1.1 数据资产管理的政策背景

数据资产管理是在数字化时代背景下，随着大数据、云计算、人工智能等技术的发展而日益受到重视的领域。在中国，数据资产管理的政策背景主要体现在以下几个方面：

• 国家大数据战略：政府高度重视大数据的发展，将其作为国家战略资源，提出了一系列推动大数据发展的政策措施。

• 数据安全法律法规：为了保护个人隐私和国家安全，国家出台了一系列法律法规，如《网络安全法》、《数据安全法》等，这些法律法规对数据资产管理提出了明确要求。

• 数据开放共享：政府推动公共数据的开放共享，促进数据资源的合理利用，提高政府数据治理能力。

1.2 数据资产管理概念

数据资产管理是指对企业或组织内外的数据进行有效的识别、度量、保护和增值的一系列过程。这些过程包括：

• 数据识别：识别企业中存在的所有数据资产，包括结构化数据和非结构化数据。

• 数据度量：评估数据资产的价值和质量，以便更好地进行管理和决策。

• 数据保护：确保数据资产的安全性、隐私性和合规性，防止数据泄露和滥用。

• 数据增值：通过数据分析、数据挖掘等技术手段，从数据资产中提取有价值的信息和知识，支持业务决策和创新。

1.3 数据资产管理痛点与难点

尽管数据资产管理的重要性得到了广泛认可，但在实际操作中，企业或组织往往会面临一些痛点和难点：

• 数据孤岛：企业内部不同部门、系统之间的数据难以共享和整合，导致数据价值无法充分发挥。

• 数据质量：数据质量问题是数据资产管理中的常见问题，包括数据不准确、不完整、不一致等。

• 数据安全和隐私：在数据收集、存储、处理和共享过程中，如何确保数据的安全性和用户隐私是一个重大挑战。

• 数据治理：建立有效的数据治理体系，确保数据资产管理的持续性和规范性，是许多企业面临的难题。

• 技术和人才：数据资产管理需要先进的技术支持和专业的人才队伍，这对许多企业来说是一大挑战。

2.1.数据模型管理

数据模型是数据组织和存储的方式，它定义了数据的结构、关系和约束。数据模型管理包括对逻辑数据模型、物理数据模型的设计、维护和版本控制。有效的数据模型管理能够确保数据的准确性和一致性，为数据分析和业务决策提供坚实的基础。

2.2.数据标准管理

数据标准管理涉及制定和实施数据命名、数据定义、数据质量和数据安全等标准。这些标准有助于确保数据的一致性和可比性，便于数据的集成和共享。数据标准管理对于建立统一的数据语言和促进跨部门、跨系统的数据合作至关重要。

2.3.数据质量管理

数据质量管理旨在提高数据的质量，确保数据准确、完整、及时和可靠。这包括数据质量评估、数据清洗、数据监控和数据改进等活动。良好的数据质量管理能够降低业务风险，提高决策效率。

2.4.主数据管理

主数据是组织中用于关键业务操作的核心数据。主数据管理（MDM）涉及主数据的识别、清洗、整合和共享。MDM的目标是提供一个单一、可靠的主数据源，以支持业务分析和交易处理。

2.5.数据安全管理

数据安全管理包括制定和执行数据安全策略、控制措施和技术解决方案，以保护数据不受未授权访问、使用、披露、破坏或更改。数据安全管理是确保数据隐私和合规性的关键。

2.6.元数据管理

元数据是关于数据的数据，它描述了数据的上下文、含义和用途。元数据管理涉及元数据的收集、组织和维护，以便用户能够理解和使用数据。良好的元数据管理有助于提高数据的可用性和重用性。

2.7.数据开发管理

数据开发管理涉及数据的采集、存储、处理和转换等活动。这包括数据集成、数据仓库建设和数据湖构建等任务。数据开发管理的目标是提供高效、可扩展的数据处理能力，以支持数据分析和报告。

2.8.数据资产流通

数据资产流通是指数据资产在组织内部或组织之间的流动和交换。有效的数据资产流通机制能够促进数据的共享和利用，提高数据的业务价值。

2.9.数据价值评估

数据价值评估涉及对数据资产的价值进行量化分析，以确定其对组织的贡献。这包括数据的使用频率、业务影响、战略重要性和经济价值等因素。数据价值评估有助于优化数据资产的投资和分配。

2.10.数据资产运营

数据资产运营是指对数据资产进行持续的管理和优化，以实现数据资产的最大化价值。这包括数据资产的生命周期管理、数据资产的监控和改进等活动。数据资产运营是确保数据资产持续产生业务价值的关键。

3.1 战略管理

数据资产管理的战略管理层面涉及制定、实施和评估数据资产管理相关的战略规划。这包括明确数据资产管理的长期和短期目标，制定管理原则，确定关键业务领域和数据范围，以及分配所需资源。战略管理的核心在于确保数据资产管理与组织的整体战略目标保持一致，并能够适应不断变化的业务环境和需求。

1.明确数据资产管理的愿景与目标：企业需要根据自身的业务战略，设定数据资产管理的长远愿景和具体目标。这些目标应包括提高数据质量、确保数据安全、促进数据流通和实现数据价值最大化等方面。

2.制定数据资产管理策略：基于设定的目标，制定具体的数据资产管理策略。这些策略应涵盖数据收集、存储、处理、分析和共享的各个方面，并确保这些策略与企业的整体战略保持一致。

3.规划数据资产管理路线图：制定数据资产管理的实施路线图，明确各个阶段的关键任务、时间表和所需资源。这有助于确保数据资产管理活动的有序进行。

4.建立数据资产管理组织架构：设立专门的数据资产管理团队，明确各团队成员的职责和协作机制。这包括数据所有者、数据管理员、数据分析师等角色，以确保数据资产的有效管理和利用。

5.制定数据资产管理政策和规范：制定和完善数据资产管理的相关政策和规范，包括数据质量控制、数据安全、数据隐私保护等方面。这些政策和规范应与法律法规和行业标准保持一致。

6.实施数据资产管理平台和工具：选择和实施数据资产管理所需的平台和工具，以支持数据资产的收集、存储、处理和分析。这些平台和工具应具备高可用性、可扩展性和安全性。

7.建立数据资产管理长效机制：通过持续的培训、技术支持和评估反馈，确保数据资产管理活动的持续性和有效性。同时，建立数据资产管理的监督和评估机制，以识别改进的机会。

8.跟踪和评估数据资产管理效果：定期跟踪和评估数据资产管理的效果，包括数据质量、数据安全、数据流通和价值实现等方面。根据评估结果，调整数据资产管理策略和措施，以实现持续改进。

3.2 组织架构

建立有效的组织架构对于数据资产管理的成功至关重要。这包括设立决策层、协调层、管理层和执行层。决策层负责制定数据资产管理的方向和目标；协调层负责跨部门、跨团队的沟通和协作；管理层负责制定和维护数据资产管理策略和流程；执行层则负责具体的操作和实施。这样的组织架构有助于确保数据资产管理在各个层面的有效运作。

1.决策层：决策层由企业高层领导组成，负责制定数据资产管理的总体方向和战略。他们需要确保数据资产管理与企业整体战略的一致性，并为数据资产管理提供必要的资源和支持。

2.组织协调层：组织协调层由数据资产管理办公室或类似机构组成，负责协调整个组织的数据资产管理活动。他们需要制定数据资产管理的具体计划和政策，并监督其实施。

3.数据资产管理层：数据资产管理层由数据所有者、数据管理员和数据分析师等角色组成，负责具体的数据资产管理活动。数据所有者负责制定数据资产管理策略和目标，数据管理员负责实施数据资产管理计划和流程，数据分析师负责分析数据并提取有价值的信息。

4.工作执行层：工作执行层由数据技术人员和数据运营人员组成，负责具体的操作和实施工作。数据技术人员负责数据资产的收集、存储、处理和共享等技术工作，数据运营人员负责数据资产的具体运营和优化工作。

5.跨部门协作机制：数据资产管理需要各相关部门的密切协作，因此建立跨部门协作机制非常重要。这包括定期召开跨部门会议，分享数据资产管理经验和最佳实践，以及共同解决数据资产管理中的问题和挑战。

6.培训和发展：为了提高数据资产管理团队的专业能力，企业需要提供相关的培训和发展机会。这包括数据资产管理知识培训、技术培训和专业认证等。

7.沟通和协作平台：为了促进数据资产管理团队之间的沟通和协作，企业需要建立沟通和协作平台。这可以包括数据资产管理工具、项目管理工具和在线协作工具等。

3.3 制度体系

数据资产管理的制度体系包括一系列规章制度，旨在指导和管理数据资产管理的各个方面。这包括总体规定、管理办法、实施细则和操作规范。总体规定为数据资产管理提供基础框架；管理办法详细说明数据资产管理活动的目标、原则和流程；实施细则和操作规范则为具体的数据管理活动提供明确的指导。

1.总体规定：总体规定是数据资产管理的基石，它包括了数据资产管理的目标、原则、范围和责任分配。这些规定为数据资产管理提供了宏观指导和法律依据。

2.管理办法：管理办法是具体指导数据资产管理活动的文件，它规定了数据资产管理的流程、标准和操作指南。管理办法通常包括数据质量管理办法、数据安全管理办法、数据隐私保护办法等。

3.实施细则：实施细则是管理办法的具体化，它详细描述了数据资产管理活动的具体步骤、要求和操作流程。实施细则的目的是确保数据资产管理活动的规范性和一致性。

4.操作规范：操作规范是指导具体操作人员工作的文件，它详细说明了数据资产管理各环节的操作规程和操作手册。操作规范应具体、明确，便于操作人员理解和执行。

5.监督和考核机制：监督和考核机制是确保数据资产管理制度得到有效执行的重要手段。这包括定期的内部审计、数据资产管理绩效评估和员工绩效考核等。

6.持续改进机制：持续改进机制是数据资产管理制度体系的重要组成部分。企业应建立持续改进机制，定期收集和分析数据资产管理中的问题和不足，制定改进措施并跟踪其执行效果。

7.合规性评估：合规性评估是确保数据资产管理符合法律法规和行业标准的重要环节。企业应定期进行合规性评估，及时调整和完善数据资产管理制度。

8.知识库和最佳实践：企业应建立知识库，收集和分享数据资产管理的最佳实践、案例和经验教训。这有助于提高数据资产管理团队的专业能力，促进知识共享和经验传承。

3.4 平台工具

数据资产管理平台工具是支持数据资产管理活动的重要技术手段。这些工具提供了数据认责体系的实施、需求管理、数据资产现状评估等功能。它们还支持数据标准规范的制定、数据开发和任务编排等执行环节，以及数据质量检查和问题数据处理的监督。通过这些平台工具，可以有效地跟踪和优化数据资产管理活动。

1.数据资产管理平台：数据资产管理平台是支持数据资产管理活动的一套集成工具和系统。它应该能够提供数据资产的全面视图，支持数据资产的整个生命周期管理，包括数据的采集、存储、处理、分析和共享等。

2.数据模型管理工具：数据模型管理工具用于定义、管理和优化数据模型。这些工具应该支持多种数据模型格式，提供可视化界面，以及版本控制和协作功能。

3.数据质量管理工具：数据质量管理工具用于评估、监控和改进数据质量。这些工具应该能够自动检测数据质量问题，提供问题诊断和修复建议，并支持数据质量改进项目的跟踪。

4.数据治理工具：数据治理工具用于制定和实施数据治理策略，包括数据标准、数据政策和数据流程等。这些工具应该提供角色和职责管理、工作流管理和合规性监控等功能。

5.数据目录和数据地图：数据目录和数据地图工具用于管理和探索数据资产，提供数据的详细信息和位置。这些工具应该支持数据搜索、数据分类和标签管理，以及数据的访问控制。

6.数据分析工具：数据分析工具用于从数据资产中提取洞察和知识。这些工具应该提供高级分析功能，如图表、仪表板和报告，以及机器学习和数据挖掘能力。

7.数据集成和ETL工具：数据集成和ETL（提取、转换、加载）工具用于将不同来源的数据集成到一个统一的视图中。这些工具应该支持多种数据源和格式，提供数据转换逻辑的图形界面，以及调度和监控功能。

8.数据安全和隐私工具：数据安全和隐私工具用于保护数据资产免受未授权访问和其他安全威胁。这些工具应该提供加密、访问控制、审计跟踪和合规性检查等功能。

9.云服务和大数据技术：随着数据量的增长，云服务和大数据技术成为数据资产管理的重要平台工具。它们提供了弹性的存储和计算资源，以及处理大规模数据集的能力

3.5 长效机制

长效机制是指通过持续的培训、技术支持和评估反馈，确保数据资产管理活动的持续性和有效性。这包括对数据资产管理团队进行定期培训，以提升其技能和知识；提供必要的技术支持，以应对不断变化的技术环境；以及定期进行评估和反馈，以识别改进的机会。长效机制是确保数据资产管理长期成功的关键因素。

1.培训和发展计划：为了确保数据资产管理团队的专业能力和持续发展，企业应制定培训和发展计划。这包括定期举办数据资产管理相关的课程、研讨会和工作坊，以及提供在线学习和自助学习资源。

2.技术支持与更新：随着技术的发展，数据资产管理工具和平台也需要不断更新和改进。企业应建立技术支持团队，负责监控技术趋势，评估新工具和技术的可行性，并确保数据资产管理系统的持续优化。

3.定期评估与反馈：为了确保数据资产管理的长效性和持续改进，企业应定期进行评估和反馈。这包括对数据资产管理活动的效果进行定量和定性评估，收集利益相关者的反馈，以及识别改进的机会。

4.最佳实践分享与知识管理：企业应鼓励数据资产管理团队分享最佳实践和经验教训，并建立知识管理系统。这有助于促进知识共享和经验传承，提高数据资产管理团队的整体专业能力。

5.跨部门协作与沟通：数据资产管理需要跨部门和跨层级的协作和沟通。企业应建立有效的沟通机制，包括定期的跨部门会议、协作平台和知识共享活动，以促进团队之间的合作和信息流通。

6.数据资产管理文化与价值观：企业应建立数据资产管理的文化和价值观，鼓励数据驱动的决策和创新思维。这包括对数据资产管理重要性的宣传和教育，以及对数据资产管理优秀实践的表彰和奖励。

7.合规性监控与风险管理：企业应建立合规性监控和风险管理机制，确保数据资产管理活动符合法律法规和行业标准，并识别和应对潜在的数据安全和隐私风险。

8.持续改进与创新：企业应鼓励持续改进和创新，以适应不断变化的数据管理和业务环境。这包括对数据资产管理流程的优化、新技术的应用以及业务模型的创新。

4.1统筹规划

数据资产管理的统筹规划阶段是整个管理过程的起点，它涉及到对数据资产的全面识别、评估和规划。在这个阶段，组织需要：

• 明确目标：确定数据资产管理的长期和短期目标，以及这些目标如何支持组织的整体战略。

• 现状评估：对现有数据资产进行盘点，评估其质量、价值、安全性和合规性。

• 需求分析：分析内部和外部用户的需求，确定数据资产管理的重点领域。

• 制定策略：基于目标和需求，制定数据资产管理的整体策略和实施计划。

4.2 管理实施

管理实施阶段是将规划转化为具体行动的过程。在这个阶段，组织需要：

• 构建团队：建立一支跨职能团队，负责数据资产管理的各个方面。

• 制定流程：设计并实施数据收集、存储、处理和共享的标准化流程。

• 技术应用：选择并部署适当的技术工具，以支持数据资产的管理和运营。

• 培训与文化：对员工进行培训，建立数据驱动的组织文化，确保每个人都认识到数据的价值。

  
  

4.3 稽核检查

稽核检查阶段是对数据资产管理活动的监督和评估，确保管理措施的有效性。在这个阶段，组织需要：

• 性能监控：跟踪数据资产管理的关键性能指标，确保目标得以实现。

• 风险评估：定期进行风险评估，识别潜在的数据安全和隐私问题。

• 合规审查：确保数据资产管理活动符合相关的法律法规和行业标准。

• 问题解决：对发现的问题和挑战进行及时响应和解决。

  
  

4.4 资产运营

资产运营阶段是数据资产管理的结果应用和持续优化阶段。在这个阶段，组织需要：

• 价值实现：通过数据分析、数据共享和数据服务等方式，实现数据资产的价值。

• 持续改进：根据业务需求和技术发展，不断优化数据资产管理策略和实践。

• 知识共享：在组织内部共享数据资产管理经验和最佳实践，促进学习和发展。

• 创新驱动：鼓励创新思维，探索新的数据应用场景，以支持业务增长和竞争优势。

5.1 浙江省温州市财政局与市大数据运营有限公司合作案例

2023年10月，浙江省温州市财政局与市大数据运营有限公司合作，成功实现了数据资产确认登记的第一单。他们以“信贷数据宝”数据资源为实例，积极探索数据资产管理试点工作，这一案例也是国内有公开报道的财政指导企业数据资产入表的第一单。

数据资产管理工具和方法：

数据资产确认与登记：温州市大数据运营有限公司通过与市财政局的合作，成功将“信贷数据宝”作为资产列入企业资产负债表的无形资产栏。这一步骤实现了数据资源向数据资产的转变，并反映了企业在数据要素方面的投入和收益。

数据资产质押融资：基于“信贷数据宝”的确认登记，市财政局牵头金融管理部门、浙江省大数据交易中心、温州银行等机构，创新建立了数据资产信贷评估体系。这一体系结合了数据产品的价值、资产的真实可追溯性以及未来预期现金流入，充分量化了数据质量、数据确权、产品前景等因素。

达到的效果：

数据资源向资产的转变：通过数据资产确认和登记，实现了数据资源向资产的转变，提高了企业的资产负债表质量，降低了资产负债率，优化了资产结构。

创新融资模式：通过数据资产质押融资，帮助数字型企业解决了融资难题，拓宽了企业融资途径。市财政局为“信贷数据宝”提供了378万元的信贷支持，接近其资产入表价值的4倍。

推动实体经济高质量发展：该模式为民营企业特别是中国（温州）数安港入驻企业注入了数字金融动力，支持企业做大做强，促进了实体经济的高质量发展。

5.2 全国首单工业互联网数据资源入表案例

2024年1月，浙江省桐乡市落地了全国首单工业互联网数据资产化案例。浙江五疆科技发展有限公司作为桐乡市数据资本化的先行企业，完成了数据资源的入表准备并正式启动入表工作。这一案例通过感知、汇聚来自工艺现场的生产数据，经清洗、加工后形成高质量的数据资源，用于实时反馈和调控产线相关参数，以提高产品质量和管理效率。

在数据资产管理方面，该案例运用了多种工具和方法，并取得了显著效果：

数据资源入表：这是数据资产化的第一步，涉及到将数据资源转化为可量化和定价的资产。五疆科技发展有限公司通过与浙江大数据交易中心等组成的联盟合作，完成了数据资源的入表准备和正式启动入表工作。

数据资源治理和盘点：联盟专家对用于提升工业企业智能制造能力方面的数据资源进行了全面分析，包括设备运行状态、工序关键参数、原材料质量状况、过程成品检验数据、工人操作记录等多个维度的数据梳理。

成本归集原则和数据资产范围的确定：根据财政部《企业数据资源相关会计处理暂行规定》，确定了可入表的数据资源范围。

数据产品服务设计开发规范化建议：联盟为企业提供了数据产品服务设计开发的规范化建议，并组织法律、技术、安全、行业应用等领域专家进行论证评估。

数据存证登记和上架挂牌：企业通过确认交易主体准入资质、确认数据用途合法及使用限制合规，完成了数据存证登记，并上架挂牌至浙江大数据交易服务平台。

5.3 成都数据集团案例

2024年1月，成都数据集团基于公共数据运营服务平台运行产生的数据，完成了数据资产入账。这是西南地区首批数据资产入表企业之一。成都数据集团通过资产认定、合规评估、经济利益分析等环节，率先完成了数据资产入账，并计划进行相关披露。

以下是成都数据集团案例中涉及的数据资产管理工具和方法以及达到的效果：

数据资源入账与披露：根据财政部《企业数据资源相关会计处理暂行规定》，从2024年1月1日起，企业可以将数据资产在资产负债表相关科目进行列报和披露。成都数据集团作为成都市数据要素市场一级开发主体和数字经济生态营造者，率先完成了数据资产入账，这一步骤标志着数据资源向数据资产的转变，并反映了企业在数据要素方面的投入和收益 。

资产认定、合规评估、经济利益分析、成本归集与分摊：成都数据集团在公共数据运营服务平台运行产生的数据基础上，经过这些关键环节，率先完成了数据资产入账。这些步骤确保了数据资源的可靠性和可度量性，以及成本的可计量性和预期经济利益的流入，为数据资产的确认提供了基础。

数据资源入表“三阶七步”方法论：成都数据集团与清华大学社会科学学院经济学研究所、中国工业互联网研究院和信永中和会计师事务所合作，共同探讨数据业务路径、数据资源管理、数据价值挖掘及会计处理，最终总结出数据资产入表的“三阶七步”方法论，这一方法论突破数据资产入表的实务难题，为企业提供了数据资产入账的具体操作指南。

财务报表改善、利润率提升、资产增加、资产负债率降低：从企业财务角度来看，数据资产入账改善了企业的财务报表，提高了利润率，增加了企业的资产，并降低了资产负债率。这表明数据资产入账对企业的财务状况有积极影响。

数据驱动型企业吸引外部融资、优化财务结构、提升公司价值：从企业发展角度来看，数据资产入账使得原先只能费用化处理的数据资源开发成本在满足一定条件后得以确认为资产，为企业提供决策有用信息，同时帮助数据驱动型企业吸引外部融资、优化财务结构、提升公司价值。

社会发展和数字经济治理：从社会发展角度来看，成都数据集团的实践不仅有助于监管部门完善数字经济治理体系，还有助于中国在国际会计准则制定等工作中贡献中国智慧、提供中国方案。

数据资产市场潜在规模：数据资产市场潜在规模预计将达到60万亿，成都数据集团的实践有望推动整个大数据产业链的繁荣发展，包括数据处理器芯片、数据存储设备、网络安全、基础软件、应用软件、人工智能等多个领域。

本文系转载，版权归原作者所有，

转载自公众号 数据分析小兵 ，如若侵权请联系我们进行删除！  

《行业指标体系白皮书》下载地址：https://www.dtstack.com/resources/1057/?src=bbs

《数据治理行业实践白皮书》下载地址：https://www.dtstack.com/resources/1001/?src=bbs

《数栈V6.0产品白皮书》下载地址：https://www.dtstack.com/resources/1004/?src=bbs

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