8个IDC大数据基础定义解析丨IDC
本文针对IDC数据行业相关名词术语进行解析，分为4组相关概念，希望我们大家读完有个全面的认识。
管理你得遵循一定的标准规范体系，一定的流程，一定的组织角色分工，而这一些内容就必须先通过数据治理定义清楚。管理只是依据数据治理规范体系去执行管理和监督的职责。管理执行的依据是治理规范体系。
数据湖一般是公有云服务商提出的一个概念，即企业的结构化，非结构化数据都可以全部采集和存储到这里来。数据湖就是一个大的存储站，这个存储是分布式可无限扩展的，存储过来的数据也不会去清洗和加工，尽可能保持原样。
在存过来后，数据湖再提供一些标准的开放接口给你使用数据，这些接口包括了查询SQL类接口，计算引擎接口，流处理接口等。提供接口的目的也很简单，就能方便得使用你存储过来的数据。
数据湖的存储一般是分布式对象存储或分布式文件存储，即使你是结构化数据库采集过来的数据，仍然会转成统一的存储方法，方便扩展。
数据中台简单来说就是企业共享数据能力下沉并对外开放。数据中台包括了底层数据技术平台（可以是我们熟悉的大数据平台能力），中间的数据资产层，上层的数据对外能力开放。核心的资产层本身也分层，从最底层的贴源数据，到分域应用数据，再到上层的数据仓库和数据标签库。而数据湖更多对应到数据中台概念里面的数据贴源层。企业在建数据中台的时候实际很少用数据湖这个概念。
但是现在数据中心一般特指IT基础设施，大的公有云数据机房等，在BI系统或数据中台里面都很少用这个词。即数据中心这个词偏IT硬件基础设施层面了。
数据资产（Data Asset）是指由企业拥有或者控制的，能够为公司能够带来未来经济利益的，以物理或电子的方式记录的数据资源，如文件资料、电子数据等。在企业中，并非所有的数据都构成数据资产，数据资产是能够为企业产生价值的数据资源。
数据资产的属性：数据资产具有非货币性资产的属性，从这个方面出发，我们大家可以发现数据资产主要有以下特性：
数据资产的每次使用只要消耗很低的成本，不会因为使用频率的增加而磨损、消耗，与其他传统非货币性资产有相似性。
企业通过稳定发展，会促使数据资产在原有的基础上，数据规模和数据维度的不间断地积累，整体价值逐步提升。依附性：与其他非货币性资产类似，数据资产不能独立发挥作用，其发挥作用和效应往往依附于相应的软件、硬件。
数据资产时刻受到数据容量、数据时效程度、应用场景等因素的影响，与其他非货币性资产相比，其价值更易发生变化。
数据资产管理（Data Asset Management）是指规划、控制和提供数据及信息资产的一组业务职能，包括开发、执行和监督有关数据的计划、政策、方案、项目、流程、方法和程序，从而控制、保护、交付和提高数据资产的价值。数据资产管理需要充分融合业务、技术和管理，以确保数据资产保值增值。
数据资产管理（Data Asset Management）一般来说包括统筹规划、管理实施、稽核检查和资产运营四个主要阶段，贯穿数据采集、存储、应用和销毁整个生命周期全过程。企业管理数据资产就是对数据来进行全生命周期的资产化管理，促进数据在“内增值，外增效”两方面的价值变现，同时控制数据在整个管理流程中的成本消耗。
在数据资产化的大背景下，数据资产管理是在数据管理基础上的逐步发展，可以视作数据管理的升级版，主要区别在以下三个方面：
数据资产管理强调数据是一种资产，基于数据资产的价值、成本、收益开展全生命周期的管理。
数据资产管理包含数据模型、元数据、数据质量、参考数据和主数据、数据安全等传统数据管理职能，同时整合数据架构、数据存储与操作等内容，将数据标准管理纳入管理职能，并针对当下应用场景、平台建设情况，增加了数据价值管理职能。
在“数据资源管理转向数据资产管理”的理念影响下，相应的组织架构和管理制度也有所变化，需要有更专业的管理队伍和更细致的管理制度来确保数据资产管理的流程性、安全性和有效性。
数据资产管理（Data Asset Management）包括两个重要方面，一是数据资产管理的核心管理职能；二是确保这些管理职能落地实施的保障措施，包括战略规划、组织架构、制度体系等。
数据管理、数据资源管理与数据资产管理有着密切关系和关联，但随着现代数字技术的快速地发展，三者在内涵、侧重、延伸等方面存在差异。
数据管理指利用计算机硬件和软件技术对数据来进行有效的收集、存储、处理和应用的过程。数据管理目标：在于充分有效地发挥数据的作用。
数据资源管理致力于发展处理企业数据生命周期的适当的建构、策略、实践和程序。数据资源目标：去寻找手段，以有效的控制数据资源，并提升数据资源的利用率。
数据资产管理的核心思路是把数据对象作为一种全新的资产形态，并且以资产管理的标准和要求来加强相关体制和手段。从经济角度，满足对资产运营的各类管理要求。返回搜狐，查看更加多