从会计学角度出发，数据资产并不完全符合会计准则中对资产或无形资产的定义，因此数据还不能被视为传统意义上的资产。然而，数据资产化是世界经济发展的必经之路，也是数据成为一种生产要素的必然要求。

基于数据的可复制、可共享、非竞争性等特征，数据资产化过程中阻碍重重。

由于数据可复制，如今的互联网时代有着“谁采集谁拥有”的潜规则。因此，侵犯隐私、数据泄露等问题屡见不鲜。

数据产权模糊的问题进而引申出数据的隐私与安全问题，需从社会与行业层面、企业层面、管理层面、技术层面多方面共同解决。

基于数据的非竞争性与共享性，数据资产拥有长尾价值链，潜在应用价值突出。然而，数据价值链中各环节需求不同，可挖掘的价值对于不同组织也不尽相同。

若数据的安全与定价问题无法得到妥善解决，其流通性也将受到影响。数据不流通会形成孤岛，导致大规模、高密度的数据将无法盘活，从而使得数据资产的有效性大打折扣。

数据资产化虽会遇阻，但可通过以下四条路径实现资产化转型。

数据资产产权模糊的问题导致了数据交易困难，要完成数据交易，需要对数据的所有权、使用权、经营权以及分配权进行分离。若能够明确数据相关权利归属，并由此建立交易生态，能够有效加速数据资产化，提升数据应用效率。

针对数据的隐私与安全问题，数据使用者或生产者可通过多方安全计算、联邦学习、安全沙箱计算等技术手段来保护数据资产的隐私安全。只有实现数据安全保护到位，数据资产才能被有效利用，实现价值创造的最大化。

所谓金融化，即为数据资产赋予金融价值。数据的价值链作为一个动态发展的过程，经过不断处理与使用，数据本身的价值将不断积累与放大。例如，数据价值产生环节中参与者可以通过市场法估算其所分享的资产权重，根据权重投资数据，进而共享数据价值带来的长期收益。

数据资产商业化有三种常见模式，即数据平台交易模式、数据银行模式以及数据信托模式。其中，数据信托模式较为新颖，数据所有者可根据信托关系委托代理人，代理人再通过技术对数据进行统一处理，最终将产生效益回馈于数据所有者。这一模式能将数据资产权属有效分离，满足数据资产的商业与业务逻辑需要。

数据作为资产的战略重要性已经成为企业的共识，数据资产管理也成为企业数字化转型的重要内容。数据资产管理是对存量数据进行系统化梳理，与数据标准匹配，推动数据资源转化为数据资产的过程。此外，数据资产管理还是规划、控制和提供数据及信息的一组业务职能，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、交互和提高数据资产的价值。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。

在当今企业从信息化向数字化转型的背景下，企业数据资产管理内涵也发生了深刻的变化，从传统的主数据管理向全域数据资产管理延伸。全域数据资产管理需要基于端到端数据中台，通过大数据、AI技术等对全域数据进行全生命周期的资产化管理，促进数据在“内增值、外增效”两方面的价值变现，同时控制数据整个管理流程的成本消耗，相比传统主数据管理更强调全域性、一体化与主动性。数据资产管理主要包含九大职责：数据标准管理、数据质量管理、元数据管理、数据标签管理、数据生命周期管理、数据安全管理、主数据管理、数据模型管理、数据价值管理。

数据中台是实现数据向资产转变的重要载体。数据中台作为企业中各个业务数据服务的提供方，在建设过程中需匹配公司战略规划，从全局维度将自身平台能力与数据能力赋能业务。同时，业务源源不断地向数据中台输出数据，即业务产生数据，数据服务业务，形成业务数据化、数据资产化、资产服务化、服务业务化、业务智能化的一套闭环、高效的数据资产体系与数据服务能力。由此，数据中台拥有与企业的研发部门、生产部门、销售部门等同样重要的组织地位。此外，数据中台并不是单纯的技术平台，而是通过模型、算法等技术，结合风控、精准营销等场景，提供数据服务能力，赋能业务发展。因此，数据中台不仅面对技术人员，更多面向的是业务部门人员。

数据中台的建设是数据中台发挥数据服务能力的核心，因此数据中台的建设至关重要。其中，技术体系、数据体系、服务体系和运营体系四大体系的建设，是实现数据持续服务能力的基石。

其中主要包含大数据存储计算技术和数据中台工具技术组件。大数据存储计算技术，比如Hadoop、Spark、Phoenix等，通常是比较标准的技术，企业无需自己建设，只要根据企业自身需求选择合理的技术即可。而数据中台是企业汇聚数据、分析加工的重要工具，其建设需要通过工具化、产品化等途径让数据充分发挥能力。

整个企业的数据汇聚到数据中台，通过建模的方式形成数据资产体系。尽管不同企业的数据资产体系不同，但使用的建设方法与工具是相似的，只需在中台工具和建设方法的基础上根据企业自身的特色建设不同的数据体系。

该体系通过数据中台将数据变成一种服务能力，实现客户画像、信用评估、风险预警等，为业务决策提供科学支撑，从而赋能业务创造价值。数据中台通过提供数据服务生成、发布、监控、管理功能，帮助企业建立每一个数据服务，逐步完成企业数据服务体系的构建。

其中主要包括平台流程规范与监督、数据质量的监督及改进推动、数据价值评估、数据服务推广等。运营体系可以保障整个数据中台的数据汇聚、开发、管理与服务都能持续、健康、高效地开展。

数据正在改变企业的运营模式，并已成为企业竞争的核心商业价值，为企业创造经济效益。而数据价值的最终实现，需要以数据共享为前提和基础，只有数据资源规模足够“大”，才能保证其价值的完整。只有实现数据共享，提高数据与信息资源利用率，充分关注企业、社会组织等主体数据资源的开放、共享与再利用，才能实现真正意义上的数据社会化利用，从而提高已有数据资源的可复用能力，减少数据采集等重复劳动和费用。

在实现数据共享的实际过程中还是存在一定的壁垒，主要有五个：

 ► 一是企业自身对于数据资产价值理解不到位，要么不了解自身的数据资产价值而不能开放共享，要么太了解而不愿意开放共享，要么不清楚如何保护自身数据资产而不敢开放共享。对于数据资产价值，企业可以从数据资产经济效益与风险进行综合评估，将可能产生的风险降低到自身可以接受的范围内，从而排除企业的多维度顾虑。

 ► 二是数据信息泄露频繁发生，并且风险在不断增加并延伸至整个行业，导致企业缺失数据共享的积极性。

 ► 三是当前企业数据平台的技术架构安全机制比较薄弱，缺乏数据保护能力，从而导致缺乏数据开放共享的条件。

 ► 四是缺乏相应制度流程以及对相关数据安全职能部门的资源统筹，从而无法建立明确的数据安全体系。企业要落实数据安全防护技术、清晰数据安全管理体系的组织结构职能、明确数据生命周期各阶段的安全防护要求，从而保障数据的安全管理。

 ► 五是来自合规与监管机构的严厉处罚，导致有的企业担心因数据开放共享导致数据泄露风险而带来严重处罚。因此，数据安全能力的提高可以多方面促进企业数据共享，促进数据资产的有效利用，提高企业在市场经济中的竞争优势。

企业如何从自身角度去管理数据的安全问题是企业在当前大数据应用和安全环境下最迫切的需求。数据安全能力主要可以分为四种能力，分别为数据安全管理能力、数据安全技术能力、数据安全合规能力、数据安全运营能力。

 ► 第一，数据安全管理能力是企业在行业发展中的信誉指标，也是企业形成竞争优势的关键，因此，企业要基于自身的组织机构、管理要求，结合技术架构建立起数据安全管理体系。

 ► 第二，数据安全技术能力是实现数据安全的支撑，通过数据安全相关技术和安全工具实现，完成对数据全生命周期的安全防护，做到对数据采集、存储、传输、处理、交互、销毁各阶段的安全防护。除此以外，还应提高相关人员的安全能力，提升对工具策略的调控、人员安全意识的培养等。

 ► 第三，数据安全合规能力的建设主要包含两个方面。一方面是技术工具的落实，技术工具是数据安全防护能力的最终体现，以此满足合规的基本要求。另一方面是业务赋能，将数据安全合规性要求融入最初的软件设计阶段，即实现将传统的数据安全服务业务转换为业务的合作伙伴，将安全技术与要求融入业务系统中，推进安全部门与业务部门的深度融合。

 ► 第四，数据安全运营能力的建设需要关注三个方面。

①对数据风险的控制能力。数据安全运营人员要会识别与评估业务上的数据风险，掌握治理和规避数据风险的措施。另外，数据安全运营人员还需要对产生的数据风险进行治理和纠正，以及知晓如何在后续的运营环节中规避这种数据风险。

②运营团队赋能业务的能力。运营团队通过识别关键业务数据风险来支撑业务决策，并影响业务在数据风险上的资源投入。

③数据安全运营需要制定对应的规章、制度与流程，并能根据业务变化进行持续的优化和完善。通过有效的数据安全能力建设，企业不仅可以有效保护自身敏感数据，同时还能促进数据的开放共享，提升数据资源的交互能力与使用效率，从而最大化发挥数据资产的价值，实现经济效益。

未来，随着数字经济的到来，数据资产将会成为企业的核心资产，企业需要管理好数据资产，发挥其最大价值。首先，数据资产管理应聚焦于数据应用的创新，利用数字技术、人工智能等技术对数据资产进行加工与分析，为企业管理层制定决策提供合理依据，支持企业开展经营活动、创造经济利益。其次，在数字经济下，所有人和所有企业既是数据的生产者也是数据的消费者，可以实现信息、数据、实物等共享。因此，数据所有权将被使用权代替，“交换价值”被“共享价值”代替。数据的开放共享将有助于实现快速的数据建模、分析与应用，从而强化数据资产管理。

数据资产的应用创新，一方面可以利用数据可视化、探索式分析、数据产品化等渠道来降低数据使用难度。同时，扩大数据覆盖度就是弥补“鸿沟”，让更多企业业务人员能接触到数据，学会使用数据支撑业务开展，推动数据分布更加平衡。另一方面，增强数据供给能力，即让企业所有人员不仅是数据消费者，更是数据生产者，从而使数据资产更加丰富、更加多维，形成众筹众享的数据使用模式。

从长远看，围绕数据资产构建平衡的数据资产生态是实现数据资产管理可持续发展的必由之路。在这个数据资产生态中，企业或个人作为数据生产者、数据消费者在政府、监管机构的指导和约束下，利用数据中台等数据中介合理使用融合开放的数据资产。普华永道在相关的研究报告中指出，要建立一个平衡的数据资产生态需要四大核心支柱的支撑。

要从政府、监管机构出发，加快立法，明确数据确权机制以及定价形成机制；

要形成围绕数据资产的新商业模式，从而助力数据资产生态的建立；

要避免数据歧视，弥补数据鸿沟，形成数据普惠，从而让所有生态参与者都能享受数据，使用数据创造价值；

通过技术变革实现安全的数据共享与可信的数据计算，从而降低数据泄露等风险，从而保障数据资产在整个生态中的顺畅流转与高效交易。

指导和约束，才能让数据更加规范化与标准化。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发展空间，如数据确权、数据开放、数据交易、数据评估、个人隐私数据保护等方面的法律法规将不断完善。此外，企业还可以通过相关组织在行业内出具行业自律公约、指南等方式推动数据资产的规范化。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、加解密等，让数据资产管理更加规范与安全。

人工智能、量子计算等技术的发展推动社会向人工智能时代转变，数据资产管理也将随之迈向智能化。目前，市场上已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。未来，企业需要充分运用语音识别、机器学习、深度学习等人工智能技术，推动数据资产管理工具的智能化建设，从而助力企业实现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。由此可见，数据资产管理与人工智能的融合必将会迎来新的发展机遇。

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！