• 缺乏统一的数据视图：数据资源分布在企业的多个业务系统中，分布在线上线下，甚至企业的内外部，由于缺乏统一的数据视图，数据的管理人员和使用人员无法准确快速地找到自己需要的数据。数据管理人员也无法从宏观层面掌握自己拥有哪些数据资产，拥有多少数据资产，这些数据资产分布在哪里，变化情况怎么样。
• 数据基础薄弱：大部分企业的数据基础还很薄弱，存在数据标准混乱、数据质量参差不齐、各业务系统之间数据孤岛化严重、没有进行数据资产的萃取等现象，阻碍了数据的有效应用。
• 数据应用不足：受限于数据基础薄弱和应用能力不足，多数企业的数据应用刚刚起步，主要在精准营销、舆情感知和风险控制等有限场景中进行了一些探索，数据应用的深度不够，应用空间亟待开拓。
• 数据价值难估：企业难以对数据给业务的贡献进行评估，从而难以像运营有形资产一样运营数据。产生这个问题的原因有两个：一是没有建立起合理的数据价值评估模型；二是数据价值跟企业的商业模式密不可分，在不同应用场景下，同一项数据资产的价值可能截然不同。
• 缺乏安全的数据环境：随着数据的价值越来越得到全社会的广泛认可，针对数据的犯罪活动日渐猖獗，数据泄露、个人隐私受到伤害等现象层出不穷。很多数据犯罪是因为安全管理制度不完善、缺乏相应的数据安全管控措施导致的。
• 数据管理浮于表面：没有建立一套符合数据驱动的组织管理制度和流程，没有建设先进的数据管理平台工具，导致数据管理工作很难落地。
• 这些问题已经严重影响到数据价值的发挥，导致企业的数据越积越多，却逐渐成为企业的负担，大数据管理部门也成为企业的成本中心，而不是创新中心和利润部门。

数据资产管理的四个目标

• 可见：通过对数据资产的全面盘点，形成数据资产地图。从数据生产者、管理者、使用者等不同的角度，用数据资产目录的方式共享数据资产，用户可以快速、精确地查找到自己关心的数据资产。
• 可懂：通过元数据管理，完善对数据资产的描述。同时在数据资产的建设过程中，注重数据资产业务含义的提炼，将数据加工和组织成人人可懂的、无歧义的数据资产。具体来说，在数据中台之上，需要将数据资产进行标签化，标签是面向业务视角的数据组织方式。
• 可用：通过统一数据标准、提升数据质量和数据安全性等措施，增强数据的可信度，让数据科学家和数据分析人员没有后顾之忧，放心地使用数据资产，降低因为数据不可用、不可信而导致的沟通成本和管理成本。
• 可运营：数据资产运营的最终目的是让数据价值越滚越大，因此数据资产运营要始终围绕资产价值来开展。通过建立一套符合数据驱动的组织管理制度流程和价值评估体系，促进数据资产建设过程的不断改进，提升数据资产管理的水平，提升数据资产的价值。