M单位数据资产管理体系改进研究

1 引言

当前城市规划行业在国家战略、社会需求和技术变革的多重驱动下，已成为推动高质量发展的重要抓手。M 单位作为我国城市规划领域的先驱机构，自成立以来，积累了海量的科研数据、技术资料以及产业信息。这些数据涵盖了土地利用规划、交通规划、公共设施规划等多个研究方向，对于研究所深入探索大数据赋能决策，优化规划方案，实现行业升级具有不可估量的价值。

然而，随着研究所业务的不断拓展和科研项目的日益复杂，现有的数据资产管理体系逐渐暴露出诸多问题。数据安全防护存在漏洞，关键技术数据面临泄露风险，可能影响研究所的技术领先地位；数据质量参差不齐，部分实验数据存在误差或缺失，对科研成果的准确性和可靠性产生负面影响；数据分散存储在各个实验室和项目组中，缺乏统一管理，导致数据检索和共享困难，严重制约了科研效率的提升和技术创新的步伐。因此，对 M 单位的数据资产管理体系进行改进迫在眉睫。

2 文献综述

在有关数据资产管理体系的探索中，不少学者对管理效率、数据集成等提出了新颖的见解，为M单位在数据管理体系的升级提供了关键的参考。Farghaly等（2019）提出，使用链接数据技术与建筑信息模型（BIM）来梳理管理信息。通过整合BIM数据和资产管理中产生的链接数据，不仅提升了资产管理的效率与信息透明度，也为大型数据管理集提供了相应的借鉴。Tian等（2023）通过改进BP神经网络模型，开发了一个新的电力资产数据管理系统评估方案，有效增强了数据处理的预测性和精确性，特别适合于那些需要分析大量数据和快速处理的组织，体现了AI技术在数据资产管理实践价值。Iluore OE等（2020）基于具体案例，探究了在发展资产管理模型过程中实时设备监控（RTEM）技术的作用，突出了实时监控技术在提高设备管理效率上的优势，为采纳实时数据监控提供了实例证明。Blumenfeld T等（2023）提出了一种基于语义网技术的建筑信息模型（BIM）与资产管理系统数据整合方法，通过研究两者的协同作用，展示了如何加强数据集成的互操作性和系统化，为大规模资产管理提供了实际的解决方案。目前，数据资产管理领域的研究持续进化，特别是在实时数据监控、数据集成技术等领域，更是为M单位等行业机构带来了诸多改革措施与技术方案。

随着信息技术和大数据的迅猛发展，数据资产管理开始获得了越来越多的关注。李雨霏等（2020）深入研究了数据资产管理的现状，并就如何实现价值提出了一套管理体系的设计方案。同时，在强调数据操作的重要性之余，还描述了一条完善该管理体系的实践方案。研究发现，一个高效的数据资产管理系统可以明显增强企业信息资源的价值。黄丽华等（2022）也对构建统一数据资产登记体系的紧迫性与必要性进行了讨论，即在不断完善登记体系的过程中，也需要对现有资产的透明度与规范性进行分析，尤其对于公众参与规划新模式而言，数据管理更是不容忽视。叶雅珍等（2020）对数据资产化框架进行了深入分析，并就数据资产的有效管理提供了一些创新的建议。其认为，资产化过程是增加数据价值的过程，可以通过有效的管理使数据资产更加有效地支持企业的战略目的。李国和等（2019）建立一个数据资产管理系统，明确指出了现行数据管理系统的不足，并设计了一套考虑企业特点的管理体系优化方案，使其有效满足了法律与政府部门的特定业务需求。戴炳荣等（2020年）则研究了在数据资产管理中实施标准化的重要性，提出了多项推动数据资产开发和应用的标准化策略。研究指出，实行标准化是提高数据资产管理效率的根本，对M单位在管理数据资产方面的水平提升尤为关键。面对数据集成、价值导向等管理问题，M单位通过这些研究成果能够大幅提升其数据资产管理的透明度与高效性，从而强化组织的战略执行力和决策力。

3 M单位数据管理体系现状分析

M 单位在数据资产管理方面已采取了一些积极举措。在数据安全管理上，高度重视数据安全问题，成立了专门的数据安全研究小组，与网络安全企业合作，共同探讨数据安全防护策略。通过学习和实践，掌握了如数据加密传输、访问权限控制等先进安全技术，在一定程度上保障了数据的安全性，降低了数据泄露风险。

在数据收集与整合方面，M 单位积极推进科研数据的数字化工作。一方面，组织专业人员对过往的纸质科研资料进行扫描和数字化处理，建立电子数据库，方便数据的存储和查询。另一方面，作为多个研究中心的依托单位，M 单位很可能参与到行业内的数据共享与整合项目中。借助行业内的数据共享平台和合作机制，M 单位有望获取更多有价值的数据资源，实现数据的协同利用，打破数据孤岛。

M 单位还成立了科研大数据研究团队，专注于挖掘规划领域科研数据的潜在价值。通过对大量实验数据和项目数据的分析，为科研人员提供技术研发方向的建议，助力科研项目的顺利推进。同时，该团队积极与其他科研机构和企业交流合作，学习借鉴先进的数据应用经验，为 M 单位的数据管理和科研创新注入新的活力。

在数据治理和合规方面，M 单位严格遵守相关法律法规，确保数据管理活动合法合规。在数据收集、存储和使用过程中，充分尊重知识产权和个人隐私，避免出现数据侵权行为。同时，学习行业内的数据合规管理经验，建立了一套初步的数据合规管理制度，规范数据管理流程，保障数据资产的合法权益。

4 M 单位数据资产管理体系存在问题分析

M 单位数据资产管理体系存在的首要问题是缺乏明确的战略规划，导致数据资产管理方向不清晰。由于没有结合城市规划行业发展趋势和研究所自身战略目标制定数据战略，在数据收集、存储和应用等环节缺乏明确的指导，使得资源配置不合理。一方面，对未来科研项目所需数据的预判不足，无法集中资源收集和管理关键数据，造成资源浪费。另一方面，各部门在数据处理过程中各自为政，缺乏统一协调，积累的数据资产难以协同利用，无法有效支持科研创新和行业发展。

数据管理职责不清的问题在 M 单位较为突出，严重影响了管理效率。在跨部门的数据管理项目中，如科研数据的整合与分析，常常出现责任划分不明确的情况。一旦出现数据质量问题或项目推进受阻，各部门相互推诿，导致项目延误。这种现象不仅浪费了大量的人力、物力资源，还破坏了数据管理工作的连贯性，阻碍了数据价值在科研和产业中的有效发挥。

数据标准化程度低是 M 单位数据资产管理面临的又一难题。由于缺乏统一的数据格式、定义和编码标准，不同实验室和项目组的数据存在差异。在实验数据记录中，有的使用国际单位制，有的使用自定义单位。这些差异在数据汇总和分析时容易引发错误，影响数据的准确性和可靠性。此外，数据标准不一致还增加了数据共享和协同的难度，降低了工作效率，甚至可能误导科研决策。

M 单位在数据质量监控与改进方面手段相对落后。目前主要依赖人工抽检的方式检查数据质量，这种方式效率低、覆盖面窄，难以对大量数据进行实时监控。因此，很多数据错误和缺失问题不能及时发现和纠正，在后续的数据应用中不断积累，影响科研成果的质量。在数据完整性方面，也存在部分实验数据记录不完整的情况。在数据一致性方面，不同系统之间的数据更新不同步，导致数据矛盾。而且，M 单位缺乏完善的数据质量问题校正和持续改进机制，使得低质量数据反复影响数据资产管理工作，制约了研究所的发展。

5 M 单位数据资产管理体系改进策略

为推动 M 单位数据资产管理水平的提升，需要实施一系列有针对性的改进措施。

明确数据战略规划是关键。结合研究所的科研创新目标和产业发展方向，把握城市规划设计数字化、智能化的发展趋势，制定详细的短、中、长期数据战略。短期目标聚焦于科研数据的高效整合，通过梳理现有数据资源，建立统一的数据索引和检索系统，方便科研人员快速获取所需数据，提高科研效率。中期目标着重挖掘数据的潜在价值，利用大数据分析技术对历史实验数据和项目数据进行深度挖掘，总结技术规律，为科研项目提供精准的数据支持。长期目标是构建城市规划领域的数据生态系统，通过数据共享与合作，推动整个行业的技术进步和产业升级。同时，明确每个阶段的关键项目，如短期内建立科研数据共享平台、中期优化数据分析模型、长期参与国际城市规划数据联盟，为数据资产管理提供清晰的方向。

优化组织架构是提升数据管理效率的重要保障。建立以数据管理为核心的跨部门协作团队，打破部门壁垒。在基层，为每个实验室和项目组配备数据管理员，负责收集、整理和上报本部门的数据，并及时反馈数据问题。在中层，成立数据管理中心，汇聚科研骨干和技术专家，承担数据资产的分析、技术支持和日常管理工作。在高层，设立数据战略决策委员会，由研究所领导和行业专家组成，负责制定数据战略和重大决策。建立定期的数据工作会议制度和在线沟通平台，确保信息及时共享，协调各部门共同推进数据资产管理工作。

构建完善的数据治理机制是提高数据质量的核心举措。一方面，加强数据质量管理。搭建数据质量监测评估平台，运用大数据分析和人工智能技术，实时监测数据的一致性、完整性和准确性，对科研数据进行全面“体检”。建立数据质量奖惩机制，将数据质量指标纳入部门和个人的绩效考核体系，对数据管理表现优秀的部门和个人给予奖励，对数据问题较多的进行督促整改和问责，提高全员对数据质量的重视程度。另一方面，统一数据标准。制定涵盖科研数据采集、存储、处理和共享等全流程的数据标准体系，包括统一的数据编码规则、格式规范和术语定义。建立数据标准更新机制，根据科研进展、技术发展和行业规范的变化，及时调整和完善数据标准，确保数据的规范性和有效性。

参考文献

Farghaly K, Abanda F H, Vidalakis C,et al. BIM-linked data integration for asset management[J]. Built EnvironmentProject and Asset Management, 2019, 9(4): 489-502.

Tian Y, Kong Q, Miao X, et al.Evaluation on power information data asset management system based on BP neuralnetwork[J]. International Journal of Thermofluids, 2023, 20: 100458.

Iluore O E, Mamudu Onose A, Emetere M.Development of asset management model using real-time equipment monitoring(RTEM): case study of an industrial company[J]. Cogent Business &Management, 2020, 7(1): 1763649.

Blumenfeld T, Stöckner M, Liu L, etal. Concepts for the Integration of Data from Asset Management Systems intoBIM[J]. Transportation Research Procedia, 2023, 72: 3738-3745.

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(3): 45-56.

黄丽华, 郭梦珂, 邵志清, 秦璇, 汤奇峰. 关于构建全国统一的数据资产登记体系的思考. 中国科学院院刊, 2022, 37(10): 1426-1434

叶亚珍， 刘国华，朱阳勇.数据资产化框架的初步探索[J].大数据研究， 2020， 6（3）： 3-12.

李国和, 冯峥, 王卓瑜, 孙勇, 郭阳, 散齐国. 数据资产管理体系研究. 电信科学[J], 2019, 35(2): 105-112

戴炳荣， 毕珊珊，杨琳， 季婷婷， 陈梅.数据资产标准化研究现状及建议[J].大数据研究， 2020， 6（3）： 36-44.

（作者单位：中国城市规划设计研究院综合办公室）