從信息時代到數字時代，數據由記錄業務逐漸轉變為智能決策，成為了組織持續發展的核心引擎。未來，數據資產管理將朝著統一化、專業化、敏捷化的方向發展，提高數據資產管理效率，主動賦能業務，推動數據資產安全有序流通，持續運營數據資產，充分發揮數據資產的經濟價值和社會價值。本文從管理理念、組織形態、管理方式、技術架構、管理手段、運營模式、數據安全7個方面講述數據資產管理的發展趨勢。

一、管理理念：從被動響應到主動賦能

隨著組織數字化轉型的不斷深入推進，數據資產管理占組織日常經營管理的比重日漸增加，傳統以需求定制開發為主要模式的被動服務形式，已難以滿足組織數據服務響應訴求，組織逐步在各業務條線設置數據管理崗位，定期采集數據使用方訴求，構建數據資產管理需求清單，解決數據資產管理難點，跟蹤數據應用效果，加深數據人員對業務的理解和認識，主動賦能業務發展。

此外，隨著數據素養和數字技能的不斷提升，數據使用者培養了主動消費意識和能力，以數據資產目錄為載體、以自助式數據服務為手段、以全流程安全防護為保障的數據主動消費和管控模式正在形成，在提升數據服務水平的同時，進一步提升數據應用的廣度和深度。

二、組織形態：向專業化與復合型升級

區別于信息化階段作為IT 部門的從屬部門，數據資產管理組織與職能已逐步獨立化。對于政府，由專門的政府機構承擔，在業務部門設立數據管理兼職崗位，首席數據官（Chief Data Officer，CDO）制度也出現在了深圳、浙江等地的規劃中。深圳市印發的《深圳市首席數據官制度試點實施方案》提出在市政府和有條件的區、部門試點首席數據官制度，明確職責范圍，健全評價機制，創新數據共享開放和開發利用模式，提高數據治理和數據運營能力覆蓋決策、管理、設計、維護的數據資產管理專業組織形態已逐步顯現。對于企業，廣東、上海等地發布相關政策推動企業設置首席數據官。廣東省工業和信息化廳于2022 年出臺了《廣東省企業首席數據官建設指南》，鼓勵在企業決策層設施CDO角色，以制度形式賦予CDO對企業重大事務的知情權、參與權和決策權，統籌負責企業數據資產管理工作，加強企業數據文化建設，提升企業員工數據資產意識，建立正確的企業數據價值觀。

數據資產管理組織形成以CDO或CIO主導、業務部門與IT 部門協同參與的模式。Gartner 2021年報告顯示，75%的公司將CDO 視為與IT、HR 和財務同樣關鍵的職務。此外，在業務部門與IT 部門設置專職或兼職數據管理員，推動數據資產管理有效開展。

三、管理方式：敏捷協同的一體化管理

傳統的數據資產管理建設往往由多個分散的管理活動和解決方案組成，造成數據資產管理各個環節之間的脫節（包括開發與管理、管理與運營）的脫節，使得數據從生產端到消費端的開發效率降低。例如，在開發階段應遵循的數據標準規范，在管理階段需要強依賴專業數據管理角色和過程監控才可能實現。同時，由于多數企業忽視了數據運營，使數據消費端未向數據資產生產端反饋有效的用戶體驗。

DataOps 倡導協同式、敏捷式的數據資產管理（如圖 所示），通過建立數據管道，明確數據資產管理的流轉過程及環節，采用技術推動數據資產管理自動化，提高所有數據資產管理相關人員的數據訪問和獲取效率，縮短數據項目的周期，并持續改進數據質量，降低管理成本，加速數據價值釋放。例如，通過標準設計、模型設計指導數據開發，前置化數據質量管理，并建立SLA 開展數據資產運維，實現開發與管理的協同；數據資產管理成果通過被業務分析人員、數據科學家等角色自助使用，支撐業務運營，同時，運營結果反向指導數據資產管理工作，實現管理與運營的協同。

四、技術架構：面向云的Data Fabric

隨著數據技術組件日益豐富，數據分布日趨分散，Gartner認為Data Fabric 已成為支持組裝式數據分析及其各種組件的基礎架構，通過在大數據技術設計上復用數據集成方式，Data Fabric可縮短30%的集成設計時間、30%的部署時間和70%的維護時間。

Data Fabric是一種新型、動態的數據架構設計理念，是綜合利用元數據、機器學習和知識圖譜等技術，打造一個更加自動化、面向業務、兼容異構的企業數據供應體系，以支撐更加統一、協同、智能的數據訪問，有分析師稱之為將“恰當”的數據在“恰當”的時間提供給“恰當”的人。

目前，IBM、Informatica和Talend等推出了針對Data Fabric的解決方案。以IBM 為例，其于2021年7月發布的Cloud Pak for Data4.0的軟件組合增加了智能化的Data Fabric 功能，其中AutoSQL（結構化查詢語言），可以通過AI 進行數據的自動訪問、整合和管理，使分布式查詢的速度提升8 倍，同時節約50% 的成本。

五、管理手段：自動化與智能化廣泛應用

隨著數據復雜性持續增加，依靠“手工人力”的數據資產管理手段將逐步被“自動智能”的“專業工具”取代，覆蓋數據資源化、數據資產化的多個活動職能，在不影響數據資產管理效果的同時，極大地降低了數據資產管理成本。

具體來說，是指利用AI、ML、RPA、語義分析、可視化等技術，自動識別或匹配數據規則（包括數據標準規則、數據質量規則、數據安全規則等），自動執行數據規則校驗，或是自動發現數據之間的關聯關系，并以可視化的方式展現。此外，可利用VR、AR 等技術，幫助數據使用者探索數據和挖掘數據，提升數據應用的趣味性，降低數據使用門檻，擴大數據使用對象范圍。

六、運營模式：構建多元化的數據生態

運營數據是持續創造數據價值的有效方式，多元化的數據生態通過引入多維度數據、多類參與方、多種產品形態，進一步拓展數據應用場景和數據合作方式，為數據運營提供了良好的環境。

充分借力行業數據資源優勢，創新數據生態多種模式。能源行業以廣東電網能源投資為例，通過成為首批“數據經紀人試點單位”，積極參與數據要素生態體系，打造電力大數據品牌，實現電力數據資產合規高效流通，獲取電力數據資產價值收益。對于銀行業而言“開放銀行”是數據生態的典型代表，“開放銀行”的本質是一種平臺化商業模式，以API 作為技術手段，實現銀行數據與第三方服務商的共享，從而為金融生態中的客戶、第三方開發者、金融科技企業以及其他合作伙伴提供服務，并最終為消費者創造出新價值。隨著開放銀行的生態體系不斷完善，銀行將豐富與合作伙伴共建共享方式，充分運用數據智能，實時感知用戶需求并精準匹配，有利于提供全方位、綜合化、泛金融服務。

七、數據安全：兼顧合規與發展

首先，應意識到數據安全與數據資產合理利用并不沖突。兩者之間存在著互相促進的關系。數據安全是合理利用的前提條件，合理利用是數據安全保護的最終目的。只有做好數據安全保護，才能讓數據所有者愿意授予組織或其他主體對數據的使用權利，進一步推動數據資產流通。GDPR倡導平衡“數據權利保護”與“數據自由流通”的理念，在賦予數據主體權利的同時，強調個人數據的自由流通不得因為在個人數據處理過程中保護自然人權利而被限制或禁止。

其次，應從數據安全管理和數據資產流通兩方面同步尋找平衡點。在數據安全管理側，通過建立數據安全管理機制，制定數據安全分類分級標準和使用技術規范，提升數據安全治理能力；在數據資產流通側，將數據安全合規、個人信息保護等要求作為基本“紅線”，將其潛在風險作為成本指標，在不觸碰“紅線”的前提下，進行數據資產流通的收益分析，探索數據安全與資產流通的均衡方案。