一、什么是數據資產全過程管理及步驟

數據資產全過程管理是釋放數據價值、驅動業務創新的核心引擎，貫穿數據資產從識別、評估到運營的全生命周期。基于數據資產管理的邏輯鏈條與業務需求，具體涵蓋以下15個步驟：

（1）數據生產與采集

（2）數據資產盤點

（3）數據分級分類

（4）數據場景設計

（5）數據產品加工

（6）數據合規審查

（7）數據安全風險評估

（8）數據質量評價

（9）數據資產價值評估

（10）數據資產登記

（11）數據資源入表

（12）數據臺賬編制

（13）數據產品流通

（14）數據流通存證

（15）數據資產運營

二、具體步驟

1.數據生產與采集

數據生產采集是指企業在生產經營過程中，運用數字技術在產品生產、業務運營、人事管理與財務管理等過程中收集、提取和存儲數據的過程。企業進行業務數據采集與存儲，為后續的數據分析、數據處理和應用開發提供支持，將數據作為“原料”來幫助企業提升效率、降低成本，通過數據分析獲得深刻洞察，以輔助決策。

2.數據資產盤點

進行全面的數據資產盤點是關鍵的第一步。首先進行現狀排查，以了解現有的數據資源和管理體系。由企業首席數據官或數據管理團隊牽頭，自行或與第三方機構合作調研本單位數據資源生產存儲、流通交易、開發利用、安全保障等情況，摸清數據資源底數。基于排查結果，設計一套詳細的數據資產盤點模板，該模板包含數據的來源、類型、格式、使用頻率、重要性等關鍵信息。與業務部門以及數據管理部門協作，對單位內部數據資源進行全面的清查和評估。根據數據資源持有目的、形成方式、業務模式、安全等級等特征，強化數據分類分級管理，編制數據資源目錄。

3.數據分級分類

根據數據管理和使用需求，結合已有數據分類基礎，靈活選擇業務屬性將數據細化分類，數據分類實施路徑參考如下：

（1）依據行業相關分類標準，如《農業農村信息化術語》等，結合企業實際農業數據情況，制定分類實施方案。方案需充分考慮農業生產、經營、管理、服務等多環節的數據特點與需求。

（2）明確數據范圍。根據企業所處細分行業（如種植業、畜牧業、漁業、林業等）及數據應用場景（如精準種植、智慧養殖、農產品溯源等），對待資產化的數據進行初步歸類，明確待分類的數據范圍。例如，種植業中涉及的土壤數據、氣象數據、作物生長數據等，畜牧業中的畜禽養殖數據、疫病防控數據等。

（3）細化業務分類。

①結合農業部門職責分工，明確農業領域或業務條線的分類。農業領域可分為種植業數據、畜牧業數據、漁業數據、林業數據、農產品加工數據、農業投入品數據、農業資源環境數據等。企業依據農業國民經濟分類，明確業務分類，例如對于種植業領域數據，可分為糧食作物、經濟作物、園藝作物等類別；畜牧業可分為家畜養殖、家禽養殖等類別。

②按照業務范圍、運營模式、業務流程等，明確各業務條線的關鍵業務分類。比如糧食作物分為水稻、小麥、玉米等；家畜養殖分為生豬養殖、肉牛養殖等。

（4）業務屬性分類。選擇合適的業務屬性，對關鍵業務的數據進行細化分類。業務屬性主要包括業務領域（如種植業、畜牧業）、責任部門（如種植部、養殖部）、描述對象（如農作物、畜禽）、流程環節（如播種、施肥、出欄）、數據主體（如農戶、農業企業）、內容主題（如產量數據、質量數據）、數據用途（如生產決策、市場分析）、數據處理（如數據采集、存儲、分析）、數據來源（如傳感器、農戶填報、第三方平臺）。

（5）確定分類規則。梳理分析各關鍵業務的數據分類結果，根據農業領域數據管理和使用需求，確定農業領域數據分類規則。例如可采取“業務條線—關鍵業務—業務屬性分類”的方式定義數據分類規則，也可對關鍵業務的數據分類結果進行歸類分析，將相似主題的數據子類進行歸類，如將所有與作物生長相關的數據歸為一類。數據分級是為了保護數據安全，具體的實施路徑參考如下：

1）確定分級對象。確定待分級的農業數據，如農業數據項（如土壤養分含量字段）、農業數據集（如某農場的作物生長數據文件）、農業衍生數據（如通過作物生長數據和氣象數據計算得出的作物產量預測數據）、跨農業領域數據（如種植業與農產品加工領域的數據融合）等。

2）分級要素識別。影響農業數據分級的要素，包括數據的領域（如種植業、漁業）、群體（如農戶群體、消費者群體）、區域（如特定農田區域、流域）、精度（如土壤采樣精度、氣象監測精度）、規模（如數據記錄數量、覆蓋面積）、深度（如數據挖掘的深度）、覆蓋度（如數據在某地區的覆蓋程度）、重要性（如涉及國家糧食安全的數據、涉及企業核心競爭力的數據）等。其中領域、群體、區域、重要性通常屬于定性描述的分級要素，精度、規模、覆蓋度屬于定量描述的分級要素，深度通常作為農業衍生數據的分級要素。

3）數據影響分析。結合數據分級要素識別情況，分析農業數據一旦遭到

泄露、篡改、損毀或者非法獲取、非法使用、非法共享，可能影響的對象和影響程度。影響對象通常包括國家安全（如糧食安全）、農業經濟運行、農村社會秩序、農民公共利益、農業組織權益、農戶個人權益。影響程度從高到低可分為特別嚴重危害、嚴重危害、一般危害。如果影響對象是國家安全、農業經濟運行、農村社會秩序或農民公共利益，則以國家、農業農村或行業領域的整體利益作為判斷影響程度的基準。如果影響對象僅是農業組織或農戶個人權益，則以農業組織或農戶個人的權益作為判斷影響程度的基準。

4）綜合確定數據級別。在分級要素識別、數據影響分析的基礎上，根據不同對象以及對應的影響程度的不同，確定相應的數據級別。重要數據目錄上報的實施路徑參考如下：

①重要數據目錄梳理。農業企業按照農業行業主管部門要求，開展本企業內部重要數據目錄數據結構梳理工作。梳理內容包括行業（如種植業、畜牧業）、行業分類分級描述、數量、數據類型、現存地址、來源（如田間傳感器、農戶填報）、用途（如保障糧食安全、促進農產品銷售）、對外提供情況、安全防護措施、主體類別（如農戶、農業合作社、農業企業）、安全領域（如糧食安全、生態安全）、影響對象、影響涉及范圍、影響持續時間、影響恢復程度等。

②重要數據目錄上報。按照農業行業主管部門的要求以及相關農業行業標準規范，將農業重要數據目錄上報給對應的主管部門。

③重要數據目錄迭代更新。農業企業定期性地對新產生的農業業務數據、經營數據等進行梳理，當農業重要數據目錄發生變化時，更新企業重要數據目錄，并及時上報主管部門。

4.數據場景設計

在數據資產化的過程中，數據應用場景的設計是指根據企業的業務需求、市場定位和發展戰略，通過對不同場景下的數據需求進行深入分析，確定數據在企業運營、決策制定、產品創新等方面的具體應用，從而充分挖掘和發揮數據的潛在價值。數據應用場景的設計主要涵蓋以下幾個方面的工作

（1）明確業務需求：需要深入了解和分析業務的具體需求，包括業務目標、業務流程、業務決策等，從而確定數據應用場景的具體內容，使數據能夠直接服務于業務需要。

（2）設計數據使用場景：基于業務需求，設計詳細的數據使用場景，包括數據的查詢、分析、挖掘和可視化等方面。場景應具體描述數據如何被用于支持業務決策、優化業務流程、提升業務效率、增加業務收入等。

（3）規劃數據訪問權限：根據業務需求和數據安全要求，規劃數據的訪問權限，確保不同用戶或角色能夠按需訪問和使用數據，以保護數據的安全性，防止數據泄露和濫用。

（4）規劃數據資源入表方式：在設計數據應用場景時，需要考慮如何將數據以合適的方式納入財務報表中，以真實反映企業的資產狀況和價值，以便確保數據資源入表的準確性和可靠性，提升報表的信息質量和透明度。

5.數據產品加工

（1）需求分析與規劃。全面分析用戶的數據需求，梳理業務場景，明確數據產品的應用價值和功能定位。同時，規劃數據產品的開發路線圖，確定產品的主要功能模塊。

（2）數據采集、清洗與整合。根據規劃的需求，對內外部數據進行采集，并進行數據清洗、去重、格式轉換等預處理工作，確保數據的完整性和一致性。

（3）數據建模與分析。基于業務場景和用戶需求，進行數據建模，構建算法模型，并對數據進行深度分析，提取有價值的信息和洞見。

（4）數據產品開發。基于建模和分析結果，開發標準化的數據產品，包括構建產品框架、設計接口和交互方式，實現產品的可操作性和可維護性。

（5）測試與優化。對開發完成的數據產品進行功能和性能測試，并根據測試結果進行優化調整，確保產品滿足用戶需求并達到質量標準。

（6）產品部署與運營。將數據產品部署上線，進行實際運營并收集用戶反饋，持續優化產品功能，同時建立完善的數據產品運營體系。

（7）評估與迭代。建立數據產品的評估機制，從用戶使用效果、業務貢獻等方面評估數據產品的價值，并根據評估結果進行產品的迭代升級。

6.數據合規審查

企業需要做好資產確認，確認條件之一是企業擁有或者控制的數據，能證明權利邊界和來源。

數據的合規性管理主要幫助企業證明數據來源，保證數據的合法性并且追溯數據源頭，從而進行數據權屬界定。一般由第三方安全機構或律師事務所等進行數據合規性評估。

合規性評估對象主要包括交易獲得、合法授權、自主生產的數據資產，根據數據溯源的方法針對這些數據的來源進行評估，評估內容主要包括以下幾點：

（1）數據資源是組織過去的交易獲得、合法授權、自主生產等事項形成的。

（2）交易獲得的數據資源具有合法的交易憑證，如合同、支付憑證、稅務發票。

（3）合法授權的數據資源具有合法合規的授權憑據，不合法的授權不符合確認條件。

（4）自主生產的數據資源具有相應的成本和費用支出。

（5）虛構的、沒有發生的或者尚未發生的交易或事項不符合數據資產確認條件。

數據確權方式

合同約定 通過簽訂民事商事合同、協議等方式，約定或授權數據資產權責關系？

登記確定 通過數據資源登記機構依法審核(例如：貴陽大數據交易所、浙江大數據交易中心、深圳數據交易所、北部灣大數據交易中心等)，取得數據產品登記證書，由此確認數據資源權責關系。

其他法定 法律法規對數據權益有明確規定的，按照相關規定執行

7.數據安全風險評估

第三方具備數據安全風險評估資質的機構依據《中華人民共和國數據安全法》《網絡數據安全管理條例》等法規，對數據資產全生命周期開展系統性風險評估。通過漏洞掃描、滲透測試、風險建模等技術手段，識別數據存儲、傳輸、使用環節的安全隱患，重點評估敏感數據泄露、非法訪問、越權操作等風險，形成分級風險清單與整改建議，為構建動態防護體系提供科學依據。

8.數據質量評價

數據質量，即數據資源滿足業務、場景、決策等需求的程度，是數據資產化的前提條件之一。加強數據質量管理，旨在確保數據資源的完整性、規范性、一致性、準確性、時效性、可訪問性等。根據數據管理能力成熟度評估模型，數據質量管理的關鍵活動包括：

（1）明確數據質量需求：根據業務需求及數據要求制定用來衡量數據質量的規則，包括衡量數據質量的技術指標、業務指標以及相應的校驗規則與方法。

（2）開展數據質量檢查：根據數據質量規則中的有關技術指標和業務指標、校驗規則與方法對企業的數據質量情況進行實時監控，從而發現數據質量問題，并向數據管理人員進行反饋。

（3）開展數據質量分析：對數據質量檢查過程中發現的數據質量問題及相關信息進行分析，找出影響數據質量的原因，并定義數據質量問題的優先級，作為數據質量提升的參考依據。

（4）數據質量提升：對數據質量分析的結果，制定、實施數據質量改進方案，包括錯誤數據更正、業務流程優化、應用系統問題修復等，并制定數據質量問題預防方案，確保數據質量改進的成果得到有效保持。

9.數據資產價值評估

（1）確定數據資產價值評估方法

成本法：計算獲取、存儲、管理和維護數據資產所投入的成本，包括硬件購置、軟件授權、人員薪資、數據清洗等費用。該方法適用于數據資產剛形成，尚未產生明顯經濟效益，主要關注前期投入的情況。

市場法：尋找市場上類似數據資產的交易案例，對比交易價格和相關影響因素，如數據規模、質量、應用場景等，以此估算目標數據資產價值。當市場上有較多可參照的類似數據資產交易時，市場法較為適用。

收益法：基于數據資產預期能為企業帶來的經濟收益進行折現評估。通過預測數據資產在未來特定時期內產生的收入，考慮成本、風險等因素，運用合適的折現率將未來收益折算為現值，反映數據資產當前價值。適用于能明確預期收益且收益可合理量化的情況。

（2）分析數據資產的成本價值和市場價值

成本價值分析：全面梳理數據資產從產生到當前狀態的所有成本投入，不僅包括直接的資金支出，還涵蓋機會成本等隱性成本。例如數據采集階段，若使用自主開發的采集工具，要核算開發成本；若采購第三方服務，則為采購成本。分析成本構成有助于明確數據資產的基礎價值，也為成本控制和優化提供依據。

市場價值分析：深入研究行業內數據資產交易市場動態，了解同類型數據資產的市場需求和價格走勢。對比自身數據資產與市場上交易活躍的數據資產在數據量、數據質量、覆蓋范圍、時效性等方面的差異，評估其在市場上的競爭力和潛在交易價值。

（3）測算數據資產的預期收益價值

構建收益預測模型：結合企業業務模式和數據資產應用場景，選取合適的變量和參數構建模型。例如在農業企業，依據歷史農作物產量數據、土壤監測數據、氣象數據等，建立數據資產與農作物產量提升、農產品品質改善、銷售利潤增長等收益指標的關聯模型。

確定收益參數：考慮市場增長率、市場份額變化、客戶留存率等因素，合理預測數據資產應用后可能帶來的收入增加、成本降低等收益情況。同時，預估相關風險，如市場競爭、政策變化等對收益的影響，確定風險調整系數。

計算預期收益現值：運用收益法公式，將未來各期預期收益進行折現計算，得到數據資產的預期收益價值。

（4）綜合考量數據資產的戰略價值

戰略契合度：評估數據資產與企業長期發展戰略的契合程度，如是否有助于開拓新市場、推出新產品、優化業務流程等。例如制糖企業的數據資產若能助力其優化如甘蔗等原材料采購策略，精準把控原料品質與成本，契合其成本控制和產品質量提升戰略，戰略價值就較高。

競爭優勢提升：分析數據資產能否為企業帶來競爭優勢，如形成差異化產品或服務、提高運營效率等。以農業育苗企業為例，長期積累的種苗生長周期數據、溫濕度調控數據、病蟲害防治數據等資產，可實現精準化培育管理，減少種苗損耗率，培育出抗逆性強、生長周期短的優質種苗，同時降低人工與資源成本，以高品質產品和高效運營模式搶占市場先機，其戰略價值顯著。

創新驅動能力：判斷數據資產是否能為企業創新提供支持，如推動技術創新、商業模式創新等。如農產品加工企業利用原料溯源數據、消費者口味偏好數據等資產，開發出具有地域特色的休閑零食或功能性食品，或是推出個性化定制的農產品禮盒，體現了數據資產在創新方面的戰略價值。

10.數據資產登記

為了確保數據資產的權屬、可追溯性和法律效力，通過國家公共數據資源登記平臺（或者當地的數據資產登記平臺），進行數據資產的登記。數據資產登記不僅有助于保護數據資產的權益，也為數據資產后續的交易流通操作提供了必要的法律支持。

11.數據資源入表

根據數據資產盤點目錄、合規報告等材料，進行全方位分析并制定詳細的數據資源入表策略，包括數據資產的確認、計量、披露等具體步驟，確保數據資產的會計處理符合會計準則和相關政策。

12.數據臺賬編制

組建跨部門工作小組（含業務、數據管理人員、財務、法務人員），依據已確權數據資產清單，通過系統對接、表單填報、人工核查等方式，采集資產名稱、業務場景描述、權屬主體、分類編碼、確權登記狀態及財務入賬情況等核心字段信息。

13.數據產品流通

社會數據的流通交易分為場內交易和場外交易兩種模式，場內交易是數據供應方和需求方依托數據交易機構進行交易，場外交易則是數據供需雙方在交易場所外進行交易。一般而言，數據產品場內交易流程包括：

（1）準備階段。

①數據提供方、數據需求方、數據經紀人、第三方專業服務機構等入駐數據交易所，完成用戶注冊、實名證、資質審核、信息完善；

②對數據交易標的進行信息登記，并對數據產品合規性、質量等進行評估審核，審核通過后數據產品在數據交易所掛牌上架；

（2）實施階段。

①交易雙方進行交易的磋商，對交易標的的交易用途、交易金額、交付方式等內容進行協商，需方也可以請數據產品或樣本數據測試，或者根據實際需求要求數據供方數據進行加工；

②供需雙方簽訂數據交易合同；

③按照數據交易合同協議約定交付數據產品；

④按照合同協議約定和交易賬單支付交易費用，對交易參與方的費用進行結算。

（3）售后階段。

①在數據交易完成后，對交易相關的信息進行記錄、存證、審計，并根據實際情況提供相應的售后服務；

②建立數據交易投訴舉報和爭議解決機制，對數據交易的投訴、舉報、爭議、糾紛進行處理。

14.數據流通存證

企業實施數據流通存證需要明確存證的過程及內容，一般包含（但不局限于）

以下幾個方面：

（1）數據來源權屬存證，證明數據的所有權和來源，確保數據使用合法。

（2）數據質量評估認存證，對數據準確性、完整性等質量指標的官方評估和認證。

（3）數據授權運營存證，規定數據處理和使用的條款和條件的合同。

（4）數據資產登記存證，官方記錄數據資產所有權和相關信息的證明文件。

（5）數據授權加工存證，在確保個人隱私的前提下，授權使用數據進行計算的合同。

（6）數據計算結果存證，證明通過隱私保護計算得出的數據結果的真實性和有效性。

（7）數據交易存證，規定數據買賣雙方權利、義務和交易條件的法律文件。

（8）數據交付驗收存證：確認數據按照合同要求成功交付和接收的文件。

15.數據資產運營

（1）完成數據資產識別。建立可共享、可復用、可持續的數據資產運營體系，構建多層級、多維度的數據資產目錄，形成關于企業數據資產的“全景圖”。定期對企業的存量數據資產進行盤點，并將新增的數據資產納入資產目錄。通過對企業內部不同的人員進行培訓，使其充分了解公司數據資產的整體情況，為后續“用”好數據資產做準備。

（2）建立數據資產維護機制。構建一套科學合理的數據資產維護機制，推動數據產品建設不斷創新，對數據資產所包含的內容以及數據資產的權屬進行持續更新，保證數據資產的有關信息完整、準確。

（3）構建數據資產運營商業模式。拓展數據資產的服務形式，擴大數據用戶、拓寬應用場景，是增加數據資產變現價值的有效方式。基于市場調研、用戶反饋以及合作伙伴交流分享等方式識別新的使用場景，并將數據資產應用到這些場景中。通過參加行業會議、舉辦研討會、沙龍等方式，提高數據資產的知名度。持續創新商業模式，促進數據資產價值釋放，例如探索和實踐新的收入模式，如按需付費、數據許可等，來適應不同客戶的需求；基于多方安全計算、聯邦學習等隱私計算技術，與第三方合作伙伴安全開發新的數據產品和服務，實現資源共享和互利共贏。

（4）數據資產價值評價。由于數據資產的價值密度和大小不同，隨著時間的流逝以及業務場景的變化，數據資產的價值也會不斷改變。以價值驅動為核心，建立基于數據資產的多角色、多維度的價值評價指標體系。企業管理者和數據使用者等多方共同參與實施數據資產評價，對數據資產的價值成效和重要等級進行評價。推動數據資產的迭代和完善，促進數據資產的保值增值，實現數據資產價值最大化的目標。