在数据越来越受到重视，越来越体现其价值的今天，企业数据资产的管理正成为企业亟待解决的问题，以期为企业带来更大的经济价值。企业的数据资产运行成为企业利用数据获得更大价值的核心竞争力。

本文将从三个方面分析数据资产的运营体系：1、数据资产；2、数字资产管理；3、数字资产运营。最好将介绍如何运营好数字资产。

1、数据资产

数据资产（Data Asset）是指由组织（政府机构、企事业单位等）合法拥有或控制的数据资源，以电子或其他方式记录，例如文本、图像、语音、视频、网页、数据库、传感信号等结构化或非结构化数据，可进行计量或交易，能直接或间接带来经济效益和社会效益。

在组织中，并非所有的数据都构成数据资产，数据资产是能够为组织产生价值的数据资源，数据资产的形成需要对数据资源进行主动管理并形成有效控制。

数据权属讨论数据属于谁的问题，数据权益讨论数据收益的分配问题。确定数据资产权属和权益分配有利于提高市场主体参与资产交易的积极性，降低资产流通的合规风险，推动数据要素市场化进程。

现阶段，数据资产的权属确认问题对于全球而言仍是巨大挑战，各国现行全国性法律尚未对数据确权进行立法规制，普遍采取法院个案处理的方式，借助包括隐私保护法、知识产权法及合同法等不同的法律机制进行判断。

定义数据主体的权益一定程度上可以缓解由于数据资产难确权带来的困境。我国通过明确了自然人、法人和非法人组织的数据权益，保障了包括自然人在内各参与方的财产收益，起到了鼓励企业在合法合规的前提下参与数据资产流通的作用。

2、数据资产管理

所谓数据资产管理（Data asset management 简称DAM）是规划、控制和提供数据及信息资产的一组业务职能，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，从而控制、保护、交付和提高数据资产的价值。

数据资产管理包含数据资源化、数据资产化两个环节，将原始数据转变为数据资源、数据资产，逐步提高数据的价值密度，为数据要素化奠定基础。数据资产管理架构如下图所示。

数据资产管理架构

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，是数据资产化的必要前提。数据资源化以提升数据质量、保障数据安全为工作目标，确保数据的准确性、一致性、时效性和完整性，推动数据内外部流通。数据资源化包括数据模型管理、数据标准管理、数据质量管理、主数据管理、数据安全管理、元数据管理、数据开发管理等活动职能。

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。数据资产化以扩大数据资产的应用范围、显性化数据资产的成本与效益为工作重点，并使数据供给端与数据消费端之间形成良性反馈闭环。

数据资产化主要包括数据资产流通、数据资产运营、数据价值评估等活动职能。需要说明的是，围绕“资产”管控开展资产认定、权益分配、价值评估等活动受组织外部影响因素较多（包括数据要素市场相关交易模式、市场机制、法律法规或政策等），白皮书中所定义的数据资产化强调其对于推动组织数据资产管理的作用。

3 、数据资产运营？

数据资产运营是从运营视角出发，强调优化效率，提升价值，是“努力做到更好”。通过构建数据资产运营体系，实现：

• 提升资产服务效率，规范资产定义，加强共享与流通

• 优化资产使用体验，监测资产使用，便捷资产查找

• 激发资产用户积极性，提供多样化的服务场景，引导用户主动参与资产运营

数据管理和数据资产运营的区别如下:

数据管理vs 数据资产运营

数据资产运营体系需要解决数据价值过程中面临的诸多问题，需要以体系化的方式实现数据的可得、可用、好用，用较小的数据成本获得较大的数据收益，让数据价值持续释放。数据资产运营总体上会分为数据资产识别、数据资产维护、数据资产服务、数据资产监测和数据资产评价，覆盖了数据资产运营的主体工作和持续优化工作。

通常将数据的管理和运营同时体现：

数据资产管理运营 = 数据资产盘点 + 数据治理 + 数据价值实现

管理和运营是一个全流程的事情，首先我们需要知道有哪些数据（盘点），转化为能够发挥价值的数据资产（治理），再实现数据应用层面的价值（价值实现），也就是最终要能指导业务产出价值。

4、 如何开展数据资产运营？

为了更好地促进数据价值的释放，以体系化的方式实现数据的可得、可用、好用，需要构建一套完整的资产运营体系。通常将企业数据资产运营过程分为三大环节：

• 数据资产识别：面向全公司数据的资产化登记，通过厘清资产范围，规范属性，对存量数据资产集中式盘点，对增量数据资产自动化注册，实现数据资产的准确、有效识别。

• 数据资产维护：建立对数据资产属性框架、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，实现数据资产的动态更新。

• 数据资产服务：针对资产检索，资产分析，资产大屏展示等应用场景，构建智能化、可视化、个性化的资产服务体系，提升资产使用效率。

4.1  数据资产识别

针对企业海量数据，首先需要厘清数据资产范围。数据资产是企业所拥有或控制的，可为带来经济收益的，在数据采集、加工、应用和管理过程中产生的一切数据资源。企业通常将基础数据、指标数据、标签数据、挖掘模型等纳入数据资产的范围。

明确资产范围之后，需要对数据资产制定属性描述框架。根据资产类型的不同，其描述框架的内容也有所差异，但原则上需要明确每项资产的业务定义，技术规范和管理对象。以基础数据资产的属性描述框架为例：

基础数据资产属性框架示例

在描述框架中，分别对资产项的业务属性、技术属性和管理属性分别进行了定义。通过描述框架，为每项数据资产统一了中英文命名规则，制定了存储字段类型的和格式要求，定义了数据资产业务描述，明确了管理责任部门和使用权限，为后续的有效使用奠定了基础。

存量数据资产盘点：特点是工程量大，技能要求高，因此，一方面建议采用分阶段集中性的盘点形式，按照“急用先行，先易后难”的原则，对存量数据进行盘点。另一方面，建议借鉴业内成熟的资产目录框架，并以此为基线与盘点结果进行挂接，确保盘点内容的完整性和前瞻性。  

增量数据资产注册：特点是涉及面广，流程相对固定。因此，需要在数据采集、数据入湖，数据加工等产生数据资产的各个环节设置注册节点，并通过系统接口完成自动注册动作。以某银行为例，在数据入湖流程中部署相应资产注册节点，通过在入湖接口的开发部署时自动捕捉元数据信息，完成数据资产的自动注册。

4.2  数据资产维护 

针对已经形成的数据资产，需要构建一套完整的资产维护机制，对数据资产的定义，数据资产的内容以及数据资产权属进行持续更新，以保证资产信息的完整可信。

对数据资产及时地更新和自动维护，提升查找及使用数据的效率，为开展高效数据资产运营提供基础支撑。根据资产属性，主要分为对资产内容的维护，对资产结构的维护和对资产权限的维护。借助数据资产管理平台，实现自动化，实时化的资产属性更新。

数据内容维护：通过定期同步元数据信息实现资产内容技术属性的自动更新，数据资产的业务属性和管理属性信息定期收集，经过业务属主确认后，同步至数据资产管理平台。由数据资产管理人员对已下线的数据资产在平台内进行失效处理。

数据资产目录与属性框架维护：由数据资产管理人员新增和更改目录结构，维护资产属性框架和公共标签。

数据访问权限维护：由数据资产管理人员和数据属主共同负责进行数据资产底层数据预览权限管理，权限类型包括全公司公开、条线公开、私密。

4.3  数据资产服务

数据资产服务是数据资产价值实现的主要载体，通过梳理常用的资产应用场景，完善资产服务体系，借助数据中台提供服务，帮助业务提升数字生产效率。常见的数据资产服务包括：

• 数据资产检索类服务: 通过建设多视角的数据资产标签以及资产内容预览等功能，引导用户全面检索、理解、获取想要的高价值数据。

• 数据资产分析类服务：从业务视角自动生成取数脚本，灵活筛选提取的数据资产，跳转BI平台进行联动分析。

• 数据资产展示类服务：通过数据大屏、血缘分析等可视化工具，展示全量数据资产规模，分布以及关联关系等信息。

• 数据资产估值类服务 ：构建数据资产量化评价体系，从成本，收益，市场价值等维度对不同类型数据资产价值的量化评估。

• 数据资产互动类服务：对数据进行点赞、点踩、评论、星级打分和自定义分组收藏，建立数据资产共享共用生态

  ————————————————
  版权声明：本文为CSDN博主「DCMM」的原创文章，遵循CC 4.0 BY-SA版权协议，转载请附上原文出处链接及本声明。
  原文链接：https://blog.csdn.net/m0_64275692/article/details/126686426

  免责申明：
  
  本文系转载，版权归原作者所有，如若侵权请联系我们进行删除！

  
  

  《数据治理行业实践白皮书》下载地址：https://fs80.cn/4w2atu
  
  
  《数栈V6.0产品白皮书》下载地址：https://fs80.cn/cw0iw1
  
  
  想了解或咨询更多有关袋鼠云大数据产品、行业解决方案、客户案例的朋友，浏览袋鼠云官网：https://www.dtstack.com/?src=bbs
  
  
  同时，欢迎对大数据开源项目有兴趣的同学加入「袋鼠云开源框架钉钉技术群」，交流最新开源技术信息，群号码：30537511，项目地址：https://github.com/DTStack