データ資産管理の特徴（データ資産管理業界研究：データ要素の価値解放の礎）

データ資産管理業界の調査：データ要素の価値を解放するための基礎

（レポート作成者/執筆者：ノースイースト証券、呉元恒、馬宗凱）

今日では、データは各国がデジタル経済を発展させるための重要なツールとなっています。デジタル社会において、データは国家の基本的な戦略資源となり、デジタル経済は経済成長の強力な革新の原動力となりつつあります。主要国におけるデジタル経済の成長率はGDP成長率を大幅に上回っており、GDPへの貢献は徐々に増加しています。中国情報通信研究院が発表した「世界デジタル経済白書（2022年）」によると、2021年時点で47カ国のデジタル経済の推定付加価値は38.1兆米ドルで、GDPの45.0％を占めている。中国のデジタル経済は総額7.1兆米ドルで世界第2位である。データに基づく戦略変革の推進は、さまざまな国や地域が世界競争で優位に立つための重要な戦略的選択となっています。

適切なデータ資産管理は、データ要素の価値を解放し、データ要素市場の発展を促進するための前提と基盤です。データ資産管理は、包括的、効果的、実用的な管理システムを構築します。一方では、データ資産の収集、処理、使用のプロセスを標準化し、データ品質を向上させ、データのセキュリティを確保します。一方、データ資産の応用シナリオを充実させ、データ資産エコシステムを確立し、データ資産を継続的に運用することで、政府機関や企業・機関が資産を測定・確認するための良好なデータ条件と能力基盤を提供し、データ要素の流通をさらに促進し、要素の市場化を加速します。

さらに、データ資産管理は、ビジネスのデータ化の効率を向上させ、データのビジネス化を促進し、企業のデジタル変革を加速させることもできます。データ資産管理は、データのビジネス供給側から始まり、データのリソース化を通じてビジネスプロセスとデータモデルを設計し、物理世界からデジタル世界へのビジネス変換の効率を向上させ、オンラインビジネスのデータ品質とセキュリティを管理して、ビジネスオペレーションの高品質を確保し、ビジネスセキュリティリスクを軽減します。データ資産化は、ビジネスのデータ需要側から始まり、社内の企業データを接続、社外の企業データを導入、データとビジネスラインの統合を深め、データのシナリオ化を促進し、データ分析技術を適用し、データ対応のビジネス開発を実現し、企業内の洗練された管理変更を促進します。

1.1.データ資産管理の定義

「データ資産管理実践ホワイトペーパー（バージョン 6.0）」によると、データ資産とは、テキスト、画像、音声、ビデオ、Web ページ、データベース、センサー信号、その他の構造化データまたは非構造化データなど、電子的またはその他の方法で記録され、測定または取引でき、直接的または間接的に経済的および社会的利益をもたらすことができる、組織（政府機関、企業、機関など）によって合法的に所有または管理されるデータを指します。組織では、すべてのデータがデータ資産を構成するわけではありません。データ資産とは、組織に価値を生み出すことができるデータです。データ資産の形成には、データの積極的な管理と効果的な制御が必要です。データ資産管理とは、データ資産の価値を制御、保護、提供、強化するために、データに関連する計画、ポリシー、プログラム、プロジェクト、プロセス、方法、手順の開発、実行、監督を含む、データ資産を計画、制御、提供するための一連の活動と機能を指します。データ資産管理では、データ資産の価値の維持と評価を確実にするために、ポリシー、管理、ビジネス、テクノロジー、サービスを完全に統合する必要があります。データ資産管理には、データ リソース化とデータ資産化という 2 つの側面が含まれます。生データをデータ リソースおよびデータ アセットに変換することで、データの価値密度が徐々に高まり、データの因数分解の基盤が築かれます。

データ リソース化は、生データをデータ リソースに変換し、データに一定の潜在的価値を与えるデータ資産化に必要な前提条件です。データリソース化の目標は、データの品質を向上させ、データのセキュリティを確保し、データの正確性、一貫性、適時性、完全性を確保し、データの内部および外部循環を促進することです。データ リソース化には、データ モデル管理、データ標準管理、データ品質管理、マスター データ管理、データ セキュリティ管理、メタデータ管理、データ開発管理などのアクティビティと機能が含まれます。データ資産化は、データ リソースをデータ資産に変換することで、データ リソースの潜在的な価値を最大限に引き出します。データ資産化の焦点は、データ資産の適用範囲を拡大し、データ資産のコストとメリットを明確にし、データ供給側とデータ消費側の間に好循環のフィードバックループを形成することです。データ資産化には、主にデータ資産の循環、データ資産の運用、データ価値の評価などの活動と機能が含まれます。

1.2.データ資産管理の開発の歴史

データ資産管理は、データの概念とテクノロジーの進化とともに発展し続けています。データ管理の概念は主に 1980 年代に生まれました。コンピュータ システムでのデータの保存とアクセスを容易にし、データ ランダム ストレージ テクノロジとデータベース テクノロジの使用を最適化するために、データ管理は主に技術的な観点に基づいています。情報化時代において、データはビジネス記録の主な伝達手段とみなされています。データ管理は、業務システムや管理システム（企業資源計画システム ERP、自動事務システム OA、経営情報システム MIS、顧客関係管理システム CRM、人的資源管理システム HRM などを含む）の構築・保守と組み合わされています。データ管理には特定のビジネス上の意味合いがあり、データ管理作業は主にローカルビジネス領域におけるプロセス改善に重点を置いています。ビッグデータの時代では、データに対する認識とデータの価値が徐々に向上し、データ規模が継続的に拡大し、技術コストへの投資が減少し、ますます多くの組織がビッグデータプラットフォームを構築してデータリソースの集中的な保存と管理を実現し、データ管理チームを結成しています。データ管理の重要性と必要性​​はますます顕著になってきており、組織ビジネスの発展を促進する上でのデータ管理の役割が徐々に現れてきています。データ因数分解の時代では、データを資産として捉える概念が共通認識となり、データ管理はデータ資産の管理へと進化しました。これは、データ品質の向上とデータセキュリティの確保という要件に基づいています。データ管理は、データ資産の価値解放、データを活用した事業開発戦略の策定、データ資産の継続的な運用を主な目標として、データのライフサイクル全体にわたって調整された形で実行されます。

データ資産管理の理論的枠組みは徐々に成熟しつつあります。国際的には、マサチューセッツ工科大学の 2 人の教授が 1990 年代に Total Data Quality Management (TDQM) イニシアチブを立ち上げ、品質管理に重点を置いたデータ資産管理フレームワークを提案しました。データガバナンス協会（DGI）は2004年にデータガバナンスフレームワークを提唱し、データマネジメント協会国際（DAMA）は2009年にデータマネジメントナレッジシステムを発表、2017年にはデータマネジメントモデルを更新しました。また、ガートナーやIBMなどの企業もデータマネジメント能力評価モデルを提案しています。 2018年に、わが国は国家標準「データ管理能力成熟度評価モデル」（GB/T36073-2018）を発行しました。これは、中国のデータ管理分野における最初の国家標準です。この規格は、8 つの機能ドメインと 28 の機能項目を含むデータ管理アクティビティ フレームワークを包括的に定義します。全体的に、現在のデータ管理の理論的枠組みには強い類似点があります。これらは主にデータ管理の技術的側面または管理的側面から始まり、データ管理の活動機能と管理方法を明確にし、一定の基準に従って組織のデータ機能を評価します。しかし、ほとんどのフレームワークでは、データ資産の価値を特に重視しておらず、データ資産の価値を実現するための道筋を無視しています。

1.3.データ資産管理の実践的な手順

「データ資産管理実践ホワイトペーパー（バージョン6.0）」では、データ資産管理実践の一般的なステップとして、「総合的な計画→管理の実施→監査検査→資産の運用」を定義しています。各ステップの間に厳密な順序はありません。組織は、それぞれの状況に応じて、各段階で合理的な実施計画を策定できます。

1) 全体計画

データ資産管理の最初の段階は全体的な計画であり、管理能力の評価、データ戦略の公開、組織の責任システムの確立という 3 つのステップが含まれます。これにより、方向性が定まり、その後のデータ資産管理と運用の基盤が築かれます。

最初のステップは、データ資産をインベントリし、データ資産管理機能を評価することです。技術ツールを使用して、ビジネス システムまたはビッグ データ プラットフォームからデータを抽出し、メタデータを収集し、データの関係を識別し、メタデータとデータ ディクショナリを含むデータ モデルを視覚化し、ビジネス プロセスとデータ アプリケーションの観点から、ビジネス属性と管理属性を含むデータ資産情報を改善して、データ資産マップを形成します。さらに、組織のデータ資産管理をシステム、組織、活動、価値、技術などの側面から包括的に評価し、評価結果を評価ベースラインとして使用することで、組織は管理状況と問題点を把握し、さらにデータ戦略計画の策定を導くことができます。最初のステップの主な成果物には、データ資産インベントリ リスト、データ アーキテクチャまたはデータ モデル、データ資産管理ステータス評価レポート、およびデータ資産管理ギャップ分析レポートが含まれます。

2 番目のステップは、データ戦略を開発して公開することです。これは主にデータ資産管理の状況評価結果とギャップ分析に基づいており、データ資産管理の関係者を集め、データ戦略計画と実装計画を明確にします。同時に、ビジネスの急速な変化に対応するため、比較的アジャイルなアプローチを採用してデータ資産管理を実施し、データ戦略の短期的な計画と実行計画を定期的に調整しています。 2 番目のステップの主な成果物には、データ戦略計画とデータ戦略実行計画が含まれます。

3 番目のステップは、組織の責任体制を確立し、データ資産管理システムの仕様を策定して公開することです。データ戦略計画から始めて、合理的で安定したデータ資産管理組織構造と、ある程度の柔軟性を備えたデータ資産管理プロジェクトチームを構築し、データ資産管理責任体系を決定し、戦略目標と現在の実情に沿ったデータ資産管理システムの仕様を策定します。第 3 ステップの主な成果物には、データ資産管理組織構造図、データ資産管理責任体系、およびデータ資産管理関連の管理方法が含まれます。

2) 経営の実践

データ資産管理実施の第 2 フェーズの作業目標は、データ資産管理ルール システムを確立し、データ資産管理プラットフォーム ツールに依存し、データ ライフサイクルを主軸として、さまざまなデータ資産管理活動を総合的に実行し、第 1 フェーズの成果の実施を促進することです。第 2 フェーズの管理の実装には、主に、標準化されたシステムの確立、管理プラットフォームの構築、プロセス全体の管理、革新的なデータ アプリケーションという 4 つのステップが含まれます。最初のステップは、組織レベルのデータ資産標準および仕様体系を開発し、各活動機能の実装ルールと運用仕様を確立することです。組織レベルのデータ資産標準および仕様システムとは、各活動機能におけるデータ技術設計とビジネス上の意味の標準化を指します。構造化データを例にとると、標準化されたオブジェクトには、フィールド、テーブル、テーブル間のリレーションシップが含まれます。さらに、データ資産管理の関連管理方法と組み合わせて、各活動機能の実装ルールと運用仕様を形成し、データ資産管理を効果的に実装するための優れた基盤を築きます。最初のステップの成果物には、主に、データ資産管理活動の機能に関連する標準仕様、実装ルール、および運用仕様が含まれます。

2 番目のステップは、データ リソースを収集するためのビッグ データ プラットフォームを構築することです。データの規模、データソースの複雑さ、データの適時性などに基づいて、プラットフォームの予想コストを評価し、ビッグデータプラットフォームを構築または購入し、データ資産管理の基盤となる技術サポートを提供します。データ収集および保存ソリューションを設計し、第一歩としてデータ資産標準仕様システムに基づいてデータ変換ルールを策定し、データ統合タスクのスケジュール戦略を決定し、業務システムまたは管理システムからビッグデータプラットフォームへのデータの抽出をサポートし、データリソースの集約を実現します。クラウド ネイティブ、AI、その他のテクノロジーを組み合わせて、リソースの使用率を向上させ、データ資産管理のリソース投資と運用保守コストを削減します。第 2 ステップの成果物には、主にビッグデータ プラットフォーム、データ集約ソリューション、レコードが含まれます。

3 番目のステップは、統合管理プラットフォームを利用して、データ資産のプロセス全体の管理を実現することです。データの収集、流通、処理、使用をカバーするさまざまな活動と機能の関連ツールをリンクするための統合データ資産管理プラットフォームを構築します。データ資産管理チームは、データリソース活動を組織し、各活動において、データ要件における仕様とデータ利用者の期待を明確に定義して記録し、データ設計におけるルールの実装と適用をサポートし、データ生産者の業務やデータの変化に応じて、データ運用と保守におけるルールとデータ利用者の期待の調整に対応し、問題のあるデータを迅速に発見して修正します。第 3 ステップの成果物には、主に、データ資産管理プラットフォーム、データ資産ライフサイクル操作マニュアル、データ資産プロジェクト管理操作マニュアル、およびデータ資産管理ビジネス ケースが含まれます。

4 番目のステップは、データ アプリケーションを革新し、データ サービスを充実させることです。組織は、データ利用の難易度の低減、データ範囲の拡大、データ供給能力の向上に重点を置き、データアプリケーションとサービスのイノベーションを強化する必要があります。データの視覚化、検索ベースの分析、データの製品化、製品サービスを通じて、データの使用の難易度を軽減します。データの「普及」（セルフサービスデータ分析、データアプリケーションストア、データスーパーマーケットなど）を通じて、より多くの最前線のビジネス担当者がデータ分析プロセスに直接参加できるようにします。データ消費者とデータ生産者間の柔軟な役割変更（データクラウドファンディングや共有モデルの形成など）を通じて、データ供給能力を高めます。第 4 ステップの成果物には、主に、データ アプリケーション製品リスト、データ アプリケーション サービス操作マニュアル、およびデータ アプリケーション サービス ユーザー ガイドが含まれます。

3) 監査と検査

第 2 段階では、組織は基本的に生データからデータ リソースへの変換を完了します。監査検査の第 3 段階では、データ リソース化の結果をどのように評価し、管理方法を改善するかに重点が置かれます。この段階の主な目標は、確立された標準と仕様に基づいてビジネスとデータの変化に適応し、データリソース化のプロセスと結果を定期的に検査することで、データ資産管理モデルと方法を最適化することです。標準仕様は、主にデータ モデルとビジネス アーキテクチャおよび IT アーキテクチャとの一貫性、データ標準の実装、データ品質、データ セキュリティのコンプライアンス、およびデータ開発の標準化を含む、日常的な検査の基礎および前提条件です。プラットフォーム ツールは、定期的な検査を実施する効果的な方法です。手作業に比べて人手と物的資源を節約し、検査結果の正確性を確保し、検査効率を向上させます。定期的な要約とベースラインの確立は、日常検査における重要なプロセスです。検査結果の統計分析を実施して、検査指標と能力ベースラインを形成し、データリソースの利用の有効性を評価し、関連する利害関係者や参加者とともに是正計画を決定し、管理モデルと方法を継続的に改善します。第 3 フェーズの主な成果物には、データ資産管理検査方法、データ資産管理検査の概要、およびデータ資産管理検査ベースラインが含まれます。

4) 資産運用

最初の 3 つのフェーズを基に、組織はデータ資産に変換するための基盤を構築します。データ資産管理の 4 番目の段階は、資産運用段階です。この段階の主な目標は、データ価値評価システムと運用戦略を構築することで、データの内外循環を促進し、管理者とユーザー間のフィードバックとインセンティブのメカニズムを確立し、データ資産価値の解放を促進することです。データ運用センターを構築し、業務部門に対するデータチームの補助的役割を十分に発揮させます。データチームは、セルフサービスデータサービスやAIモデルなどのサポートを提供し、定期的なプロモーションやトレーニングを通じてビジネス部門のデジタル技術力を強化します。さらに、シナリオベースのデータ資産運用を出発点として、業務部門でデータ資産を使用するすべての関係者が、関連プラットフォームを使用してデータを探索し、探索結果を共有し、改善の提案を行うことが推奨されます。

ユーザーの視点でSLA（サービスレベル契約）を確立し、継続的な評価と改善を実施します。従来の分散型ビッグデータ プラットフォームの観点から見た SLA とは異なり、データ資産管理 SLA の目標は、すべてのデータ ユーザーに継続的かつタイムリーに高品質のデータとサービスを提供することです。 SLA のコア指標には、信頼性、リアルタイム パフォーマンス、品質要件などがあり、これらはデータ資産管理のライフ サイクル全体にわたって実行され、データ資産管理のすべてのアクティビティと機能をカバーします。セキュリティ対策による基本的なサポートを提供し、関連プラットフォームの操作ログを収集して分析することで、SLAの「ブレークポイント」を記録し、データ資産サービスのプロセスを改善します。データ、ビジネス、テクノロジーの各部門が連携して、投資収益率 (ROI) 指標を確認し、データ資産管理のコストと利点を計算し、データ資産管理の ROI を向上させます。第 4 フェーズの主な成果物には、データ資産サービス カタログ、データ資産価値評価システム、データ資産循環戦略と技術、データ資産運用指標システムなどがあります。

2.1.データ資産管理業界の規模

IDCは、中国のデータ規模は2022年の23.88ZBから2027年には76.6ZBに拡大し、CAGRは26.3%になると予測しており、主な流通分野は政府、メディア、専門サービス、小売、医療、金融となっている。インターネットやAIなどの技術の発展により、データ量は爆発的な増加を見せています。データ量の急速な増加により、企業のデータ資産管理に対する需要がさらに高まります。中国情報通信研究院の「2018年中国ビッグデータ発展調査報告」の統計データによると、調査対象企業の60.4％が企業レベルのビッグデータの利用効率を高め、企業の発展を促進するために企業データ管理委員会を設立しているか、設立を検討しているという。そのため、データセンターなどのビッグデータの中核となるハードウェア環境がますます成熟するにつれて、データ資産管理機能の開発がビッグデータ業界の発展における次の爆発的なポイントとなっています。

「2021年中国データ資産化ツール市場調査レポート」の統計によると、中国のデータ資産化市場の規模は2020年に280億元でした。2021年から2025年にかけて40.7％のCAGRで急速な成長を維持すると予想されています。市場規模は2024年に1000億元に達すると予想されています。2020年の市場細分化から判断すると、データストレージは113億元、意思決定アプリケーションは54億元で、主に大規模および中規模企業のニーズによって牽引され、政府と金融業界が主な市場となっています。 1級都市と2級都市が市場規模の80％以上を占め、北京、上海、浙江、広東が国内のトップクラスに位置している。データ資産管理は、データ ガバナンスの目標であり結果です。データガバナンスの観点から見ると、中国のデータガバナンス市場は2022年に前年比32.1％増と比較的高い成長率を維持し、市場規模は157.9億元に達した。 2025年までにデータガバナンス市場規模は350億人民元を超え、2022年から2025年にかけてCAGR 30.39%で成長すると予測されています。

2.2.データ資産管理の現状と発展の動向

データ資産管理開発の現状:

1) データ資産管理に関する政策環境は改善し続けています。金融分野では、中国人民銀行が2021年3月に「金融業界のデータ能力構築ガイドライン」を発行し、金融業界の業務の実施に強力な指針を示しました。中国銀行保険監督管理委員会は2021年9月に「商業銀行監督管理格付け措置」を公布し、「データガバナンス」の要件を商業銀行の監督管理格付け要素に組み込み、5％の重み付けを与え、商業銀行にデータガバナンスシステムの構築を加速することをさらに要求した。通信分野では、工業情報化部が2021年11月に「情報通信産業発展第14次5カ年計画」を公布し、データ資源管理を強化し、情報通信分野における公共データとデータ資源フローの開放に関する制度規範を検討・策定し、データ応用処理、データ製品標準化、データ権利確認、データ価格設定、データ取引信頼、データの開放と利用の全プロセスにおけるデータ資源管理システムとデータ要素市場の構築を模索し、データ資源監督と業界の自主規律を強化することを提案した。データの流通・共有に関する技術標準システムの策定を加速し、データの品質と標準化を向上させます。製造業分野では、工業情報化部が2021年11月に「情報化と工業化の深化に向けた第14次5カ年計画」を発表し、製造業のあらゆる面でビッグデータの応用を強化し、製造業のデジタル変革行動計画を策定し、製造業のデジタル変革を主導して専門的かつシナリオベースのビッグデータソリューションを育成することを提案した。

2) データ資産管理機能は、一般的に開発の初期段階にあり、着実に進歩しています。中国電子情報産業連合会は、DCMM が長年にわたり評価した企業の能力レベル分布を計算した結果、標準を実装したほとんどの企業のデータ管理能力はレベル 2 (管理レベル) 以下であり、標準を実装した全企業の 80.1% を占めていることが分かりました。レベル3（堅牢レベル）は全体の15.6％を占め、レベル4以上（定量レベルおよび最適化レベル）は5％未満を占めています。企業のデジタル変革に関する政策が継続的に導入され、企業自身のデータ認識が向上し続けるにつれて、ますます多くの企業がDCMM実装評価作業に参加し、「評価による構築促進」のアプローチを通じてデータ資産管理機能の構築を加速しています。

3) 業界間でデータ資産管理能力に大きな違いがあります。ソフトウェアや情報技術、工業や製造、医療業界、教育業界などの伝統的な業界はまだ初期段階にあり、データ資産管理に対する認識や意欲が不十分です。データ資産管理はビッグデータプラットフォームの構築段階にあり、比較的専門的なデータ資産管理チームはまだ設立されていません。主に基幹業務のデータ標準化、データ品質管理などの業務を行っています。金融業界、インターネット業界、通信業界、電力業界、小売業界などは早くから「データ配当」を享受し、ビジネスのオンライン化を推進し続けてきました。それに伴い、データ資産管理の重要性も高まり、データ資産管理部門が徐々に整備され、技術革新と応用が進み、データ分析やデータサービスも行われるようになりました。中国電子情報産業連合会は、DCMM評価の統計データを業界別に比較分析した結果、通信、電力、銀行業界は比較的先進的なレベルにある一方で、ソフトウェア・情報技術業界と製造業には改善の余地が大きいことが判明した。

4) データ資産の価値評価とデータ資産ビジネスモデルの革新が徐々に企業の注目の的となり、大手企業が模索的な実践を始めています。データ価値評価は、データ資産の価値を定量化し、企業がデータ資産管理に継続的にリソースを投資することを奨励し、企業がデータ要素の循環に参加するための基盤を築く効果的な方法です。中国光大銀行は2021年に「商業銀行データ資産評価白書」を発表し、同銀行のデータ資産の金銭的価値は1000億元を超えると算出し、北京国際ビッグデータ取引所と戦略的協力関係を築き、データ要素の多様な開発モデルを模索した。 2022年、中国光大銀行はこれまでの研究を基に、商業銀行を研究対象とし、データ資産の貸借対照表への組み込みやデータ要素の市場生態学などの研究を行い、「商業銀行のデータ資産会計に関する研究報告書」を発表し、業界に参考資料を提供した。また、中国光大銀行が発表した「商業銀行データ要素市場生態学研究報告」は、データ要素市場の新たな生態学において商業銀行に2つの新たな発展の道を提案した。1つはデータマーチャントとして行動し、「4+2」のサービスモデルでデータ要素市場の大循環に深く参加し、データマーチャント業務を展開することである。 2つ目は、第三者の専門機関として行動し、銀行の既存の優位性を十分に発揮し、イノベーションを開拓し、新しいビジネスシナリオを拡大することです。

5) データセキュリティ管理は、データ資産管理の「レッドライン」として、国内の産業界からますます注目を集めています。国家レベルでは、データセキュリティに関する規制上の越えてはならない線が徐々に明確になりつつあり、企業のデータセキュリティ構築に対する政策指針を提供しています。 2022年7月、中国サイバースペース管理局は「データ発信の安全評価措置」を公布し、さまざまな業界の企業に対して、データ発信活動を規制し、個人情報の権益を保護するためのより具体的な要求と措置を提示し、データ発信の安全管理に新たな章を開きました。業界側では、工業情報化部が2022年10月に「工業・情報化分野のデータ安全管理措置（試行）」について再度意見を公募し、重要・核心データのカタログファイリングとエクスポートの作業要件を明確にし、工業・情報化分野のデータ安全管理に対するさらなる指針となった。

データ資産管理の開発動向:

（I）経営理念：受動的な対応から能動的なエンパワーメントへ

組織のデジタル変革が継続的に深まるにつれ、組織の日常的な運営と管理におけるデータ資産管理の割合が増加しています。需要に基づくカスタマイズ開発を主なモデルとする従来の受動的なサービス形式では、組織のデータ サービス応答の需要を満たすことができなくなりました。組織は、さまざまな業務ラインにデータ管理職を徐々に設置し、データユーザーの需要を定期的に収集し、データ資産管理のニーズリストを作成し、データ資産管理の困難を解決し、データ適用の効果を追跡し、データ担当者のビジネスに対する理解と認識を深め、ビジネス開発を積極的に強化します。さらに、データリテラシーとデジタルスキルの継続的な向上により、データユーザーは積極的な消費に対する意識と能力を発達させてきました。データ資産カタログをキャリアとして、セルフサービス データ サービスを手段として、そしてプロセス全体のセキュリティ保護を保証として、アクティブなデータ消費および管理モデルが形成されつつあります。データサービスのレベルを改善しながら、データアプリケーションの幅と深さをさらに強化します。

2。組織フォーム：専門化と統合へのアップグレード

IT部門の下位部門であった情報段階とは異なり、データ資産管理組織と機能は徐々に独立しています。政府にとって、専門政府機関は、ビジネス部門にパートタイムのデータ管理職を設定する責任があります。最高データ責任者（CDO）システムは、深Shenzhen、Zhijiang、その他の場所の計画にも登場しています。深Shenzhen市が発行した「深Shenzhenの最高データオフィサーシステムのパイロットプログラムの実施計画」は、条件を備えた市政府および地区および部門の最高データオフィサーシステムをパイロットし、責任の範囲を明確にし、評価メカニズムを改善し、データの共有、オープンネス、開発モデルとデータの実用化モデルを強化することを提案しています。意思決定、管理、設計、およびメンテナンスをカバーするデータ資産管理の専門的な組織形式が徐々に現れました。企業の場合、広東、上海、その他の場所は、企業が最高データ責任者の設立を奨励するための関連するポリシーを発行しています。 2022年、広東省の産業情報技術は、「広東省のエンタープライズ最高データオフィサーの建設ガイドライン」を発行し、企業の意思決定レベルでのCDOの役割の確立を奨励し、CDOを制度化して、主要な株式会社を拡張するために、主要な企業データを強化するために責任を負うために、主要な企業データを強化するために、主要な企業データを強化する権利を持つ権利を有するために正しい企業データ値を確立する。データ資産管理組織は、CDOまたはCIOが率いるモデルを形成し、ビジネスおよびIT部門からの共同参加を伴います。 2021 Gartnerの報告書は、企業の75％がCDOをHRとFinanceと同様に重要な立場と見なしていることを示しています。さらに、フルタイムまたはパートタイムのデータ管理者は、データ資産管理の効果的な実装を促進するために、ビジネス部門およびIT部門に設置されています。

（iii）管理方法：アジャイルおよび共同統合管理

従来のデータ資産管理構造は、多くの場合、複数の散在した管理活動とソリューションで構成されており、データ資産管理のさまざまなリンク（開発と管理、管理、運用を含む）間の切断をもたらし、生産端から消費の端までのデータの開発効率を低下させます。たとえば、開発段階で従うべきデータ標準と仕様は、専門的なデータ管理の役割とプロセス監視に強く依存することにより、管理段階でのみ達成できます。同時に、ほとんどの企業がデータ操作を無視しているため、データ消費の終了は、データ資産の生産エンドに効果的なユーザーエクスペリエンスを提供できません。 DataOPSは、共同およびアジャイルデータ資産管理を提唱しています。データパイプラインを確立し、データ資産管理のフロープロセスとリンクを明確にし、テクノロジーを使用してデータ資産管理の自動化を促進することにより、すべてのデータ資産管理関連の人員のデータアクセスと収集効率を改善し、データプロジェクトのサイクルを短縮し、データの品質を継続的に改善し、管理コストを削減し、データ値のリリースを促進します。たとえば、データ開発は標準の設計とモデルの設計によって導かれ、データの品質管理を事前に配置し、SLAを確立してデータアセットの操作とメンテナンスを実行して、開発と管理の調整を実現できます。データ資産管理の結果は、ビジネスオペレーションをサポートするために、ビジネスアナリスト、データ科学者、その他の役割によってセルフサービスの方法で使用できます。同時に、運用結果は、管理と運用の間の調整を実現するために、データ資産管理作業を逆転させることができます。

（iv）技術アーキテクチャ：クラウド用のデータファブリック

データテクノロジーコンポーネントがますます豊富になり、データ分布がますます分散するようになるにつれて、Gartnerは、DataFabricが組み立てられたデータ分析とそのさまざまなコンポーネントをサポートするインフラストラクチャになったと考えています。ビッグデータテクノロジーの設計でデータ統合方法を再利用することにより、DataFabricは統合設計時間を30％、展開時間を30％、メンテナンス時間を70％短縮できます。 DataFabricは、メタデータ、機械学習、知識グラフなどのテクノロジーを包括的に使用して、より自動化され、ビジネス指向の、異種のエンタープライズデータサプライシステムを作成して、より統一された共同、インテリジェントなデータアクセスをサポートする新しい動的なデータアーキテクチャ設計コンセプトであり、新しい動的なデータアーキテクチャ設計コンセプトです。一部のアナリストは、それを「正しい」人々に「正しい」人々に提供する「正しい」タイミングで提供すると呼んでいます。現在、IBM、Informatica、Talendなどは、DataFabricのソリューションを開始しています。 IBM を例に挙げてみましょう。 2021年7月にリリースされたデータ4.0ソフトウェアポートフォリオのクラウドPAKは、インテリジェントデータファブリック機能を追加しました。その中で、AutoSQL（構造化されたクエリ言語）は、AIを介してデータを自動的にアクセス、統合、および管理することができ、分散クエリの速度を8倍増加させ、コストの50％を節約できます。

（v）管理方法：自動化とインテリジェンスが広く使用されています

データの複雑さが増加し続けるにつれて、「手動の人材」に依存するデータ資産管理方法は、徐々に「自動インテリジェント」「プロフェッショナルツール」に置き換えられ、データリソース化とデータ資産の複数のアクティビティと機能をカバーし、データ資産管理の有効性に影響を与えることなくデータ資産管理コストを大幅に削減します。具体的には、AI、ML、RPA、セマンティック分析、視覚化、およびその他のテクノロジーの使用を指し、データルール（データ標準ルール、データ品質ルール、データセキュリティルールなどを含む）を自動的に識別または一致させるか、データルールの検証を自動的に実行するか、データ間の関係を自動的に発見し、視覚的に提示します。さらに、VRやARなどのテクノロジーを使用して、データユーザーがデータを探求して採掘し、データアプリケーションの楽しみを高め、データ使用のしきい値を下げ、データユーザーの範囲を拡大するのに役立ちます。

（vi）運用モデル：多様なデータエコシステムの構築

運用データは、データ値を継続的に作成する効果的な方法です。多様化されたデータエコシステムは、多次元データ、複数のタイプの参加者、および複数の製品フォームを導入して、データ操作に適した環境を提供することにより、データアプリケーションシナリオとデータ協力方法をさらに拡張します。業界データリソースの利点を最大限に活用し、さまざまなデータエコシステムモデルを革新します。 Guangdong Power Grid Energy Investmentを採用すると、エネルギー産業は最初の「データブローカーパイロットユニット」の1つになり、データ要素エコシステムに積極的に参加し、パワービッグデータブランドを構築し、電力データ資産の準拠と効率的な流通を達成し、電力データ資産の価値リターンを取得しました。銀行業界にとって、「Open Banking」はデータエコシステムの典型的な代表です。 「オープンバンキング」の本質は、APIをサードパーティのサービスプロバイダーと銀行データの共有を達成するための技術的手段としてAPIを使用するプラットフォームベースのビジネスモデルであり、それにより、顧客、第三者開発者、金融テクノロジー企業、および金融エコシステムの他のパートナーにサービスを提供し、最終的には消費者に新しい価値を生み出します。オープンバンキングエコシステムが改善し続けるにつれて、銀行は共同構築とパートナーとの共有の方法を豊かにし、データインテリジェンスを最大限に活用し、ユーザーのニーズをリアルタイムで認識し、それらを正確に一致させます。

（vii）データセキュリティ：コンプライアンスと開発のバランス

まず第一に、データセキュリティとデータ資産の合理的な使用は矛盾しないことを認識する必要があります。 2つの間には相互に強化された関係があります。データセキュリティは合理的な使用の前提条件であり、合理的な使用はデータセキュリティ保護の究極の目標です。データセキュリティを確保することによってのみ、データ所有者が組織または他のエンティティにデータを使用する権利を付与することをいとわないようにし、データ資産の流通をさらに促進します。 GDPRは、「データの権利保護」と「データの自由な流れ」のバランスをとるという概念を提唱しています。データ主体に権利を付与する一方で、個人データの自由な流れは、個人データ処理のプロセスにおいて自然人の権利を保護する目的で制限または禁止されてはならないことを強調しています。第二に、データセキュリティ管理とデータ資産の流通のバランスを見つける必要があります。データセキュリティ管理の側面では、データセキュリティ管理メカニズムを確立し、データセキュリティ分類と格付け基準を策定し、技術仕様を使用することにより、データセキュリティガバナンス機能を改善できます。データアセットの流通側では、データセキュリティコンプライアンス、個人情報保護、およびその他の要件を基本的な「赤い線」として、およびコスト指標としての潜在的なリスクとします。 「赤い線」に触れることなく、データ資産の循環の利益分析を実施し、データセキュリティと資産流通のバランスを調べます。

2.3.データ資産管理業界の障壁

2.3.1.技術的障壁：産業を超えた理解

ソフトウェアおよび情報技術サービス業界は、テクノロジー集約型の業界です。データ資産管理の2つのサブ産業では、ソフトウェア業界の技術に加えて、企業がさまざまな下流のアプリケーション分野で専門知識を持つことを要求しています。したがって、クロスドメインの専門的な技術チームと累積業界の経験（公衆衛生、食品および薬物、環境監視、エネルギーと化学産業など）を抱えている企業は、大きな利点を持っています。第二に、使いやすさやセキュリティなどの技術的要因により、ダウンストリームの顧客は、技術的な利点を持つソフトウェアプラットフォームを選択する傾向があります。コアテクノロジーリザーブと関連特許は、業界の企業の競争上の利点となっています。

2.3.2.才能の障壁：新しい分野の才能が一番上に集中しています

同社は、クライアント企業に統合ソフトウェアプラットフォームの建設サービスを提供する必要があります。したがって、営業担当者、技術者、およびアフターセールスサービス担当者は、優れたコミュニケーションスキルと高度な技術レベルを持つ必要があるだけでなく、豊富な業界経験と実務経験を持つ必要があります。したがって、才能の栽培は、業界の継続的な発展において重要な役割を果たします。完璧なタレントトレーニング、インセンティブ、評価メカニズムにより、企業は傑出した才能を継続的に引き付け、技術チームの構造をアップグレードし、技術レベルを継続的に改善することができます。したがって、比較的限られた上級技術的才能、販売の才能、経営陣の才能などは、業界の大手企業に集中しており、遅い参加者に高い才能の障壁を形成しています。

2.3.3.顧客の障壁：データのボリュームの増加を交換することは困難です

長期的な協力において、ソフトウェア企業は顧客のニーズに応じて製品とサービスを継続的に改善し、顧客ビジネスの特性、規模、戦略計画などと一致させます。同時に、顧客はソフトウェア製品の使用中に新しいニーズを引き続き導き出し続けます。顧客は、多くの場合、元の製品に基づいてプロジェクト構築の複数の段階を実行します。他のブランドが交換された場合、ソフトウェアシステム全体の再実装やデータベースマッチングなどの追加費用を支払う必要があります。したがって、ダウンストリームの顧客は通常、会社との長期的な戦略的協力関係を確立することを選択します。

2.3.4.ブランドの障壁：意思決定エラーの深刻な結果

データ資産管理業界には、データの正確性と信頼性に関する高い要件があります。虚偽または不完全なデータは、データ分析の結果の歪みを簡単に引き起こす可能性があります。重度の場合、それは顧客の意思決定の間違いと損失につながる可能性があります。したがって、顧客は、ブランドの影響、社会的信頼性、豊富な資格を持つビッグデータソフトウェアとサービスプロバイダーを選択します。この業界の企業のブランドは、データの品質とサービスレベルを表しており、市場の受け入れの程度を直接決定します。ただし、短期的には優れたブランドを確立することはできません。市場への参入を優先し、業界で一定の評判を確立する企業は、市場シェアをさらに増やし、ブランドプレミアム効果をもたらします。

2.3.5.スケールバリア：純粋なソフトウェアの限界コストは低いです

データ資産管理業界が提供するサービスは、限界コストが低いことを特徴としていますが、技術チームの構築、ソフトウェア開発、データプールビルディング、ビッグデータプラットフォームの構築、その他のステップの初期段階では、大量の資本投資が必要です。ただし、プラットフォームインターフェイスを開始する後の段階により、ほぼゼロの限界費用でより多くの下流の顧客にサービスを提供できます。顧客の数は業界の利益レベルに直接影響し、下流の顧客の数が増えるにつれて、平均コストは引き続き減少します。したがって、ビジネススケールは、業界の参入に対する新しい障壁となっています。

2.4.データ資産管理業界のチェーンと競争力のある状況

2.4.1。データ資産管理業界チェーン

データ資産管理が主にコンピューターやネットワーク機器やソフトウェア産業などのハードウェア機器産業である産業チェーンの上流。主なメーカーには、Lenovo、Huawei、IBM、Samsungなどのハードウェア機器会社、およびMicrosoftやOracleなどのソフトウェアツール会社が含まれます。上流の業界には、十分な競争、信頼性の高いハードウェア機器とソフトウェア、十分な出荷、迅速な製品の反復、少量の価格の変化があり、全体的な安定した開発が達成されています。上流の産業の安定性は、この産業の発展において有益な役割を果たしており、調達価格と品質の大幅な変動を回避でき、業界の企業の収益性を改善するのに役立ちます。データ資産管理が位置する産業チェーンの下流には、主に企業、機関、政府、および情報管理とデータ資産管理のニーズをテストする必要がある他の機関が含まれ、アプリケーション業界は非常に幅が広​​いです。政府機関には、公衆衛生、動物の流行制御、食品および薬物検査、質の高い試験、環境監視、その他の機関が含まれ、企業にはバイオ医薬品、エネルギーと化学物質、自動車電子機器、その他の製造業が含まれます。これらはすべて、国家品質開発計画内の主要な産業であり、情報製品とサービスの検査とテストの需要が高くなっています。

2.4.2。データ資産管理とデータガバナンスの市場競争状況

データガバナンスとデータ資産管理は、2つの密接に関連する概念であり、すべてが完全なデータ管理システムを形成します。データガバナンスとは、組織内のデータの包括的な管理と制御のプロセスを指し、組織の意思決定とビジネス活動をサポートするためにデータの正確性、整合性、一貫性、セキュリティを確保することを目指しています。データ資産管理とは、データ資産の価値と利点を最大化することを目的とした、組織のデータ資産の使用を効果的に管理および最適化するプロセスを指します。データ資産管理は、データガバナンスの目標と結果です。データガバナンスの観点から見ると、データガバナンス市場はプラットフォーム市場とソリューション市場に分かれています。データガバナンスプラットフォームベンダーは、ソフトウェアプラットフォームを戦略として使用し、データガバナンスソフトウェアツールを提供し、パートナーに依存してデータガバナンスサービスを実装するメーカーを指します。プラットフォームメーカーは、コンサルティング計画と製品研究開発の実装により焦点を当てたプラットフォームメーカーにより焦点を当てたプラットフォームメーカーにさらに分けることができます。調査データによると、中央国有のエンタープライズデジタルガバナンスコンサルティング計画市場では、Huaweiが25.0％の市場シェアで1位にランクされており、Deloitte、IBM、Puyuan、Yushufang、KPMGも顕著な結果を達成しています。

現在、市場のデータガバナンスソリューションのプロバイダーは、主に3つのカテゴリに分かれています。1つ目はコンサルティング会社、2つ目はデータプラットフォームとデータミドルプラットフォーム企業であり、3番目はデータガバナンスに焦点を当てたメーカーです（Puyuan Informationや3D Worldなど）。専門的なデータガバナンスソリューション市場は、データガバナンスツールに依存してユーザーにデータガバナンスソリューションを提供するプロフェッショナルメーカーで構成される市場を指します。これは、単に専門的なソリューション市場と呼ばれます。中央国有企業向けのデータガバナンスプロフェッショナルソリューションの市場競争パターンは依然として散在しており、TOP3の総市場シェアはわずか27.6％であり、これは中央国有企業向けのデータガバナンスプロフェッショナルソリューションの導入期間から短期成長期の開発段階までの移行に関連しています。現在、プイアン情報は最高の市場シェアを持ち、10.6％に達しています。 Merrill Lynch Data、3次元の世界、Shulan Technology、Oriental Guoxin、Kangaroo Cloud、Sifang Weiyeなどのブランドメーカーも驚くべき結果を達成しています。さらに、中央国営企業向けのデータガバナンスマスターデータ管理製品とサービスの市場では、プイアン情報の市場シェアが16.7％に達し、1つのランキングに続き、その後、オリエンタルグオキシン、メリルリンチデータ、3次元の世界が続きました。

2.5.データ資産管理活動機能

アクティビティ関数は、データ資産管理の基本管理単位です。データアセット管理には、データモデル管理、データ標準管理、データ品質管理などの10のアクティビティ関数が含まれ、2つの段階のデータリソース化とデータ資産をカバーしています。

1）データモデル管理

データモデルは、一連のデータの概念と定義を説明するために使用される実際のデータ機能の抽象化を指します。データモデル管理とは、エンタープライズアーキテクチャ管理と情報システムを設計する際の論理モデルを参照すること、標準化された用語、単語、その他のデータ要素を使用してデータモデルを設計すること、およびエンタープライズアーキテクチャ管理、情報システムの構築、運用とメンテナンス、データモデル管理システムに厳密に準拠して既存のデータモデルのレビューと管理のプロセスを指します。データモデル管理の主要なアクティビティには次のものがあります。

データモデル計画：データモデル管理の関連する利害関係者を確認します。組織レベルのデータモデル要件を収集、定義、分析します。データモデルの標準と要件に準拠し、エンタープライズレベルのデータモデル（トピックドメインデータモデル、概念データモデル、論理データモデルを含む）に準拠することを決定します。

データモデルの実行：論理データモデルを参照して物理データモデルを開発し、開発プロセスレコードを保持します。データモデルのレビュー基準とテスト結果によると、データモデル管理の参加者はモデルのレビューを実施し、レビューの後にモデルを公開および起動します。

データモデル検査：データモデル検査基準を決定し、データモデル検査を定期的に実施して、データモデルと組織レベルのビジネスアーキテクチャ、データアーキテクチャ、およびITアーキテクチャの一貫性を確保します。データモデルの検査結果を保持し、データモデル検査ベースラインを確立します。

データモデルの改善：データモデル検査結果に基づいて、データモデル管理の関連する利害関係者を招集して、データモデルの最適化計画を明確にします。データモデルの設計方法、モデルアーキテクチャ、開発技術、管理プロセス、メンテナンスメカニズムなどを継続的に改善します。

2）データ標準管理

データ標準とは、データの内部および外部使用の一貫性と精度を保証する規範的制約を指します。データ標準管理の目標は、データの利害関係者によって確認されたデータ標準を策定および発行することにより、データ標準化を促進し、データの品質をさらに向上させることです。機関の制約、プロセス制御、技術ツール、その他の手段を組み合わせています。データ標準管理の主要なアクティビティは次のとおりです。

データ標準管理計画：データ標準管理の担当者と参加者を決定し、データ標準要件の収集と現在の状況調査を実行し、組織レベルのデータ標準分類フレームワークを構築します。データ標準管理計画と実装ルートを策定および公開します。

データ標準管理と実装：データ標準分類フレームワークに基づいてデータ標準を定義します。データ資産管理責任システムに基づいてデータ標準をレビューおよび公開するための関連担当者を整理します。プラットフォームツールに依存して、データ標準（データモデルの設計と開発、データ品質監査などを含む）を適用します。

データ標準管理検査：データ標準の適用性と包括性のタイムリーな検査を実施します。プラットフォームツールに依存して、アプリケーションのデータ標準を確認および記録します。

データ標準管理の改善：データ標準のメンテナンスと最適化のためのロードマップを策定することにより、データ標準管理の組織構造と戦略的プロセスに従って、すべての参加者が協力してデータ標準のメンテナンスと管理プロセスを最適化します。

3）データ品質管理

データの品質とは、特定のビジネス環境でのビジネス運営、管理、意思決定にデータを満たす程度を指し、データアプリケーションの有効性を確保するための基礎となります。データ品質管理とは、データ品質の計画、実装、および制御を測定、改善、保証するための関連技術の使用など、一連のアクティビティを指します。データ品質を測定するためのインデックスシステムには、完全性、標準化、一貫性、精度、一意性、適時性などが含まれます。

データ品質管理は、ソースガバナンスと閉ループ管理の原則に従います。ソースガバナンスの観点から、主に、新しいビジネスまたはITシステムを構築するプロセスでデータ標準または品質ルールを明確にし、「1つの番号、1つのソース」の原則を採用し、データプロデューサーおよびデータユーザーを確認することを指します。低データの適時性やコアビジネスの増分データなどのシナリオでは一般的です。閉ループ管理の観点から、主にデータの品質ニーズ、問題の発見、問題検査、問題の修正、循環、処理、使用のプロセス全体の品質検証と制御をカバーする良性閉ループの形成を指します。

4）マスターデータ管理

マスターデータとは、企業のコアビジネスエンティティを説明するために使用されるデータを指します。これは、さまざまなビジネス部門やシステムにまたがる価値の高い基本データです。マスターデータ管理（MDM）は、企業のコアビジネスエンティティに関連するシステム記録データを調整および管理するために使用される一連のルール、アプリケーション、およびテクノロジーです。

主なデータには高いデータ値、強い安定性、少量であるが広い影響の特性があるため、「ゴールドデータ」として知られています。事業活動に参加するコアビジネスエンティティの種類が徐々に増加するにつれて、マスターデータの管理の範囲が徐々に拡大し、マスターデータが「クロスデパートメンタル」から「相互組織化」に拡張されます。たとえば、Haier Groupの主なデータは、全体的なポリシーと「異なるビジネスフォーマットと同じ基準」を取り、「一貫した基準と完全なプロセス」を目指しています。 「制御可能なプロセス、質の高いゲート、定期的な監視、および前処理」の管理原則に従います。グループのMDMメインデータ管理システムに依存して、グループレベル全体の組織間および業界全体でメインデータの統一された管理を実現しています。製品/材料、材料、サプライヤー、顧客など、従業員/組織、内部企業、銀行機関、アカウント、チェーングループ、公園/建物、工場などなどの従来のマスターデータに基づいて、デジタル変革プロセスの進歩により、グループのマスターデータ管理範囲に含まれています。現在、マスターデータの従来の理解を破る12種類の標準化されたマスターデータがあります。マスターデータを含めると、ビジネスシナリオとユーザーエクスペリエンスにもっと注意を払います。

5）データセキュリティ管理

データセキュリティとは、データが効果的に保護され、必要な対策を講じることによって合法的に使用されることを保証する能力と、継続的なセキュリティ状態を確保する能力を指します。データセキュリティ管理とは、データが効果的な保護と法的使用の状態にあることを確認するために、組織のデータセキュリティ戦略のガイダンスに基づいて複数の部門が共同で実装する活動のコレクションを指します。これには、組織のデータセキュリティガバナンスチームの設立、データセキュリティ関連の制度的規範の策定、データセキュリティ技術システムの構築、データセキュリティ人材プールの開発が含まれます。

データセキュリティの分類とグレーディングは、データセキュリティ管理の基本的かつ重要なタスクとなっています。 「データセキュリティ法」は2021年に発行され、「州がデータ分類と格付けシステムを確立し、データの分類と格付け保護を実装し、格付け保護を実施する」と提案し、データ分類と採点の保護要件を正式に確立しました。同じ年に発行された「個人情報保護法」には、「個人情報プロセッサは、特定の目的があり、十分な必要性と厳格な保護対策が行われた場合にのみ、機密性の高い個人情報を処理できる」ことが必要です。中国のサイバースペース管理は、データが一般的なデータ、重要なデータ、コアデータに分割される「ネットワークデータセキュリティ管理の規制（コメントのドラフト）」でさらに明確にし、州は個人情報と重要なデータの保護、およびコアデータの厳密に保護することに焦点を当てます。国家の要件に従って、各地域と部門は、その地域、部門、および関連産業と分野のデータを分類および階層的に管理します。

6）メタデータ管理

メタデータとは、データを説明するデータを指します。メタデータ管理は、データ資産管理の重要な基盤であり、高品質で統合されたメタデータを取得するための計画、実装、および制御動作です。

メタデータは、データ資産管理のプロセス全体を実行し、データリソース化とデータ資産をサポートするコアです。まず第一に、メタデータはビジネスの観点と管理の観点から始まり、ビジネスメタデータを定義してメタデータを管理することにより、ビジネス担当者とマネージャーのデータの理解と理解が強化されます。第二に、テクニカルメタデータは、データウェアハウス、ビッグデータプラットフォーム、ETL、データの血液関係を追跡、記録し、データモデルの変更の影響を迅速に発見し、変更の潜在的なリスクを効果的に識別するデータ倉庫、ビッグデータプラットフォーム、および記録のストレージと循環プロセスを自動的に分析します。最後に、メタデータは、データ資産カタログとデータサービスカタログの自動メンテナンスのための効果的なツールとして使用できます。たとえば、Guangdong Power Gridは、メタデータ管理プラットフォームに依存して、メタデータの分布を監視し、人気のある例外アプリケーションテーブルを取得し、メタデータテーブルの変更傾向、フィールド変更トレンドなどの情報を表示して、リアルタイムのオンライン監視、異常な監視、早期警告分析、主要なアプリケーションデータリンクの作業順序処理を実現します。

7）データ開発管理

データ開発とは、生データをデータ資産に処理するさまざまな処理プロセスを指します。データ開発管理とは、開発管理の仕様と管理メカニズムの確立を指し、開発プロセスと品質はデータ、プログラム、タスク、その他の処理オブジェクトを監視および制御するため、データ資産管理の開発ロジックが明確になり、開発プロセスが標準化され、開発タスクの再利用性が向上し、開発の効率が向上します。

8）データ資産の循環

組織の場合、データ資産の流通とは、データ共有、データ開始、データ取引などの流通モデルを通じて、組織内および外部のデータ資産の価値の実現を促進することを指します。データ共有とは、組織の部門間のデータ障壁を分解し、統一されたデータ共有メカニズムを確立し、組織内のデータリソースの流れを加速することを指します。データの開始とは、アクセスしやすいデータを提供し、一般にデータを理解することを指します。政府の場合、データの開設とは、主に公開データリソースの開設を指します。企業の場合、データを開くこととは、主に企業運用ステータスの開示と政府と企業のデータの統合を促進することを指します。データトランザクションとは、安全とコンプライアンスの前提で、2つの当事者間の契約契約、取引の契約契約を通じて、データまたはそのデリバティブ形式を主要な主題として実行するトランザクションを指します。データ共有、データの開く、データトランザクションの違いは、交換データの属性とデータ交換の主題範囲にあります。パブリック属性を持つデータの場合、組織システム内の流通は、政府機関間のデータ交換など、組織システムの外側の流通などのデータ共有です。 For data with private (commodity) attributes, circulation within the organization is an enterprise data sharing, such as data exchange between enterprises and departments, circulation outside the organization is a data transaction. Not all data transactions are settled in currency. Under the premise of following equivalent exchange, whether it is the traditional peer-to-peer trading model or the intermediary trading model of data exchanges, "numbering numbers" or "numbering numbers" extended from "barter" may also exist.

9）数据价值评估

The narrow sense of data value refers to the economic benefits of data. The broad sense of data value is beyond economic benefits. Taking into account factors such as business benefits and cost measurement of data, we focus on the broad sense of data value. Data value assessment refers to the activities of measuring the economic benefits, business benefits, investment costs and other activities of data through the construction of a value evaluation system.データ値評価は、データ資産管理の重要なリンクであり、データアセット化の価値ベースラインです。 At present, the industry mainly focuses on three aspects for data value evaluation: first, data asset valuation, which directly quantifies the data value; second, data asset accounting, as the core asset of the enterprise, enters the balance sheet; third, multiple roles participate in the data element ecology and enters the big cycle of data element circulation.

多数企业对于数据价值评估的认识和实践集中于第一个方面。以浦发银行为代表， 通过编制《数据资产经营报表》，对数据资产的规模、价值、运营能力和管理水平进行全面度量，客观评价数据在典型业务场景下的贡献程度，清晰展示数据对于业务质效提升、经营模式变革的推动力，形成数据管理与数据应用的良性循环。 目前数据价值评估的思路主要沿用传统资产评估方法（成本法、收益法、市场法）， 但是注意到各评估方法的适用对象和可行程度存在差异。对于成本法，考虑到成本难以分摊，其适用对象是企业全部数据资产而非特定数据产品，测算结果是数据资产管理的总体投入成本，包括获取成本、加工成本、运维成本、管理成本、风险成本等方面。对于收益法，其适用对象是特定数据应用场景下的数据产品，测算结果是引入数据资产所带来的业务效益变化。市场法以数据定价和数据交易为主要目的， 其适用对象同样是单一数据产品，通过对比公开数据交易市场上相似产品的价格， 同时考虑成本和预估收益，对数据产品进行价格调整。

10）数据资产运营

数据资产运营是指通过对数据服务、数据流通情况进行持续跟踪和分析，以数据价值管理为参考，从数据使用者的视角出发，全面评价数据应用效果，建立科学的正向反馈和闭环管理机制，促进数据资产的迭代和完善，不断适应和满足数据资产的应用和创新需求。建立可共享可复用的数据资产体系，构建多层级数据资产目录， 是开展数据资产运营的基础和前提。

3.1. Puyuan Information

公司是国内领先的软件基础平台产品与解决方案专业提供商，重点面向金融、通信、 政务、能源、先进制造等行业客户建设自主可控软件基础设施的需求。公司通过自主研发的云原生低代码平台、智能化数据中台、全栈式信创中间件等系列产品及解决方案，助力客户实现IT 架构重塑，建立安全可信的信息技术应用底座与智能化数据中台体系，提升数字化转型能力。

公司2023H1 实现营业收入1.81 亿元，较上年同期增长32.18%；归母净利润-0.31 亿元，亏损同比增加379.75 万元；净利润亏损主要系公司业务存在显著季节性特征， 上半年收入占比较低、下半年尤其是第四季度收入占比相对较高，而公司各项费用全年均衡发生，因此上半年的盈利状况与全年盈利状况可能存在较大的差异。

在智能化数据中台方面，基于公司主数据管理、数据资源目录、数据共享交换、数据资产管理等产品和解决方案，帮助客户打造数智化支撑体系，实现基于人工智能的数据开发治理运营一体化。此外，公司与华为云联手打造了“元数据资产管理解决方案”，依托普元数据管理产品能力和大量实践经验，在多个应用场景中成功支撑合作项目规划与落地，加速客户数据资产化，提升数据管理效率和价值。

普元数据资产管理平台可统筹管理企业核心数据资产，从企业IT 项目全生命周期管控入手，融合管理数据模型和元数据，实现从数据源头落实数据资产规范要求， 形成一致化的数据架构；通过基础数据、业务数据、统计分析数据等的梳理与排摸， 形成包含业务、管理与技术要素的数据资产管理体系。同时，通过数据标准规划、 定义与落地，按照数据六性要求，建立数据质量预警机制，全面提升企业数据质量； 通过建立自助式数据共享运营机制和自动化数据共享服务平台，为企业数字化转型下的业务变革与IT 架构重塑提供多种共享形式，不同数据形态的数据服务，突破技术壁垒与业务藩篱，提升企业数据管理能力，持续推动数据资产价值的开发利用。

根据央国企数据治理市场发展白皮书（2023）调研，普元信息以10.6%的市占率位居央国企数据治理专业方案市场品牌份额第一；以16.7%的市占率位居央国企数据治理主数据管理产品服务市场品牌份额第一。此外，国际权威研究机构Gartner 发布了《Hype Cycle for Data,Analytics and AI in China,2023》报告。普元信息依托数据开发治理运营一体化能力入选报告，与阿里云、华为等共同被标注为“数据资产管理标杆厂商”（SampleVendor）。 普元信息携手华为云共同推广技术共生、商业共赢的“元数据资产管理解决方案”， 为企业数据资产化提供全新的解决方案。该解决方案基于华为大数据平台，具备超高性能和多项竞争力优势，在一站式数据资产管理、构建数据仓库和各主题数据库、 打造一站式企业供数平台、各委办局部门共建的信息资源共享平台、搭建多级信息资源交换体系、建设多主体多维度的标签库体系等应用场景中成功落地，帮助企业提升数据管理效率和价值，加速企业数据资产化。

3.2. Three-dimensional world

公司主营业务分为检验检测信息管理业务、数据资产管理业务、供应链管理业务、 技术服务四大类。公司产品应用领域广泛，先后为全国多个省市级的食品药品监管部门、环境保护部门、市场监督管理部门、疾控中心等政府机构，以及中国海油、 五矿集团、光明集团、中兴通讯、比亚迪、隆基绿能、国药控股等大型企业集团提供检验检测信息化及数据资产管理等专业服务，在国内检验检测信息化与数据资产管理领域占据一定的市场地位。 2023H1 公司实现营业收入0.6 亿元，同比增长31.38%；研发费用及销售布局加大投入，实现归属于公司股东净利润-0.58 亿元，较去年同期亏损扩大10.75%。主要原因是，公司上半年验收项目多为去年或之前遗留的项目，受当时外部环境影响， 实施时间较长，人工成本相应较高，带来亏损扩大。

公司数据资产管理平台以“数据资产价值释放”为核心目标，覆盖DAM 全域的12 个数据管理职能，打通数据全生命周期的治理、开发环节，同时以知识图谱技术、机器学习、深度学习算法为智能化手段，解决企业中关键核心数据不可信、不可用、 数据价值无法释放等痛点问题。

公司数据资产管理平台协助企业客户从业务和技术双视角厘清数据资产，绘制企业级数据资产地图。在数据资产地图的基础上从数据质量、数据价值、数据应用成熟度多个维度进行数据资产动态评估，形成合理、健全、有效的数据资产评估机制。 提供全方位的数据治理支持，构建数据治理完整链条，奠定高质量数据基石。实现高质量数据资产的内部循环与外部流通，运用数据分析与挖掘获取新的信息，在公司内部形成数据流转与共享，在企业外部为社会提供数据资产的价值，也同时为企业谋取创新型的收益，实现数据的增值。

新版数据资产管理平台顺利推广。公司于2022 年11 月发布的数据资产管理平台V12 版本，定位于数据管理全职能领域，覆盖从数据采集、传输、集成、加工、分析、应用等全方位内容，可帮助用户建立数据管理、开发、应用的完整闭环。数据资产管理平台v12 以“数据资产价值释放”为核心目标，覆盖DAMA 全域的10 个数据管理职能，打通数据全生命周期的治理、开发环节，同时以知识图谱技术、机器学习、深度学习算法为智能化手段，解决企业中关键核心数据不可信、不可用、 数据价值无法释放等痛点问题。截至2023H1，已与市场监督管理总局、中国能源建设下属公司、立邦投资等多个客户签订协议，已形成良好的示范效应。同时，公司在广西持续推进数据要素化试点示范工作，探索新的商业模式。

3.3. Oriental Guoxin

公司主营业务是为客户提供企业级大数据、人工智能、云计算、工业互联网等平台、 产品、服务及行业整体解决方案。在技术产品方面，基于大数据、云计算、人工智能、工业互联网、5G 和机器学习等前沿技术提供包括数据采集、数据存储计算、数据分析挖掘、数据应用、数据治理管控、云基础服务与应用开发平台相关技术产品； 在行业解决方案方面，基于公司多年的业务经验积累为通信、金融、工业、政府与公共安全等行业客户提供解决方案与技术服务，帮助客户形成高质量的数据资产、 发掘数据深层次价值、提升IT 资源利用率及服务能力，从而获得更高的生产效率和经营效益，助力企业数字化转型。 2023H1 在研发端，公司实现了在5G 通信技术、大数据技术、人工智能垂直大模型等方向上的突破创新，不断加强IT/CT/OT 技术的全面融合，持续推动融合技术在各垂直领域应用落地。2023H1 公司实现营业收入9.27 亿元，同比增长3.87%；实现归属于上市公司股东的净利润0.68 亿元，同比增长14.62%。

东方国信大数据治理平台是目前国内深度的端到端一体化大数据治理平台，实现数据中心“模型标准化、关系脉络化、加工可视化、质量度量化、服务自动化”，实时监控全业务流程。产品优势在于：1）落地能力强：已覆盖12 个大类行业，累计服务数百家企业。2）完整的数据治理体系：全面的数据治理一体化解决方案，涵盖整个数据中心端到端全链条的工具化支撑，从库表设计、数据采集数据加工、数据质量验证、数据安全、形成数据资产并对外提供数据服务。3）自主可控：整套大数据治理平台全部自主研发，实现数据全生命周期端到端透明化的安全管控。

3.4。 China Software International

中软国际有限公司是行业领先的全球化软件与信息技术服务企业之一，成立于2000 年，为香港主板上市公司。中软国际在服务财富500 强企业及大中型客户的近二十年里，在电信、政府、制造、金融、公共服务、能源等行业均取得了不斐的成绩。 中软国际应用开发与管理专业沉淀深厚，企业数字化转型的最佳实践和专家人才充沛。公司与华为等战略伙伴一起，构建互联网信息技术服务平台。 2023H1 公司业绩积极向好，实现营业收入84.50 亿元，同比降低15.71%；归母净利润3.51 亿元，同比减少38.58%。公司溯源并强化商业内核；深入推进财质一体化及DSTE战略绩效激励闭环等变革，基于AIGC大模型赋能软件工程及科学管理， 不断回应并力求解决现实世界、客户存在的真实问题。2023H1 公司与华为云签署盘古大模型合作协议，作为华为云战略合作伙伴和最早参与华为盘古NLP 大语言模型生态的能力型合作伙伴，在华为开发者大会2023荣膺'盘古大模型技术领航者'奖项。

中软国际具备行业内领先的数据资产规划、控制和提供数据及信息资产服务的能力， 提取、保护、交付和凝练数据资产的价值，并据此形成相应的数据资产管理产品和实施方法论。依托对数据资产领域业务和技术的深入研究，结合团队在证券行业深耕积累，中软国际提出围绕数据资产盘点、数据资产评估、数据资产运营的全面数据资产管理方案，涉及数据架构管理、数据质量管理、数据模型管理、元数据管理、 数据标准管理、数据安全管理、主数据管理和数据生命周期管理，并形成相应的产品解决方案。该解决方案具有以下优势：1）深度理解证券行业数据模型与标准。2） 基于以元数据、数据质量、数据标准为核心的产品化实现。3）同步支持数据仓库、 大数据数据资产管控与治理。4）华为大数据应用首选数据资产管理平台。

3.5。 Starring Technology

公司是国内领先的大数据基础软件开发商，主要提供大数据与云基础平台、分布式关系型数据库、数据开发与智能分析工具三大类基础软件产品及配套服务，助力客户实现数字化转型。报告期内，公司积极应对以ChatGPT 为代表的人工智能带来的新机遇，秉承“自主研发、领先一代”的技术发展策略，加大研发投入，加强技术和产品创新，不断扩大市场规模，提升行业影响力，2023H1 公司实现营业收入1.38 亿元，同比增长41.38%，归母净利润-1.9 亿元，同比降低14.71%。 公司主要提供两大类的产品和服务：第一类是大数据基础软件业务，包含基础软件产品和与产品相关的技术服务；第二类是应用与解决方案，主要针对大数据应用场景，提供大数据存储、处理以及分析等相关场景下的咨询及定制开发等服务的解决方案；除上述两类业务以外，公司根据客户及项目需求销售少量第三方软件、硬件等其他业务。

TDS 是公司研发的一款用于大数据开发的工具集。TDS 内置多个数据工具产品，为企业构建数据仓库、数据湖、数据中台，提供高效的数据集成、数据治理、数据资产管理、数据标签与服务、数据共享与交易等工具，提高开发者对数据系统的建设效率，提升业务客户对数据资产的利用效率，帮助客户实现数据对业务的赋能。其中，公司产品Governor 和Catalog 用于企业的数据治理和资产管理，其中Catalog 可支持字段级别的细粒度的数据血缘分析从而帮助提高数据质量，同时能够实时地更新血缘数据；支持通过机器学习技术来学习相关的数据规则和适用数据对象，为用户自动化匹配数据与质量规则，可以显著的降低人力成本。

3.6. Green Alliance Technology (Yesaitong)

绿盟科技全资子公司亿赛通在赛迪研究报告中连续7年稳居中国数据泄露防护市场占有率第一，2022 年亿赛通数据安全核心领域的业务增长增长达50.14%。北京亿赛通科技发展有限责任公司成立于2003年，公司以加密文档技术起家，2006年~2018年公司从专业文档加密厂商变为了数据安全防护厂商，2007 年开始就为中国人民解放军某部提供数据泄露防护综合解决方案，2008 年在国内提出数据泄露防护DLP 概念，与IBM、华为结为战略合作伙伴；2019 年至今公司扩大数据安全产品线，打造综合数据安全厂商，于2022 年发布数据安全治理、数据安全防护、数据安全流转、数据库安全和安全服务等多系列新产品抢占新赛道。 目前，公司全线产品覆盖云、网、端三大类应用场景，60 款+精细化产品模块，支持结构化、非结构化和半结构化数据安全管理，打造集数据安全合规、数据安全治理、数据安全防护、数据安全流转、数据库安全、安全服务为一体的数据安全领域综合解决方案。

公司的数据安全治理产品以“人”和“数据”为中心，从技术到产品、从策略到管理，提供完整的产品与服务支撑，实现业务与安全的深层融合。整个数据安全治理过程从决策层到技术层，从管理制度到技术支撑，将现有的各个独立的数据安全技术和功能整合，构建了自上而下、全流程、可闭环的完整链条。

3.7. 美林数据

美林数据专注数据价值发掘、深耕行业应用，是国内知名的数据治理和数据分析服务提供商。公司将大数据、人工智能、机器学习等前沿技术与传统工业深度融合， 重点为工业领域客户提供包括数据资产管理、数据分析与挖掘、数据开发应用、工业互联网运营在内的数字化解决方案，赋能工业企业在产品研发创新、生产管理、 销售服务等各环节的智能化转型以及产业链协同，实现对内降本增效，对外拓展创新，提升服务质量的目的，最终推动传统产业的数字化转型升级。 2023H1，公司实现营业收入5,701.48 万元，较上年同期增加149.34 万元，实现归属于挂牌公司股东的净利润-2,096.80 万元，较上年同期亏损减少134.72 万元。依托自主研发的可复制、高成熟度的软件产品、平台及行业知识，公司已为能源、电力、 装备制造等众多领域客户提供数字化解决方案服务，并围绕工业密集产业区布局打造工业互联网应用平台。

2023H1，公司承接了“浙江省缝制设备行业产业大脑”运营服务项目，已实现台州市椒江区规上企业100%入链。面向中小企业数据资产管理和数据价值化的“企业云仓解决方案”累计服务企业600 多家。随着政府、行业、企业对产业高质量发展推进日益深化，公司正在积极推动多个区域工业大脑、龙头企业行业产业大脑项目落地。 同时，工业互联网应用产品研发稳步推进，基于工业互联网平台化运营需求和中小企业共性需求，公司研发的“工业企业数字名片”、“企业一链通”等产品，强化产业链上下游企业间、产业间、企社间的连接和协同，促进市场资源要素的畅通流动、 配置优化、打破产业领域数字壁垒，消除中小企业数字鸿沟。产品上线运营以来， 美林领航工业互联网平台新增200 多家企业入驻平台。 公司开发了数据资源管理平台，面向企业数据的信息模型、质量服务、检索服务、 共享服务集中管理平台，提供企业级元数据管理、灵活的数据集成策略、自助式数据同步与汇总策略、全面数据质量监控、多源数据统一服务。

该平台支撑应用主要有：1.提供面向系统的数据质量管理、数据安全管理、流程管理、组织与权限管理； 2.数据质量管理：从定义规则到质量监控、进行质量分析与质量整改，实现数据质量的提升； 3.数据安全管理：包括数据密级管理、数据访问控制、安全日志审计三部分，确保系统数据的安全管理及使用； 4.流程管理：提供流程模板分类维护、流程模板定制、为编码业务指定流程模板及流程审核过程的管理功能； 5.组织与权限管理：提供系统用户的组织模型和权限设置的管理，定义企业用户的组织结构、角色、信息，根据用户的组织和角色，为其分配相应的权限，通过人员的组织和角色对用户的权限进行控制。

（この記事は参照専用であり、当社の投資アドバイスを表していません。関連情報を使用する必要がある場合は、元のレポートを参照してください。）

選択したレポートソース：[将来のシンクタンク]。 "リンク"