深度解读 | 数据资产管理的发展趋势

在数字经济时代，数据正在成为企业极其重要的战略性资产。Tallon认为数据是一种特殊的资产，尽管在资产负债表中没有显示数据的价值计量，但数据的管理成本和价值创造却是明显的。

数据之父维克托·迈尔·舍恩伯格最先对大数据展开研究，在其著作中提出，将数据资产（data asset）列入资产负债表不是能否问题，而是早晚问题。Pushpak Sarkar（2016年）调查发现，Google公司凭借其企业特有优势，收集了大量用户的信息，合法利用这些信息促进企业的营业收入增长，其所获收入占营业收入之比高达90%。Sunil关于欧洲某公用服务公司实施数据管理的案例中显示，针对电器智能仪表的数据管理可能带来的年度节约资金为1209万美元。

众多企业在大数据时代开启了数据资产化的探索之路，利用大数据技术改善企业信息系统，利用数据挖掘和机器学习开发数据应用，但是良好的技术并不能保证IT系统中的数据被高效地组织和管理，单个数据应用并不意味着数据可以作为企业发展的核心生产要素。多数企业仍然处于数据资产管理（data asset management）的初期，面临着如下问题：一是缺乏完整的数据资产管理体系，难以从宏观和全局视角规划数据资产管理工作；二是缺少数据资产管理实践路径以及阶段性产出的指导；三是削弱了数据价值作为数据资产管理的动力，难以推动数据运营和业务创新的良性循环。
 

数据资产是指由企业拥有或者控制的、能够为企业带来未来经济利益的、以一定的方式记录的数据资源。在企业中，并非所有的数据都是数据资产，只有能够为企业产生价值的数据资源才被称为数据资产。目前，业界对数据资产的定义多是强调数据能够给会计主体带来利益，部分学者研究了数据资产的其他会计属性，包括数据资产权属和数据资产计量。

数据资产管理是指规划、控制和提供数据及信息资产的一组业务职能。数据资产管理的职能通常包括开发、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，通过这些职能达到控制、保护、交付和提高数据资产价值的目的。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。数据资产管理逐渐深入人心，其一方面推动了大数据产业的发展和成熟，另一方面催生了新的产业形态和业务模式，形成新的发展方向。目前来看，数据资产产业生态链、相关法律法规体系和数据资产智能管理都是数据资产管理体系重要的发展方向。

数据资产产业生态链涉及数据的数据源、技术支撑、硬件支持、数据资产管理、数据平台、数据流通服务、数据应用等各个层面。目前，数据资产管理深入人心，数据平台建设如火如荼，数据应用百花齐放，但数据资产产业生态链在某些方面还有很大的发展空间。

大数据应用是数据资产化的重要表征之一，由此产生了巨大的经济价值，因此需要建立与数据确权相关的法律法规，从而促进数据产业发展。目前，数据尚未被赋予资产属性，数据所有权或产权没有被广泛认可，这导致产生数据的人由于自身权利难以保障而无法信任使用数据的人，同时，滥用数据和忽视个人数据隐私的事件频发，阻碍了数据流通和数据交易的发展。因此，明确数据权属的范围，用数据溯源技术追溯数据的演进过程，确定数据权利人的权益，对于促进数据资产化的发展具有重要意义。

像其他进入交易市场的商品一样，数据在进入流通市场前，需明确其成本和价格，但数据的主观性、可复制性和低价值密度性使得数据估值多停留在理论层面，尚未建立有效的实践模式，进而阻碍了一个良性数据交易生态链的形成。目前，业界提出了多种数据估值方法，包括付费定价模型和预订价模型、收益现金法、重置成本法、现行市价法等，然而这些方法均有一定的局限性。因此，类比无形资产的评估方法，应当综合归纳已有数据估值方法，以数据交易平台作为突破口，形成权威性的数据资产价值评估模型或参考模型，推动数据估值的发展。

数据开放是数据资产流通体系中合作共赢的重要环节，可以实现互联融合发展。数据开放面临着很多问题，如没有统一的开放共享标准、缺乏安全可信的政策环境、开放共享技术有待增强等。目前来看，政府数据开放要求最为迫切。政府掌握着大量公共数据，数据反哺开放是大势所趋，世界各国都在研究制定数据开放战略，数据开放是重要的发展趋势。

从数据是资产的概念来看，数据审计是必不可少的环节。数据审计有一套事前事中事后的体系，事前审计数据的真实性、准确性、可用性、合理性等；事中对数据加工过程中的可信度进行审核，如日志分析、SQL解析等；事后主要评估数据应用的合规合法性和风险。数据审计是一项很有挑战性的工作，也是数据资产管理的重要发展方向之一。

数据变现的直接方式是数据产品。数据运营就是通过挖掘分析，将数据产品发布给消费者使用的过程。数据运营是数据价值体现的过程，数据运营的载体是数据，重点在于运营。目前，已经有企业在构建数据运营体系，可从数据服务对象出发，明确数据目标，搭建数据运营平台，打造数据产品。

任意一个领域的良性发展都离不开法律法规体系的保障，数据资产管理作为大数据的重要领域，在法律法规体系方面仍有很大的发展空间。数据资产管理是新兴领域，政府应在法律法规方面予以指导和支持，引领该领域的健康、可持续发展。目前，数据资产管理在数据确权、数据开放、数据交易、数据评估、个人隐私数据保护等方面仍缺乏针对性的法律法规政策，这些方面的法律法规仍待完善。

此外，企业可通过相关组织在行业内出具行业自律公约、指南等方式在行业内2020023-10TOPIC 专题55对数据资产进行规范化。同时，加强数据安全保护技术方面的研究实践（如强化数据溯源技术、隐私数据脱敏、加解密、匿名存储保护、安全多方计算等技术手段），引领数据资产管理领域的规范发展。

当今时代正在由大数据时代向人工智能时代转变，数据资产管理同样也在迈向智能化管理。

目前，市场上已经有智能数据分析平台、智能数据质量管控平台、智能数据湖应用平台等智能化数据管理平台，其基本原理是将人工智能技术和数据资产管理有机融合。在数据资产管理规章制度的落地和管理工具的建设方面，应该充分运用语音识别、机器学习、深度学习等人工智能技术，提升整体智能化水平。数据资产管理的智能化能力可从以下几个方面开展：智能化数据资产盘点、智能数据质量监控报警、智能数据安全管理、智能化业务数据标签、智能化数据服务等方面。数据资产管理与人工智能的融合必定会迎来新的发展机遇。

数据资产管理是数据资产增值的必经之路，也是企业实现对内业务创新、对外监管要求等的必要环节。然而，企业的数据资产管理建设是一项长期性、系统性、复杂性的工作，要建立长效的运营管控机制，一方面要与大数据技术充分融合，利用数据平台和管控平台进行有效治理；另一方面要深化管理职能，提升数据质量，形成完善的管控体系和运营体系，进而创造出更大的价值。

本文节选自《国资报告：挖掘数据价值，主力企业转型》