基于数据资产理论的科学数据管控架构分析

基于数据资产理论的科学数据管控架构分析

徐文杰

上海软中信息技术有限公司 200235

摘要：本文从标准管理、质量管理、模型管理、价值评估管理、共享管理、安全管理以及运维管理几方面内容着手，简略阐述了基于数据资产理论的科学数据管控体系，并对基于数据资产理论优化开展科学数据管控架构的应用进行了详细的分析，希望能够为相关研究人员和学者提供参考。

关键词：数据资产理论；科学数据；服务模式创新

引言：科学数据不管是在科研领域还是政府工作以及企业发展领域都有着至关重要的作用，但从目前来看，在科学数据管控方面仍存在一定的不利因素，制约了科学数据的管理效果，不利于各类科学数据利用效率的提升，基于此有必要充分结合数据资产理论的相关内容，对其展开更加深层次的探究。

1基于数据资产理论的科学数据管控体系

1.1标准管理

数据的标准管理主要指的是对数据标准进行制定以及实施所开展的相关活动，其中涉及到数据标准的需求、制定、执行、维护管理以及数据标准化评估的内容。在深化开展数据标准管理工作的过程中可以高效缓解普遍存在的数据割裂以及“信息孤岛”等问题。数据标准的管理工作本身存在一定的复杂性，具体包括对于指标数据标准、事务处理数据标准、元数据标准以及共享交换数据标准等的管理工作。

1.2质量管理

数据质量管理主要指的是在现有的数据质量检查规则的基础上，通过对于相关技术手段的应用，针对数据质量的相关问题展开合理的跟踪、检查、分析以及评价工作，同时还要对相关信息进行定期的质量通报。这样一来便能够对数据质量、共享水平的提升起到良好的推动作用，同时还能够实现对于数据的实时动态提供，切实保障科学数据能够达到高效的分析和利用效果，最大限度提高科学数据的利用效率。若想有效提升数据的质量，应当在现有的基础上制定出切实可行的改进历程，其中应当涉及到预防监控、整改优化、问题分析、质量核查以规则制定等多方面因素，不断进行流程管控，积极落实对于规则的优化调整，第一时间发现处理数据过程中所涉及到的各方面问题，为数据质量的提升创造良好的条件^[1]。

1.3模型管理

数据模型管理主要指的是，在实际开展信息系统设计工作的时候，充分结合业务模型，运用标准化语法规则对数据模型进行设计，与此同时，在进行信息系统建设以运行维护工作的时候，需要结合数据模型管理规定，对新建数据模型展开高质量的审核以及管理工作。其所涉及到的具体内容涉及到数据模型的设计、执行以及维护工作，统一进行数据模型的管控以及标准化管理能够为高质量落实数据整合以及提升信息系统数据质量奠定坚实的基础，数据模型管理的内容较复杂，具体应当结合实际情况进行确定。

1.4价值评估管理

价值评估管理是指针对科学数据资产所具有的内在价值的评估，从数据成本以及数据应用价值两方面内容着手进行。数据成本主要涉及到采集获取以及存储数据资产过程中所消耗的费用以运维费用。对于数据应用价值来说，应当综合考虑数据资产的分类、共享流通状况、应用对象、应用频率以及应用效果等多方面内容，其最根本的目的便在于实现对于数据资产管理资源配置以及体系运转模式的应用，切实保障科学数据资产的价值能够得到更加充分的展现。

1.5共享管理

数据共享管理指的是在充分保障因素和安全的条件下，对于数据共享开放策略进行明确，充分同跨专业数据应用需求相适应，强化推动数据资产价值流通，其中涉及到数据共享以及数据交换管理的相关内容。

1.6安全管理

数据安全管理指的是，结合科学数据管理以及数据敏感性的相关要求，针对性地制定出更加科学合理的安全分级标准，形成能够实现广泛应用的数据使用授权机制，与此同时还要针对整个过程进行妥善的安全监管，其中还包括数据安全监督、数据访问授权以及数据安全分级等内容。数据安全管理工作的开展具体是指在数据资产全生命周期中，切实保障好数据的可用性、真实性、完整性以及保密性，强化开展对于敏感数据访问的控制工作，从根本上提升系统操作的安全性，在保障其安全支撑能力的前提下实现数据提供效率的提升^[2]。

1.7运维管理

数据运维管理需要在相关技术支撑工具的基础上，通过对于可视化以及自动化方式的应用，强化数据资产全生命周期的监控以及运维管理，为科学数据资产管理相关职能活动更加安全平稳的进行一个创造良好的条件。其中包括数据自处检索、数据标准维护以及数据异常告警等多方面内容。

图1 数据管控体系

2基于数据资产理论优化开展科学数据管控架构的应用

2.1合理制定规范和方案

为了能够有效提升科学数据管控的质量和效率，应当合理进行相关规划以及方案的制定工作，一般来说数据资产框架会在管理机构开展数据管理工作的过程中进行应用，同时还能够在大学以及各类科研机构所进行的数据管理行为监督工作中进行应用，与此同时，其还能够同科研工作流程中所存在的科学数据管理需求相适应。在实际开展科研活动的过程中，诸多学者的相关理论中都涉及到了数据资产框架，而且多次应用于实践当中，相关研究人员深化开展实地的走访与调查工作，对当前最新的数据信息进行全面采集和了解，在原有的基础上实现了框架使用价值以及真实性和完整性的提升。部分研究人员对各大高校学者在科学数据方面的需求情况进行了深入调查，同时分析了科学数据在科研管理活动中所发挥的作用和实际效果，通过对技术工具、研究环境以及学科背景等情况进行深入了解，健全和完善数据需求方面的评估方法。从目前来看，存在多种类型的科学管理方式，通常情况下，我国的学者会选用调查问卷发放的形式对相关信息进行采集，该有部分院校也会选择适用访谈等方法，以保障各项数据的精确性以及完整性。在实际进行科学数据规范管理工作的过程中，应当加强对于数据的流通共享以及录入加工处理两部分内容的重视，与此同时，还要从组织、流程、考核以及工具几方面内容着手，强化对于科学数据管控维度标准的建立。

构建科学数据管控体系，需要充分结合时代发展情况，灵活开展对于现代化信息技术的应用，切实保障好流程的系统化以及规范化，以便于为后续科学数据的支撑平台、质量检测以及标准规范的建立奠定坚实的基础。相关研究人员认为，现代科学研究的开展离不开信息化技术，所以应当积极落实数据管理一体化以及共通共用。研究人员针对我国多所图书馆展开了深入的调查工作，深层次地剖析信息在收集、流转以及处理等的过程。若想实现对于各类科学数据的高效应用，则无要存在安全的质量、完整的平台以及规范化的数据作为基础。良好的流程能够最大限度提升科学数据的应用质量和效果，基于此，务必要严格按照《科学数据管理办法》等相关标准和要求，从考核标准、组织管理、生命周期以及规划准备几方面内容着手进行科学数据管控的合理设计^[3]。

2.2科学选用策略和技术

除了合理制定规范和方案之外，在进行科学数据管控架构的过程中还一个当对相关技术和策略进行合理选用。结合当前所开展的管控实践来看，最为关键的问题便在于数据管控的可持续。在目前不断解决监控问题的过程中，如何能够保障经济和技术上的双重可持续是较为重要的制约因素。在元数据标准的划定以及对于主题文本的提取方面，其在当前技术飞速发展的背景下，实现了适应性和延展性的提升。技术更新升级能够在极大程度上减少成本方面的投入，而积极探索更加经济的服务模式，也能够推动可持续战略的进一步落实。基于此，建立起更加科学合理的成本模型开始成为在数据服务领域中至关重要的问题之一，在增值性服务式方面的研究能够充分发挥出其对于科学数据服务实践发展的重要推动作用。

当正式实施科学数据资产架构的时候，良好的科学数据服务体系业务架构能够实现对于数据管理全过程的有效整合。其在实践应用的过程中能够实现对于用户信息的查询和访问，落实各项科学数据的共享并实时动态地进行监管，针对潜在的各种有价值的科学数据进行深层次的挖掘，除此以外，还能够应用于数据的分类、数据库数据的使用和调配以及数据资产价值的科学合理评估等等。针对整个数据管理生命周期的业务，需要立足于相关数据流程展开设计工作，同时还要保障其具有最高技术水准，能够同研究人员和学者的各项基本需求相适应，进而为科学数据服务提供稳定充足的支撑。其中数据监管机构以及数据用户等将会在数据网站的基础上对相关数据进行抓取，数据库实现导入并对数据进行存储，立足于RDF以及本体技术，进行大数据云服务等的提供，DataFinder能够构建起一个位于模块中间的纽带，加工多个模块相互联系起来。

从目前来看，国外已经存在诸多科研领域都可以提供相应的科学数据服务，这些技术项目的应用无论是在医疗保健、地质气象监测还是在卫星遥感等学科领域中都能够体现出较强的额音共价值，强化同本体语义网、用户需求分析以及数据库数据集等配合，共同建立起更加健全和科学的学术生态系统。在当前的时代背景下，科学数据本身的地位得到了有效提升，其不仅能够为各类普通的科研团队服务，还能够为企业、政府以及非营利组织服务。政府在开展改善民生以及服务民众的相关工作时离不开科学数据作为支撑，企业在进行产品提供的时候也需要进行科学数据的分析工作。可学研究组织主要是负责对于相关信息数据的收集、获取、分析以及生产，而企业以及政府则会立足于其自身发展的实际需求对相关科学数据进行获取，与此同时，政府还会为科研数据产出团队提供监管，这样一来便能够营造出更加良好的外部环境，确保科学数据能够更加顺利地实现产出。企业本身也能够为科研数据团队提供其所需要的元数据，对其自身的架构以及产出流程进行优化调整，切实保障科学数据能够得到最大限度的利用，充分发挥出科学数据的实质性作用^[4]。

2.3强化数据服务模式创新

2.3.1分布式

技术人员应当强化对于数据服务模式的创新，在分布模式的应用下，各科学数据本体将会完成对于自身数据库模块的构建，然后利用协议将彼此连接起来，进而形成一个更完整的数据搜索平台，技术方面的革新和升级能够为分布式数据服务模式提供全新的工具，以便于实现其服务体验的提升。在现有的数据监测系统中实现对于数据库数据、用户需求以及地理技术等的统一反馈，展开相应的数据分析处理工作，对潜在的数据信息进行深层次的挖掘，以便于提供更加高质量的科学数据服务。结合我国在该方面的研究情况能够发现，我国其实很早便已经有关于关联数据的资源服务研究以及实践，相关研究人员也在实践过程中开始在关联数据库的资源服务模式中对其进行应用，以探索出通过应用语义网统一资源标识符和资源描述框架实现对于多样化技术结构以及知识体系串联的路径。在同一个单位空间内实现对于各类数据的优化整合，进而找到在图书馆、政府以及各类企业中对关键技术进行优化应用的方法和路径。

部分研究人员针对MOOC资源服务类型进行了研究，优化组织互联网中的数据以及关联数据的资源描述框架，在原有的基础上减少数据复用的难度。DBpedia数据库将会对特定信息进行抽取，然后将其转化成为相关知识，运用算法对抽取展开合理计算，然后在此基础上对距离的长短进行比较，并从中筛选出最佳的信息数据，或者同其他网络之间进行互联互通，对有关的数据进行传输。与此同时，在其他网络中或者是机构中所散落的各类数据还能够在本体工作里的基础上在索引数据库中实现存入，利用Pest Web达到提供搜索以及导航索引的效果，切实保障分布式数据监管的实效性

^[5]。

2.3.2集中式

在集中模式的应用下，主要是在数据技术的基础上针对用户展开分析工作，进而实现服务质量的优化提升，这也是当前实现现代资源服务型机构转型为服务导向型机构的重要途径。当前新型科学数据服务模式的出现和应用，知识管理以及知识驱动是至关重要的推动力量，但是无论采用哪种类型的模式，都要切实保障用户具有良好的服务体验，促进各服务机构能够建立起高质量的机制体制，总根本上保护好数据来源的可靠性以及真实性。集中管控模式的应用能够使得各类项目通过代理对已经完成处理工作的数据进行服务器同用户之间实现交互，对数据与数据集进行录入、创建、存储以及传播，强化开展对各类数据资产的集中统一管理，并按照特定的模式进行数据服务的提供。相关技术人员应当积极构建起一个全方位的监管平台，在统一平台中开展对于数据创建、管理、存储以及传播的统一数据调配以及处理工作，对跨领域以及跨部门的集成化科学数据展开模块化的整合工作，以实现对于各种不利监管条件以及风险环境的有效应对。平台整合具体设计到多方面的内容，包括针对潜在数据的挖掘和分析、数据库的监督和管理，对于用户的需求分析以及使用相关数据技术工具的情况等等。

2.3.3综合式

综合式模式同分布式以及集中式模式之间存在较大的差异性，其本质上处在二者中间的位置，有着较强的综合性，该模式的应用能够支持先进管理与控制、集成与处理、过滤与分类以及分析与识别，同时还可以促进各个不同单位之间所开展的联络工作，能够从多角度和全方位出发，开展跨越地域意义的数据传输与共享、数据反馈溯源以及数据存储和利用。数据索引导航涉及到EMEBALD,DFINDER,EBSCO等多方面内容，通过对数据所开展的过滤、分类、处理以集成工作，强化落实对其的存储利用分析，进而最大化提升科学数据的应用价值。当前全世界正处在一个信息爆炸的时代中，所涉及到的数据有着海量的特点，在大数据环境中，数据服务的构成涉及到原始层级、特征级以及决策层级，同用户需求、信息搜索以及服务反馈等多方面内容有着密不可分的联系，共同组成了数据综合性服务模式过程模型。相关工作人员立足于学科数据资源的总关联服务角度，深化开展对于学科系统数据模型的重构工作，对学科整体服务进行健全和完善，进而为用户更加方便地发现和获取科学数据资源创造良好的条件。未来的数据综合性发展势必要多层次以及高深度地落实在以服务人员为主的服务领域、以设备为主的应用领域以及以技术为主的资源存储领域中^[6]。

结论：综上所述，基于数据资产理论开展对于科学数据管控的架构能够提高科学数据的管控质量，对于其利用率的提升有着积极的促进作用，有助于推动我国整体科研水平的提高。因此相关研究人员务必要加强对于该方面的重视，进而为我国科技创新提供助力。

参考文献：

[1]郭海文.重塑金融科技架构体系 践行差异化科技转型之路[J].中国金融电脑,2020(07):24-27.

[2]李雨霏,刘海燕,闫树.面向价值实现的数据资产管理体系构建[J].大数据,2020,6(03):45-56.

[3]卢扬,祝晓宏.以服务管理提升为核心的运营监测数据资产价值管理和可视化应用[J].企业管理,2019(S1):238-239.

[4]张丽,张建华,鲁瑞.一种基于流程管控的数据治理平台设计研究与实现[J].信息通信,2019(09):53-54.

[5]康雅萍,陈熠,赵永安.移动终端数据资产安全管理系统的研究与实现[J].信息通信,2019(09):84-87.

[6]李国和,冯峥,王卓瑜,等.数据资产管理体系研究[J].电信科学,2019,35(02):105-112.