传统意义上的资产清查是指对资产进行定期盘点，以确定各种财产在一定时间内的实际数量。数据资产清查是指对企业拥有的数据进行清查，企业目前拥有的数据已经确定。
众所周知，数据资产是企业数字化转型的数据基础，企业要进行数字化转型就要管理好数据资产。比如，为了满足数据供给的需求，一项重要的基础工作就是数据资产清查。
数据从业者只有对企业中作为资产的数据进行全面梳理，才能了解数据资产的全貌，绘制数据资产的图谱，将数据的技术层面和业务层面有机串联起来，让企业中的数据看得清、看得懂、关联起来，从而为制定更好的数据策略、建立更强的数据信任、实现更智能的数据应用打下坚实的基础。今天小易从以下几个方面来说说数据资产的盘点。
1.数据资产清单的作用和意义
2.数据资产清点的两种方法
3.数据资产清查的基本原则是什么？谁负责？
4.数据资产清查的流程和步骤
1.为什么要清点数据资产？
目前，国内各大企业经过多年的信息化建设，已经积累了种类繁多的海量数据，并且随着业务的不断发展，业务范围、资产规模、客户规模都在不断扩大，产生的数据规模也在快速增长。
数据规模的快速增长给企业带来了数字化转型和智能化转型的机遇，同时也对数据资产的管控能力提出了更高的要求。而数据资产清查是解决企业数据资产管理的前提。通过盘点企业拥有的数据，它将帮助企业解决以下问题:
企业有哪些数据？关注数据的分类
企业有多少数据？关注数据的存量和增量
企业的数据存储在哪里？注意数据的存储和访问方式。
谁在管理企业的数据？关注数据的部门和负责人。
识别哪些是重要数据，哪些是敏感数据？注意数据的分类、共享条件和范围。
因此，全面推进数据资产清查是摸清数据资产家底、界定数据资产存量、确定数据资产范围、构建数据资产地图的重要手段。准确识别有价值的数据资产，对数据资产进行统一规范的管理，进而实现数据资产的最大价值和良性循环，也是一项重要的基础工作。
数据资产清点的两种基本方法
数据资产盘点有两种方法可以帮助我们梳理企业的数据资产清单或数据资产目录，即“自上而下的盘点”和“自下而上的盘点”。
1.自上而下梳理
自上而下的梳理是一种从业务角度梳理数据的方法。通过综合分析相关制度文件、智能系统、业务流程、业务单据等。对企业的，逐层梳理数据资产的三级目录、业务属性和相关管理属性。
三级目录:数据资产的分类，按照业务视角对企业数据资产进行分类和分解，如:数据字段-数据主题-数据子主题-数据对象。
业务属性:用于描述数据资产的业务元数据。常见的业务属性包括数据域和数据主体、数据对象、业务定义、业务规则、敏感程度等分类属性。
属性:用于描述与数据资产的管理、维护和使用相关的元数据。常见的管理属性包括:管理部门、管理人员、联系方式、更新频率、上次更新时间、数据共享条件等。。
属性:用于描述数据资产的技术元数据。常见的技术属性包括:来源系统、数据库表、字段类型、字段格式、取值范围、存储方式、血缘关系等。
最后，将从业务角度整理出来的目录中的数据项与从技术角度统计的系统信息项相关联，建立它们之间的映射关系，从而形成一个完整的数据资源目录。通过数据资产目录，您可以从多个角度搜索数据，并确保目录中的每个数据项都可以在真实的IT系统中找到。
三。谁负责数据资产清点？基本原理是什么？
众所周知，数据作为一种特殊的资产，具有确权难、虚拟性、可复制性等特点，这也给数据资产清查造成了一定的困难。数据资产清查的原则是“谁生产谁负责”、“谁使用谁负责”、“谁管理谁负责”。
因此，企业数据资产的清查需要找一个具有全局思维的人来统筹规划，规划出数据清查的相关原则、框架和蓝图，明确数据清查的内容，制定出数据清查的模板，由生产或使用数据的业务部门进行整理，完成数据清查。该协调员可以是IT部门、数据管理部门或外部聘请的数据专家。
此外，为更好地开展企业数据资产清查工作，确保清查过程的安全稳定和清查结构的准确可靠，具体工作应遵循以下原则:
前瞻性:数据资产清查也要从清查全程的角度进行规划和实践，充分考虑数据资产规范、搜索获取、分析应用、性能评估、可视化展示等方面的需求。
全面性:数据资产清查范围应覆盖企业所有数据资产，但在落地实践过程中，企业也可以分阶段进行清查工作；
基本:选择数据资产最稳定的本质属性或特征作为清查内容，确保清查内容不会因环境因素而发生变化；
系统化:将待统计数据资产的属性或特征按一定顺序系统化，形成合理的分类体系；
确定性:对于库存范围内的任何一个数据资产，在分类体系中都应该有一个唯一的、确定的基本单元与之对应；
可扩展性:目录框架应满足数据资产不断发展变化的需要，允许在不影响原有内容的情况下，向目录框架中添加新的清单内容。为用户进行扩展和细化创造条件；
安全性:减少数据盘点对业务活动和系统运行的影响，避免数据丢失或泄露等错误给企业带来损失；
保密性:数据是企业的重要资产。在数据资产清查过程中，清查人员应严格遵守保密要求，避免接触敏感信息。
四。数据资产清查的流程和步骤
数据资产清查总体上包括三个过程:准备阶段、清查阶段和总结阶段。根据盘点系统的不同类型和特点，盘点阶段包括打包软件、自研系统、分析系统和数据仓库四个子流程。
1.精确阶段
不同的系统对库存单据有不同的要求。在开始盘点之前，有必要检查已获取或生成的业务和技术文档的准备情况，以确认这些文档可用于盘点。同时向各库存系统的运维支持人员申请各系统的查询权限并确认。准备阶段的主要工作可分为:
确认操作权限
各系统运维支持人员提供各系统前台展示和后台数据库查询权限，盘点人员在目标系统中验证所需用户权限，为后续数据资产盘点奠定基础。
形成数据字典
系统数据字典是系统盘点过程中的重要基础。例如，技术支持人员可以提供完整的库存系统数据字典，该字典将由技术支持人员提供。如果技术支持人员不能提供完整的数据字典，技术盘点人员应通过数据库工具导出系统的完整数据字典。
形成功能操作列表。
对于系统功能文档不完整的历史遗留系统，库存业务人员会创建系统功能操作列表，支持系统功能和业务分类的对比。
对业务进行分类。
根据库存系统的业务定位，参考组织现有的业务分类体系，补充完善业务分类体系。
确认库存文件是完整的。
根据收集的和自己生成的单据，确认库存单据是否完整。
2.库存阶段
定位数据资产
圈定需要清点的数据资产范围，明确需要清点的对象列表，为后续的数据资产清点奠定基础。
a)定位数据资产:对比文档和系统，判断文档和系统的一致性，定位业务流程中涉及的数据资产和套装软件中其他自主开发的数据资产的库存范围。
b)自动生成盘点表:根据数据资产名称自动生成盘点表，只包括数据资产盘点表。生成的盘点表会根据系统条件自动填写三部分:数据资产分类、系统名称和指标编码、部分其他属性，以便后续盘点。
填写库存表格
根据系统前端信息和后台数据，业务盘点组和技术盘点组分别初步填写数据资产盘点表，收集需要沟通的业务和技术问题。
a)定义业务分类:在系统业务流程设计的基础上，根据现有的业务分类体系，确定已经与业务流程相关联的数据资产的业务分类。
b)查询数据量:打开数据浏览器，查询数据量，计算新条目数。
c)根据数据字典填写盘点单:根据数据字典中的信息，填写数据资产盘点单的管理属性、技术属性和技术属性，以及数据资产项目盘点单的管理属性和技术属性。
沟通补充。
根据收集到的问题，与相关业务部门和技术支持小组进行集中沟通或现场讨论，补充和完善数据资产清查表。与业务部门沟通，提升管理属性。关注相关业务和管理问题，与相关业务部门进行讨论，可以是集中会议和邮件的形式。对于相关的技术和资产问题，与系统开发方即技术支持组进行集中讨论，可以采取集中会议和现场讨论的形式。
总结整理
形成汇总数据资产目录:数据资产盘点初步完成后，业务人员汇总数据资产盘点表，并使用工具生成或批量规范部分内容。
3.总结阶段
在汇总阶段，需要将所有盘点系统的盘点结果进行合并，形成统一的数据资产目录，并完善关联的资产名称和数据资产编码。主要工作包括:
形成汇总数据资产目录:汇总各种清查子系统形成的数据资产目录，合并形成统一的数据资产清查目录。
完善关联资产的名称:使用自动化工具将数据资产库存目录中关联资产的编码转换为数据资产的名称。
生成数据资产编码:使用组织计划数据资产的统一编码规则生成数据资产编码。
动词 （verb的缩写）宜信华辰数据资产清查计划赋能企业数据资产管理。
陈新华的数据资产清查计划可以帮助企业清理数据资源，搭建全球数据分类管理框架，同步构建常态化的数据清查机制，实现数据资源全生命周期可视化管理，形成企业内外统一的数据资产目录，提供标准化的数据服务，有效促进数据资源共享和应用，为后续数据治理奠定良好基础。
该方案包括元数据映射、元数据维护、数据资产分类框架和数据资产目录构建。通过对数据资产的清查，形成了企业级的数据资产目录，为企业数据的创新应用奠定了坚实的基础。方案流程如下:
1.元数据检查
通过连接企业业务系统、数据湖或数据仓库，采集元数据，自动获取原始企业数据字典和数据之间的关系，形成企业元数据地图。
2.有效的资源标记
制定有效的资源判断规则，根据收集到的元数据自动识别数据资源的总量，筛选出空表、备份表、临时表等无效资源。，并补充有助于理解数据业务含义的信息，形成更完整有效的资源元数据，为数据资产分类做铺垫。
3.数据资产的编目
根据业务条线、组织架构、数据特征等维度，构建数据资产分类框架，基于元数据信息完善数据资产目录信息，补充资产相关业务和权属信息，形成面向数据消费者的数据资产入口。
4.数据资产服务
建立数据资产目录与实体资源的映射关系，开发面向不同消费者的数据服务类型，满足业务系统、数据分析师和前台业务人员的多样化数据需求。
该方案已帮助中国房地产百强企业时代地产完成集团多个系统/模块的原始数据资产清查，通过元数据、数据标准、数据模型等工具将数据状态放入源系统、数据平台、数据应用系统，并通过数据质量管理工具完成数据质量评估和量化，从而了解集团当前整体数据规模和分布情况。
同时基于清查结果，完善资产信息，查漏补缺完成注释补充，有效帮助理解数据含义和资产业务意义。最终实现了从了解当前数据情况到了解当前数据情况的转变，为集团后续数据治理、资产管理和数据安全的有序开展奠定了基础。
六。摘要
随着企业的数字化转型，数据作为企业的一种“特殊资产”，纳入企业的资产负债表是迟早的事。所以对于企业来说，当然数据资产也是需要统计的。只有对数据资源进行统筹规划、全面梳理和“摸清家底”，数据才能更好地服务于企业的业务应用。企业数据资产清查的目标是明确企业数据资产的全貌，促进数据资产全生命周期的统一管控，为数据资产的增值利用提供良好基础，促进数据价值的实现。
