良好的数据资产管理是释放数据要素价值的基础。数据资产管理包含数据资源化、数据资产 化两个过程，通过数据资源化构建全面有效的、切合实际的数据资产管理体系，提升数据质量， 保障数据安全；通过数据资产化，丰富数据资产应用场景，建立数据资产生态，持续运营数据资产， 显性数据资产的业务价值、经济价值和社会价值。

一、数据资产管理概述

数据资产管理推动数据要素市场发展当前，数据成为各国发展数字经济的重要抓手。在数字社会，数据成为了国家基础性战略资源，数字经济正在成为创新经济增长方式的强大动能。数据要素市场化配置上升为国家战略，将充分发挥对其他要素资源的乘数作用。良好的数据资产管理是释放数据要素价值、推动数据要素市场发展的前提与基础。

数据资产管理助力企业数字化转型

企业竞争的本质是在不确定市场环境下资源配置效率的竞争，数字化转型通过优化企业资源获取和资源配置，提高企业竞争优势，数据资产管理提高业务数据化效率，推动数据业务化，加速企业数字化转型。

数据资产管理的概念与内涵

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。

数据资产管理演进

数据资产管理伴随着数据理念与技术的演变而不断发展，经历了信息化时代、大数据时代、数据要素化时代。

数据资产管理难点

当前，数据资产管理仍然面临一系列的问题和挑战，涉及数据资产管理的理念、效率、技术、 安全等方面，阻碍了组织数据资产能力的持续提升。

二、数据资产管理活动职能

数据模型管理

采用企业架构指导建立企业级数据模型，并采用一体化建模的方法，是提升数据模型业务指 导性和模型质量的有效方式。数据模型是指现实世界数据特征的抽象，用于描述一组数据的概念和定义。数据模型管理是 指在信息系统设计时，参考逻辑模型，使用标准化用语、单词等数据要素设计数据模型，并在信 息系统建设和运行维护过程中，严格按照数据模型管理制度，审核和管理新建和存量的数据模型。

数据标准管理

数据标准是指保障数据的内外部使用和交换的一致性和准确性的规范性约束。数据标准管理 的目标是通过制定和发布由数据利益相关方确认的数据标准，结合制度约束、过程管控、技术工 具等手段，推动数据的标准化，进一步提升数据质量。

数据质量管理

数据质量指在特定的业务环境下，数据满足业务运行、管理与决策的程度，是保证数据应用效 果的基础。数据质量管理是指运用相关技术来衡量、提高和确保数据质量的规划、实施与控制等一 系列活动。衡量数据质量的指标体系包括完整性、规范性、一致性、准确性、唯一性、及时性等。

主数据管理

主数据（Master Data）是指用来描述企业核心业务实体的数据，是跨越各个业务部门和 系统的、高价值的基础数据。主数据管理（MDM ，Master Data Management）是一系列 规则、应用和技术，用以协调和管理与企业的核心业务实体相关的系统记录数据。

数据安全管理

数据安全是指通过采取必要措施，确保数据处于有效保护和合法利用的状态，以及具备保障 持续安全状态的能力 。数据安全管理是指在组织数据安全战略的指导下，为确保数据处于有效保 护和合法利用的状态，多个部门协作实施的一系列活动集合。包括建立组织数据安全治理团队， 制定数据安全相关制度规范，构建数据安全技术体系，建设数据安全人才梯队等。

元数据管理

元数据（Metadata）是指描述数据的数据。元数据管理（Meta Data Management） 是数据资产管理的重要基础，是为获得高质量的、整合的元数据而进行的规划、实施与控制行为。

数据开发管理

数据开发是指将原始数据加工为数据资产的各类处理过程。数据开发管理是指通过建立开 发管理规范与管理机制，面向数据、程序、任务等处理对象，对开发过程和质量进行监控与管控， 使数据资产管理的开发逻辑清晰化、开发过程标准化，增强开发任务的复用性，提升开发的效率。

数据资产流通

对于组织而言，数据资产流通是指通过数据共享、数据开放或数据交易等流通模式，推动数 据资产在组织内外部的价值实现。

数据价值评估

数据价值评估是指通过构建价值评估体系， 计量数据的经济效益、业务效益、投入成本等活动。数据价值评估是数据资产管理的关键环节， 是数据资产化的价值基线。

数据资产运营

数据资产运营是指通过对数据服务、数据流通情况进行持续跟踪和分析，以数据价值管理为 参考，从数据使用者的视角出发，全面评价数据应用效果，建立科学的正向反馈和闭环管理机制， 促进数据资产的迭代和完善，不断适应和满足数据资产的应用和创新需求。

三、数据资产管理保障措施

数据资产管理是一项长期性的、体系化的工作，为保证各项数据资产管理活动有效开展，统 筹推动数据资产管理工作顺利进行，战略规划、组织架构、制度体系、平台工具、长效机制等保 障措施变得极为重要。

战略管理

战略是组织长期发展规划及资源配置的一系列行动，对于组织持续稳定发展具有重要的指导意义。战略规划是战略管理的首要环节和基础性工作，是数据资产管理的指导蓝图。战略执行是战略管理的中间环节，是战略规划落地的有效保障。战略评估是优化组织数据战略管理、提升数据战略指导作用的必要手段。

组织架构

建立全方位、跨部门、跨层级的数据资产管理组织架构，是实施组织级统一化、专业化数据 资产管理的基础，是数据资产管理责任落实的保障。

一般来说，数据资产管理组织架构包括决策层、组织协调层、数据资产管理层、工作执行层 四个层级。

制度体系

数据资产管理制度体系通常分层次设计，依据管理的颗粒度，制度体系可划分为组织级数据 资产管理总体规定、管理办法、实施细则和操作规范四个层次。

四、数据资产管理实践步骤

数据资产管理实践的通用步骤：“统筹规划→管理实施→稽核检查→资产运 营”，但各步骤之间并无严格的先后顺序，组织可结合自身情况在各阶段制定合理 的实施方案。

数据资产项目要依托统一管理平台，实现数据资产的全流程管理。构建统一的数据资产管理平台， 使各活动职能相关工具保持联动，覆盖数据的采集、流转、加工、使用等环节；由数据资产管理 团队组织开展数据资源化活动，对于每一项活动，在数据需求中明确和记录数据使用方的规范与 期望，在数据设计中支持规则的落地与应用，在数据运维根据数据生产方业务和数据的变化，响 应数据使用方规则与期望的调整，并及时发现和整改问题数据。

项目是执行组织级数据资产管理的最小单元，良好的数据资产项目管理是基础，类比 IT 项目 管理框架，主要从目标一致性、角色合理性、范围明确性（包括业务范围、数据范围、技术范围等）、 风险可控性、成本可计量、质量可优化等方面考虑，如下图：

五、数据资产管理发展趋势

从信息时代到数字时代，数据由记录业务逐渐转变为智能决策，成为了组织持续发展的核心引擎。未来，数据资产管理将朝着统一化、专业化、敏捷化的方向发展，提高数据资产管理效率，主动赋能业务， 推动数据资产安全有序流通，持续运营数据资产，充分发挥数据资产的经济价值和社会价值。

管理对象：数据复杂性持续增加

伴随着互联网、物联网、云计算的发展，数据在来源、格式等方面的复杂性持续增加。

管理理念：从被动响应到主动赋能

随着组织数字化转型的不断深入推进，数据资产管理占组织日常经营管理的比重日渐增加， 传统以需求定制开发为主要模式的被动服务形式，已难以满足组织数据服务响应诉求。

组织形态：向专业化与复合型升级

区别于信息化阶段作为 IT 部门的从属部门，数据资产管理组织与职能已逐步独立化，数据资产管理组织形成以 CDO 或 CIO 主导、业务部门与 IT 部门协同参与的模式。

管理方式：敏捷协同的一体化管理

传统的数据资产管理建设往往由多个分散的管理活动和解决方案组成，造成数据资产管理各 个环节之间的脱节（包括开发与管理、管理与运营）的脱节，使得数据从生产端到消费端的开发 效率降低。

管理手段：自动化与智能化广泛应用

随着数据复杂性持续增加，依靠“手工人力”的数据资产管理手段将逐步被“自动智能”的“专 业工具”取代，覆盖数据资源化、数据资产化的多个活动职能，在不影响数据资产管理效果的同时， 极大地降低了数据资产管理成本。

运营模式：构建多元化的数据生态

运营数据是持续创造数据价值的有效方式，多元化的数据生态通过引入多维度数据、多类参 与方、多种产品形态，进一步拓展数据应用场景和数据合作方式，为数据运营提供了良好的环境。

数据安全：兼顾合规与发展

应意识到数据安全与数据资产合理利用并不冲突，并且应从数据安全管理和数据资产流通两方面同步寻找平衡点。