数据资产运营：入局数据要素市场的“金钥匙”

良好的数据资产管理是释放数据要素价值、推动数据要素市场发展的前提与基础。数据资产管理包括数据资源化、数据资产化两阶段。数据资源化通过将原始数据转变数据资源，使数据具备一定的潜在价值，是数据的“开采和提纯”阶段也是数据资产化的必要前提；数据资产化通过将数据资源转变为数据资产，使数据资源的潜在价值得以充分释放，是数据的“蒸馏”阶段。

 

图1 企业数据资产管理两阶段能力建设

参考来源：《数据资产管理实践白皮书（6.0）》

在数据资源化阶段，企业普遍搭建了大数据平台，实现了数据的汇聚，建立了数据资源目录。但是，在迈入数据资产化阶段仍面临五个主要问题。

1、数据资源目录现阶段目标用户是数据管理人员，技术视角居多，如何实现数据资源目录到数据资产目录的转变？

2、如何确定数据资产认定标准，从海量数据资源中筛选出可控制、高价值、可经营、可计量、保合规的数据资产，以进一步优化数据资产管理策略？

3、如何扩大数据资产在企业内外部的应用范围、丰富数据资产应用场景、构建数据资产生态伙伴？

4、如何计量数据资产价值？

5、如何测算数据资产总投入成本、有效控制数据资产成本总额？

图2 数据资产化阶段面临5大问题

数据资产运营是企业解决现有问题，实现数据资产化的重要抓手。数据资产运营以持续释放数据资产价值为目标，通过对数据应用流通情况进行持续跟踪、分析及评价，建立数据供给端与数据消费端之间的正向反馈闭环，不断适应和满足内外部利益相关方各类数据资产需求，使数据资产成为企业发展的核心竞争力。

通过调研和评估观察，我们总结出数据资产全运营“五步法”：数据资产规划、数据资产识别、数据资产应用、数据资产推广、数据资产优化。

图3 数据资产运营5大环节

● 数据资产规划:这是数据资产运营的第一步。通过总结数据资源化阶段的建设成果，明确数据资产运营的核心目标、利益相关方，进一步确认纳管范围、资产目录体系、认责体系、权益分配等。例如，对于一些企业而言，短期是以搭建数据资产自助分析平台、丰富数据资产服务形式为目标，以提高企业内部数据使用方的数据意识和分析能力，中期则以构建数据内部收益分配机制、扩展外部数据合作生态为目标，使数据资产在企业内外部自由充分流通，长期则以数据资产估值定价、数据资产入表为目标，实现数据资产真正价值化；

● 数据资产识别：是指在梳理现有数据资源基础上，基于各类数据资产使用方需求，综合考虑业务、管理、法务、会计、财务等多方视角，确定数据资产识别标准，进行数据资产识别，明确各类数据资产描述信息，并按照分类、分级挂载到数据资产目录上，开展统一的数据资产管理；

● 数据资产应用：是指在明确应用过程中的数据安全、数据质量及隐私保护要求的基础上，梳理各类应用场景，明确各类应用场景的使用方、开发方、数据内容、数据血缘关系、算法模型、效果评价指标等内容，开展内部共享应用、外部开放流通，以场景和内容驱动数据资产持续应用；

● 数据资产推广：是指通过培训宣贯、赛事举办、交流分享、外部合作等方式，丰富数据资产推广渠道，推动企业数据文化及数据生态建设，构建数据资产用户画像，区别于被动的数据资产推广，这样的方式使数据资产更精准触达数据使用方；

● 数据资产优化：是指通过核验数据资产的准确性、应用量、投入产出比等信息，对不一致、性价比低的数据资产进行变更或处置，优化数据资产配置的过程。数据资产优化主要包括数据资产核验、数据资产变更、数据资产处置等内容，建立对数据资产目录、数据资产内容以及数据资产访问权限的规范化维护流程，评估数据资产价值和成本，实现数据资产动态更新，对数据资产持续升级优化。

来源：大数据技术标准推进委员会