這篇文章主要摘至信通院發布的《數據資產管理實踐白皮書5.0》（以下簡稱：白皮書），這版白皮書寫得非常好，從數據資產對企業的價值，到數據資產管理的活動職能，數據資產管理的保障措施，數據資產管理的實踐步驟，以及數據資產管理的技術趨勢，都有較為詳細的說明，為企業進行數據治理、數據資產管理提供了參考。跟著本文，讓我們再來復習一下白皮書的精髓！

良好的數據資產管理是釋放數據要素價值的基礎。數據資產管理包含數據資源化、數據資產 化兩個過程，通過數據資源化構建全面有效的、切合實際的數據資產管理體系，提升數據質量， 保障數據安全；通過數據資產化，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， 顯性數據資產的業務價值、經濟價值和社會價值。?

經過多年發展，我國數據資產管理逐步進入深化落地時期。政府部門、金融機構、通信運營商、 互聯網企業等紛紛提出數字化轉型路線，提出了數據資產管理框架，在數據資源化方面積累了實 踐經驗，探索開展數據流通、價值評估、資產運營等數據資產化工作。

01、數據資產管理概述

1.數據資產管理推動數據要素市場發展
當前，數據成為各國發展數字經濟的重要抓手。在數字社會，數據成為了國家基礎性戰略資源， 數字經濟正在成為創新經濟增長方式的強大動能。數據要素市場化配置上升為國家戰略，將充分發揮對其他要素資源的乘數作用。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。

2. 數據資產管理助力企業數字化轉型
企業競爭的本質是在不確定市場環境下資源配置效率的競爭，數字化轉型通過優化企業資源獲取和資源配置，提高企業競爭優勢，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。

3.數據資產管理的概念與內涵
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。

4.數據資產管理演進
數據資產管理伴隨著數據理念與技術的演變而不斷發展，經歷了信息化時代、大數據時代、數據要素化時代。

5.數據資產管理難點
當前，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。

02、數據資產管理活動職能

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。

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。

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。

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.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。

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。

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。

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。

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。

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，建立科學地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。

03、數據資產管理保障措施

數據資產管理是一項長期性的、體系化的工作，為保證各項數據資產管理活動有效開展，統 籌推動數據資產管理工作順利進行，戰略規劃、組織架構、制度體系、平臺工具、長效機制等保 障措施變得極為重要。

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。戰略規劃是戰略管理的首要環節和基礎性工作，是數據資產管理的指導藍圖。戰略執行是戰略管理的中間環節，是戰略規劃落地的有效保障。戰略評估是優化組織數據戰略管理、提升數據戰略指導作用的必要手段。

2.組織架構
建立全方位、跨部門、跨層級的數據資產管理組織架構，是實施組織級統一化、專業化數據 資產管理的基礎，是數據資產管理責任落實的保障。
一般來說，數據資產管理組織架構包括決策層、組織協調層、數據資產管理層、工作執行層 四個層級。

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。

04、數據資產管理實踐步驟
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”，但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。

數據資產項目要依托統一管理平臺，實現數據資產的全流程管理。構建統一的數據資產管理平臺， 使各活動職能相關工具保持聯動，覆蓋數據的采集、流轉、加工、使用等環節；由數據資產管理 團隊組織開展數據資源化活動，對于每一項活動，在數據需求中明確和記錄數據使用方的規范與 期望，在數據設計中支持規則的落地與應用，在數據運維根據數據生產方業務和數據的變化，響 應數據使用方規則與期望的調整，并及時發現和整改問題數據。?

項目是執行組織級數據資產管理的最小單元，良好的數據資產項目管理是基礎，類比 IT 項目 管理框架，主要從目標一致性、角色合理性、范圍明確性（包括業務范圍、數據范圍、技術范圍等）、 風險可控性、成本可計量、質量可優化等方面考慮，如下圖：

05、數據資產管理發展趨勢

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。

1.管理對象：數據復雜性持續增加
伴隨著互聯網、物聯網、云計算的發展，數據在來源、格式等方面的復雜性持續增加。

2.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。

3.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，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。

4.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。

5.技術架構：面向云的 Data Fabric
Data Fabric 是數據倉庫、數據湖的理念和技術升級，其目標是減少數據復制規模，節約數據集成成本，提升數據訪問和獲取效率。

6.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。

7.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。

8.數據安全：兼顧合規與發展
應意識到數據安全與數據資產合理利用并不沖突，并且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。