CN113361980A - 一种大数据资产价值评估的系统和方法 - Google Patents

一种大数据资产价值评估的系统和方法 Download PDF

Info

Publication number
CN113361980A
CN113361980A CN202110911060.9A CN202110911060A CN113361980A CN 113361980 A CN113361980 A CN 113361980A CN 202110911060 A CN202110911060 A CN 202110911060A CN 113361980 A CN113361980 A CN 113361980A
Authority
CN
China
Prior art keywords
value
score
data
asset
cost
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Pending
Application number
CN202110911060.9A
Other languages
English (en)
Inventor
罗剑锋
袁江勇
吴名朝
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Whale Cloud Technology Co Ltd
Original Assignee
Whale Cloud Technology Co Ltd
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Whale Cloud Technology Co Ltd filed Critical Whale Cloud Technology Co Ltd
Priority to CN202110911060.9A priority Critical patent/CN113361980A/zh
Publication of CN113361980A publication Critical patent/CN113361980A/zh
Pending legal-status Critical Current

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q10/00—Administration; Management
    • G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
    • G06Q10/063—Operations research, analysis or management
    • G06Q10/0639—Performance analysis of employees; Performance analysis of enterprise or organisation operations
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
    • G06F16/24—Querying
    • G06F16/245—Query processing
    • G06F16/2458—Special types of queries, e.g. statistical queries, fuzzy queries or distributed queries
    • G06F16/2462—Approximate or statistical queries
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q30/00—Commerce
    • G06Q30/02—Marketing; Price estimation or determination; Fundraising
    • G06Q30/0283—Price estimation or determination

Landscapes

  • Engineering & Computer Science (AREA)
  • Business, Economics & Management (AREA)
  • Physics & Mathematics (AREA)
  • Development Economics (AREA)
  • Human Resources & Organizations (AREA)
  • Strategic Management (AREA)
  • Theoretical Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Economics (AREA)
  • Entrepreneurship & Innovation (AREA)
  • General Business, Economics & Management (AREA)
  • Game Theory and Decision Science (AREA)
  • Probability & Statistics with Applications (AREA)
  • Educational Administration (AREA)
  • Accounting & Taxation (AREA)
  • Marketing (AREA)
  • Finance (AREA)
  • Computational Linguistics (AREA)
  • Software Systems (AREA)
  • Mathematical Physics (AREA)
  • General Engineering & Computer Science (AREA)
  • Fuzzy Systems (AREA)
  • Data Mining & Analysis (AREA)
  • Databases & Information Systems (AREA)
  • Operations Research (AREA)
  • Quality & Reliability (AREA)
  • Tourism & Hospitality (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

本发明公开了一种大数据资产价值评估的系统和方法，该系统包括数据资产价值评估参数确认单元、数据资产价值评估指标单元、数据资产价值评估指标权重设置单元、数据资产价值评估单元、数据资产价值结果识别单元及数据资产价值评估结果应用单元。有益效果：本发明解决了企业大数据资产价值难以量化评估的难处，对数据资产价值评估结果进行识别与使用，促进投资回报率的提升。

Description

一种大数据资产价值评估的系统和方法
技术领域
本发明涉及大数据产品领域，具体来说，涉及一种大数据资产价值评估的系统和方法。
背景技术
数据资产（Data Asset）是指由企业拥有或者控制的，能够为企业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，常见的数据资产有表模型、指标、标签、API、文件等。
电信运营商通过大数据平台的搭建与数据中台的建设，汇聚来源于BSS/OSS/MSS系统（业务支撑系统/运营支撑系统/管理支撑系统）以及各业务平台的数据，以数据资产化、资产服务化、服务价值化为目标，通过对内支撑企业运营与精准营销，对外赋能行业生态等，打造大数据服务价值化能力。
然而，并非所有的数据都属于数据资产，数据资产价值也有高低之分。5G时代到来，随着接入的数据越来越多，数据量从TB上升到PB级别，企业的大数据平台硬件投入持续增加，数据支持的应用越来越多，报表“成百上千”，指标“成千上万”，业务使用效果缺少量化的评估手段。大数据平台存储的数据是否对企业产生了价值，开发的报表是否得到了合理的利用，资源消耗与分配是否合理，数据生命周期如何设置等，存储与算力的投资是否花到了刀刃上，报表与数据应用是否真正促进了业务的发展。
如何评估大数据平台的数据资产价值，已经成为企业的迫切要求，如何评估数据资产价值也成为了当前的一个难题，如何将开发出来的数据服务与数据应用量化。当前数据资产价值评估一般采用成本法、收益法与市场法，对于运营商的大数据平台中的数据资产价值评估，行业内并无成熟的评估手段与评估方法，且当前提出的部分方法并没有实际在系统中落地建设，对于评估指标的选择与评估效果的应用大部分都停留在理论阶段，未行使实际落地建设方案。
针对相关技术中的问题，目前尚未提出有效的解决方案。
发明内容
针对相关技术中的问题，本发明提出一种大数据资产价值评估的系统和方法，以克服现有相关技术所存在的上述技术问题。
为此，本发明采用的具体技术方案如下：
根据本发明的一个方面，提供了一种大数据资产价值评估的系统，该系统包括数据资产价值评估参数确认单元、数据资产价值评估指标单元、数据资产价值评估指标权重设置单元、数据资产价值评估单元、数据资产价值结果识别单元及数据资产价值评估结果应用单元；
其中，所述数据资产价值评估参数确认单元，用于设置数据资产价值的评估方法、评估对象、评估周期及评估分值；
所述数据资产价值评估指标单元，用于对数据资产成本评估、数据资产基础价值评估及数据资产应用价值评估的指标进行确认并计算各指标得分；
所述数据资产价值评估指标权重设置单元，用于完成数据资产价值主题权重及指标权重的设置；
所述数据资产价值评估单元，用于计算各类参与评估指标的指标得分，还用于计算成本得分、基础价值得分及应用价值得分，同时计算数据资产价值分；
所述数据资产价值结果识别单元，用于根据数据资产价值分，对数据资产进行归类识别；
所述数据资产价值评估结果应用单元，用于依据数据资产的归类识别结果进行数据资产的管理及运营。
进一步的，所述数据资产价值评估参数确认单元包括评估方法确认模块、评估对象确认模块、评估周期确认模块及评估分值设置模块；
其中，所述评估方法确认模块，用于确认采用层次分析法对数据资产的价值与成本进行评估；
所述评估对象确认模块，用于确认评估对象为表模型、指标、标签及应用程序接口，其中，指标、标签及应用程序接口用于评估数据资产应用价值；
所述评估周期确认模块，用于以月为单位，每月对数据资产的成本、应用价值及基础价值进行评估，并记录历史数据，同时分析数据资产价值变化趋势；
所述评估分值设置模块，用于设置单个数据资产价值分，其中，分值最低为0分，最高为100分。
进一步的，所述数据资产价值评估指标单元包括成本评估指标确认模块、基础价值评估指标确认模块、应用价值评估指标确认模块及计算模块；
其中，所述成本评估指标确认模块，用于确认数据资产的存储成本与计算成本作为数据资产的成本评估指标；
所述基础价值评估指标确认模块，用于确认包括数据完整性、数据准确性、数据时效性、元数据完整性及血缘完整性作为基础价值评估指标；
所述应用价值评估指标确认模块，用于确认资产访问次数、资产订阅次数、血缘链路资产数、资产应用对象级别及应用系统访问账号数作为应用价值评估指标，其中，对于资产访问次数，通过对数据中台模型的分层设置补偿因子，应用层表的访问次数递延到数据中台的底层模型；
所述计算模块，用于计算成本评估指标、基础价值评估指标及应用价值评估指标的得分。
进一步的，所述存储成本的计算规则为：计算表实际占用的存储空间，且参考公有云计费规则，计算得到存储费用，并进行离差标准化得到V1，V1*100等于存储成本的得分R1；
所述计算成本的计算规则为：计算表对应的任务实际消耗的CPU与内存，若无法获取实际值，则用运行时间进行折算，且参考公有云计算资源计费规则，计算得到成本费用，并进行离差标准化得到V2，V2*100等于计算成本的得分R2；
所述数据完整性的计算规则为：根据质量管理系统输出数据完整性规则的结果，并统计周期内通过规则数/总规则数得到V3，V3*100等于数据完整性的得分R3；
所述数据准确性的计算规则为：根据质量管理系统输出的结果计算，并统计周期内通过规则数/总规则数，得到V4，V4*100等于数据准确性的得分R4；
所述数据时效性的计算规则为：根据统计周期内的满足时效性的次数/总执行次数得到V5，V5*100等于数据时效性的得分R5；
所述元数据完整性的计算规则为：在数据资产管理系统登记的有值的字段/元模型定义的字段得到V6，V6*100等于元数据完整性的得分R6；
所述血缘完整性的计算规则为；判断是否有前驱依赖与后续依赖，若为孤立表，则值为0，若有依赖，则为1，得到V7，V7*100等于血缘完整性的得分R7；
所述资产访问次数的计算规则为：若直接访问则加1，若对于血缘追溯到上层的，按层乘以衰减系数得到V8，V8*100等于资产访问次数的得分R8；
所述资产订阅次数的计算规则为：实际次数，并做离差标准化得到V9，V9*100等于资产订阅次数的得分R9；
所述血缘链路资产数的计算规则为：血缘链路下游资产数+上游资产数，并做离差标准化得到V10，V10*100等于血缘链路资产数的得分R10；
所述资产应用对象级别的计算规则为：根据应用对象级别的权重得到实际值V11，V11*100等于资产应用对象级别的得分R11；
所述应用系统访问账号数的计算规则为：实际访问账号数，并做离差标准化得到V12，V12*100等于应用系统访问账号数的得分R12。
进一步的，所述数据资产价值评估指标权重设置单元包括主题权重设置模块及指标权重设置模块；
其中，所述主题权重设置模块，用于通过重要性对比矩阵得到基础价值权重A1，应用价值权重A2；
所述指标权重设置模块，用于通过对成本、应用价值、基础价值构建两两比较矩阵以及重要性对比矩阵，得到各指标权重。
进一步的，所述数据资产价值评估单元包括指标得分模块、成本价值得分模块及数据资产价值得分模块；
其中，所述指标得分模块，用于根据指标得分计算各类参与评估指标的得分；
所述成本价值得分模块，用于根据各类参与评估指标的得分及指标权重计算成本得分、基础价值得分及应用价值得分；
所述数据资产价值得分模块，用于根据基础价值得分、应用价值得分及主题权重计算数据资产价值分，即数据资产价值得分=基础价值得分*基础价值权重A1+应用价值得分*应用价值权重A2。
进一步的，所述成本得分=（R1*W1+R2*W2），其中，R1为存储成本的得分，R2为计算成本的得分，W1为存储成本的权重，W2为计算成本的权重；
所述基础价值得分=（R3*W3+R4*W4+R5*W5+R6*W6+R7*W7），其中，R3为数据完整性的得分，R4为数据准确性的得分，R5为数据时效性的得分，R6为元数据完整性的得分，R7为血缘完整性的得分，W3为数据完整性的权重，W4为数据准确性的权重，W5为数据时效性的权重，W6为元数据完整性的权重，W7为血缘完整性的权重；
所述应用价值得分=（R8*W8+R9*W9+R10*W10+R11*W11+R12*W12），其中，R8为资产访问次数的得分，R9为资产订阅次数的得分，R10为血缘链路资产数的得分，R11为资产应用对象级别的得分，R12为应用系统访问账号数的得分，W8为资产访问次数的权重，W9为资产订阅次数的权重，W10为血缘链路资产数的权重，W11为资产应用对象级别的权重，W12为应用系统访问账号数的权重。
进一步的，所述数据资产价值结果识别单元包括高中低分类识别模块、应用价值识别模块及资产效能识别模块；
其中，所述高中低分类识别模块，用于根据成本得分、基础价值得分及应用价值得分对数据资产进行归类识别；
所述应用价值识别模块，用于根据应用价值和增长率对数据资产进行归类识别；
所述资产效能识别模块，用于根据成本和应用价值对数据资产进行归类识别。
进一步的，所述根据成本得分、基础价值得分及应用价值得分对数据资产进行归类识别时分类如下：
成本得分80分以上为高成本，60-80分为中成本，60分以下为低成本，基础价值得分80分以上为高应用价值，60-80分为中应用价值，60分以下为低应用价值，应用价值得分80分以上为高基础价值，60-80分为中基础价值，60分以下为低基础价值；
所述根据应用价值和增长率对数据资产进行归类识别时分类如下：
潜在型为低价值，高增长率；稳定型为中高价值，增长率平稳；萎缩型为中高价值，价值分持续下降；问题型为低价值，持续低增长率或价值分持续下滑；
所述根据成本和应用价值对数据资产进行归类识别时分类如下：
低效型资产为高成本，低应用价值；高效型资产为高应用价值，低成本；均衡型资产为低成本低价值；均衡型资产为高成本高价值。
根据本发明的另一方面，提供了一种大数据资产价值评估的方法，该方法包括以下步骤：
S1、对评估方法、评估对象、评估周期及评估分值的设置进行确认；
S2、对数据资产成本评估、数据资产基础价值评估及数据资产应用价值评估的指标进行确认并计算各指标得分；
S3、完成数据资产价值主题权重及指标权重的设置；
S4、计算各类参与评估指标的指标得分，并计算成本得分、基础价值得分及应用价值得分，同时计算数据资产价值分；
S5、根据数据资产价值分，对数据资产进行归类识别；
S6、依据数据资产的归类识别结果进行数据资产的管理及运营。
本发明的有益效果为：
（1）本发明提出了数据资产价值评估体系与方法，并已建设成为大数据资产价值评估系统，在多个企业使用，解决了企业大数据资产价值难以量化评估的难处，产生了实际应用效果。
（2）本发明提出了体系化的数据资产价值评估指标，在评估指标的选择中，比现有技术有较大的提升，选择的指标具有创新性，针对数据中台中的接口层、整合层模型的应用价值评估，采用分层设置补偿因子，将访问量递延；对于成本评估，参考公有云计费方式，量化了评估指标，并通过对于资产实际使用的计算与存储成本提出了相对可靠的计算方法；对于本发明中的每个指标，都提出了可靠的指标的计算方法，能够落地实施统计到具体的数值，并将所有指标进行标准化转换，从而得到资产的价值分与成本分。
（3）本发明提出了一套资产价值评估结果识别方法与应用，对资产价值进行四象限的分类，识别资产为明日之星、金牛型、萎缩型、问题型资产；并综合资产成本与价值，识别高效资产、均衡型资产与低效资产，从而对数据资产价值评估结果进行识别与使用，促进投资回报率的提升。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
图1是根据本发明实施例的一种大数据资产价值评估的系统的结构框图；
图2是本发明整个评估流程图；
图3是数据资产价值评估体系图之一；
图4是数据资产价值评估体系图之二；
图5是资产应用价值分析图；
图6是资产效能分析图；
图7是资产访问次数指标递延计算方法图。
具体实施方式
为进一步说明各实施例，本发明提供有附图，这些附图为本发明揭露内容的一部分，其主要用以说明实施例，并可配合说明书的相关描述来解释实施例的运作原理，配合参考这些内容，本领域普通技术人员应能理解其他可能的实施方式以及本发明的优点，图中的组件并未按比例绘制，而类似的组件符号通常用来表示类似的组件。
根据本发明的实施例，提供了一种大数据资产价值评估的系统和方法，在运营商的市场已经有部署实施的案例，解决了当前大数据平台数据资产价值无法量化评估的问题，通过评估方法的提炼与价值评估系统的建设，合理的评估数据资产价值，并基于数据资产价值的评估结果，促进大数据资产价值的持续释放：
1、评估数据资产成本投入，衡量数据资产的成本投入高低；
2、评估数据资产应用价值，量化数据中台“获得感”，对低价值资产进行引导使用，促进大数据平台需求质量提升，并对模型设计提出优化建议，促进数据应用“百花齐放”；
3、评估数据资产基础价值，提升数据质量与元数据完整性，提升数据资产质量，修炼内功，提升数据资产的易用性，为更好的应用数据打下坚实基础；
4、综合资产成本与资产应用价值，衡量数据的投入产出比，对低效资产空间进行清理，降本增效，促进资源的合理使用。
本发明技术方案将以下整个评估流程落地建设为大数据资产价值评估系统，通过可视化操作，用户可以灵活选择配置评估指标，配置评估权重，并将数据资产价值评估结果应用。
现结合附图和具体实施方式对本发明进一步说明，如图1-4所示，根据本发明的一个方面，提供了一种大数据资产价值评估的系统，该系统包括数据资产价值评估参数确认单元、数据资产价值评估指标单元、数据资产价值评估指标权重设置单元、数据资产价值评估单元、数据资产价值结果识别单元及数据资产价值评估结果应用单元；
其中，所述数据资产价值评估参数确认单元，用于设置数据资产价值的评估方法、评估对象、评估周期及评估分值；
所述数据资产价值评估参数确认单元包括评估方法确认模块、评估对象确认模块、评估周期确认模块及评估分值设置模块；
其中，所述评估方法确认模块，用于确认采用层次分析法对数据资产的价值与成本进行评估；
AHP（Analytic Hierarchy Process）层次分析法是美国运筹学家T. L. Saaty教授于二十世纪70年代提出的一种实用的多方案或多目标的决策方法。层次分析法把复杂的问题分解成多个组成指标，构建比较矩阵，然后通过两两比较的方式，综合管理者的判断，确定参与评估指标重要性的总排序。
本技术方案采用AHP层次分析法，对数据资产的价值（包括应用价值与基础价值）与成本进行评估。
层次分析法指标重要性九级标度如下表1所示：
表1、
Figure 215038DEST_PATH_IMAGE001
所述评估对象确认模块，用于确认数据资产价值评估对象为表模型、指标、标签及应用程序接口，其中，指标、标签及应用程序接口用于评估数据资产应用价值，不进行数据资产成本评估；
所述评估周期确认模块，用于以月为单位，且每月对数据资产的成本、应用价值及基础价值进行评估，并记录历史数据，同时分析数据资产价值变化趋势；
所述评估分值设置模块，用于设置单个数据资产价值分最低为0分，最高为100分。
所述数据资产价值评估指标单元，用于对数据资产成本评估、数据资产基础价值评估及数据资产应用价值评估的指标进行确认并计算各指标得分；
所述数据资产价值评估指标单元包括成本评估指标确认模块、基础价值评估指标确认模块、应用价值评估指标确认模块及计算模块；
其中，所述成本评估指标确认模块，基于当前可以度量的指标，用于确认数据资产的存储成本与计算成本作为数据资产的成本评估指标；存储成本，参考当前公有云的存储资源计费方式，折算占用的存储空间以费用（元）为单位；计算成本参考当前公有云的计算资源计费方式，占用值以CU为单位（1CPU计算一天为1CU）。
所述基础价值评估指标确认模块，数据基础价值指数据本身内在的基础价值，用于确认数据完整性、数据准确性、数据时效性、元数据完整性及血缘完整性等作为基础价值评估指标；从上述多个方面进行衡量数据资产基础价值。
所述应用价值评估指标确认模块，评估数据资产的业务使用价值，计算参评指标的实际值，用于确认资产访问次数、资产订阅次数、血缘链路资产数、资产应用对象级别及应用系统访问账号数作为应用价值评估指标，其中，对于资产访问次数，通过对数据中台模型的分层设置补偿因子，应用层表的访问次数递延到数据中台的底层模型；如图7所示。
所述计算模块，用于计算成本评估指标、基础价值评估指标及应用价值评估指标的得分；
所述存储成本的计算规则为：计算表实际占用的存储空间，且参考公有云计费规则，计算得到存储费用，并进行离差标准化得到V1，V1*100等于存储成本的得分R1；
所述计算成本的计算规则为：计算表对应的任务实际消耗的CPU与内存，若无法获取实际值，则用运行时间进行折算，且参考公有云计算资源计费规则，计算得到成本费用，并进行离差标准化得到V2，V2*100等于计算成本的得分R2；
所述数据完整性的计算规则为：根据质量管理系统输出数据完整性规则的结果，并统计周期内通过规则数/总规则数得到V3，V3*100等于数据完整性的得分R3；
所述数据准确性的计算规则为：根据质量管理系统输出的结果计算，并统计周期内通过规则数/总规则数，得到V4，V4*100等于数据准确性的得分R4；
所述数据时效性的计算规则为：根据统计周期内的满足时效性的次数/总执行次数得到V5，V5*100等于数据时效性的得分R5；
所述元数据完整性的计算规则为：在数据资产管理系统登记的有值的字段/元模型定义的字段得到V6，V6*100等于元数据完整性的得分R6；
所述血缘完整性的计算规则为；判断是否有前驱依赖与后续依赖，若为孤立表，则值为0，若有依赖，则为1，得到V7，V7*100等于血缘完整性的得分R7；
所述资产访问次数的计算规则为：若直接访问则加1，若对于血缘追溯到上层的，按层乘以衰减系数得到V8，V8*100等于资产访问次数的得分R8；
所述资产订阅次数的计算规则为：实际次数，并做离差标准化得到V9，V9*100等于资产订阅次数的得分R9；
所述血缘链路资产数的计算规则为：血缘链路下游资产数+上游资产数，并做离差标准化得到V10，V10*100等于血缘链路资产数的得分R10；
所述资产应用对象级别的计算规则为：根据应用对象级别的权重得到实际值V11，V11*100等于资产应用对象级别的得分R11，其中权重分为：重要、一般、低；
所述应用系统访问账号数的计算规则为：实际访问账号数，并做离差标准化得到V12，V12*100等于应用系统访问账号数的得分R12。
价值评估指标体系与具体指标得分计算方法如表2：
表2
Figure 132179DEST_PATH_IMAGE002
Figure 849599DEST_PATH_IMAGE003
所述数据资产价值评估指标权重设置单元，用于完成数据资产价值主题权重及指标权重的设置；
所述数据资产价值评估指标权重设置单元包括主题权重设置模块及指标权重设置模块；
其中，所述主题权重设置模块，用于通过重要性对比矩阵得到基础价值权重A1，应用价值权重A2；
主题权重配置（一级评估指标）权重计算（参考）如表3：
表3
Figure 244808DEST_PATH_IMAGE004
所述指标权重设置模块，用于通过对成本、应用价值、基础价值构建两两比较矩阵以及重要性对比矩阵，得到各指标权重。
以资产基础价值为例，重要性配置如下表4所示：（示例权重，供参考）
表4
Figure 59181DEST_PATH_IMAGE005
根据重要性对比矩阵，计算出来的权重分别如下表5：
表5
Figure 881643DEST_PATH_IMAGE006
所述数据资产价值评估单元，用于计算各类参与评估指标的指标得分，还用于计算成本得分、基础价值得分及应用价值得分，同时计算数据资产价值分；
所述数据资产价值评估单元包括指标得分模块、成本价值得分模块及数据资产价值得分模块；
其中，所述指标得分模块，用于根据指标得分计算各类参与评估指标的得分；
所述成本价值得分模块，用于根据各类参与评估指标的得分及指标权重计算成本得分、基础价值得分及应用价值得分；
所述数据资产价值得分模块，用于根据基础价值得分、应用价值得分及主题权重计算数据资产价值分，即数据资产价值得分=基础价值得分*基础价值权重A1+应用价值得分*应用价值权重A2。
所述成本得分=（R1*W1+R2*W2），其中，R1为存储成本的得分，R2为计算成本的得分，W1为存储成本的权重，W2为计算成本的权重；
所述基础价值得分=（R3*W3+R4*W4+R5*W5+R6*W6+R7*W7），其中，R3为数据完整性的得分，R4为数据准确性的得分，R5为数据时效性的得分，R6为元数据完整性的得分，R7为血缘完整性的得分，W3为数据完整性的权重，W4为数据准确性的权重，W5为数据时效性的权重，W6为元数据完整性的权重，W7为血缘完整性的权重；
所述应用价值得分=（R8*W8+R9*W9+R10*W10+R11*W11+R12*W12），其中，R8为资产访问次数的得分，R9为资产订阅次数的得分，R10为血缘链路资产数的得分，R11为资产应用对象级别的得分，R12为应用系统访问账号数的得分，W8为资产访问次数的权重，W9为资产订阅次数的权重，W10为血缘链路资产数的权重，W11为资产应用对象级别的权重，W12为应用系统访问账号数的权重。
具体如表6：
表6
Figure 335627DEST_PATH_IMAGE007
所述数据资产价值结果识别单元，用于根据数据资产价值分，对数据资产进行归类识别，促进资产价值的释放与无效资产的清理；
所述数据资产价值结果识别单元包括高中低分类识别模块、应用价值识别模块及资产效能识别模块；
其中，所述高中低分类识别模块，用于根据成本得分、基础价值得分及应用价值得分对数据资产进行归类识别；
所述应用价值识别模块，用于根据应用价值和增长率，对数据资产进行归类识别；如图5所示：
明日之星（潜在型）：低价值，高增长率。
金牛型（稳定型）：中高价值，增长率平稳。
萎缩型：中高价值，价值分持续下降。
问题型：低价值，持续低增长率或价值分持续下滑。
所述资产效能识别模块，用于根据成本和应用价值，对数据资产进行归类识别。如图6所示：
低效型资产：高成本，低应用价值。
高效型资产：高应用价值，低成本。
均衡型资产（低）：低成本低价值。
均衡型资产（高）：高成本高价值。
所述根据成本得分、基础价值得分及应用价值得分，对数据资产进行归类识别时分类如下：
成本价值：高成本、中成本、低成本，按照得分计算，80分以上为高成本，60-80分为中成本，60分以下为低成本；
应用价值：高应用价值、中应用价值、低应用价值，按照得分计算，80分以上为高应用价值，60-80分为中应用价值，60分以下为低应用价值；
基础价值：高基础价值、中基础价值、低基础价值，按照得分计算，80分以上为高基础价值，60-80分为中基础价值，60分以下为低基础价值。
所述数据资产价值评估结果应用单元，用于依据数据资产的归类识别结果进行数据资产的管理及运营。
（1）从管理者角度总览资产价值情况，洞察资产价值整体情况，并提供高价值TOP资产的展现和下载。从宏观到微观的全视角展现。
（2）从运营者角度，对价值组成分别分析，通过价值总值、资产数、平均价值的环比增幅比对，判断本月建设资产价值或成本是否提升。如资产总价值和资产总数增幅为正，资产平均价值为负，则说明本月资产建设量大，但整体价值并不好。
（3）对”明日之星“、”金牛座“资产进行推广，对”萎缩型“、”问题型“资产进行通报整改或清理下线。并支持清单导出下发给整改单位确认。
（4）对”高效“资产进行推广，对”低效“资产进行通报整改或清理下线。并支持清单导出下发给整改单位确认。
根据本发明的另一个方面，提供了一种大数据资产价值评估的方法，该方法包括以下步骤：
S1、对评估方法、评估对象、评估周期及评估分值的设置进行确认；
S2、对数据资产成本评估、数据资产基础价值评估及数据资产应用价值评估的指标进行确认并计算各指标得分；
S3、完成数据资产价值主题权重及指标权重的设置；
S4、计算各类参与评估指标的指标得分，且并计算成本得分、基础价值得分及应用价值得分，同时计算数据资产价值分；
S5、根据数据资产价值分，对数据资产进行归类识别；
S6、依据数据资产的归类识别结果进行数据资产的管理及运营。
在一个实施例中：
1、资产价值通报
根据数据资产成本、应用价值与基础价值分析结果，数据资产运营者定期输出数据资产价值运营分析报告，从数据成本、数据应用价值、数据基础价值等多方面对数据资产全面评估，分析维度包括且不仅限于资产分层、部门、开发团队等。
数据资产价值运营分析报告经管理者审核后，给各业务负责人进行通报，对低价值以及低效型数据资产进行分析并引导使用，对于中台的模型设计优化提出合理建议，促进数据中台资产价值的提升，同时通过定期通报，促进数据中台需求质量的优化与提升。
2、低（无）价值资产清理
根据数据资产价值评估结果，对于低价值或者低效资产，先引导进行使用，如果连续6个月为低（无）价值资产，则对数据资产进入下线流程。
低效资产空间清理：对于低效资产（高成本低应用价值），缩短数据保存周期，确保存储空间能够有效合理的利用。
综上所述，本发明提出了数据资产价值评估体系与方法，并已建设成为大数据资产价值评估系统，在多个企业使用，解决了企业大数据资产价值难以量化评估的难处，产生了实际应用效果。本发明提出了体系化的数据资产价值评估指标，在评估指标的选择中，比现有技术有较大的提升，选择的指标具有创新性，针对数据中台中的接口层、整合层模型的应用价值评估，采用分层设置补偿因子，将访问量递延；对于成本评估，参考公有云计费方式，量化了评估指标，并通过对于资产实际使用的计算与存储成本提出了相对可靠的计算方法；对于本发明中的每个指标，都提出了可靠的指标的计算方法，能够落地实施统计到具体的数值，并将所有指标进行标准化转换，从而得到资产的价值分与成本分。本发明提出了一套资产价值评估结果识别方法与应用，对资产价值进行四象限的分类，识别资产为明日之星、金牛型、萎缩型、问题型资产；并综合资产成本与价值，识别高效资产、均衡型资产与低效资产，从而对数据资产价值评估结果进行识别与使用，促进投资回报率的提升。
以上所述仅为本发明的较佳实施例而已，并不用以限制本发明，凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。

Claims (10)

1.一种大数据资产价值评估的系统，其特征在于，该系统包括数据资产价值评估参数确认单元、数据资产价值评估指标单元、数据资产价值评估指标权重设置单元、数据资产价值评估单元、数据资产价值结果识别单元及数据资产价值评估结果应用单元；
其中，所述数据资产价值评估参数确认单元，用于设置数据资产价值的评估方法、评估对象、评估周期及评估分值；
所述数据资产价值评估指标单元，用于对数据资产成本评估、数据资产基础价值评估及数据资产应用价值评估的指标进行确认并计算各指标得分；
所述数据资产价值评估指标权重设置单元，用于完成数据资产价值主题权重及指标权重的设置；
所述数据资产价值评估单元，用于计算各类参与评估指标的指标得分，还用于计算成本得分、基础价值得分及应用价值得分，同时计算数据资产价值分；
所述数据资产价值结果识别单元，用于根据数据资产价值分，对数据资产进行归类识别；
所述数据资产价值评估结果应用单元，用于依据数据资产的归类识别结果进行数据资产的管理及运营。
2.根据权利要求1所述的一种大数据资产价值评估的系统，其特征在于，所述数据资产价值评估参数确认单元包括评估方法确认模块、评估对象确认模块、评估周期确认模块及评估分值设置模块；
其中，所述评估方法确认模块，用于确认采用层次分析法对数据资产的价值与成本进行评估；
所述评估对象确认模块，用于确认评估对象为表模型、指标、标签及应用程序接口，其中，指标、标签及应用程序接口用于评估数据资产应用价值；
所述评估周期确认模块，用于以月为单位，每月对数据资产的成本、应用价值及基础价值进行评估，并记录历史数据，同时分析数据资产价值变化趋势；
所述评估分值设置模块，用于设置单个数据资产价值分，其中，分值最低为0分，最高为100分。
3.根据权利要求1所述的一种大数据资产价值评估的系统，其特征在于，所述数据资产价值评估指标单元包括成本评估指标确认模块、基础价值评估指标确认模块、应用价值评估指标确认模块及计算模块；
其中，所述成本评估指标确认模块，用于确认数据资产的存储成本与计算成本作为数据资产的成本评估指标；
所述基础价值评估指标确认模块，用于确认包括数据完整性、数据准确性、数据时效性、元数据完整性及血缘完整性作为基础价值评估指标；
所述应用价值评估指标确认模块，用于确认资产访问次数、资产订阅次数、血缘链路资产数、资产应用对象级别及应用系统访问账号数作为应用价值评估指标，其中，对于资产访问次数，通过对数据中台模型的分层设置补偿因子，应用层表的访问次数递延到数据中台的底层模型；
所述计算模块，用于计算成本评估指标、基础价值评估指标及应用价值评估指标的得分。
4.根据权利要求3所述的一种大数据资产价值评估的系统，其特征在于，所述存储成本的计算规则为：计算表实际占用的存储空间，且参考公有云计费规则，计算得到存储费用，并进行离差标准化得到V1，V1*100等于存储成本的得分R1；
所述计算成本的计算规则为：计算表对应的任务实际消耗的CPU与内存，若无法获取实际值，则用运行时间进行折算，且参考公有云计算资源计费规则，计算得到成本费用，并进行离差标准化得到V2，V2*100等于计算成本的得分R2；
所述数据完整性的计算规则为：根据质量管理系统输出数据完整性规则的结果，并统计周期内通过规则数/总规则数得到V3，V3*100等于数据完整性的得分R3；
所述数据准确性的计算规则为：根据质量管理系统输出的结果计算，并统计周期内通过规则数/总规则数，得到V4，V4*100等于数据准确性的得分R4；
所述数据时效性的计算规则为：根据统计周期内的满足时效性的次数/总执行次数得到V5，V5*100等于数据时效性的得分R5；
所述元数据完整性的计算规则为：在数据资产管理系统登记的有值的字段/元模型定义的字段得到V6，V6*100等于元数据完整性的得分R6；
所述血缘完整性的计算规则为；判断是否有前驱依赖与后续依赖，若为孤立表，则值为0，若有依赖，则为1，得到V7，V7*100等于血缘完整性的得分R7；
所述资产访问次数的计算规则为：若直接访问则加1，若对于血缘追溯到上层的，按层乘以衰减系数得到V8，V8*100等于资产访问次数的得分R8；
所述资产订阅次数的计算规则为：实际次数，并做离差标准化得到V9，V9*100等于资产订阅次数的得分R9；
所述血缘链路资产数的计算规则为：血缘链路下游资产数+上游资产数，并做离差标准化得到V10，V10*100等于血缘链路资产数的得分R10；
所述资产应用对象级别的计算规则为：根据应用对象级别的权重得到实际值V11，V11*100等于资产应用对象级别的得分R11；
所述应用系统访问账号数的计算规则为：实际访问账号数，并做离差标准化得到V12，V12*100等于应用系统访问账号数的得分R12。
5.根据权利要求1所述的一种大数据资产价值评估的系统，其特征在于，所述数据资产价值评估指标权重设置单元包括主题权重设置模块及指标权重设置模块；
其中，所述主题权重设置模块，用于通过重要性对比矩阵得到基础价值权重A1，应用价值权重A2；
所述指标权重设置模块，用于通过对成本、应用价值、基础价值构建两两比较矩阵以及重要性对比矩阵，得到各指标权重。
6.根据权利要求1所述的一种大数据资产价值评估的系统，其特征在于，所述数据资产价值评估单元包括指标得分模块、成本价值得分模块及数据资产价值得分模块；
其中，所述指标得分模块，用于根据指标得分计算各类参与评估指标的得分；
所述成本价值得分模块，用于根据各类参与评估指标的得分及指标权重计算成本得分、基础价值得分及应用价值得分；
所述数据资产价值得分模块，用于根据基础价值得分、应用价值得分及主题权重计算数据资产价值分，即数据资产价值得分=基础价值得分*基础价值权重A1+应用价值得分*应用价值权重A2。
7.根据权利要求6所述的一种大数据资产价值评估的系统，其特征在于，所述成本得分=（R1*W1+R2*W2），其中，R1为存储成本的得分，R2为计算成本的得分，W1为存储成本的权重，W2为计算成本的权重；
所述基础价值得分=（R3*W3+R4*W4+R5*W5+R6*W6+R7*W7），其中，R3为数据完整性的得分，R4为数据准确性的得分，R5为数据时效性的得分，R6为元数据完整性的得分，R7为血缘完整性的得分，W3为数据完整性的权重，W4为数据准确性的权重，W5为数据时效性的权重，W6为元数据完整性的权重，W7为血缘完整性的权重；
所述应用价值得分=（R8*W8+R9*W9+R10*W10+R11*W11+R12*W12），其中，R8为资产访问次数的得分，R9为资产订阅次数的得分，R10为血缘链路资产数的得分，R11为资产应用对象级别的得分，R12为应用系统访问账号数的得分，W8为资产访问次数的权重，W9为资产订阅次数的权重，W10为血缘链路资产数的权重，W11为资产应用对象级别的权重，W12为应用系统访问账号数的权重。
8.根据权利要求7所述的一种大数据资产价值评估的系统，其特征在于，所述数据资产价值结果识别单元包括高中低分类识别模块、应用价值识别模块及资产效能识别模块；
其中，所述高中低分类识别模块，用于根据成本得分、基础价值得分及应用价值得分对数据资产进行归类识别；
所述应用价值识别模块，用于根据应用价值和增长率对数据资产进行归类识别；
所述资产效能识别模块，用于根据成本和应用价值对数据资产进行归类识别。
9.根据权利要求8所述的一种大数据资产价值评估的系统，其特征在于，所述根据成本得分、基础价值得分及应用价值得分对数据资产进行归类识别时分类如下：
成本得分80分以上为高成本，60-80分为中成本，60分以下为低成本，基础价值得分80分以上为高应用价值，60-80分为中应用价值，60分以下为低应用价值，应用价值得分80分以上为高基础价值，60-80分为中基础价值，60分以下为低基础价值；
所述根据应用价值和增长率对数据资产进行归类识别时分类如下：
潜在型为低价值，高增长率；稳定型为中高价值，增长率平稳；萎缩型为中高价值，价值分持续下降；问题型为低价值，持续低增长率或价值分持续下滑；
所述根据成本和应用价值对数据资产进行归类识别时分类如下：
低效型资产为高成本，低应用价值；高效型资产为高应用价值，低成本；均衡型资产为低成本低价值；均衡型资产为高成本高价值。
10.一种大数据资产价值评估的方法，用于权利要求1-9任一项所述的一种大数据资产价值评估的系统，其特征在于，该方法包括以下步骤：
S1、对评估方法、评估对象、评估周期及评估分值的设置进行确认；
S2、对数据资产成本评估、数据资产基础价值评估及数据资产应用价值评估的指标进行确认并计算各指标得分；
S3、完成数据资产价值主题权重及指标权重的设置；
S4、计算各类参与评估指标的指标得分，并计算成本得分、基础价值得分及应用价值得分，同时计算数据资产价值分；
S5、根据数据资产价值分，对数据资产进行归类识别；
S6、依据数据资产的归类识别结果进行数据资产的管理及运营。
CN202110911060.9A 2021-08-10 2021-08-10 一种大数据资产价值评估的系统和方法 Pending CN113361980A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202110911060.9A CN113361980A (zh) 2021-08-10 2021-08-10 一种大数据资产价值评估的系统和方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202110911060.9A CN113361980A (zh) 2021-08-10 2021-08-10 一种大数据资产价值评估的系统和方法

Publications (1)

Publication Number Publication Date
CN113361980A true CN113361980A (zh) 2021-09-07

Family

ID=77540854

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202110911060.9A Pending CN113361980A (zh) 2021-08-10 2021-08-10 一种大数据资产价值评估的系统和方法

Country Status (1)

Country Link
CN (1) CN113361980A (zh)

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113934751A (zh) * 2021-12-16 2022-01-14 深圳市明源云科技有限公司 指标价值衡量方法、设备及计算机可读存储介质
CN116257563A (zh) * 2022-11-30 2023-06-13 荣耀终端有限公司 一种数据价值评估方法及电子设备
CN116450757A (zh) * 2023-06-19 2023-07-18 深圳索信达数据技术有限公司 数据资产的评价指标的确定方法及装置、设备及存储介质

Cited By (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113934751A (zh) * 2021-12-16 2022-01-14 深圳市明源云科技有限公司 指标价值衡量方法、设备及计算机可读存储介质
CN113934751B (zh) * 2021-12-16 2022-03-01 深圳市明源云科技有限公司 指标价值衡量方法、设备及计算机可读存储介质
CN116257563A (zh) * 2022-11-30 2023-06-13 荣耀终端有限公司 一种数据价值评估方法及电子设备
CN116257563B (zh) * 2022-11-30 2023-11-21 荣耀终端有限公司 一种数据价值评估方法及电子设备
CN116450757A (zh) * 2023-06-19 2023-07-18 深圳索信达数据技术有限公司 数据资产的评价指标的确定方法及装置、设备及存储介质

Similar Documents

Publication Publication Date Title
CN113361980A (zh) 一种大数据资产价值评估的系统和方法
Tulchynska et al. The resource supply of innovation and investment strategies of the microeconomic systems modernization in the conditions of digitalization
CN108388955A (zh) 基于随机森林和逻辑回归的客户服务策略制定方法、装置
CN106970953B (zh) 基于大数据分析的网络建设管控方法及其平台
Michnik The WINGS method with multiple networks and its application to innovation projects selection
CN108389069A (zh) 基于随机森林和逻辑回归的优质客户识别方法及装置
US20140289007A1 (en) Scenario based customer lifetime value determination
CN108364191A (zh) 基于随机森林和逻辑回归的优质客户优化识别方法及装置
CN109102142A (zh) 一种基于评价标准树的人才评价方法和系统
Tong et al. The research of customer loyalty improvement in telecom industry based on NPS data mining
CN110009465A (zh) 财务资产精益化管理平台
CN113450031B (zh) 居民智慧用能服务潜在台区选取方法及装置
Bonsay et al. Artificial intelligence and labor productivity paradox: The economic impact of AI in China, India, Japan, and Singapore
CN107239853B (zh) 一种基于云计算的智慧管家系统及其工作方法
CN116611788A (zh) 一种科技项目管理方法及系统
CN107844874A (zh) 企业营运问题分析系统及其方法
CN115577971A (zh) 一种基于算法模型的员工能力动态价值评估系统
CN112633621B (zh) 一种基于paas平台的电网企业管理决策系统和方法
CN113361746B (zh) 一种配电网物资品类优化方法
Brunner et al. Productivity, Competitiveness, and Incomes in Asia
Esmaeilbeigi et al. Benders decomposition for a reverse logistics network design problem in the dairy industry
Chen et al. Optimal staffing policy in commercial banks under seasonal demand variation
Shen et al. Coevolutionary scheduling of dynamic software project considering the new skill learning
CN112116230A (zh) 基于大数据的产业园评估方法及装置
CN111507587A (zh) 一种工作量确定方法及装置

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
RJ01 Rejection of invention patent application after publication

Application publication date: 20210907

RJ01 Rejection of invention patent application after publication