一、什么是数据资产？
1.1、数据的来源
数据是由企业过去经营过程中交易或事项积累下来的数字化记录，不仅包含传统意义上的数据，还包括文本、声音、图像、照片和视频等类型的数据，也包括微博、微信、消费记录、出行记录、文件等等数据。
1.2、什么数据才能称为资产？
会计学中资产的定义：“资产是指企业过去的交易或者事项形成的、由企业拥有或者控制的、预期会给企业带来经济利益的资源。”
因此，我们将数据资产定义为企业过去的交易或者事项形成的，由企业拥有或者控制的，预期会给企业带来经济利益的，以物理或电子的方式记录的数据资源，如文件资料、电子数据等。即，如果数据要成为数据资产，至少要满足3个核心必要条件：
-
企业过去的交易或者事项形成的；
-
企业拥有或者控制；
-
预期会给企业带来经济利益。
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。企业可能在长期的经营中，存储下了大量的数据，但如果这些数据不能持续给企业带来现金流，反而需要企业花成本去收集、整理、维护，那这对企业来说，不是“资产”，而是“负债”，它需要企业持续投入，如果长期看不到收益的“预期”，反而会摊薄企业的利润。因此，只有那些能够给企业带来可预期经济收益的数据资源，才能够被称为数据资产。
二、数据资产管理的重要性
2.1、数据资产管理的概念
前面我们介绍过只有那些能够给企业带来可预期经济收益的数据资源，才能够被称为数据资产，因此数据资产管理的目的是“盘活”数据以充发挥它的价值。
数据资产管理（DAM，Data Asset Management）是指规划、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。数据资产管理需要充分融合业务、技术和管理，以确保数据资产保值增值。
2.2、数据资产管理的内涵
大数据发展方向可以定义为三层：大数据处理能力、数据资产管理、业务价值实现。
其中，大数据处理能力是应对大数据发展挑战的基础，它不仅包括目前技术领域所关注的海量数据采集、存储、分布式计算、实时事件应对等，还要具备对各种格式类型的数据进行加工、处理、识别、解析等相关能力。
数据资产管理位于业务价值实现应用和大数据处理能力底层平台中间，处于承上启下的重要地位。对上支持以价值创造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。数据资产管理包括两个重要方面，一是数据资产管理的核心管理职能，二是确保这些管理职能落地实施的保障措施，包括战略规划、组织架构、制度体系等。
数据资产管理贯穿数据采集、存储、应用和销毁整个生命周期全过程。企业管理数据资产就是对数据进行全生命周期的资产化管理，促进数据在“内增值，外增效”两方面的价值变现，同时控制数据在整个管理流程中的成本消耗。在数据的生命周期开始前，企业先期制定数据规划、定义数据规范，以期获得实现数据采集、交付、存储和控制所需的技术能力。数据资产管理一般来说包括统筹规划、管理实施、稽核检查和资产运营四个主要阶段。
2.3、数据价值难以有效发挥的原因
-
缺乏统一数据视图：企业的数据资源散落在多个业务系统中，企业主和业务人员无法及时感知到数据的分布与更新情况，无法快速找到符合自己需求的数据，也无法发现和识别有价值的数据并纳入数据资产。
-
数据孤岛：据统计，98%的企业都存在数据孤岛问题。而造成数据孤岛的原因既包括技术上的，也包括标准和管理制度上的，这阻碍了业务系统之间顺畅的数据共享，降低了资源利用率和数据的可得性。
-
数据质量低：数据质量低直接影响业务决策，导致数据统计分析不准确、监管业务难、高层领导难以决策等问题。根据数据质量专家Larry English的统计，不良的数据质量使企业额外花费15%到25%的成本。而数据能够被当作资产，并发挥越来越大的价值，其前提是数据质量的不断提升。
-
缺乏安全的数据环境：数据安全造成的风险主要包括数据泄露与数据滥用等。根据数据泄露水平指数(Breach Level Index)监测，自 2013 年以来全球数据泄露高达 130 亿条，其中很多都是由于管理制度不完善造成。随着各个机构数据的快速累积，一旦发生数据安全事件，其对企业经营和用户利益的危害性将越来越大，束缚数据价值的释放。
-
缺乏数据价值管理体系：大部分企业还没有建立起一个有效管理和应用数据的模式，包括数据价值评估、数据成本管理等，对数据服务和数据应用也缺乏合规性的指导，没有找到一条释放数据价值的“最优路径”。
2.3、数据资产管理是充分发挥数据价值的必经之路
数据资产管理通过解决释放数据价值过程中面临的诸多问题，以体系化的方式实现数据的可得、可用、好用，用较小的数据成本获得较大的数据收益，具体体现在以下六个方面：
-
全面掌握数据资产现状：数据资产管理的切入点是对数据家当进行全面盘点，形成数据地图，为业务应用和数据获取夯实基础。数据地图作为数据资产盘点的输出物之一，可以帮助业务人员快速精确查找他们想要的据。其次，数据地图作为企业数据的全盘映射，帮助数据开发者和数据使用者了解数据，并成为对数据资产管理进行有效监控的手段。
-
提升数据质量：数据资产管理通过建立一套切实可行的数据质量监控体系，设计数据质量稽核规则，加强从数据源头控制数据质量，形成覆盖数据全生命周期的数据质量管理，实现数据向优质资产的转变。
-
实现数据互联互通：数据资产管理通过制定企业内部统一的数据标准，建立数据共享制度，完善数据登记、数据申请、数据审批、数据传输、数据使用等数据共享相关流程规范，，打破数据孤岛，实现企业内数据高效共享。同时搭建数据流通开放平台，增强数据的可得性，促进数据的交换流通，提升数据的服务应用能力。
-
提高数据获取效率：数据资产管理通过搭建数据管理平台，采取机器学习等相关自动化技术，将大量前期的数据准备时间和交付项目的时间缩短，提升数据的获取和服务效率，让数据随时快速有效就绪，缩短数据分析人员和数据科学家的数据准备时间，加快数据价值的释放过程。
-
保障数据安全合规：保障安全是数据资产管理的底线，数据资产管理通过制定完善的数据安全策略、建立体系化的数据安全措施、执行数据安全审计，全方位进行安全管控，确保数据获取和使用合法合规，为数据价值的充分挖掘提供了安全可靠的环境。
-
数据价值持续释放：存储和管理数据的最终目的是实现数据的价值，数据资产管理将数据作为一项资产，并通过一个持续和动态的全生命周期管理过程，使数据资产能够为企业数字化转型提供源源不断的动力。从企业高管到业务人员及技术人员，全员都要以持续释放数据价值为理念来重视数据资源管理工作。管理方面，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。技术方面，建设现代化数据平台、引入智能化技术，确保数据资产管理系统平台持续、健康地为数据资产管理体系服务。
三、如何进行数据资产管理
数据资产管理框架包含8个管理职能和5个保障措施。管理职能是指落实数据资产管理的一系列具体行为，保障措施是为了支持管理职能实现的一些辅助的组织架构和制度体系。
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、数据价值管理以及数据共享管理等 8 个方面。
数据资产管理是体系化非常强的工作，需要充分考虑企业内部 IT系统、数据资源以及业务应用的开展现状，同时也要考虑围绕业务开展所设立的人员和组织机构的情况，在此基础上设计一套有针对性的数据资产管理组织架构、管理流程、管理机制和考核评估办法，通过管理的手段明确“责权利”以保障数据资产管理工作有序开展。数据资产管理的保障措施可以从战略规划、组织架构、制度体系、审计方式和培训宣贯五方面进行展开。数据资产管理的详细内容见《数据资产管理实践白皮书（4.0版）》。
注：部分摘编《数据资产管理实践白皮书（4.0版）》
