一、前言
俗话说知己知彼,方能百战不殆,企业只有对自身的数据来源,数据产生的场景,数据类型,数据存储分布充分了解后,才能知道数据从哪来最合理,数据存放在哪利用价值最高,数据怎么传输最高效,怎么用最小成本获得最大的收益;
数据资产盘点是对数据现状进行全面盘点,形成数据地图,为数据获取、管理应用、业务应用夯实基础。
从体系化资产管理和全局展示数据角度出发,数据地图是数据资产盘点的输出最重要交付物之一,它不承载具体数据内容,却可以帮助业务人员快速精确查找他们想要的数据。
其次,数据地图作为企业数据的全盘映射,帮助数据开发者和数据使用者了解数据,洞悉业务需求和痛点,并成为对数据资产管理进行有效监控的手段。
二、资产盘点实现
数据地图是数据资产的表现形式之一。数据资产盘点则是数据资产建设的重要手段。资产盘点可以分为6个步骤:
1、业务系统调研;
2、业务流程梳理;
3、业务流程分解;
4、数据标准梳理;
5、梳理业务与业务之间的关系;
6、数据分级分类。
1、业务系统调研:调研企业所有系统情况,收集所有系统名称,建设目标,系统类型划分,使用者,用户来源和规模。
系统名称:移动销售系统;
建设目标:从客户保险需求出发,打造以场景为切入点的互联网产品体系链和服务生态圈,为客户提供购买便捷、理赔方便、体验优越的产品和服务;
系统类型划分:流程划分,产品划分,客户划分,应用划分
使用者:业务方,管理方,技术方,外部人员
用户来源和规模:线上,线下,主动,被动,每天新增多少用户,总用户多少等;
2、业务流程梳理:梳理业务与业务之间的流程关系,业务流程本身的输入输出上下文情况;
梳理业务流程本身的输入输出上下文情况:承保流程与理赔流程之间的关系,承保输出什么,如何跳转理赔,理赔流程如何处理;
3、 业务流程分解:识别各业务环节涉及的人、事、物, 输入、输出、组件和数据;输出业务流程图;根据梳理好的业务流程图,转换成对应的数据流图;
业务环节:报案环节,查勘环节,车辆维修环节等;
业务流程图:报案流程图,查勘流程图;流程图有三个标准,简单好理解,专业细节执行方便,标准通用;
4、数据标准梳理:对于业务数据按照主体、参考、交易、统计进行分类,并梳理出数据的技术标准和业务标准;补充和整理完整的数据字典;
主数据:维基百科定义是在企业中用来定义业务对象的、具有持续性、非交易类的数据。相对于交易类数据,主数据是相对稳定的数据。主数据是具有共享性的基础数据,可以在企业内跨越各个业务部门被重复使用,处于相对高价值,高共享,相对稳定的状态,主数据解决的是企业内核心数据不统一、不一致、不准确、不完整、不共享的问题。比如客户、产品等;
参考数据:也称为值域数据和码表,是增加数据可读性,可维护性以及后续应用的重要数据。例如,性别这个字段,很可能是1代表男性,2代表女性;
交易数据:是主体在业务流程中产生的数据;
统计数据:统计类数据是对主数据或业务数据进行测量的数据;
5、梳理业务与业务之间的关系:业务流程逻辑、业务交互数据;业务权限分配、输入输出控制;访问权限控制、操作流程规范;风险规范要求等;
业务流程逻辑:业务环节之间的交互数据,业务环节的操作规则;客户角度,管理角度,一线员工角度。
6、数据分级分类:数据分类分级,根据行业标准和特点对于数据资产进行分类,将数据资产划分为公开、内部、敏感等不同的敏感等级;
数据分类:基于业务价值分类,销售价值,服务价值;基本信息,关联信息,协议信息,交易信息,交互信息,资产信息,风险信息等;
数据分级:机密,密秘,核心商秘,普通商秘,内部,公开等。
三、实现
上面是我对数据资产盘点实现的一点总结,再往后就是具体实现。
我花了两天时间细化数据盘点过程,在细化的过程中补全了关键项,完成了数据盘点的模板和数据地图关键节点设计,下面直接上模板。
在进行资产盘点的时候,我梳理出来了50项需要盘点的项,具体如下:
资产盘点是个苦活儿、累活儿。我们只需要跟紧,耐心做就行。
但是另一件事情就需要一些技术含量了:设计存储数据资产的数据结构。我在这里简单给大家一个示范:
四、主要功能思考
1.主界面:按系统,每个系统总客户量和每日增量地图展现,下钻可以看到这个系统有什么流程,什么环节,有哪些对象,哪些表和字段, 可切换多个维度展现;
2.搜索功能:可以搜索流程,环节,字段,代码等,查看流程有哪些内容,环节有哪些内容,字段在哪个系统,哪个流程,环节
五、更新模式思考
1、设计维护功能,让每个系统或负责方定期维护和更新
2、对接各系统,自动更新相关信息
六、总结
无论您管理方,业务方,还是IT方,无论您处在哪个层级,无论您是新手,还是老手,都需要对资产分布、业务流程和业场景深入理解。
只有深入了解一线业务员和客户角度的问题和难处,才能真正做好,量化好考核指标和管理策略,才能做出解决客户痛点的产品。
强烈建议大家动手填下自己行业的数据盘点模板,应该会对数据地图有更深刻的理解。