本文旨在探讨数据资产发展途径、数据产权及价值变现的服务流程和路径，并对数据资产管理平台框架、数据资产管理实施规划做出初步解读，以期为数据资产管理提供有益的思路和方案。

数据资产概念及发展路径

数据资产是指由个人或企业拥有或控制的，能够带来未来经济利益的，以物理或电子方式记录的数据资源。数据资产是拥有数据权属（勘探权、使用权、所有权）、有价值、可计量、可读取的网络空间中的数据集。

数据资产所表现的基础应用形式通常包括企业画像、顾客群体细分、供应链体系、交易平台数据、模拟实境、投资决策分析、数据算法应用、个性化精准推荐以及城市发展趋势等等各种细分场景。

数据资产的发展路径主要包括数据资源的积累、数据价值的挖掘与利用以及数据资产的运营与管理。

图1 数据资源化、资产化和资本化

在数据资产积累阶段，需要注重数据的采集、整理与存储；在数据价值挖掘与利用阶段，需要运用数据分析、数据挖掘等技术手段，将数据转化为有价值的信息和知识；在数据资产运营与管理阶段，需要建立完善的数据资产管理框架，确保数据资产的安全、可靠和高效利用。

图2 企业数据资产化服务流程

数据产权“三权分置”

在数据资产管理过程中，根据数据来源和数据生成特征，需要分别界定数据生产、流通、使用过程中各参与方享有的合法权利，建立数据资源持有权、数据加工使用权、数据产品经营权等分置的产权运行机制，建立健全数据要素各参与方合法权益保护制度。

图3 数据资产管理过程内容和方法

数据质量管理

确保数据的准确性、一致性和完整性是实现数据资产化的基础，企业需要建立完善的数据质量管理体系，对数据进行清洗、校验和整合，提高数据的质量和可靠性。

图4 数据质量评价指标

数据资产价值变现路径

数据资产的价值变现，主要有以下六种路径。

1) 数据资产入表入账，作为一项表内资产，是资产披露的体现，可以让投资人、潜在投资者对于企业的整体布局有更加清晰的认识；另一方面对企业整体估值以及未来股权融资有积极的作用，相当于增厚净资产，资产负债结构可以得到优化。

2) 数据资产作价出资增资，可以作为资本金来使用，实现数据入股。

3) 数据资产增信融资，除发挥其物权价值外，也可以通过银行进行抵质押。

4) 数据资产交易，是最为直接的一种变现途径，交易双方根据数交所的指引可以实现公开买卖。

5) 数据资产供应链，将数据作为生产要素，通过数据生产以及交易过程中不断深入挖掘数据价值，提供增值的设想。

6) 将数据资产作为生产工具为企业带来未来场景以及数字化转型的契机。

数据资产管理平台框架

数据资产管理框架可分成三横四纵。三横包括底层数据治理体系、中间数据资产管理的核心以及上层数据应用产品。底层数据治理体系涵盖数据集成、数据标准、数据开发、数据质量、元数据、数据服务等；中间层为数据资产管控、应用和运营；上层为数据应用产品，如决策支持、创新应用、数据开放等。

图5 数据资产管理平台示例 

四纵则包括数据资源分析、数据资产管控、数据资产运营和数据安全保障。通过三横四纵的框架设计，可以确保数据资产管理的全面性和系统性。

数据资产管理实施规划

为促进数字化转型及新质生产力的赋能，企业可以选择咨询+产品服务，通过“外脑”帮助规划数据治理一体化解决方案，提供数据治理方法，提高数据治理效率，释放数据资产价值。

一、咨询规划

1) 数据摸底，全盘掌握企业数据资产，遵循安全要求，提供核心数据服务

2) 明确数据治理目标、范围，规划数据治理蓝图

3) 梳理与建立数据管理委员会，制定数据管理战略、规范、制度

4) 梳理数据标准、元数据、数据质量监控标准

5) 梳理资产分级分类标准，制定数据安全管理规范

二、平台交付

1) 构建数仓/数据湖，接入数据资产管理范围，丰富数据服务手段、扩大服务范围

2) 建立数据标准，推动数据标准在业务系统的落地

3) 数据质检，制定数据质量问题整改流程，建立长效的数据整改机制，提升质量

三、未来阶段

1) 全面落实数据资产分级分类管理措施，对敏感数据进行脱敏加密，精细化数据权限

2) 全盘推进数据资产化、价值化流程，实现对内数据资产成本分摊，对外数据资产变现

3) 对数据进行深度挖掘，开展机器学习，逐步实现业务发展智能化

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