在數據資產管理的領域里，主數據的管理是最為基礎的部分，通過構建準確、唯一、權威的數據來源建立企業主數據標準管理體系，是提高企事業單位數據質量和數據資產價值的關鍵因素。

2018年12月13日，由中國信息通信研究院、中國通信標準化協會主辦，TC601大數據技術標準推進委員會承辦的“2018數據資產管理大會”在北京國家會議中心隆重召開。《主數據管理實踐白皮書1.0》在此次大會正式發布。

為普及主數據和主數據管理的理念，中國信通院云大所聯合石化盈科等企業專家共同撰寫《主數據管理實踐白皮書1.0》，由石化盈科共享創新事業部數據業務分部總經理蔡春久先生、陜西省延長石油集團有限責任公司科技部高級主管甘臘梅女士、中國一重集團有限公司信息中心副主任李學東先生，以及安徽省投資集團控股有限公司信息中心主任楊大寨先生四位專家共同解讀了《主數據管理實踐白皮書1.0》。

蔡春久，石化盈科共享創新事業部數據業務分部總經理

圍繞主數據管理實踐白皮書的挑戰、兩體系一平臺、實施要點及案例四個方面進行了詳細介紹。

甘臘梅，陜西省延長石油集團有限責任公司科技部高級主管

從流程工業企業角度出發，介紹了延長石油的主數據項目建設的過程。

李學東，中國一重集團有限公司信息中心副主任

作為離散型裝備制造業典型企業，圍繞中國一重的主數據項目建設經歷分享經驗。

楊大寨，安徽省投資集團控股有限公司信息中心主任

從自身從業20年經驗出發，對主數據項目建設進行了歸納總結和經驗分享。

《主數據管理實踐白皮書》是國內首個正式發布的主數據管理指導文件，填補了國內在主數據管理領域的空白，能很好的指導企事業單位主數據管理相關工作。

以下為演講實錄

蔡春久：大家好，非常高興在這個會議上發布主數據白皮書。大約30多位專家、來自20多個國內世界500強和中國500強企業，通過半年時間完成本白皮書編撰。主數據是數據資源、是數據資產的核心，是信息系統互聯互通的基石，是信息化和數字化重要的基礎，主數據的白皮書最核心的一個詞來形容“源于實踐”，來自國內近100多個大型集團主數據管理經驗總結而來的。

主要內容有四個方面，有主數據管理的挑戰、兩體系一平臺、主數據實施的六階段實施要點，以及來自于實踐用于實踐的十三個大型集團企業的案例。

目前國內主數據最大的挑戰來自四方面：第一，我們企業里面的高管領導或者我們的信息化部門不太重視主數據的總體規劃，缺乏頂層設計。第二，我們有一部分主數據是來自國家層面的，有行業層面的一些主數據，由于這個在國家的各個部委管理比較分散，導致企業里面很難有非常好的渠道獲得這些數據，像我們的行政區域、像我們的銀行銀聯號等等都散落在各個部里面，數據獲取困難。第三，我們企業內部已經存在的且分散管理的主數據，由于缺乏統一的標準和數據的關聯，導致內部管理比較混亂。第四，一些大型集團企業由于系統眾多，建設在不同年代，孤島比較多，導致后面數據集成比較困難。

主數據的重要性在企業的信息化過程中是不言而喻的。第一，做好主數據可以消除數據冗余和孤島，通過主數據打通各個業務鏈條，統一數據語言和數據標準，實現數據共享以及數據資產最大化。第二，能夠提升數據處理的效率。通過主數據管理實施數據動態自動整理復制減少人工整理數據的時間和工作量。第三，可以提升公司或者企業里面公司的戰略協同，保證數據的一致性、完整性。

我們總結了一個主數據的定義，這個定義更加接近實踐，更容易懂：主數據是滿足跨部門、跨業務協同需要的、反映核心業務實體狀態屬性的組織機構下面的一個基礎信息。國外的一些定義非常抽象。這里面我們大概總結了五個特征：一是超越部門，我們所有的職能部門是所有業務過程中最大公約數的基礎數據。二是超越流程，因為主數據不依賴于某一個具體業務流程，但是卻是主要業務流程都需要的流程。三是超越主題，主數據不依賴于特定業務主題卻又服務于所有的業務主題有關的業務實體的核心信息。四是超越系統，主系統管理系統是信息系統建設的基礎，應該是相對獨立的，像國內很多基礎數據都是放在ERP或者放在核心系統里面做的，應該是獨立的系統。五是超越技術，主數據為所有的系統提供一個共享的基礎數據服務平臺，面向微服務架構這種技術架構為所有的信息系統、所有的用戶提供一個技術支撐。

白皮書里，我們對主數據作了一個分類，分為核心主數據和配置型主數據。其中，企業里面的物料、產品、客戶等，這是企業核心業務執行的對象。例如國家行政區域、貨幣等，這是配置主數據。

白皮書里面最核心的內容就是兩體系一平臺，一個體系就是主數據的標準體系，是我們主數據管理重中之重，包括業務標準以及一些主數據模型標準。第二是保障體系，主要是保障主數據管理，由組織、制度、流程、應用管理、評價五部分組成。一平臺指主數據工具，包括主數據建模、數據整合、數據管理、數據服務、基礎管理、標準管理等功能。

我們通過上百家500強企業項目里面總結出來一套主數據實施方法，首先要做主數據規劃。其次是做主數據相關的標準，因為主數據在一個企業里面范圍內容很多，第三建代碼庫，第四搭平臺，第五運維體系，第六推廣貫標。

工作組未來初步計劃

（1）適時迭代白皮書

誠邀業內各類賢達學者參與，共同完善國內主數據管理理論和方法論體系，適時推出《主數據管理實踐白皮書2.0》，后續重點增加主數據管理水平評價體系和其他相關縱深行業經典案例。

（2）主數據從業人員培訓，提升從業人員的技能

針對區域內的主數據管理、應用方面的從業人員開展MDM知識體系培訓，并對通過考試人員頒發主數據管理人員證書，提升主數據從業人員的技能，確保主數據項目的建設效果。

（3）開展企業主數據應用評估

通過對于企業MDM應用情況進行評估，可以發現企業主數據管理過程中存在的問題，并且結合其他企業的最佳實踐經驗，給出針對性的建議。指導主數據管理、應用建設的思路和框架，規范和指導相關工作的開展

（4）推薦最佳實踐，建立實地案例基地

依托大數據發展促進委員會、數據中心聯盟等平臺組織各類活動，推進企業對接、交流，標桿案例實地考察和參觀，根據不同行業特征，推薦相關的最佳實踐案例，使需求企業了解同業相關的行業經驗，推動自身主數據管理、應用主數據管理水平的提升。

白皮書里有我們從100個案例當中精心挑選的13個案例，涉及到能源化工行業，交通物流行業、裝備制造行業包括軍工領域等行業，涉及央企、民企、軍工、投資管控等非常有代表性企業集團。

本次白皮書是由中國信通院牽頭，包括石化盈科這些公司共同完成，涉及20多家單位、30多名專家，在此對他們表示感謝。下面有三位比較典型的案例，一個是流程工業的，一個是離散行業的，還有投資管控型行業的三個案例，將由三位專家介紹。首先是陜西省延長石油集團有限責任公司的甘臘梅介紹案例。

甘臘梅：謝謝大家。延長石油是集石油、天然氣煤炭開發多種資源發展的大型能源企業。

2015年集團公司啟動了主數據項目建設，啟動的原因一是因為標準不統一，信息系統集成困難，有很多信息孤島，最重要的原因是為即將實施的ERP系統奠定基礎，我們后期組織了30多家單位上百名專家集中現場辦公，最終編制了60多萬物料編碼，為后期ERP成功上線奠定了扎實的基礎。我們分別在2016年以及2017年下屬單位煉化公司和榆林能化，在主數據平臺上建設自己的專業數據標準。

通過主數據項目我們一是構建了集團公司主數據標準管理體系，二是編制了集團公司的主數據標準，三是搭建了集團公司的主數據管理平臺，四是形成了集團公司主數據標準及運維管理體系，五是編制了集團公司信息系統集成接口規范以及相關制度。延長石油在數據治理這方面還有很長的路要走，所以在此非常希望也非常歡迎各位優秀的企業走進延長，讓我們來了解咱們的一些優秀的產品，了解大家的一個成熟的解決方案。所以今后歡迎我們相互的合作，為能源企業的數據治理貢獻自己的力量，謝謝大家。

李學東：首先給大家簡要介紹一下一重，中國一重集團有限公司始建于1954年，目前由中央管理涉及國家安全和國民經濟命脈的國有重要骨干企業，專項裝備、核電裝備、石化裝備、新材料、高端裝備、現代服務業和新能源裝備，是目前公司主要發展的業務板塊。

我們公司屬于典型的離散型裝備制造業，就是單件小批按訂單生產，公司在六年前曾經啟動過一次主數據項目，但是由于當時的規劃還有相關的落地實施措施有一些不到位，后續的效果不是特別好。公司經過多年的信息化建設，在建成的信息系統在運行的現在有30多個，這些系統都需要進行整體集成和數據分析、數據挖掘。同時原來物料代碼存在一些問題，在降低庫存等各方面存在一定的問題和障礙。所以一重在2017年6月份的時候啟動了主數據項目，采用集中辦公的方式，項目啟動時公司投入人力各方面的資源都是比較多的，當時集中了50多位專家制定的數據標準，120余人參與數據的清洗工作，這些專家不是一整年都在這個項目組上，是分階段的，比如數據標準制定階段需要50多個專家集中在一起辦公一個月，剩下清洗三個月到四個月他們在一起。項目成立以后成立10人的運維團隊，項目建成后主要是建立了公司的數據標準化體系，包括制度、組織、標準等，形成了七大類30余萬條的規范的主數據代碼庫，與業務系統高度集成，前面說的30多個系統大多數都打通了，為公司十三五信息化規劃打下了比較好的基礎。

我的經驗主要是三方面，也是跟第一次實施相關的，通過第一次實施總結出來的。第一在規劃方面要做好頂層設計和實施路線圖。第二方面要抽調業務骨干進行集中辦公，因為主數據建設不是信息化一個部門的事，需要多個部門來協調配合，而且需要他們抽調專業的骨干力量做這個事，同時各業務系統要同步改造才能把相關的主數據的成果應用好。第三方面就是在運維方面，系統建成以后要建立專業的運營團隊，我們公司后續建立了一個10人的運維團隊，就是把住主數據入口這一關，把住標準才能保證后續的主數據質量。謝謝大家。

楊大寨：大家上午好，非常高興和大家在這個平臺上就數據治理方面的問題進行探索，我是來自安徽省投資集團控股有限公司信息中心的，安徽省投資集團控股有限公司是安徽省省委省政府最大的承接省委省政府投資的一個平臺，它的業務范圍非常廣，我們涉及到金融、產業、基建，所以所有的數據的內容你們都可以見到。

我是2016年來到安徽省投資集團控股有限公司來搞信息化工作，我覺得像這樣的一個集團里面搞信息化工作難度是很大的，所以我就在做集團的建設的過程中進行體系化地來建設信息化的框架。首先就是標準體系的建設，其次是技術體系等等體系，但是告訴大家，最難做的是標準體系。我自98年進入IT行業的，在IT行業干了20年，可以告訴大家，這20年內我沒有成功做過一個體系，雖然我一次次站在這樣的講臺上，但是我可以告訴大家，我一次沒有成功過，可能一個系統做成功了，但是確實沒有做好一個標準體系。所以我來到安徽省投資集團控股有限公司以后，我有一個夢想就是一定要把它的標準化體系要做好。

我們面臨著什么樣的一些問題呢？我總結下來，第一就是兩張皮，大家都知道做標準很重要，但是不知道標準該怎么做。

第二夾生飯，為什么是夾生飯？因為做標準化通過這兩年的實踐，包括我20年信息化的實踐告訴我們，信息化和標準化的建設必須高度吻合起來，正是因為我們做很多標準化的東西脫離了企業的一些實際，脫離了很多信息化建設的實踐，所以很多東西做成了夾生飯，因為什么時候做標準、什么時候把它發布出來、什么時候起作用絕對有講究，做得早系統起不了作用，做得遲系統起來了標準滯后，里面絕對有一個銜接的問題。

第三靠邊站做標準是要花很多的時間，是一年、兩年、三年一個長期持續的過程，但是沒有任何一個管理者、我們的高層能夠容忍你去做打基礎的工作看不到效益，這個問題是非常嚴重的，所以很多人做標準的過程中是忍耐不了，管理層總是在催促你，你在打基礎人家看不到東西，基礎的東西是基礎性東西，沒有看到系統，辦公沒有方便，我沒有看到業務數據，都沒有看到，這怎么解決？所以很多東西標準最后沒有辦法只好去建系統，建完系統再搞標準已經來不及了。

這些問題都是我20年內碰到的嚴重的問題，通過兩年的實踐我們建設了一個比較完整的一套系統，而且起到了作用，也使我自己的職業生涯的最后一站了，也比較完美的快要收官了。投資集團的一個做法，第一個就是數據化一定要與信息化的規劃相結合，為什么要有一個標準化的結合，2016年我做了整個信息化的戰略規劃，為什么要做呢？我告訴管理層，這個標準是要持續五年的，不是一年就能完成的，所以我的標準是從2016年開始做一直做到2020年，一直往后面去做，為什么做呢？我要告訴管理層，而且我要成為我集團里面戰略規劃的一部分，讓大家有這個思想準備。這是第一。

第二，數據的標準化一定要與系統的集成建設相結合，就是什么時候做標準，什么時候做，跟你的系統建設怎么銜接，做到什么程度，做到什么范圍是一定有講究的，這是第二。

第三，數據的標準化要與元數據的規范相結合，今天很多領導和專家都講到了主數據元數據小數據，我們現在做的主數據就是和元數據結合起來的，因為只有元數據才能夠很規范地把數據描述清楚，很規范地把主數據這套標準用到系統的建設和系統的開發中去。

第四數據的標準化要與主數據平臺的建設結合起來，很多數據標準的東西束之高閣，但是通過數據標準化的平臺管理這個系統，主數據管理平臺就是管你所有系統建設的一個樞紐。

我們投資集團的整體的系統的框架，這里面所有的系統都是一個很孤立的系統，代表了我們的一項職能，有基建、金融、產業數據量非常復雜，2016年整體是把所有的系統打包到我的平臺里面去，打包在平臺里面去我是通過信息資源的標準體系和其他的支撐體系把系統揉到一起了，具體怎么做呢？我現在所有做的標準是跟我所有的這些支撐體系是做到一塊兒的，如果單獨做一點用都沒有，所以我的數據的標準和我統一流程的管理、統一用戶的管理、統一數據的管理，這幾個支撐層是完全融合在一塊兒做的，所以我所有的這些系統之間都是一個完整的流程在管理。所有的用戶體系是靠統一的用戶管理中心去授權的，我沒有第二個流程管理中心，大家注意，所以你們在做信息化系統的時候一定要做流程，但是我只有一個流程管理中心，而且我只有一個用戶管理中心，在流程運轉的過程中，把管理流程放到我的流程中去運轉，運轉過以后我通過統一用戶授權給授權，在每個階段授權。我的標準在哪里做？我就在每一個節點的過程中去做這個標準，讓它的每一個系統很好地銜接起來，最后產生一個非常準確的、一致的、可以用的數據，這樣就把這個系統的標準和我整個的系統融合起來了，所以我們覺得統一流程加上統一用戶再加上統一數據，再加上我的標準化體系才能夠把標準做好，才真正地能夠把數據管理好。所以剛才很多的專家談到了，我也非常贊同他們，看到上面都是大數據什么東西，底下是一堆垃圾。就是因為沒有掌握一定的邏輯，怎么去建？怎么去搞？怎么起作用？所以這個也是我們探索的一條路。

監控中心也是對企業的數據進行監控的。這個就是剛才我講的跟系統的建設跟規劃相結合起來，另外我們建了一個數據的標準化管理平臺，大家可以看看所有的標準我全部建在我這個平臺上，以后所有的標準都是從我這個平臺里面去引用，怎么樣通過標準化平臺去管理所有的這些系統的數據。就實現了信息標準化、標準信息化，而不會把標準放在那里束之高閣。

最后的成果是我們形成了一套企業主數據標準體系的框架，因為時間原因我不跟大家詳細說了。第二我們形成了投資型企業的核心數據。第三我們形成了元數據和數據交換的標準，大家注意我前面講的這些主數據的東西，因為時間的原因我們以后可以跟大家再探討，我們所有的主數據全部是用元數據進行描述的。第四，搭建了集中統一的主數據管理平臺，通過兩年的實踐我們發現確實是有效的，也給我的職業生涯最后一站帶來了一定的欣慰。我的發言就到這里，謝謝大家。

大數據資產管理-從傳統到智能

隨著信息技術的飛速發展，各領域的數據量都在爆發式增長。大數據的開發利用正在如火如荼的進行中，涌現出許多優秀的技術和激動人心的案例。大數據蘊含著大價值，這一事實已經得到社會各界的廣泛認知。可以說，數據是社會的一項寶貴財富，是企業的一種優質資產。然而，大數據作為一項資產，就需要采用科學的管理方法進行管理，否則將會影響資產的價值。目前業界對于大數據資產管理的研究和實踐相對來說還處于初級的階段，還是面臨著諸多挑戰。

為進一步促進數據資產價值相關問題的研究交流，2018年12月13日，由中國信息通信研究院、中國通信標準化協會主辦，TC601大數據技術標準推進委員會承辦的“2018數據資產管理大會”在京召開。來自華為企業BG企業技術服務部大數據服務總監陳飚進行了題目為《大數據資產管理-從傳統到智能》的演講。

陳飚

他結合華為企業自身數據資產治理實際，分享華為數據資產管理解決方案相關經驗，強調“平臺+生態”，合作共贏，打造數據新生態。

以下為演講實錄

大家好，我是來自華為企業BG技術服務部的陳飚，負責華為全球政府和企業客戶大數據相關的專業服務，包括咨詢、規劃和落地實施等相關工作。今天我在這里跟大家分享一下我們在做大數據資產管理上的一些體會。我從以下幾方面給大家做一個匯報。

第一是挑戰。隨著科技的發展，我們經歷過計算機時代、互聯網時代，現在號稱進入了數據時代、智能時代。但是我們現在是真正進入到數據時代了嗎？其實我們現在只是用上了數據，但是我們離真正進入數據智能時代還差很遠。一般認為，未來數據加上AI會給所有的企業插上翅膀，未來所有的企業將是數據企業和智能企業，大數據驅動創新是每個企業的必經之路。數據加上智能將成為和計算機、互聯網一樣所必需的、基本的一個基礎設施，而數據資產也會變成企業的核心的競爭力之一、核心資產之一。

但是，在我們數據管理已經走過幾十年、大數據被提出十年之后的今天，采用大數據獲得成功的案例有多少呢？Gartner的分析師在2015年曾經預測，未來60%的大數據項目會失敗，到了2017、2018年我們發現這個數據太樂觀了，85%的項目沒有達到預期的產出。

我們遇到的問題不單單是我們想到的產品方面的問題、技術方面的問題，更多的是什么問題？更多的是與現有系統的對接困難，政策的阻力、管理的難度、技能的不足、安全風險等一系列的問題。這些問題導致項目遇到非常大的挑戰。但是即使遇到這么多的挑戰，有90%以上的企業還是決定以后加大在數據和AI上面的投入。

IDC統計顯示，我們現在投入生產的AI項目里面，96%的項目遭遇到的問題不是AI的技術問題，而是AI的數據問題，為什么這么說呢？因為傳統企業的數據都是來自于各個系統，缺乏統一的標準，相互之間的關聯不起來，數據質量較差。

我們現在用的技術和工具，都不能很好地支持數據的管理，怎么辦？現在來看，我們覺得真正用好大數據，比選擇一個好用的大數據平臺或者好用的大數據技術遠遠有更大的價值。做這件事情之前，我們回想一下為什么要做大數據，我們怎么用好大數據？在整個生命周期里面，我們以前只是在最初的一段，并沒有用到大數據的全生命周期，全生命周期每一個階段的目標和挑戰是什么？這需要我們在方法論上的有所提高。

以前很多企業都認為數據資產管理只是數據信息化系統中間的一個軟件的功能，另外有一些企業認為數據資產管理是一個技術，只需要搭一個數據管理的平臺，在上面做一些開發，這樣就已經做好了數據資產管理。其實經過我們的實施，發現這樣的觀念是不正確的。我們需要在大數據生命周期之間加入管理的環節，更重要的是在前面加入了規劃環節，在最后加入使用環節。所以我們提出來五階段的服務解決方案，這是我們第二個看法，數據資產管理不是一個軟件功能，一定是一個服務的體系，要通過人、流程和制度來做。

我們的解決方案主要包括的謀、聚、管、算、用，第一個是大數據的咨詢，也就是大數據的規劃，我們通過高級的具有前瞻性的一些顧問，做一個三年、五年甚至更長遠的戰略規劃以及近期的落地計劃。比如我們現在去做理財，我們首先做的是風險的評估，到底我們能不能承受這樣理財的方式。現在我們管理數據資產，核心要回答兩個問題，尤其在高層我們要統一兩個認識，這也是剛才尚總提到的要得到高層的支持，怎么支持呢？首先我們要得到兩個認同：第一，對于數據風險上面的認同，也就是說我們對風險的認識。到底這個數據的質量是不是有問題，數據出錯以后如何感知，對于數據的要求是非常高還是一般高還是覺得不重要的，這個決定了我們的戰略決策。第二個核心是什么？就要管理我們對數據的期望，認為我們整個數據工程達到什么樣的目標，這個一定要不停地管理而且是持續的管理，才能保證后面項目的成功。

第二部分就是做大數據工程，就是聚，一個是計算資源的聚，另外一個是數據的聚。我們通過建設節約型的數據和計算中心，把來自不同系統的數據資源和計算資源進行合并，打造一個平臺。在這里面我們做一個海量數據的存儲。同時也在做一個海量數據碰撞機。這里面我們需要更多的是數據平臺的建筑者，就是各種IT技術工程師。

在建好了平臺之后，第三步，在數據進來以后，就要管理起來。這里的管就是數據管理。這是傳統意義上或者狹義上數據管理或者數據資產管理的部分，在這里面我們要定標準、立規矩、明制度、行指令，保證我們的數據在是可用的，中間的計算是可靠的，最后它的結果也是可信的。

管理好了的數據就變成我們的資源，我們可以像煉油廠一樣進行深化加工，挖掘數據的價值，有了價值的數據就成為資產，所以我們通過大數據分析把數據進行資產化，把數據的價值進行提高，讓數據產生新的價值，讓“廢”的數據變成高價值的數據。這里面我們需要的是傳統的數據科學家。這個階段是“算”。

最后一個是用，是使用大數據的意思，但是這個用比我們想象的難度要大。首先我們要把剛才經過凈化的數據讓大家能夠利用到，這也要求數據的質量要高。第二，算出來的數據也要讓大家能夠使用。就是我們的經驗能夠被復用。模型和算法能夠所公開，能夠在同業之間共享，能夠進行迭代和積累。最后一個用就是讓我們的合作伙伴愿意來使用，這是我們最重要的一點，我們很多的項目到最后，我們實施得很好，我們覺得我們搭了非常高質量的平臺，但是最后我們得不到客戶的認同，得不到業務方的認同，為什么？就是因為我們缺少了我們的合作伙伴，我們缺少了應用，沒有形成百花齊放的局面。最后我們期望驅動數據的資產化、驅動數據的服務化，以數據開放驅動應用創新，跟我們的合作伙伴一起建造一個眾創眾包的數據生態，這是我們完整的包括大數據五個階段的解決方案。

怎么樣做到這一點？我們在技術上選擇做四個方面，數據管理是目標，同時也就是在做企業的數字化轉型。數字化轉型的核心無非就是用現有的科學技術，來感知現有的世界，并且真實記錄我們過往的世界，形成數據。然后利用人的智慧和經驗，就是算法。計算出來新的價值，并且把這個價值固化和傳遞，這就是我們的應用。如果能夠智能、和諧地管理好這四個因素，這就成為企業數據資產變現、企業數字化轉型的一個新的增長動力。

數據資產的核心分為這四個方面，我們要用人的智慧感知并且改變客觀世界，需要發展四個核心能力。第一個能力就是大數據規劃設計能力，這是大數據資產管理的可靠性保障。現在我們每年的數據和應用的增長超過15%，按照這個增長，平均三到五年系統的架構都要進行翻天覆地的改變。如果沒有一個前瞻性的設計，三到五年我們就要做一次系統的大規模改造，就要做一次業務和數據的搬遷。不斷的推到重來是積累不出來一個宏大的大數據體系的。所以我們一定要在剛開始的時候在平臺層面做出一個有前瞻性的部署。而不是像打補丁一樣，或者像修好了再搭馬路一樣。這些都是以往項目里面沉痛的教訓。我們看到很多例子，很多企業有買大數據產品甚至數據庫的產品，拿上來就能實施，但是用了一兩年，換了一兩個廠家以后發現達不到相應的目標。這是為什么？可能是就是前面的設計和規劃出了問題。

第二是大數據治理能力。大數據治理是正確性的保障，保障數據資產是對的，算出來的數字是對的，在這里面做一些可信可靠的保障。那么大數據治理和傳統數據治理、傳統資源管理又有哪些不同？后面我們會通過案例詳細來講。

治理好的數據可以用來做大數據的分析建模，這是我們第三個核心的能力。大數據的分析我們認為是競爭性保障。不同的企業，不同的部門通過同樣的數據產生完全不同的價值。我們需要有技術理念和有一定專業領域知識的人通過他們的經驗把我們的資產變成高價值的資產，這就是我們大數據分析建模的一個核心理念。

最后是大數據的應用支持能力。為什么叫應用支持能力？因為我們認為這是一個賦能的過程，是大數據整個戰略的可持續性保障。未來我們期望不是由一個單獨的部門來開發，而是說數據的全民化，所有的部門都能夠用到數據的支持，能夠利用數據的技術達到自己想要達到的價值。這就是需要對客戶進行賦能。以后還有專門幫別人打字的行業，現在打字已經變成非常基礎的能力。十年以后數據的技術、AI的技術也會全民化，每一個人都會懂，甚至每個人都會用一些語言做一些力所能及的操作，能夠挖掘出來一些價值。這就是我們覺得大數據分析能夠為客戶賦能，能夠做到自主可控、自主發展這樣一個目標。這是在技術方面的內容。

接下來我們說生態。大家知道華為是堅決地要做生態的。在數據資產管理上面怎么做呢？華為在下面做一些平臺，在上面有深度理解行業趨勢和客戶需求的合作伙伴。通過他們來做完整的方案。這就是“平臺+生態”的戰略。通過合作打造數據新秩序、數據新社會，有了新秩序和新社會，數據資產才有生存空間，未來才會有一個大舞臺。我們在全球有超過200個在大數據層面的合作伙伴，包括在座的有很多廠商也是我們的合作伙伴。我們有各種渠道的廠商，已經有超過500個大數據和數字轉型的成功案例。這是我們在生態上面的想法，一定要堅持“平臺+生態”的概念。

另外，我們還有一個觀點是一定要找到場景。我們認為找到合適的場景才是資產變現的基礎。數據不是收藏品，有價值的數據才是資產，沒有價值的數據只是一種累贅。不同的數據在不同的人通過不同的處理方式在不同的場景下面做出不同的應用，產生的價值是不一樣的，就決定了它是資產或者是累贅。所以我們做數據資產的管理一定要把數據資產管理納入到長期化方案當中，數據資產管理的目標就是要把數據變為生產力。

舉個例子，我們做數據驅動設計，數據驅動開發、數據驅動重構，通過數據看到運維上面的不足，看到架構上面的不足，從而為我們的客戶每年節省到上千萬元。那么給他們提供決策的數據值多少錢呢？這就產生了價值。

在業務方面，通過數據關聯分析，我們甚至能夠做到以前做不了的事情。舉個例子，公安以前靠抓人都是靠人力，看圖片和推斷等都是靠人工。現在雖然有了人工智能，但其實很多時候很多事情還是要靠人來做的。有一個說法就是有了多少的人工我們才能夠輸出多少的智能。在這件事情上，我們用哪些數據在哪些方面能夠產生它最高的價值？這是數據資產管理非常重要的一點，找到了這個點我們才能夠把數據進行資產化。

再舉一個例子，以前數據在政府里面的狀態是不可知、不可取、不可控、不可聯，通過華為大數據治理服務做了四個統一：統一規劃、統一管理、統一標準、統一共享。讓數據能夠相互聯通，這樣數據從就變成了一個資產。

關于大數據資產管理與數據資產管理、傳統的數據治理不一樣的地方，我和大家分享兩點。第一，數據的資產是和我們的場景相關，尤其是和大數據場景相關。舉個例子，我們在這個項目里面有上百個委辦局，里面還有各自的系統，每個系統里面都有一份數據，這些系統跑了很多年，里面的數據和業務的結合得非常好，支撐了業務的決策，所以每一個數據非常有用、非常重要。但是收集在一起以后發現數據之間有沖突、有些數據和另外的數據都對應不上，我寧愿不要這份數據可能還能夠工作得更好。就好像我們有了很多個鐘表反而不知道時間一樣，這個時候數據變成了累贅。所以數據的資產是和我們的場景相關，尤其是和大數據場景相關。

第二，大數據的治理和傳統的數據治理也不一樣。在這個項目里面我們傳統的廠商已經做了好幾年的努力，為什么最后需要我們重新做呢？我們反思了這個問題，其實因為原本的數據治理體系對應傳統的數倉架構和傳統的企業組織，但現在要做幾百個內外松耦合系統而非內部系統的數據治理的時候就遇到問題了。舉個例子，我們經常說在數據領域一顆螺絲會打壞一鍋湯，那么在大數據領域基本上找不到好湯了，我們不能保證數據是干凈的。在這里面我們做了很多的努力，也積累了很多的經驗，以后可以跟大家再做分享。這里我們想表達的是，大數據資產管理和傳統的資產管理差別很大。

最后分享一下華為大數據專業服務，這是基于華為全球大型項目的迭代經驗，總結出六階段的方法論。基于這個我們開發出來18個服務產品，其中包括下面的工程、分析到最后的共享開放等等。前面的規劃到后面的運維，運籌帷幄到決勝千里一整套的服務。我們需要和廣大的合作伙伴共同構建這樣的生態，我們希望未來在華為大平臺的基礎上，大家共同來參與打造數據的新社會，數據資產的新秩序，共同推動數據資產管理整體往前發展，這是我個人的想法，就分享到這里，謝謝大家。