在前期数据管理工作中通过盘点数据资源、理清数据资源分布，建立了数据资源目录，方便企业管理层掌握数据资源全貌，也是数据管理人员工作的抓手。数据资源目录多从技术视角出发，根据企业业务架构或者数据架构，从数据主题域视角对企业内部数据资源进行梳理与整合，帮助包括数据管理人员、数据开发人员、数据分析人员等角色高效定位所需数据，统筹开展数据管理。

数据运营阶段，数据目录从数据使用者视角出发，优化数据资源目录架构，完善数据信息。数据目录的搭建工作需要企业分别从“横”、“纵”的视角关注数据目录的合理性与科学性。

数据目录的“横向”管理主要是指数据的属性信息，一般分为业务属性、技术属性和管理属性信息，在继承数据资源目录的描述信息以外，数据目录通常在“管理属性”方面有所丰富。例如，随着近年来数据流通交易涉及的个人信息保护、数据安全合规等要求的重要程度持续提升，逐渐增设数据安全等级、数据合规性等内容作为了扩展属性；在精细化数据应用的需求下，数据需求描述、服务场景、效益评价等也逐步纳入描述范畴。
数据目录的“纵向”管理主要是指以数据应用场景的维度构建目录体系，以充分贴合前台业务人员的数据使用习惯、业务使用场景，帮助各类数据使用人员找数、知数、用数。与此同时，数据目录管理工作在保证数据信息准确、权限合规等管理要求的同时，还应保证目录底层数据的统一性与一致性，避免出现 “多套”数据目录进而增加管理难度与成本。

中国电信集团通过打造全集团一体化数据资产目录（包含集团总部、31省、专业公司），推进各域数据资源的有效归集、规范管理，实现从数据源到数据应用的全链路贯通，健全数据全生命周期管理。在数据资源目录的基础上，以内部数转、外部产数需求为导向，构建以数据运营为目标的目录架构，协同业务人员梳理业务流程、提炼核心业务对象，以客户、产品、终端、渠道、基站、网络资源等业务对象。该目录作为数据运营的抓手，逐步开展数据价值评估、数据服务推广等工作，推动数据要素向生产要素的转化。

浙江移动依托企业级数据治理工作，创新常态化数据资产盘点法，通过现状调研、模板制定、系统梳理、审核确认、服务发布5大步骤，明确数据目录业务域、业务子域、业务系统、数据实体、字段5级管理架构，制定业务元数据、技术元数据、管理元数据三类、共40个属性，打造了一本盘得全、看得清、读得懂的高质量企业级数据资产目录，实现了公司数据资产的全面盘点、规范管理和高效开放。截止目前，浙江公司数据资产目录已纳管公司BOMS四域超200个系统的2万多项价值数据资产，数据开放内部订阅量达1.8万笔，有效促进了公司数据端到端高效流转，助力公司实现数智化转型。

南方电网基于底座式数据中心，按照“一本总账、两大视角”的思路，实现全域数据资产目录的构建，数据资产项超48万，涵盖了公司10余个数据域、200+个数据主题、40万+项数据实体、400万+项数据字段的数据资产卡片，覆盖多种数据类型，打破业务、数据之间的鸿沟，突破数据资产不可用不可见等难题。

充分利用人工智能、大模型等前沿技术，优化数据盘点和目录管理的效率。广东移动构建以数据地图为核心的常态化的数据智能盘点机制。数据盘点以统一元数据为基础，经过以下三个步骤实现数据资产的自动智能盘点：

一是数据发现，即通过元数据采集获取数据资源信息，并解析日志、SQL开发脚本和程序代码以获取数据关系；
二是稽核评估，即根据数据资源及开发规范，评估采集后的元数据的冗余度、完整性、一致性和合理性等，并统计分析出数据资源的摘要信息；
三是信息识别，即内嵌智能技术，智能化盘点数据资源，实现自动梳理数据资产、自动分类数据标签，自动生成数据资产目录，形成全域数据地图。这种基于“自动化+AI智能化+自下而上”的梳理和编目方法，降低了人工成本和时间周期达30%以上。

二、数据应用场景

数据应用场景构建是指在明确应用过程中的数据安全、数据质量及隐私保护要求的基础上，构建应用场景地图，明确各类应用场景的数据用户、数据内容、血缘关系、算法模型、效果评价指标等，以推动数据共享、内部应用、外部流通，从场景出发满足数据价值评估和成本核算的需求。

数据需求管理是开展数据应用的基础。数据需求管理是对各业务领域数据需求的产生、定义、获取等进行统一的管理，其目的是从需求源头进行数据管控，确保数据治理的效果，并促进数据在组织内的共享和应用。以联通集团为例，通过对全集团数据需求进行统一管理及支撑，制定需求响应流程，建设需求响应平台工具，对需求收集、需求评审、需求更新及需求归档进行有效管理，实现了数据需求申请、审批、跟踪、运营的全过程在线化，并能对数据需求响应效率进行量化分析和持续改善。

图 4 数据需求管理体系示意图

基于业务能力地图构建数据应用场景地图，提升数据应用的业务价值。随着企业数字化专项进程的推进以及数字技术的兴起，数据部门也会通过挖掘、分析形成面向业务的分析主题，但往往由于业务部门认同度不高，最终都成了空中楼阁。数据应用的目的始终是解决业务的问题或提升业务的能力，因此数据部门需要理解业务需要、形成分析主题，进而解决业务问题。

以商业银行为例，结合企业发展需求和监管要求，可以形成包含产品创设、营销销售、业务运营、业务支持、报告决策5大领域共28项能力的银行内部共享的业务能力地图，并分析业务能力需求中的所需数据需求以及所需的数据相关能力，形成完整、详细的企业数据应用能力地图。

图 5 商业银行业务能力地图

基于数据应用场景地图，形成针对应用场景的数据策略是数据应用的最终价值体现。以银行业为例，聚焦对公客户授信定价、普惠业务潜客分析、经营管理三大关键领域，构建相应的算法和流程。

对公客户授信定价模型，公司可以依托数据目录，自主筛选出单位客户在该行的代发、账户、流水等数据，为制定综合授信定价模型提供科学全面的参考依据。
普惠业务潜客分析，普惠业务人员借助数据搜索工具，可以通览行内零售与普惠客户标签与画像模型，明确了解申请审批流程，最大化评估发挥行内已盘点数据的融合效应。
经营管理，机构借助数据运营平台，在找到所需数据报表类后，可以发起从查到用的全线上化审批，系统自动根据该类资产的分级结果完成对应查询操作下载权限的发放登记。

以汽车行业为例，建立全客户旅程的数据场景体系，对散点式的应用场景进行整合，进一步在主要环节优化用户体验、提高交易成功率。例如，从用户的购买需求、到店体验、确定方案、购买使用、增值服务、维修保养、投诉/反馈、复购等活动出发，构建包括智能线索评级、异常线索识别、会员成长体系、出行服务续约推荐、流失车主挽回、个性化保养套餐推荐、保养流失预警和挽回、存量客户再购模型预测在内的关键模型，并将策略分别推送给销售管理、市场管理、售后服务等部门，实现应用场景驱动下的业务发展。

电力行业以国网北京市电力公司（以下简称“北京电力”）为例，北京电力在数据共享和应用方面，通过数据要素在公司内部流通，实现数据价值充分利用，助力公司经营管理提质增效、业务转型创新发展；在公司外部以及数据要素市场流通，实现数据价值最大化，助力全社会数字化转型及数字经济发展。融合应用数据中台和能源大数据平台，基于电力和能源行业大数据，对内通过数据业务图谱、电网模型、数据分析场景等手段推进数据业务化，通过电网一张图、设备质量画像、交易主体综合评价等应用实现数据融合应用，深入挖掘数据价值、赋能基层数据应用；对外通过电力看经济、电力看双碳、电力看治理等“电力看”系列大数据应用积极服务城市治理和辅助决策，提升公司数据资产价值和社会地位。

图 6 北京电力数据应用总体架构

指标、标签、算法模型是各类数据应用的关键组成，不断丰富指标、标签、算法模型体系和工具，有利于扩大数据策略的触达用户范围。例如，中国农业银行通过搭建覆盖财会、资负、风险、零售、公司、机构等业务的指标库、标签库、智能模型库，为总分行及时提供包含绩效考核指标、营销客户画像、客户AUM等在内的数据服务，并提供数据探索、模型训练发布、报表设计发布、可视化结果发布等能力。

三、数据服务推广

数据服务推广是指通过培训宣贯、赛事举办、交流分享、外部合作等方式，丰富推广渠道，推动企业数据文化及数据生态建设，构建数据用户画像，精准触达内外部各类数据使用方。

建立企业数据文化，构建数据驱动型的组织是数据服务推广的关键。数据服务推广存在供给、需求两方面难点，业务与数据人员互不理解、各说各话。

在供给方面，由于数据人员不懂业务，且业务侧需求个性化高、变化快，导致供给侧无法及时响应、投入产出比低，多数数据部门疲于应付业务部门数据服务需求，停滞于被动的服务模式。
在需求方面，业务部门在用数方面已不止于数据提取、报表开发等基础需求，数据统计分析、数据应用场景挖掘需求越来越多，但是由于数据分析应用门槛高，业务人员不懂数据，不清楚数据有哪些、如何用，导致数据需求无法得到满足，不能充分发挥数据要素价值。

因此，建立企业数据文化，构建数据驱动型的组织是推动数据内部共享的关键。

数据用户运营是数据服务推广的主要抓手，围绕用户的获取与留存，构建以数据用户为中心的推广策略。

一是提升用户触达率。企业数据的目标群体包括企业内部的员工个体、部门群体、分公司和合作伙伴等多种类型。因此，可以通过公司总体宣贯、企业门户网站、内部OA系统、合作伙伴网络等方式让更多目标群体关注到数据。
二是唤醒用户数据意识。例如充分嘉奖数据应用和创新的部门，设立企业“数据应用奖”。
三是提高数据友好性。用户运营的目标是让数据被用起来，但很多企业在实际情况中，数据往往因为无法被业务人员理解而被废弃。因此，需要从数据用户的角度来理解和呈现数据，让数据可见、可懂、可用，包括以数据易于理解的方式进行命名和描述。
四是提高数据易用性。降低数据使用技术门槛，例如通过参数设置就可以快速适配数据的不同业务逻辑和要求，降低业务试错成本。

图 7 数据用户运营案例

积极发展数据要素生态合作伙伴，构建数据产品体系，参与数据交易流通市场，加强数据对外合作能力。例如，北京电力与中关村环保科技园园区、北京国际大数据交易所签订《电力大数据合作与交易框架协议》，签订多项数据服务合同，合同签订金额达236万元，累计到账127万元；在2022年全球数字经济大会上实现全国首个能源行业百万元级数据线上交易；与海淀区政府的合作框架协议，每年有望争取外部资金1000万元。

本文摘编自CCSA TC601大数据技术标准推进委员会发布的《数据运营实践白皮书》，全文下载：