数据资产“入表”后，企业如何进行数据治理

今年8月21日，财政部对外发布《企业数据资源相关会计处理暂行规定》（以下简称《暂行规定》），明确数据资源的确认范围和会计处理适用准则等，将于2024年1月1日起施行。规定中指出了企业应当按照企业会计准则相关规定，根据数据资源的持有目的、形成方式、业务模式，以及与数据资源有关的经济利益的预期消耗方式等，对数据资源相关交易和事项进行会计确认、计量和报告。
数据资产“入表”意味着国家要继续通过企业以数据为锚定目标来进行企业运营披露，意味着数据开始和劳动力、企业资源一样作为生产要素进行管理；有关专家认为，数据资源“入表”，有利于显化和盘活数据资源价值，提升企业数据资产意识，激活数据市场供需主体的积极性，增强数据流通意愿，减少“死数据”，为企业对数据进行深度开发利用提供动力。同时，建立数据资源“入表”机制，也能够有效带动数据采集、清洗、标注、评价、资产评估等数据服务业发展，激发数字经济发展活力。
## 01“入表”面临的困难与解决办法
尽管数据资产“入表”已成定局，但现实中，企业却面临诸多问题：==哪些数据应该入表？如何准确核算数据资产价值？数据资产成本如何归集？数据资产收入成本如何匹配？==等诸多现实问题。
从企业管理体系上看，普遍存在数据管理组织不完整、数据管理策略不明确、数据管理机制不完善；
从方法上看，数据架构方法论不成熟、数据管理流程不完整、数据确权和数据估价等方法论待确立；
从数据管理应用上看，应用系统中的数据质量不高；缺少元数据管理、数据标准管理、数据资产管理、数据质量管理等工具；数据可视化、数据分析工具也较为传统等等问题。
企业要解决以上问题，应尽快评估自身对数据资源的需求以及挖掘数据资源的能力，建立数据资源管理机制，挖掘数据资源价值，构建自己的专业化数据管理团队，通过数字技术的合理应用，实现“业务数据化->数据资产化->资产价值化”。
企业随着数字化转型的不断深入，数据资源产生了爆炸性增长，应用系统也越来越广泛，
企业逐渐面临着数据标准不统一、数据信息分散、数据质量参差不齐、开发维护困难等问题，很难满足对数据资源进行资产化和价值化的管理要求。
而数据治理体系的工作内容和目标就是为了解决以上问题的，因此，管理者需要高度重视企业数据治理，及时开展数据治理工作，数据治理对于企业的数据资源管理和变现也起着至关重要的作用。
## 02数据治理及其发展现状
数据治理是企业或组织中对数据使用和管护的管理行为，其本质是指导、评估和监督数据的管理和利用，通过制定数据标准体系，提高数据的质量，并为组织提供不断创新的数据服务，以提高数据的价值密度。是对数据资产行驶权利和控制的活动集合。
数据治理内容主要包括元数据管理、主数据管理、数据标准管理、数据质量管理、数据生命周期管理、数据组织、数据架构和模型管理、文档与企业内容管理、数据安全和数据服务等模块，不同模块功能明确、相互协同，共同打造统一调度、精准服务、安全可用的信息共享服务体系。2020年以来，数据治理在公共管理、科学研究与工商企业等领域得到广泛应用，以数据为核心的“数据资源管理”体系日益彰显数据治理这项工作的必要性。
## 03SAP数据治理方案的顶层设计
数据治理工作的落地有助于企业提升数据价值密度、提高数据挖掘效率，更好的服务灵活多变的业务场景，为数据分析提供有效接口。目前，数据治理体系的研究相当成熟，可适应于不同的应用场景。SAP在借鉴通用数据治理体系的基础上，结合自身在管理软件领域中长期的经验，充分考虑企业数据的数据源、数据特点及业务场景等核心要素，立足长远发展，基于行业内一流的技术架构，设计了面向企业的全面的数据治理体系Enterprise Information Management，简称EIM体系。如下图所示：
![](/media/202401/2024-01-24_135345_096200.png)
解决方案中包含了：元数据管理 Information Steward、主数据管理与治理Master Data Governance、数据质量管理Data Services、数据架构和模型管理Power Designer Enterprise Architect、文档与企业内容管理XECM by OpenText以及对应的数据开发、信息生命周期管理、数据安全与隐私和数据自助服务等功能。
此体系旨在帮助企业建立和支撑数据治理的预防体系和整治体系，如下图所示：
![](/media/202401/2024-01-24_135335_008147.png)
SAP 解决方案以企业如何合理应对数据维度变化和提高数据质量为业务目标，构建预防与整治两大体系；结合未来拓展需求构建企业级数据管理平台实现一体化数据管理和运营。下面就体系中的解决方案进行阐述：
### 1. SAP Information Steward元数据管理
元数据是描述数据的数据，它能够帮助企业发现、定义、监控和修复企业数据资产的最基础数据。它将 IT 和业务用户与通用目的相结合，以通过数据治理维护和提高数据质量为目标展开治理。在此方案中，SAP 集成了管理元数据、在其源头剖析数据、应用验证规则以评估其质量以及持续监控其质量的能力。它使 IT 和业务用户能够即时了解其数据的来源、数据质量以及确定受其影响的应用程序或报表的能力。
### 2. SAP Master Data Governance 主数据管理与治理
SAP Master Data Governance 主数据管理与治理，简称MDG，是行业领先的主数据治理解决方案，提供端到端的、全面的企业级主数据管理与治理解决方案，覆盖主数据全生命周期，覆盖SAP和非SAP应用的主数据治理需求。SAP基于丰富的业务和行业经验，提供财务，客户，供应商，物料，设备，零售以及自定义主题的数据治理模型和模板，深度支撑各应用系统的主数据需求。
SAP主数据治理方案包含了Central governance（中央主数据治理）、Master Data Consolidation （主数据合并管理）和 SAP Master Data Quality  （主数据质量管理） 三个场景。
SAP MDG是目前行业内架构最先进的、全面的主数据管理与治理解决方案，方案提供开箱即用的主数据管理与治理，以集中管理主数据获取，包括申请、创建，维护、更改、校验、审批和分发主数据，以及主数据模型管理，工作流管理，权限管理及整合整个企业应用系统环境下的所有主数据进行统一管理与治理的解决方案。
SAP主数据整合和重用场景 MDC：主数据合并，复用SAP数据模型，保证在企业现有业务逻辑和配置下进行数据验证，也可以为非SAP环境灵活管理企业的主数据，也提供本地系统集成，具备开放性，可以整合第三方应用的主数据服务。
SAP主数据质量管理场景 MDQ：数据质量规则管理，数据校验管理，质量监控管理。总之，一整套解决方案可以覆盖所有与主数据管理与治理相关的功能。
3. SAP Data Services 数据质量管理方案
SAP Data Services 数据质量管理方案，可帮助企业建立和维护企业数字化管理战略的集中基础，提供必要的基础数据管理的基础架构，从而提供及时、可靠的信息以支持所有由数据驱动的计划。
SAP Data Services 提供的企业级解决方案，用于对企业的各类数据进行转换、改进、治理和挖掘隐藏在不同系统和孤立系统中的数据的价值。对数据从计划、获取、存储、共享、维护、应用、消亡生命周期的每个阶段里可能引发的各类数据质量问题，进行识别、度量、监控、预警等一系列管理活动，并通过改善和提高组织的管理水平使得数据质量获得进一步提高。

### 4. SAP Power Designer 企业架构和设计工具
SAP Power Designer 方案是一款面向企业架构师的企业架构和数据模型设计的工具。它能够创建企业在业务和 IT 方面的可视化数据模型管理，以了解企业当前和未来数据架构。该工具通常由企业业务分析师和架构师、数据分析师和架构师、系统分析师和架构师、应用程序分析师和架构师以及跨职能团队来完成流程、数据、系统以及技术设计和规划的企业架构师的工具。
企业可以在一个协作框架中定义其数据架构的各个方面；了解业务流程、信息、应用程序和技术之间的联系；并通过使所有利益相关方能够从任何角度，进行可视化的对数据变更的影响及响应变化进行管理，从而提高业务灵活性。在业务需求驱动下，Power Designer将企业架构建模分为四个层次：
业务架构，包括企业各类计划模型、流程地图、组织架构图、业务沟通图等
应用架构，包括业务流程模型、用例定义图、对象模型、UML模型等
数据架构，包括概念模型、逻辑模型、物理模型、数据流动模型、XML模型等
技术架构，技术架构图、网络部署图、UML部署图等
在SAP的 EIM 体系中，还包括非结构化数据的文档与内容管理XECM ,是SAP 与 OpenText共同研发的解决方案，以及各个治理维度下的数据开发、信息生命周期管理、数据安全与隐私和数据自助服务等功能。
## 04数据治理实操流程与目录编制
在数据治理的实际操作中，只有先发现数据问题、对数据进行有效分类，才能避免一刀切的治理方式，才能制定出更适合企业自身的数据治理措施，才能使数据在共享使用和安全使用之间获得平衡。如图所示：
![](/media/202401/2024-01-24_135140_974349.png)
最后再编制数据资产目录，包括统一数据资源目录，实现标准统一管理与查询，如图所示：
![](/media/202401/2024-01-24_135034_579612.png)
## 05 统一元数据管理，便于追溯查询变更信息，以及各系统间模型转换
企业管理中的数据治理，是一项长期的持续的管理循环，不同企业因所处的数字化管理程度和阶段不同，其当前关注的数据治理的方向也有所不同，需要企业加强数据治理意识，及时发现问题，分析问题，进而利用适合的数据治理体系策略和对应数字化解决方案来解决实际问题，从而使企业中流动的都是高质量的数据，这样才能持续挖掘数据的业务价值，为数据资源“入表”做好充足的准备，保持企业的持续健康发展。