精华内容
下载资源
问答
  • 2021-07-27 13:57:39

    引言

    《安全建设的任务》一文提到了安全建设的一个很重要的任务是资产管理,但是在和很多客户沟通的过程中发现,资产管理很难做。那为什么资产管理难做呢?本文主要分析这块内容,并提出一些参考做法。

    资产管理的一些术语:

    • 配置管理数据库(CMDB):Configuration Management Database

    它是一种包含每一个配置项全部关联细节以及配置项之间重要关联细节的数据库

    •  配置项(CI):Configuration Item

    配置项信息覆盖了企业网络中的应用、操作系统、补丁、硬件设备、生命周期成本以及用户链接

    •  配置项分类:Configuration item category

    配置项所属分类:如数据库,主机

    一、资产管理的范围广

    随着计算机的发展,资产管理的范围一直在发生变化,目前大多数情况下谈的资产管理是泛IT资产,不是传统意义上的我有多少台设备等。泛资产是指对组织有一定价值的软硬件信息。包括传统的服务器、IP地址、系统进程、业务进程等;也包括如APP、公众号、数字凭证、品牌、人员(如员工邮箱地址)、知识产权、组织信誉,社交媒体、微信公众号、微博等;还包括企业的安全策略、运维策略、业务的逻辑漏洞等;同时也包括弱密码、安全补丁、版本升级等;还包括软硬件的采购,维保时间,许可证信息等。

    从内容上看,凡是有价值的信息都可以往上靠。可以说资产管理是个筐,啥都可以可以往里装。为什么会有这么多的维度呢?是因为不同的人从不同的视角关注的点是不一样的:

    财务视角:关注资产的经济价值、状态、软件许可期、硬件质保期等。

    桌面管理视角:关注软件许可、硬件配置、系统运行正常、对外接口、防病毒安装等。

    IT运维视角:关注业务连续性、稳定性、扩展性、配置和变更管理等。

    安全视角:关注资产风险,资产漏洞、资产进程、资产告警等。

    这种情况下,在建设资产管理的时候就无从下手。那这个时候我们应该怎样做呢?

    可以参考《安全建设的任务》一文中提到的目标和决策:

    • 根据公司对资产管理的诉求,确定合理的目标;

    • 确定合理的资产管理范围;

    • 确定资产管理的类别和属性;

    • 设计资产管理的存储模型。

    资产管理建设目标,有的地方也叫消费场景,每个企业都需要梳理出自己真正需要的场景,并且这种梳理应该是基于企业的日常运维工作,以及下一步运维提升的目标来制定,比如:

    • 自动化运维操作:新服务和应用的自动化发布,需要知道当前可用的基础资源有哪些;

    • IT环境监控和告警:针对某台服务器性能告警,需要判断此服务器所属业务和集群;

    • 资产管理和展示:将企业的IT资产分类展示和查询。

    资产管理的几个原则

    • “精而不多”:如果我们将大量的配置项或属性纳入到CMDB中,那么将存在大量信息需要进行维护,这无疑增加了成本。反之,如果属性过少,维护工作虽然减轻了,但是CMDB的有效性就大大降低了。因此,“精而不多”就是我们的平衡点,这个‘精’主要体现在对企业有实际意义。

    • 手动和自动结合:手工维护的资产尽量选择自动化做不了的对象,比如资产的名称、资产负责人、资产的关系;企业的业务属性、部署架构等。其他的比如资产的软硬件信息等可以通过自动化的工具去做。

    资产管理常用大分类

    • 分设备、应用、网络、数据和用户;

    • 分有形资产和无形资产;

    • 分内网资产和公网资产等。

    CIS Control 对于资产管理有更具体的表述可以参考,它主要集中在硬件资产和软件资产的表述。

    对于硬件资产有8个方面的要求

    • 要有主动发现资产的工具;

    • 有被动发现资产的工具;

    • 通过DHCP进行更新资产信息;

    • 维护资产的目录信息;

    • 维护资产的信息数据;

    • 管理未授权资产;

    • 使用访问控制,比如802.1X的标准接入;

    • 使用证书机制来验证硬件。

    对于软件资产相关的内容有10项要求:

    • 保证授权软件;

    • 保证软件有厂商进行维护;

    • 使用软件资产管理工具;

    • 跟踪软件资产信息;

    • 关联软件和硬件资产;

    • 发现未授权软件;

    • 使用应用白名单;

    • 使用加载库白名单;

    • 使用白名单脚本;

    • 隔离高危险应用。

    关于授权软件这个事情,其实已经出了很多安全事件案例,比如putty留后门事件,很多盗版软件被植入了木马,引发安全事故,但是盗版软件的使用仍然很常见,很多组织也没做到很有效的管理起来。比如Windows XP和Windows 7等,就算爆出0Day,微软一般也不会支持了。

    二、资产的关系复杂

    资产管理中的每个资产都不是孤立的,它需要和其它资产产生千丝万缕的关系。随着云技术和微服务的发展,更加加剧了这种关系的复杂性,所以如何梳理这些关系就是一个非常重要的难点。

    资产中的关系主要分为构成、连接、需要:

    • 构成:从逻辑层面或物理层面,一个或多个CI构成另一个CI,称为构成,相当于指向父节点,构成是关系的第一法则,构成是单向关系。

    • 连接:连接是一种物理上的硬连接,表示一个CI与另一个CI物理上的连接,连接是关系的第二法则,连接是双向关系。

    • 需要:当一个CI的运行,依赖于另一个CI正常运行时,称为需要,需要是关系的第三法则,需要是单向关系。

    只有当资产关系梳理清楚后,才能知道一个故障或者一个问题对业务有什么影响,比如:一个服务器如果停机了,有交换机硬件故障需要更换等,需要快速查出影响了哪些业务系统,并通知相应的负责人。

    资产的关系主要有以下几类

    • 机房-机柜-设备的关系;

    • 交换机-设备关系;

    • 设备-业务关系;

    • 集群-应用关系;

    • 设备-存储关系;

    • 业务-子系统-模块关系;

    • 业务从请求到最终数据库中间的访问关系等等。

    关系的维护分为手动维护自动维护

    像机房-机柜-设备、业务-应用等的这些维护只能通过手动维护。在建设初期就要把关系梳理起来,在后续变更的过程中不停的维护。

    像交换机-设备关系等信息,这些信息可以通过程序自动维护,可以通snmp、ssh等协议,去采集分析交换机的接口信息,可以确认维护这些关系。随着SDN的发展,API接口也非常成熟了。这些都是自动维护关系的方式。

    三、资产的动态性

    在IT建设的早期,由于资产数量有限,网络边界清晰,仅在DMZ区对外开放Web、邮件服务等少量服务,在相对简单的环境里,管理比较容易,用excel等就可以管理的很好。

    但随着业务复杂性的增加,以及云计算和容器的发展,使组织的信息资产日益庞大,分布也不仅仅局限在自己的机房、办公场所内,加上早期缺乏规范化的资产管理手段、责任人的变化等等,也让全面了解资产成为一件非常困难的事情。

    由于业务需求的不停变化,当今业务的变更比以往变更加频繁,这也导致了资产信息的不断变化。很多企业为了适应市场的变化,几乎每周都有版本的升级、上线和变更。在这种情况下,更要关注资产准确性、时效性。

    很多单位的安全、业务、运维部门相互独立,资产管理工作需要协调多部门通力合作,很容易造成出力不讨好、做得好难显业绩、做得不好容易背锅等现象,属苦活、累活之列,所以长期以来这项工作做的并不是很好。

    随着系统和运维工具的使用,可能莫名其妙的增加了一个端口,增加了一些dns访问等。安全意识不强的员工可能增加了未知设备的网络接入,使用盗版软件可能留有后门,业务系统系统不知道什么时候多了一个请求路径等等。

    由于文档的管理模式等问题,会导致文档满天飞,这部分文档中可能存在员工信息、项目信息等敏感信息。

    总之,动态性是现代资产的一个非常重要的属性,我们需要改变思路来对动态的资产进行管理。现在的资产管理就像冰山模型,我们看到的管理的只是暴露在冰面以上的信息。而对冰面之下的各种资产的发现,则是资产安全管理的重大挑战。

    动态资产管理对内可以从以下几个方面入手:

    • 主动获取:根据已知的IP地址规划,综合运用多种手段,全面、快速、准确的发现被扫描网络中的存活主机,准确识别其属性,包括主机名称、设备类型、端口情况、操作系统以及开放的服务等信息。

    • 被动获取:被动获取有两种方式,一种是流量,可以通过流量获取到活跃的资产信息,通过DPI(深度包检测)技术实现OSI模型中链路、网络、传输、应用层的流量分析,识别OSI 2~7层协议。可识别资产信息包括:IP、端口、协议、域名、证书等信息。另一种方式是日志分析,通过日志分析可以获取日志中发现的IP、端口、服务等信息,尤其是防火墙日志中包含了大量的资产信息。

    • Agent获取:通过安装agent获取主机信息。通过Agent可以及时获取非常多的资产信息,包括硬件信息、进程信息、端口信息、服务信息、补丁信息、账号信息、安装的软件信息、系统的文件信息等。

    对外的资产可以从以下几个方面入手:

    • 域名解析:最常见的互联网资产收集手段,通过DNS服务器或字典式解析探测,以获取开放的子域名和解析情况。

    • 备案信息:备案数据中包含了组织会使用到的域名或IP,一般和域名解析结合使用,能更加全面的发现主域名和解析情况。

    • Whois数据:Whois数据通过域名的归属关联,查询相关的其他域名,以便进一步发现资产,同样是和域名解析情报配合使用。

    • 空间测绘平台:通过空间测绘手段获取到资产信息,现在有很多网络空间测绘厂商可以提供数据。

    • 搜索引擎:通过搜索引擎检索获取到的网站类资产信息,包含google、百度等检索结果。

    • 移动应用、小程序、公众号:通过已知APP或小程序,可以获取其中访问的URL信息,这部分URL中往往含有和内部通讯的API地址,但同样也可以获得第三方API地址等信息。

    四、业务的复杂性

    随着行业IT应用的业务复杂度提升、数据级日渐庞大、应用面越来越广、并发压力也越来越高。为了应对这样的情况,分布式系统的解决方案随之而出,成为目前主流架构模式。

    目前,大部分大型WEB系统发展趋向,都采用类似互联网基于业务服务化并行架构设计模式,对业务进行深入拆分规划、服务化,微服务、SOA 等服务架构模式正在被大规模的使用。业务系统的服务部署,也逐步采用各种主流的技术方案,例如虚拟化、Docker、云托管等。

    分布式系统架构的采用、业务服务化和微服务的采用,对于大型WEB系统来说,可低系统开发整体难度提升系统开发迭代周期和效率等,也可以引入不同的技术栈协同开发不同开发团队同时协作开发

    但这时也产生了一个问题,就是业务系统的服务拆分的颗粒越细、越独立,例如像现在很多大型平台搭建各种业务中台、技术中台等,反而有时会使系统架构设计的复杂度变的更高,采用的技术底层处理框架会更复杂。框架越复杂对资产管理运维的要求就越高

    资产是为业务服务的,所以在做资产管理的时候一定要考虑到业务视角。但是在很多传统管理的时候,会存在业务和资产两条线,这种管理可能相对简单,但也面临着很多的问题,包括沟通和管理不便等。

    所以资产管理要以应用为中心,从业务角度出发,从而统一地管理企业IT架构中设备的配置信息比如一个典型的互联网应用以层级的方式逐级展开各层资源:

    • 应用本身可能是不同群集环境的:生产群集、测试群集、预发布群集等;也可能是分不同区域群集的:华东区域、华南区域、西北区域等;

    • 每个群集内部又分为不同的模块:前端web服务模块、中间件模块、数据库模块、其他组件模块等;

    • 每个模块内部可能是具体的虚拟机、物理服务器、容器、公有云、私有云、混合云等基础资源,以及中间件应用、数据库应用、web应用、业务本身的应用进程和服务等上层业务逻辑资源;

    • 每个资源对象本身都有自己的配置信息,对象与对象之间有着各种各样的关联关系。

    从业务的角度梳理完成后,资产管理需要的模型(CI)、属性(CI项)、关联关系等就梳理清楚了。

    五、​​​​​​​资产信息的零散

    资产管理是很多系统管理中最基础的内容,所以很多系统中都或多或少地存储一些对自身系统有用的资产信息。每个系统都会从自身的视角看待资产,比如财务系统从资产价值、采购、使用、报废等维度看待资产;运维人员从资产的可用性、资产的关系等看待资产;终端管理从资产的软硬件属性看待资产;日志分析从资产日志的采集角度看待资产等等。这就会导致资产信息的割裂,没有一个地方可以从整体上看到资产的全貌。同时从管理角度看很多部门是相对独立的,这样就更难从一个全局的视角看待资产。

    如何有效地组织资产是个非常重要的问题。如何把这些割裂的资产信息进行整合,从一个更完整的视角看待资产是个挑战。当资产是一个整体的时候,对资产的管理、使用、加工、处理、消费等都有非常大的好处。从宏观上看到资产的全貌,从微观上可以从一个入口看到资产的所有信息。这样可以极大地提高管理的效率。

    所以,有条件的话,可以规划一个整体的资产管理平台,把其他系统的资产信息统一收集整合加工,其他系统需要资产信息的时候可以消费。这样可以了解资产的全貌。

    六、资产的使用效能

    在国内,很多客户依然存在重视硬件投入而轻视软件和服务的投入的问题。主要是因为硬件能看得见摸得着。但投入这么多的硬件是否有必要?这个问题很多客户不一定能说得清楚。过多的资产会带来管理成本和使用成本的增加。

    在资产管理中经常会出现资源不够的问题。比如很多业务部门提出来资源不够,但这个时候很难判断资产是否是真的不够。比如资产的利用情况、使用情况等信息不确定。如何评价每个资产的利用效能,也是一个非常重要的问题。

    系统的使用情况包括:cpu利用情况、内存利用情况、磁盘利用情况、集群使用效果、网络的并发情况、业务的增长预期等。所以需要跟踪每个资产的使用效果,来确定对资产的投入价值。不过现代计算机已经非常快了,参见《计算机超速进化,你准备好了吗》,大多数情况下资源的利用都是不充分的。做好这块可以支撑IT投入规划、业务使用的成本核算,实现IT资源优化利用,使IT成本与效益达到一个好的平衡。

    6.1资源分配方法和原则

    对存储资源采用分解法估计,对数据库服务器资源采用TPC-C值估算法,对Web服务器资源采用SPECweb2005估算法,对应用服务器采用SPECjbb2005估算法

    资源分配的基本方法是:首先了解信息系统的非功能性需求,初步估计对各类型服务器(数据库服务器、应用服务器、Web服务器、接口服务器和其他服务器)的总体资源需求,再根据需求冗余、安全等方面要求,确定各类型服务器所需物理服务器数量,基本原则如下:

    • 单台服务器能提供足够处理能力的,不再分解为多台物理服务器。

    • 数据库服务器采用双节点冗余(如Oracle RAC)时,处理容量一般按增长50%计算。

    • 应用服务器采用多个逻辑(物理)节点组成集群时,4个节点以下(含4个)的集群,总体处理能力一般按各节点处理能力总和的60%计算;4个节点以上的集群,总体处理能力一般按各节点处理能力总和的50%计算。

    • web服务器采用多个逻辑(物理)节点组成集群时,4个节点以下(含4个)的集群,总体处理能力一般按各节点处理能力总和的70%计算;4个节点以上的集群,总体处理能力一般按各节点处理能力总和的60%计算。

    6.2服务器资源估算方法

    6.2.1数据库服务器TPC-C估算法

    适用范围:适用于对数据库服务器(应用服务器、Web服务器可参考)所需服务器的CPU能力进行估算。根据估算出的TPC-C值选择合适的服务器和服务器配置。

    原理介绍:该估算法是通过计算应用系统峰值每分钟需要处理的业务交易数,再综合考虑业务交易的复杂程度、未来业务交易数量的增长和CPU处理余量等因素,通过公式计算得出一个估算值,以此来评估需要服务器必须达到的TPC-C值。

    6.2.2Web服务器SPECweb2005估算法

    适用范围:适用于为支持满足特定吞吐量和客户请求响应速率要求的WEB服务器的性能进行估算。

    原理介绍:Web服务器通常需要衡量它可以支持满足特定吞吐量和客户请求响应速率要求的WEB服务器的最大并发连接数量,而SPECweb2005是由标准性能评估组织(SPEC)专门开发的的Web服务器基准测试。服务器厂商通常会提供每种型号服务器的SPECweb2005值。使用本方法估算不考虑网络因素,假设客户端和服务器位于同一局域网中,网络传输时间可以忽略。

    6.2.3应用服务器SPECjbb2005估算法

    使用范围:适用于估算Java类应用服务器所需达到的服务器性能。

    原理解释:SPECjbb2005是评估服务器端Java性能的SPEC测试工具。SPECjbb2005通过模拟三层C/S系统(主要是中间层)来评估服务器端Java的性能。该测试软件运行JVM(Java虚拟机)、JIT (Just-In-Time)编译器、碎片收集、线程以及操作系统的其他任务,它同时也测量CPU、Cache、内存和 SMP的性能。

    服务器上运行基于J2EE的中间应用软件平台,可以将其应用处理能力量化为Java处理能力性能值SPECjbb2005,同时充分考虑系统的冗余处理能力以及系统资源分配情况,即可估算出服务器的处理能力性能值。

    6.2.4数据库服务器内存估算法

    适用范围:适用于估算数据库服务器(应用服务器、Web服务器可参考)所需的内存。

    原理介绍:数据库服务器相对其他服务器来说,因为涉及大量的数据处理,需要把数据载入内存,以加快处理速度,所以需要更多的内存。对于内存的估算一般有下述两种方法,建议采用下述两种方法分别估算出所需的内存,取其中最大的数值。

    计算方法:

    • 方法一:

    根据标准化设计,将数据库内存容量(单位为G)和CPU的核心的数量的比例按照4:1配置,一个CPU的核心对应4G内存。例如服务器配置两个4核CPU则建议配置32G内存。

    • 方法二:

    原理介绍:数据库服务器的内存主要包括:操作系统占用内存、数据库系统占用内存、数据库并发网络连接占用内存等。按照经验,Windows平台内存占用率不超过55%、Unix(或Linux)平台内存占用率不超过80%时,不会影响系统的性能。

    6.3存储资源估算方法

    申请存储资源时,应根据下述方法估算所需存储资源的需求,存储需求主要包括数据库存储需求、普通文件存储需求和系统运行存储需求三类。存储的主要依据是根据数据量计算,先计算每条数据的存储空间,再确定每天大概多少条数据;然后根据存储的天数计算需要的存储量,最后乘以一个安全系数。

    总结

    通过以上分析可以得知,做好资产管理是非常难的,但不能因为很难就不去做。希望能通过以上分析,对做好资产管理起到抛砖引玉的作用。

    相关分享:

    安全建设的任务

    计算机超速进化,你准备好了吗?

    更多相关内容
  • 在固定资产综合管理实践中,要充分具体实施动态管理计划方案,不断完善流程管理的关键基准点,提升会计流程管理,达到不同流程管理的关联,降低固定资产管理实践成本,达到固定资产生命周期闭环管理,提升价值管理...

      在固定资产综合管理实践中,要充分具体实施动态管理计划方案,不断完善流程管理的关键基准点,提升会计流程管理,达到不同流程管理的关联,降低固定资产管理实践成本,达到固定资产生命周期闭环管理,提升价值管理水平,达到成本管理环节和实物管理环节的协调发展。重大固定资产的认购要进行可行性的论证和分析。在采购过程中,要严格执行相应的谈判和采购程序,不断完善合同管理模式,确定资金来源,满足系统审计要求。

    c0805850ba81d96a9c9c51baaaaf032d.png

      在分级管理实践过程中,要达到分级会计环节和分级管理环节的结合,充分运用企业固定资产管理过程中不同岗位的价值。国有资产领导管理人员达到固定资产的统一管理,摆脱了多个资产管理部门的管理分散现状。其固定资产管理领导包括财务部、审计部、资产管理部等相关人员。国有资产管理领导要根据固定资产管理规定,制定企业固定资产管理制度,积极组织实施,制定科学合理的业务管理规范。各部门的资产管理人员要做好本部门固定资产的使用和管理工作,以提升资产的安全性。相关人员应做好固定资产的分级会计工作,提升分级管理效率,达到会计管理环节与实物管理环节的有效关联。

      管理系统就像人的骨头,是行动的支持,如果没有系统,那么管理工作就不会是一个系统。为此,各部门应根据工作要和实际情况,建立健全固定资产管理系统和监督具体实施系统。明确其监督管理职责,加强固定资产内部监督管理,制定日常监督抽查评价计划、方法等,定期实施固定资产管理抽查,将固定资产管理纳入年终绩效考核和绩效考核机制,施奖惩机制,促进固定资产管理的高质量发展。
    409365b4fd19ac8236d3ca23dfe6e2b5.png  固定资产管理制度不不断完善的原因,一方面是部分单位领导不重视,制度制定不不断完善,或者只是简单的应用模仿,制度过于空洞,没有结合单位的实际情况,最后导致制度规范只是一纸空文,不能有效指导单位部门的固定资产管理,最后影响单位固定资产管理的效果;另一方面,各级财政部门主管部门监督不到位,缺乏不断完善的监督购、审批、租赁、投资使用等环节缺乏监督机制,甚至部分部门难以保证年度盘点,固定资产管理只是一种形式。

      加强固定资产的维护和管理,做好固定资产的维护和维护工作。建立健全必要的维护责任制,定期检查固定资产的使用情况。平时做好维护工作,及时维护故障,做好固定资产的报废和清理工作。固定资产管理部门制定年度维护计划方案,为固定资产的维护提供保障。通过云纳固定资产信息管理平台报资产管理部门批准。只有在批准后,才能维护相应的固定资产。

    展开全文
  • 所谓固定资产管理系统管理,是指在计算机技术的帮助下,将计算机应用于固定资产管理,包括化的目标,将计算机应用于固定资产管理,包括固定资产采购、仓储、使用、折旧、报废、租赁等变化。在挑选 固定资产管理系统...

    所谓固定资产管理系统管理,是指在计算机技术的帮助下,将计算机应用于固定资产管理,包括化的目标,将计算机应用于固定资产管理,包括固定资产采购、仓储、使用、折旧、报废、租赁等变化。在挑选 固定资产管理系统时,应挑选 性价比高、功能全面、操作简单、透明度高的管理软件,配合管理账户、设备卡、固定资产账簿等文本记录,使固定资产管理真正意义上透明、有序、有效。

    d39b7cf84af4f00173d844554fe89595.png

      企业管理者难以掌握固定资产的闲置和流失,欠缺远程固定资产管理,欠缺资产统计分析,管理流程实行不到位。这类做法增加了管理成本,耗费了大量资产主管的时间,容易出差错。盘点工作量大,耗时长,导致员工不认真,容易敷衍。

      固定资产入库手续完成后,实物资产管理员应在固定资产标签上填写资产编码,并将标签粘贴在固定资产入库的醒目位置,以便以后检查。

      变更、维护、财务、维护、盘点、报废等。固定资产管理系统可以使企业告别过去实物资产管理的混乱状态,轻松实现固定资产账户和物品的稳步发展管理效果。有力保障企业发挥固定资产效益,提高资产管理水平。

      为了真正意义上落实资产管理,充分运用资产价值管理部门、资产实物管理部门和资产实物使用部门的作用,明确各自的管理职责。一级为财务资产部、生产技术部等职能部门,主要职责为固定资产价值管理、设备变更管理、技术指标管理、效益评价评价和审批管理;二级为基层单位,主要职责为团队固定资产管理;三级为基层单位,主要职责为管辖范围内的固定资产维护,确保固定资产完好无损,定期检查团队固定资产,确保账户、卡、物品一致。责任明确后,各管理层履行职责,取得了良好的效果。

    feaf079b725b475563a37d7980943a3b.png

      固定资产不仅是企业创造效益的主要由来,也是企业生产经营的主要资产。随着企业规模的扩大,人员和固定资产越来越多。在质量和效率上,传统的固定资产管理模式难以满足新形势的需要。在固定资产管理过程中,固定资产管理系统往往不完善,固定资产浪费严重,固定资产管理缺乏有效监督,固定资产库存效率低。这些固定资产管理问题只产管理系统,才能很好地解决这些固定资产管理问题。

    展开全文
  • 数据资产管理介绍

    2022-04-21 23:38:47
    数据资产管理介绍 1.定义 在明白数据资产管理之前,要明白管理的数据资产是什么? “数据资产”定义为:“由企业拥有或控制的,能够为企业带来未来经济利益的,以物理或者电子的方式记录的数据资源,如文件资料...

    数据资产管理介绍

    1.定义

    在明白数据资产管理之前,要明白管理的数据资产是什么?

    数据资产”定义为:“由企业拥有或控制的,能够为企业带来未来经济利益的,以物理或者电子的方式记录的数据资源,如文件资料、电子数据等。”

    从上面的数据资产定义来看,数据资产具有如下3个特征:

    1)“企业拥有或控制”。 这个特征指明数据是有其主体的,同时也说明数据资源既可能来源于企业内部的信息系统或者日常经营活动的沉淀, 可能是企业通过外部的交换、购买等手段获取的。
    2)“能带来未来经济利益”。 这个特征清楚表明,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。
    3)“数据资源”。 这个特征表明数据资产的存在形态,是以物理或者电子方式记录下来的数据。

    数据资产管理”的定义为:“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。”

    数据资产管理在数据中台架构中处于中间位置,介于数据开发和数据应用之间,处于承上启下的重要地位。数据资产管理对上支持以价值挖掘和业务赋能为导向的数据应用开发,对下依托大数据平台实现数据全生命周期的管理,并对企业数据资产的价值、质量进行评估,促进企业数据资产不断自我完善,持续向业务输出动力。

    2.数据资产管理现状和挑战

    缺乏统一的数据视图:数据资源分布在企业的多个业务系统中,分布在线上和线下,甚至分布在企业的外部。

    数据基础薄弱:大部分企业的数据基础还很薄弱,存在数据标准混乱、数据质量参差不齐、各业务系统之间数据孤岛化严重、没有进行数据资产的萃取等现象,阻碍了数据的有效应用。

    数据应用不足:受限于数据基础薄弱和应用能力不足,多数企业的数据应用刚刚起步,主要在精准营销、舆情感知和风险控制等有限场景中进行了一些探索,数据应用的深度不够,应用空间亟待开拓。

    数据价值难估:企业难以对数据对业务的贡献进行评估,从而难以像运营有形资产一样运营数据。产生这个问题的原因有两个:一是没有建立起合理的数据价值评估模型;二是数据价值与企业的商业模式密不可分,在不同应用场景下,同一项数据资产的价值可能截然不同。

    缺乏安全的数据环境:数据的价值越来越得到全社会的广泛认可,但随之而来的是针对数据的犯罪活动日渐猖獗,数据泄露、个人隐私受到侵害等现象层出不穷。很多数据犯罪是由安全管理制度不完善、缺乏相应的数据安全管控措施导致的

    数据管理浮于表面:没有建立一套数据驱动的组织管理制度和流程,没有建设先进的数据管理平台工具,导致数据管理工作很难落地。

    回到顶部

    数据资产管理

    1.目标

    可见:通过对数据资产的全面盘点,形成数据资产地图。针对数据生产者、管理者、使用者等不同的角色,用数据资产目录的方式共享数据资产,用户可以快速、精确地查找到自己关心的数据资产。

    可懂:通过元数据管理,完善对数据资产的描述。同时在数据资产的建设过程中,注重数据资产业务含义的提炼,将数据加工和组织成人人 可懂的、无歧义的数据资产。具体来说,在数据中台之上,需要将数据资产进行标签化。标签是面向业务视角的数据组织方式。

    可用:通过统一数据标准、提升数据质量和数据安全性等措施,增强数据的可信度,让数据科学家和数据分析人员没有后顾之忧,放心使用数据资产,降低因为数据不可用、不可信而带来的沟通成本和管理成本。

    可运营:数据资产运营的最终目的是让数据价值越滚越大,因此数据资产运营要始终围绕资产价值来开展。通过建立一套符合数据驱动的组织管理制度流程和价值评估体系,改进数据资产建设过程,提升数据资产管理的水平,提升数据资产的价值。

    2.数据资产管理vs数据治理

    数据治理(Data Governance,DG)是指对数据资产管理行使权力和控制的活动集合(规划、监督和执行)。传统的数据治理内容通常包含数据标准管理、元数据管理、数据质量管理、数据安全管理、数据生命周期管理等内容

    数据治理的目标是保障数据资产的质量,促进数据资产的价值创造。这个根本目标可以分解成以下6项:

    • 提升数据质量,帮助做出基于数据的更高效、更准确的决策;
    • 构建统一的、可执行的数据标准;
    • 良好地响应数据生产者、消费者、数据处理技术人员等数据利益相关者的需求,如保护好客户(数据生产者)的数据隐私和数据安全;
    • 培训组织内所有的管理层和员工,让大家采用共同的解决数据问题的办法;
    • 实现可重复的数据管理流程,并确保流程透明;
    • 实现数据的可持续运营、数据资产的增值。

    数据治理的6个原则:

    • 标准化原则:数据标准化是实现高价值数据、支撑以数据为基础的相关业务的先决条件。组织必须制定可参考、可落地的标准。
    • 透明原则:除了一些需要保密的安全措施之外,数据治理相关的文件、数据问题的发现等,都应该是公开透明的,相关人员应该清楚正在发生的事情,以及事情发生后应如何按照原则处理。
    • 数据的认责与问责:数据治理必须解决无人问责的问题,比如将很多岗位列为负责人,最终却没有人真正负责。数据的认责是数据治理的先决条件,数据的问责和考核制度是确保数据治理工作真正落地的制度保障。
    • 平衡原则:在大数据时代,时时刻刻都在涌现海量数据。在进行数据治理工作的过程中,必须在代价和收益之间取得平衡。往往没有必要追求百分之百的数据质量,而对于历史遗留数据,数据标准也不可能对其进行完全约束。很多时候,对于企业来说,数据可商用是平衡原则的重要参考。
    • 变更原则:随着市场和业务的不断发展,数据标准、元数据、数据质量等要求并不是一成不变的,既要控制数据的变更流程,也要主动适应这些变化,推动标准更新。
    • 持续改进原则:业务在不断变化,数据在持续产生,数据治理非朝夕之功,需要持续推动,不断改进,形成长效机制。

    数据治理和数据资产管理的定义有异曲同工之处,它们围绕的对象都是数据资产。数据标准管理、元数据管理、数据质量管理和数据安全管理等同时也属于传统数据治理的必要工作内容。数据资产管理在传统数据治理的基础上,加入了数据价值管理、数据共享管理等内容。可以这么理解:数据资产管理就是传统的数据治理的升级版,可以认为是数据治理2.0。

    3.数据资产管理职能

    《数据资产管理实践白皮书4.0》中规定,数据资产管理的管理职能包括数据标准管理、数据模型管理、元数据管理、主数据管理、数据质量管理、数据安全管理、数据价值管理和数据共享管理共8个方面。而在数据中台中,还可以包括数据资产门户、生命周期管理、 标签管理3个新的管理职能。

    1.数据标准管理

    大数据的标准体系框架共由7个类别的标准组成,分别为基础标准、数据标准、技术标准、平台和工具标准、管理标准、安全和隐私标准及行业应用标准。

    数据标准是对数据的表达、格式及定义的一致约定,包含数据业务属性、技术属性和管理属性的统一定义;数据标准的目的是使组织内外部使用和交换的数据是一致的、准确的。通常可分为业务术语标准,参考数据和主数据标准,数据元标准,指标数据标准。

    • 业务术语是被批准、管理的业务概念定义的描述,需要通过流程来定义组织如何创建、审批、修改和发布统一的业务术语。
    • 参考数据是用于将其他数据进行分类或目录整编的数据,可以简单理解为是数据字典,是数据可能的取值范围。
    • 主数据是组织中需要跨系统、跨部门共享的核心业务实体数据。主数据因为其重要价值,被喻为企业的黄金数据记录,如多个系统共享的客户、商品等核心业务实体数据。
    • 数据元是用一组属性描述其定义、标识、表示和允许值的数据单元,是描述数据的最基本单元。数据元由3部分组成:对象类、特性、表示值域和数据类型的组合。
    • 指标数据是组织在经营分析过程中衡量某一个目标或事物的数据,一般由指标名称、指标解释、时间限定、其他条件限定、指标数值等组成,如企业的人均利润率、季度离职率等。

    数据标准管理是指数据标准的制定和实施的一系列活动,关键活动包括:

    • 理解数据标准化需求;
    • 构建数据标准体系和规范;
    • 规划制定数据标准化的实施路线和方案;
    • 制定数据标准管理办法和实施流程要求;
    • 建设数据标准管理工具,推动数据标准的执行落地;
    • 评估数据标准化工作的开展情况。

    数据标准化的难题和应对方案:

    一是制定的数据标准本身有问题。 有些标准一味地追求先进,向行业领先者看齐,标准大而全,脱离实际的数据情况,导致很难落地。

    二是在标准化推进过程中出了问题。 这是笔者重点阐述的原因,主要有以下几种情况:

    • 对建设数据标准的目的不明确
    • 过分依赖咨询公司
    • 对数据标准化的难度估计不足
    • 缺乏落地的制度和流程规划
    • 组织管理水平不足

    应对方案:

    • 第一,制定可落地的执行方案。 执行方案要侧重于可落地性,不能落地的方案最终只能被废弃。一个可落地的方案要有组织架构和人员分工,每个人负责什么,如何考核,怎么监管,都必须纳入执行方案中。
    • 第二,正确认识数据标准建设的目, 即是统一组织内的数据口径,指导信息系统建设,提高数据质量,更可信地处理和交换数据,而不是应付上级和监管机构的检查。
    • 第三,正确认识咨询公司在数据资产管理工作前期的作用。 咨询公司的定位应该是准确评估组织的数据管理水平,制订可以落地的方案,而不应一味地追求咨询输出物的技术含量。
    • 第四,充分认识到数据标准化的难度。 要取得管理决策层的支持,提升组织管理水平,做好长期推进的工作准备,建立起数据标准化的工作制度和流程,遇到问题通过正式的流程和沟通机制逐步解决。
    • 第五,实际落地中,建立起科学可行的数据标准落地形式。

    2.数据模型管理

    数据模型是指对现实世界数据特征的抽象,用于描述一组数据的概念和定义。数据模型从抽象层次上描述了数据的静态特征、动态行为和约束条件。

    数据模型管理主要是为了解决架构设计和数据开发的不一致,而对数据开发中的表名、字段名等规范性进行约束。数据模型管理一般与数据标准相结合,通过模型管理维护各级模型的映射关系,通过关联数据标准来保证最终数据开发的规范性。理想的数据模型应该具有非冗余、稳定、一致和易用等特征。

    数据模型按不同的应用层次分成概念数据模型、逻辑数据模型、物理数据模型3种。

    • 概念模型是一种面向用户、面向客观世界的模型,主要用来描述世界的概念化结构,与具体的数据库管理系统无关。
    • 逻辑模型是一种以概念模型的框架为基础,根据业务条线、业务事项、业务流程、业务场景的需要,设计的面向业务实现的数据模型。逻辑模型可用于指导在不同的数据库管理系统中实现。逻辑数据模型包括网状数据模型、层次数据模型等。
    • 物理模型是一种面向计算机物理表示的模型,描述了数据在存储介质上的组织结构。物理模型的设计应基于逻辑模型的成果,以保证实现业务需求。它不但与具体的数据库管理系统有关,而且还与操作系统和硬件有关,同时考虑系统性能的相关要求。

    数据模型管理的关键活动包括:

    • 定义和分析企业数据需求;
    • 定义标准化的业务用语、单词、域、编码等;
    • 设计标准化数据模型,遵循数据设计规范;
    • 制定数据模型管理办法和实施流程要求;
    • 建设数据模型管理工具,统一管控企业数据模型。

    数据模型是数据资产管理的基础,一个完整、可扩展、稳定的数据模型对于数据资产管理的成功起着重要的作用。通过数据模型管理可以清楚地表达企业内部各种业务主体之间的数据相关性,使不同部门的业务人员、应用开发人员和系统管理人员获得关于企业内部业务数据的统一完整视图。

    3.元数据管理

    元数据(Metadata)是描述数据的数据。元数据按用途不同分为技术元数据、业务元数据和管理元数据。详情见数据中台(元数据篇)

    4.主数据管理

    主数据(Master Data)是指用来描述企业核心业务实体的数据,是企业核心业务对象、交易业务的执行主体,是在整个价值链上被重复、共享应用于多个业务流程的、跨越各个业务部门和系统的、高价值的基础数据,是各业务应用和各系统之间进行数据交互的基础。

    主数据管理(Master Data Management,MDM)是一系列规则、应用和技术,用以协调和管理与企业的核心业务实体相关的系统记录数据。主数据管理的主要内容包括如下几项。

    • 主数据相关标准及规范设计:主数据的标准和规范是主数据建设的核心工作,需要企业抽调专业人员集中精力进行梳理和汇总,建立一套完整的标准体系和代码库,对企业经营活动中所涉及的各类主数据制定统一数据标准和规范,如数据模型标准、数据编码标准、主数据接口标准等。
    • 主数据建模:对主数据进行数据模型设计,建立主数据架构的物理模型,包括数据属性的定义、数据结构设计、数据管理定义等方面,通过数据发布来创建数据存储实体。
    • 主数据梳理与集成:根据主数据标准规范,依托于数据集成平台以及主数据质量模块,辅助业务部门将现有的主数据内容重新进行数据编码、数据转换、数据清洗等,形成企业标准的主数据库。
    • 主数据质量管理:对主数据系统中的数据质量进行统一闭环管理,覆盖数据质量的定义、监控、问题分析、整改和评估,推动质量问题的解决。围绕数据质量管理,建立考核机制,提升数据资产的业务价值;在数据清洗过程中,进行数据质量的管理,并生成数据质量报告,提供数据质量管理服务。
    • 建立灵活的主数据共享服务:主数据的特殊性决定了主数据与业务系统需要频繁的数据共享,主数据管理系统需提供灵活的服务接口,保证能够快速实现数据集成且最大程度减少集成成本。
    • 建立主数据维护流程:协助梳理企业内主数据管理相关流程,明确流程流转方向,以及各环节表单及责任人,并在主数据系统中进行流程配置,逐步实现梳理成果的自动化落地,在主数据系统中实现跨业务部门的流程贯通。

    5.数据质量管理

    做数据质量管理,首先要搞清楚数据质量问题产生的原因。原因有很多方面,比如技术、管理、流程等。

    围绕完整性、准确性、一致性、及时性监控分析数据质量问题、提升企业数据质量。 从数据接入、数据加工、数据导出、指标、数据应用实现全链路血缘跟踪、提前预判数据是否能够准时产出、了解任务失败后影响分析以及快速地修复。做到事前控制,事中处理,事后追踪。

    数据质量评估的标准:

    • 准确性: 描述数据是否与其对应客观实体的特征一致。
    • 完整性: 描述数据是否存在缺失记录或缺失字段。
    • 一致性: 描述同一实体同一属性的值在不同的系统中是否一致。
    • 有效性: 描述数据是否满足用户定义的条件或在一定的取值范围内。
    • 唯一性: 描述数据是否存在重复记录。
    • 及时性: 描述数据的产生和供应是否及时。
    • 稳定性: 描述数据的波动是否稳定,是否在其有效范围内。
    • 连续性: 描述数据的编号是否连续。
    • 合理性: 描述两个字段之间逻辑关系是否合理。

    要提升数据质量,需要以问题数据为切入点,注重问题的分析、解决、跟踪、持续优化、知识积累,形成数据质量持续提升的闭环。

    • 首先需要梳理和分析数据质量问题,摸清数据质量的现状。在这个过程中,需要用到数据质量评估标准和评估工具,对业务数据进行全部或抽样扫描,找出不符合质量要求的数据,形成数据质量报告,提供给用户参考。
    • 然后针对不同的质量问题选择合适的解决办法,制订详细的解决方案。
    • 接着是问题的认责,追踪方案执行的效果,监督检查,持续优化。
    • 最后形成数据质量问题解决方案的知识库,以供后来者参考。
    • 不断迭代上述步骤,形成数据质量管理的闭环。

    6.数据安全管理

    详情见数据中台(安全篇)

    7.数据价值管理

    数据价值管理是对数据内在价值的度量,可以从数据成本和数据应用价值两方面来开展。

    数据成本一般包括采集、存储和计算的费用(人工费用、IT 设备等直接费用和间接费用等)和运维费用(业务操
    作费、技术操作费等)。

    数据成本管理从度量成本的维度出发,通过定义数据成本核算指标、监控数据成本产生等步骤,确定数据成本优化方案,实现数据成本的有效控制。数据价值(收益)主要从数据资产的分类、使用频次、使用对象、使用效果和共享流通等方面计量。

    数据价值(收益)管理从度量价值的维度出发,选择各维度下有效的衡量指标,对针对数据连接度的活性评估、数据质量价值评估、数据稀缺性和时效性评估、数据应用场景经济性评估,并优化数据服务应用的方式,最大可能性的提高数据的应用价值。比如可以选择数据热度、广度等作为数据价值的参考指标,通过 ROI 评估,高效管控和合理应用数据资产。

    数据资产价值评估方法:市场法、成本法和收益法三种,三种方法的优缺点如表所示:

    进行数据价值管理的关键性活动包括:

    • 确定企业数据集成度水平;
    • 确定企业数据的应用场景;
    • 确定数据存储、计算和运维的成本预算;
    • 明确数据成本和收益的具体计量指标;
    • 计算数据在不同应用场景下的成本和收益;
    • 计算企业数据资产的总体成本和收益;
    • 制定数据成本优化方案和提升数据增值方案;
    • 审核、改进方案。

    8.数据共享管理

    数据共享管理主要是指开展数据共享和交换,实现数据内外部价值的一系列活动。数据共享管理包括数据内部共享(企业内部跨组织、部门的数据交换)、外部流通(企业之间的数据交换)、对外开放。

    数据内部共享的关键步骤是打通企业内部各部门间的数据共享瓶颈,建立统一规范的数据标准与数据共享制度,数据外部流通和对外开放可以通过数据直接交易与提供数据分析信息的两种方式实现,将数据中符合共享开放层级的信息作为应用商品,以合规安全的形式完成共享交换或开放发布。

    数据共享管理的关键活动包括:

    • 定义数据资产内部共享和运营流通监控指标;
    • 设计数据资产内部共享和运营流通管理方案;
    • 制定数据资产内部共享和运营流通管理办法和实施
      流程要求;
    • 监控数据资产内部共享和运营实施;
    • 监督落实数据内部共享与外部流通等合规性管理要求;
    • 分析内部共享与运营流通指标,评价运营效果并改进。

    9.生命周期管理

    数据资产管理过程中,生命周期的管理也是非常重要的部分,每一类数据都有其价值周期,要设置一个合理的数据生命周期需要考虑各方面的因素。在数据中台的实践过程中,首先会将数据分成两类:不可恢复的数据与可恢复的数据。一般涉及原始数据的,都会被定义为不可恢复数据,即清除后没办法找回来;而一些中间过程或者结果数据,只要原始数据在并且相关的加工逻辑在,都可以被重新加工恢复。因此在生命周期的管理策略上,也需要区别对待。

    1.不可恢复数据
    一般建议策略为永久保存,在实际实施过程中可以根据企业各方面因素来综合考虑。数据当前没价值不代表未来没有价值,只是当前的技术、认知和场景没有办法使用其中的价值。当然也需要从企业成本考虑,如果什么数据都存,成本部分又无法承受,那反而会将数据变成一种负债,拖累企业发展。在实施过程中,可以考虑冷数据用低价存储的方式,未来需要使用时再进行恢复,虽然可能会有一些效率上的浪费,但和实际的资金成本平衡后也是常常会选择的方式。

    2.可恢复的数据
    这类数据只需要有原始数据和加工模型在,就可以通过平台的调度策略进行恢复,因此这类数据的生命周期一般会根据实际使用情况来灵活调整。平台侧可以根据数据使用情况,推荐具体的生命周期保留时长,用户也可以自主选择设置,让生命周期的设置符合实际企业需要。

    生命周期管理提供生命周期的设置和自动清理功能,还提供了生命周期建议的功能,即结合数据的热度、存储量变化情况给用户建议的生命周期,帮助用户合理配置。

    10.标签管理

    标签是一类重要的数据资产。把标签定义为对象的一种描述方法,成为更容易被理解、被识别的一种分类及描述的组织形式。业界常见的标签一般分成两类:

    • 一类是数据的分类方式,如根据数据的来源、更新频率、归属部门等进行标识和分;
    • 一类是对数据的内容进行重新描述甚至是重新组织的方式,如根据行为特点组织的还贷能力、某个属性从业务视角的重新定义等。

    标签管理一般包含标签体系的管理、标签与数据映射关系、标签的应用管理。

    11.数据资产门户

    1.数据资产地图

    数据资产地图为用户提供多层次、多视角的数据资产图形化呈现形式。数据资产地图让用户用最直观的方式,掌握数据资产的概况,如数据总量、每日数据增量、数据资产质量的整体状况、数据资产的分类情况、数据资产的分布情况、数据资产的冷热度排名、各个业务域及系统之间的数据流动关系等。

    2.数据资产目录

    数据资产目录通过对数据资产良好地组织,为用户带来直观的体验,可以使用户花较少的时间查找到自己关心的数据资产。

    数据资产目录的组织方式灵活多样,常见的有按业务域组织、按数据来源组织、按数据类型组织。

    3.数据资产检索

    数据资产检索服务为用户提供了一键式的资产检索服务,通过对关键字的匹配,数据资产门户检索出相关的数据资产集,用户可以根据需要找到相关的数据资产,可以查看数据资产的名称、创建者、业务语义、加工过程等详情,帮助自己理解和使用数据。

     

    展开全文
  • 固定资产管理工作是行政人员的主要工作之一,也是让行政人员头疼且比较难出绩效的工作。如果稍有差错,所有的之前的工作将付诸东流,降低工作效率,最后也会...如果要做好固定资产管理工作,单靠手工和EXCEL表格是不够
  • 运营商企业级数据资产管理平台设计与研发实践 大数据中台构建实战 腾讯游戏大数据技术架构实战 AI与数字化工厂 实时计算的演进和迭代 精益数据探查工作坊 三、团队效能/研发管理 企业级研发团队管理 人力资源数字化...
  • 数据资产管理职能

    千次阅读 2022-02-15 10:49:34
    《数据资产管理实践白皮书4.0》中规定,数据资产管理的管理职能包括数据标准管理、数据模型管理、元数据管理、主数据管理、数据质量管理、数据安全管理、数据价值管理和数据共享管理共8个方面。而在数据中台中,还...
  • 固定资产管理是公司行政管理的一个重要环节。从公司的角度来看,固定资产管理的好坏直接影响到企业在固定资产方面的投入,如果管理不善,不但会增加企业的运营成本,而且会影响企业的审计和财务报告。从行政人员工作...
  • IT资产管理的难点

    2021-03-12 08:53:07
    资产管理的难点 原创 SECISLAND SECISLAND安全官 昨天 图片 引言 在《安全建设的任务》一文提到了安全建设的一个很重要的任务是资产管理,但是在和很多客户沟通的过程中发现,资产管理很难做。那为什么资产管理难做...
  • 数据中台 第8章 数据资产管理

    千次阅读 2022-02-13 15:35:00
    从根本上说,数据治理的目标是保障数据资产的质量,促进数据资产的 价值创造。这个根本目标可以分解成以下6项: ·提升数据质量,帮助做出基于数据的更高效、更准确的决策; ·构建统一的、可执行的数据标准; ·...
  • 做好固定资产管理工作,行政人员、IT人员和财务人员离不开有利的固定资产管理工具。固定资产管理系统为企事业单位提供全方位、可靠、高效的动态管理模式,协助企业实现固定资产的信息化管理、规范化管理、标准化...
  • 同时,数据资产管理在实践过程中,还需要依托具体的软件工来执行,那么如何站在大数据视角规划建设数据资产管理平台呢? 数据资产管理在大数据管理体系的应用和底层平台中间。数据资产管理包括两个重要方面,一是...
  • 固定资产管理是企业经营管理...然而,固定资产管理是日常管理工作中最容易被忽视的一项工作。也是不容易做好的一项工作。精点固定资产管理系统是一款通用性极强的固定资产管理软件,适用于各类企事业、机关、学校等单位
  • 如果您想找到与企业最匹配的实验室固定资产设备管理系统,其成本性能是一个非常重要的因素。它不仅可以最大限度地减少企业的预算支出,还可以提高企业的经济效益。 需要考虑系统稳定性、行业沉淀时间、技术实力等...
  • 欢迎添加微信互相交流学习哦! ... 摘 要 随着社会经济的迅速发展,企业规模不断扩大,拥有的各类资产... 为了达到企业对资产进行合理分配、科学管理的要求,提高资产在企业日常运作中的利用效率,降低资产管理的...
  • 导读:数据是资产的概念已经成为行业共识。然而现实中,对数据资产的管理和应用尚处于摸索阶段,企业数据资产管理面临价值评估难、数据标准混乱、数据质量不高、数据安全威胁等诸多挑战。腾讯互娱早在2...
  • 在平常的工作生活中一般人很难接触的到固定资产管理,可能会简单理解为管理企业桌椅、电脑、器材,的使用数量上统计记录即可的观念。 事实上固定资产是随着企业规模的扩大,人员、固定资产越来越多,如何有效的固定...
  • 欢迎添加微信互相交流学习哦! ... 固定资产管理系统 摘 要 随着计算机信息技术的发展以及对资产、设备的管理科学化、合理化...因此,开发一个界面友好,易操作的资产管理软件进行自动化管理变得十分重要。这正是本系.
  • 后疫情时代,各企业主纷纷注重降本增效,做好企业内部的...这就给固定资产管理员增加了工作量。如何对这些资产进行有效管理成了企业管理者的一大难题。常见有如下管理痛点: 1) 企业部门分支机构都较多、固定资产数
  • 正常情况下,固定资产管理属于行政部门管理,固定资产管理是行政部门中非常重要的一部分,说到使用部门管理有点不合理,使用部门使用或毁坏固定资产或向行政部门报告,使用部门只使用,管理应属于行政部门,财务部门...
  • 计算机技术在固定资产管理中的具体应用2Ol6年 I2月... 2016计算机技术在固定资产管理中的具体应用赵丽敏(硅湖职业技术学院,江苏 昆山215300)摘 要 :固定资产 管理是 一 项复杂 且 工作 量 大的工作 ,传统人 工 管...
  • 在大数据和云计算的时代,在固定资产管理模式上,各企业纷纷...也从一定程度上提升了行政人员和IT人员的工作体验,尤其是对于固定资产密集的集团公司而言,固定资产管理的参与者和企业管理者的共同目标是,如何提升固定
  • 公司固定资产管理存在的不足及改善提议当今企事业单位政府机关资产管理全过程中,怎样搞好固定资产管理工作中是让许多 企事业单位政府机关有费劲费时间的事儿,固定资产做为企事业单位关键构成部分,具备使用价值高...
  • 随着数据爆发井喷式的增长,越来越多的企业认识到数据的重要性,把数据当作数据...简单的来说,要想实现数据资产化,首先要做好数据数据全生命周期管理,其中主要的阶段包括了从数据采集、处理到分析应用的全流程,从而
  • 2021年末,如果还有热词涌现,那一定是“元宇宙”。虽然元宇宙正起步,但国内外不少企业已经相继排兵布阵,入局元宇宙,市场火热。元宇宙起源于VR、AR、MR等虚拟现实技术...如何进行数字资产管理,如何利用数字资产管理
  • vue项目--资产管理系统

    千次阅读 热门讨论 2019-05-17 18:18:40
    XX资产管理系统 前端技术栈 HTML/css/javascript vue/node.js/ES6 网络请求原理 对vue的要求略高,其他技术会用就行 项目运行环境 node版本 v10.15.2 (10以下不能运行) vue版本 3.7.0 vue项目运行依赖 axios...

空空如也

空空如也

1 2 3 4 5 ... 20
收藏数 18,006
精华内容 7,202
关键字:

如何做好资产管理工作