此卡片不在当前主题的阅读序列中,可返回主题继续阅读。
知识卡片
数据资产价值五维度
大数据虽然还没被企业当作资产运营,但已经符合”归属企业所有、基于过去行为产生、能带来经济利益”这三个资产特征。评估这份资产的价值要综合考虑五个维度。数据规模:不只是存储容量,还要看数据记录数(样本量)和数据特征数(可用维度),三者缺一不可。数据价值度:从实名(能否对应到真实个体)、相对稳定(更新频率是否合理)、结构化(是否利于挖掘)、业务相关(是否贴近核心业务)、可验证(真实性有效性能否核实)五方面衡量。数据鲜活性:既要求数据本身随业务变化及时更新,也要求更新的频率(毫秒级到天级)匹配数据本身的变化速度——性别几乎不用更新也能保持鲜活,但收入这类波动大的字段就需要高频更新才可信。数据关联维度:数据能否和其他数据打通整合,取决于关联标志是否唯一、通用、可识别、不变、健全。数据粒度:粒度越细可挖掘价值越大,基于每个事件的数据价值最高,其次是分层汇总统计,最后是整体汇总统计。五个维度共同决定了”这批数据到底值多少钱”,而不是简单看数据量大小。
结构图:
flowchart TB
A["大数据资产价值评估五维度"]
A --> B["数据规模:存储容量+记录数+特征数"]
A --> C["数据价值度:实名/稳定/结构化/业务相关/可验证"]
A --> D["数据鲜活性:本身及时更新+更新频率匹配变化速度"]
A --> E["数据关联维度:唯一/通用/可识别/不变/健全"]
A --> F["数据粒度:越细可挖掘价值越大"]
这张卡片看不懂?
这张卡片已通过人工审查,不再接受失败反馈。
已有反馈 · 0 条
还没有人提交反馈。
原书出处
参考来源
- 位置:《企业大数据系统构建实战:技术、架构、实施与应用》第10章《企业大数据价值评估》"10.1 资产价值"(源文件:_epub-src/OEBPS/text00158.html)
- 结论依据:原文说明"大数据资产价值评估需要综合考虑数据规模、数据价值度、数据鲜活性、数据关联维度和数据粒度五个方面",并在后续小节逐一展开各维度的具体评估标准,直接支撑本卡结构图。
- 原始内容:大数据资产价值评估需要综合考虑数据规模、数据价值度、数据鲜活性、数据关联维度和数据粒度五个方面