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。
