2023年1月，在第五屆“數據資產管理大會”上，《數據資產管理實踐白皮書(6.0版)》（以下簡稱“白皮書”）正式發布，白皮書是大數據技術標準推進委員會在數據資產管理領域的系列研究報告，從2017年開始已連續6年發布，成為了國內數據資產管理的“風向標”。

《數據資產管理實踐白皮書(6.0)》在《數據資產管理實踐白皮書(5.0)》的基礎上，結合2022年數據資產管理領域政策和行業動向，持續跟蹤各行業典型方法和實踐案例，更新了數據資產管理的理念和方法，對數據資產管理領域的發展現狀和趨勢進行了總結，有助于企業了解自身所處的發展階段，更好的擬定下一步建設思路。目前，數據是資產已成為共識，數據資產管理理論框架日趨成熟，越來越多的企業開展數據資產管理工作，推動企業數字化轉型。但是與此同時，我們也應認識到多數企業仍停留在數據資產管理發展初期，仍然面臨數據資產管理內驅力不足、數據資產管理與業務發展存在割裂、數據資產難于持續運營等問題。為指導企業解決以上問題，本白皮書總結了數據資產管理活動職能的核心理念與實踐要點，提出了戰略規劃、組織架構、制度體系、平臺工具、長效機制五大數據資產管理保障措施，提倡企業體系化開展數據資產管理工作，提升數據資源化效率，創新數據資產化模式，引導企業充分融入數據要素市場發展，加速數據資產價值釋放。
01 數據資產管理推動數據要素市場發展

良好的數據資產管理是釋放數據要素價值、推動數據要素市場發展的前提與基礎。數據資產管理通過構建全面有效的、切合實際的管理體系，一方面規范數據資產采集、加工、使用過程，提升數據質量，保障數據安全。

另一方面豐富數據資產應用場景，建立數據資產生態，持續運營數據資產，為政府機構與企事業單位進行資產計量確認提供了良好的數據條件和能力基礎，進一步推動數據要素流通，加速要素市場化。

02 數據資產管理助力企業數字化轉型

數據資產管理提高業務數據化效率，推動數據業務化，加速企業數字化轉型。數據資產管理從數據的業務供給端出發，通過數據資源化設計業務流程與數據模型，提高業務從物理世界到數字世界的轉換效率，并對線上業務的數據質量和安全進行管控，保障業務運轉的高質量，降低業務的安全風險。

數據資產化從業務的數據需求端出發，打通企業內部數據、引入企業外部數據，加深數據與業務線的融合，催生數據場景化，應用數據分析技術，實現數據賦能業務發展，推動企業精細化管理變革。

03 數據資產管理的難點

數據資產管理仍然面臨一系列的問題和挑戰，涉及數據資產管理的理念、效率、技術、安全等方面，阻礙了組織數據資產能力的持續提升。

1）數據資產管理內驅動力不足

2）數據資產管理與業務發展存在割裂
3）數據質量難以及時滿足業務預期
4）數據資產無法持續運營

5）數據安全風險加劇，安全合規要求日益復雜

04 數據資產管理架構

數據資產管理包含數據資源化、數據資產化兩個環節，將原始數據轉變為數據資源、數據資產，逐步提高數據的價值密度，為數據要素化奠定基礎。

數據資源化通過將原始數據轉變數據資源，使數據具備一定的潛在價值，是數據資產化的必要前提。數據資源化以提升數據質量、保障數據安全為工作目標，確保數據的準確性、一致性、時效性和完整性，推動數據內外部流通。數據資源化包括數據模型管理、數據標準管理、數據質量管理、主數據管理、數據安全管理、元數據管理、數據開發管理等活動職能。

數據資產化通過將數據資源轉變為數據資產，使數據資源的潛在價值得以充分釋放。數據資產化以擴大數據資產的應用范圍、厘清數據資產的成本與效益為工作重點，并使數據供給端與數據消費端之間形成良性反饋閉環。數據資產化主要包括數據資產流通、數據資產運營、數據價值評估等活動職能。

05 數據資產管理活動職能

活動職能是數據資產管理的基本管理單元。數據資產管理包括數據模型管理、數據標準管理、數據質量管理等10 個活動職能，覆蓋數據資源化、數據資產化兩個階段。

5.1?數據模型管理采用企業架構指導建立企業級數據模型，并采用一體化建模的方法，是提升數據模型業務指 導性和模型質量的有效方式。

數據模型是指現實世界數據特征的抽象，用于描述一組數據的概念和定義。數據模型管理是指在信息系統設計時，參考邏輯模型，使用標準化用語、單詞等數據要素設計數據模型，并在信 息系統建設和運行維護過程中，嚴格按照數據模型管理制度，審核和管理新建和存量的數據模型。

5.2?數據標準管理

數據標準是指保障數據的內外部使用和交換的一致性和準確性的規范性約束。數據標準管理的目標是通過制定和發布由數據利益相關方確認的數據標準，結合制度約束、過程管控、技術工具等手段，推動數據的標準化，進一步提升數據質量。

5.3?數據質量管理

數據質量指在特定的業務環境下，數據滿足業務運行、管理與決策的程度，是保證數據應用效果的基礎。數據質量管理是指運用相關技術來衡量、提高和確保數據質量的規劃、實施與控制等一系列活動。衡量數據質量的指標體系包括完整性、規范性、一致性、準確性、唯一性、及時性等。

5.4?主數據管理

主數據（Master Data）是指用來描述企業核心業務實體的數據，是跨越各個業務部門和 系統的、高價值的基礎數據。主數據管理（MDM ，Master Data Management）是一系列規則、應用和技術，用以協調和管理與企業的核心業務實體相關的系統記錄數據。

5.5?數據安全管理

數據安全是指通過采取必要措施，確保數據處于有效保護和合法利用的狀態，以及具備保障 持續安全狀態的能力。數據安全管理是指在組織數據安全戰略的指導下，為確保數據處于有效保 護和合法利用的狀態，多個部門協作實施的一系列活動集合。包括建立組織數據安全治理團隊，制定數據安全相關制度規范，構建數據安全技術體系，建設數據安全人才梯隊等。

5.6?元數據管理

元數據（Metadata）是指描述數據的數據。元數據管理（Meta Data Management） 是數據資產管理的重要基礎，是為獲得高質量的、整合的元數據而進行的規劃、實施與控制行為。

5.7?數據開發管理

數據開發是指將原始數據加工為數據資產的各類處理過程。數據開發管理是指通過建立開 發管理規范與管理機制，面向數據、程序、任務等處理對象，對開發過程和質量進行監控與管控， 使數據資產管理的開發邏輯清晰化、開發過程標準化，增強開發任務的復用性，提升開發的效率。

5.8?數據資產流通

對于組織而言，數據資產流通是指通過數據共享、數據開放或數據交易等流通模式，推動數 據資產在組織內外部的價值實現。

5.9 數據價值評估

數據價值評估是指通過構建價值評估體系， 計量數據的經濟效益、業務效益、投入成本等活動。數據價值評估是數據資產管理的關鍵環節， 是數據資產化的價值基線。

5.10 數據資產運營

數據資產運營是指通過對數據服務、數據流通情況進行持續跟蹤和分析，以數據價值管理為參考，從數據使用者的視角出發，全面評價數據應用效果，建立科學的正向反饋和閉環管理機制， 促進數據資產的迭代和完善，不斷適應和滿足數據資產的應用和創新需求。

06 數據資產管理的保障措施

1、戰略管理

戰略是組織長期發展規劃及資源配置的一系列行動，對于組織持續穩定發展具有重要的指導意義。在數字時代下，數據戰略已成為組織開展精益數據資產管理的基礎，是數據資產管理工作長期高效開展的“指南針”。

戰略管理是指通過對數據戰略進行規劃、執行、評估，確立數據資產管理的中長期目標和管理活動優先級，明確需要的資源投入總量和資源分配機制，并使數據戰略始終契合組織的業務戰略。

2、組織架構

集中式管理與聯邦式管理是數據資產管理的兩種組織模式，主要區別在于數據管理專員集中于數據資產管理層或分布于各個業務部門。

集中式管理與聯邦式管理在特點、技術、適用對象等方面存在差異。集中式管理對各業務線數據獨立性要求較低、數據相關性要求較高，采用數據倉庫、大數據平臺等技術，適用于中大型企業。聯邦式管理對各業務線數據獨立性要求較高、數據相關性要求較低， 采用Data Fabric 技術，適用于中小型企業或集團型企業。

3、制度體系

數據資產管理制度體系通常分層次設計，依據管理的顆粒度，制度體系可劃分為組織級數據資產管理總體規定、管理辦法、實施細則和操作規范四個層次。

4、平臺工具

數據資產管理平臺工具位于大數據平臺上層，為各項數據資產管理活動職能的執行提供技術保障。從管理視角出發，數據資產管理平臺工具支持PDCA 循環。

規劃環節，通過角色分配和權限管理落實數據認責體系，支持需求管理，以及對數據資產現狀（包括數據資產規模、分布、可信度、安全性等）進行評估；執行環節，支持標準規范的新增、修改，以及數據開發、任務編排、任務運維等；檢查環節，支持對數據模型一致性、標準規范應用程度、問題數據處理情況、數據安全響應結果等進行跟蹤；改進環節，支持逐個標記問題并生成改進建議，統計檢查數據，形成知識庫，量化改進過程，實現閉環管理。

5、長效機制

在數據戰略規劃、組織架構和制度體系的基礎上，培訓宣貫、績效考核、激勵機制、審計機制、數據文化培養等長效機制，是數據資產管理活動持續高效運行的重要保障。

07?數據資產管理的實踐步驟

本白皮書定義了一種數據資產管理實踐的通用步驟：“統籌規劃→管理實施→稽核檢查→資產運營”。需要說明的是，各步驟之間并無嚴格的先后順序，組織可結合自身情況在各階段制定合理的實施方案。

08?數據資產管理總結與展望

當前，數據資產管理呈現蓬勃發展的態勢，為數據要素市場的發展提供強勁動力，為數字經濟發展奠定良好基礎。在國家規劃的大力推動下，在行業政策的有效指導下，我們期待數據資產管理將穩步前進，促進數據資產價值將進一步釋放。

一是明確責權利，有效推進管理。明確數據資產管理角色與職責，從業務側出發確定數據資產的責任人，構建數據資產管理認責體系；制定數據發展戰略，統籌規劃數據資產管理，逐步建立健全包括數字型人才、管理型人才、技術型人才、業務型人才的團隊；開展數據資產管理過程管理，優化管理資源，提高管理效率。

二是合理引進技術，提升敏捷能力。在數據資產管理的過程中，合理引進包括云計算、人工智能、機器學習、知識圖譜等創新技術，進一步提升數據資產管理的智能化、自動化水平，降低數據資產管理的人力投入與風險成本；建立數據資產管理敏捷組織和敏捷機制，采用DataOps 敏捷技術，及時響應業務和需求的變化。

三是著眼業務發展，釋放數據價值。從業務側出發制定數據資產標準規則，確定數據資產質量預期水平；明確數據資產的業務應用場景，增強數據決策的準確性和實時性，滿足業務的數據需求；評估數據資產價值，構建數據資產運營體系，建立科學的正向反饋和閉環管理機制，提高數據資產的服務和應用效果。

四是加強數據合規，注重風險風控。遵循《網絡安全法》、《數據安全法》和《個人信息保護法》相關要求，構建數據安全管理體系，形成數據安全分類分級標準，覆蓋數據資產管理全流程、各環節；制定數據資產管理的風險應急機制，開展數據安全合規內外部審計，確保數據資產安全可控。

五是持續迭代完善，形成良性閉環。培養數據文化，提高數據素養，鼓勵業務人員參與數據資產的管理與應用，構建良好的溝通與協作機制；開展常態化數據資產管理檢查，建立數據資產管理基線，定期總結問題形成業務案例，發起多方討論商議，不斷優化數據資產管理策略和路徑。