数字化转型发展浪潮风起云涌。数据要素管理，数据治理等需求开始伴生各类数字化相关设计与实施且频度不断增加。目前企业对现有数据的概念描述常常是“数据资产”：比如各种规划设计中越来越多的数据资产评估盘点；比如数据治理中的数据资产蓝图，数据资产目录的构建与更新。
有意义的产生价值的数据在企业中当然应当是资产。这个资产还和其他类别资产不一样，使用得越多越增值。自己用过后还可以通过数据交易给别家用，为此创造的价值不断增大。
数据资产是企业已经在持续产生价值的数据类别
但是数据如果是企业资产，通常应当是企业自己产生的，然后自己消费的，并且应当是以前发挥过作用，产生过价值的；否则就谈不上是“资产”。我们可以看到各种公开出版文本大多如此定义的。
如果按这个思维定势来进行数字化的一系列相关规划设计，很容易又把数字化规划做成了传统的策略规划与IT规划。
现在都说，数字化转型，就是要把企业的所有业务都重新来过一次。所以，单纯地把现有业务来个数字孪生，或者投射到数字世界中，应当只是部分企业，特别是单纯制造业企业的点状革新。大部分企业的数字化体现在对象数字化、过程数字化与规制数字化全面检视重构中；体现在数字化体验、数字化运营、数字化作业、数字化交易和数字化办公这五大视域上；体现在上云、用数、注智这三大技术行动上。
既然如此，那企业能否创新，能否变革，一个重要因素就是能否利用各种数据资源，包括内部数据外部数据；包括个人数据，企业（复数）数据和社会数据；包括自然数据与机器数据；包括原生数据和衍生数据等各种分类法下可以识别实现的数据。
放开眼光，企业可探索的数据资源正蓬勃而出
如果把天下企业按数据的拥有度分类，我们大约可以有富数据、均数据、贫数据企业。后者的企业可能占大多数。如果我们的思维定势和目光所及仅仅是企业内部已经拥有的数据的充分利用，那数字化转型的意义就不复存在了，企业继续在信息化的道路上迈步就行。实际上，数据治理之类原本就是几十年前的IT概念。那是建立在“小数据”或者“信息数据”基础上的认知与框架。今天许多新的数据来源可能性不断增加，数据体量不断增加。无论是企业内部还是外部，数据规划，转型规划，数据治理的更重要的任务是识别发现，甚至创造制造新的数据来源，分类，使得数据要素的意义不断增加，数据要素在经营活动和客户体验方面的价值持续提升。
外部数据来源可以包括公共数据集、开放数据平台、第三方数据供应商等。这其中一类是过去“企业情报”类信息在客情，商情，舆情三个方面的极大扩展。通过这些外部数据来源为企业提供丰富的数据资源，使企业能够更好地理解市场趋势、消费者需求、竞争对手行为等，从而更好地制定业务策略、开展业务。而新型传感技术、物联技术、环境网络、衍生数据网络的快速发展，则为企业的生产运营过程提供了全新的数据资源。
至于企业内部数据的新来源，则可以除了原本信息系统中流动的数据的基础数据和运营数据外，还应当设计引入各种多媒体新终端和应用，各类非结构化文本的数据解构，系统平台的新插件与探针。对于富数据企业，更多衍生数据的识别与创新既可以为内部经营活动服务，更可以作为各类（独占）数据产品与社会进行交换交易。
企业数据治理的对象应当是数据资源而非仅数据资产
我让ChatGPT论证我的观点：为什么当今企业数据治理的对象应当是数据资源而非数据资产数据资产目录示例，它的分析还是很清晰明了的，但也存在一些概念混淆。毕竟，数据资源管理和数据资产管理的具体分析文本在其训练集中出现的频度不高······
企业数据治理的对象应当是数据资源，而非数据资产，主要是因为数据资源的概念更加宽泛，可以包含更多不同形式的数据数据资产目录示例，而且更适合用于整个企业的数据管理和治理。以下是一些理由：
数据资源更全面：数据资产通常指的是具有经济价值的数据，如客户数据、销售数据等。但是，在企业中，还存在大量的非经济价值的数据，如技术文档、规程标准等。将数据治理的对象定位为数据资源，可以更全面地管理所有的数据。
数据资源更灵活：数据资源的概念更加灵活，可以包含各种不同形式的数据，如结构化数据、非结构化数据、半结构化数据等。这可以帮助企业更好地管理和利用各种类型的数据。
数据资源更综合：数据资源管理需要考虑数据的整个生命周期，包括数据的收集、存储、加工、分析、共享和保护等。将数据治理的对象定位为数据资源，可以更加综合地管理和保护数据，避免数据泄露、数据质量等问题。
数据资源更适合于企业数据治理：数据资源是一个更加适合于企业数据治理的概念。通过数据资源管理，企业可以更好地了解自己的数据资产，实现数据标准化、数据共享、数据质量管理等目标，同时也可以更好地满足各种监管要求。
因此，企业数据治理的对象应当是数据资源，这可以帮助企业更好地管理和利用各种类型的数据，更全面地管理数据，并且更加适合于企业数据治理。
为稳步探索数据确权新路径、新模式，并有序驱动各类数据要素更大规模地互联互通，我们已陆续在各地试点大数据交易所等数据资产市场基础设施，比如贵阳大数据交易所等。
除此以外，还有电网行业也在逐步进行数据开放及交易探索，以期实现数据的多种形态开放应用及对外交易，构造数据对外运营新业务，释放电力能力数据价值。
如今，数据资产通过数据资产目录将标准化的数据对外发布，统一对外提供数据服务，让数据资产方便搜索和浏览，易于理解和解读，方便快捷地使用，最终让数据资产中的价值被显现出来。
今天小亿就来为大家分享下什么是数据资产管理？数据资产管理中存在哪些问题？以及如何构建企业安全易用的数据资产？
一、什么是数据资产？
在理论层面，目前并没有对数据资产的权威定义。我们选取业界较为认可的概念，即：数据资产是指由企业拥有或者控制的，能够为企业带来未来经济利益的，以物理或电子的方式记录的数据资源，如文件资料、电子数据等。但在企业中，并非所有的数据都构成数据资产，数据资产是能够为企业产生价值的数据资源。
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，即指规划、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。
睿治数据治理平台架构图
在数据治理架构中，数据资产管理位于底层数据和数据管理与应用之间，处于承上启下的重要地位。对上支撑数据安全管理等职能建设以价值发掘为导向的数据应用，对下实现底层数据的梳理、对接数据标准，达成企业内部“统一数据标准”的目标。
二、数据资产管理的重要性
1.让数据资产可视化
企业通过发现、描述和组织数据资产，形成一套企业数据资产的清单目录，提供一套上下文背景信息，为数据分析师、数据架构师、数据管理专员和其他数据用户，根据业务价值目标更好的查找和理解相关的数据资产。最终让数据管理者高效、便捷的了解数据脉络，构建全景图，随时掌握数据资产的运营状态。
2.提升数据管控能力
企业在识别出自身数据资产的基础上，进一步构建数据资产目录，加强数据资产的管控能力，对技术管理、业务运转起到良好的支撑作用，能够让数据在业务流转过程中更规范、更有效率；
3.促进数据应用与共享
通过数据资产盘点和梳理，挖掘数据背后隐藏的价值，在数据资产的应用和共享层面，起到引擎作用，最大化释放数据的核心价值，支持公司经营和决策分析，助力企业快速发展。
4.加强数据安全管理
资产盘点是保证数据安全的基础，通过数据资产盘点完成对数据的分类和敏感等级划分，建立数据与元数据的映射关系，明确数据类型、属性、分布、分类分级等信息。并以此为依据，有针对性地设计数据存储保护、授权管理等策略，平衡数据安全和数据共享两方面。如下图表格所示：
三、如何做好数据资产管理？
1.整体策略
（1）明确驱动力、优先选择业务价值高的应用场景
数据资产管理建设最重要的是要以价值为导向，能够对业务起到有效的支撑作用，并具备良好的运营机制，才能体现价值。
因此，可以结合当前及未来企业对数据管理工作的现状、挑战和需求进行分析，识别对业务支撑力较强的业务领域、数据主题、信息系统等，选择业务价值高的应用场景为建设支撑目标，在此范围内，进行数据目录管理工作目标和路径的设计，从而通过数据目录支撑到企业数据管理战略、产生更为直接的工作效益。
数据治理实施步骤
除此以外，还可从行业发展的角度分析未来应具备的数据资产，构建相对前瞻性的数据资产管理。例如，电信运营商可对未来5G业务进行分析，构建数据资产目录，以迎接即将到来的5G类新业务应用的需求；汽车制造业的厂商可对新能源、车联网等业务进行前瞻性布局，从内外不同渠道获取相关数据资产进行分析、构建目录，支撑业务发展。
（2）配套所需的组织管理、工作机制以及文化氛围
数据资产的建设与管理需要相应的组织和机制支撑，需要企业内部数据文化达到一定氛围后，才能发挥相应的价值。
对于数据资产管理模式、评价模式、认责机制等，都需要业务部门的业务专家、数据专家深度参与其中，持续养护数据、完善数据定义、提升数据质量、分享数据成果。但我们需要在数据管理团队职责和工作机制较为明确的基础之上，能够进一步推动业务部门设置数据管理相关角色、明确职责，并在数据团队与业务团队之间、多业务部门之间，建立专项小组、讨论组等多种沟通机制，促进跨团队的沟通交流、提升数据文化氛围。
2.流程方法
数据资产目录的建设分为四个环节，包含准备阶段、目录盘点与构建、审核发布、应用与运营管理。其中，前三个环节为数据资产目录的构建过程、最后一个环节为数据资产目录的使用和管理过程。如下图：
（1）准备阶段：此阶段主要对建设数据资产的背景、环境、价值点进行分析，明确要支撑的业务场景、以及建设目标；在此基础上，确定需要构建数据资产目录的范围，进一步制定相应的数据采集模板、标准，并收集与之有关的材料。
（2）目录盘点与构建：在第一阶段准备工作完成后，利用数据资产工具，按照模板和标准，对数据资产的有关信息进行初步采集和智能解析，形成数据资产目录初始清单；然后结合人工与工具平台，对初始清单进行筛选优化，补充完善相关属性，对其实施标签分类、形成目录，建成待审核发布的数据资产目录。
（3）审核发布：组织相关业务、技术专家对建成的数据资产目录进行审核，审核通过后，向相关使用者进行发布。
（4）应用与运营管理：此环节是在数据资产目录建成发布后，对其进行使用和管理。
四、数据资产管理需要注意的问题
1.元数据目录并不等同于数据资产目录
数据资产目录是在元数据目录基础上深度应用的体现。
首先元数据目录中包含的元数据是企业全量数据的代表，其中包含了很多无用信息；
其次从元数据管理过程看，很多企业所管理的元数据存在着一些弊端，这些弊端导致了元数据目录难以成为数据资产目录，这些弊端包括：
①元数据中文描述信息普遍缺失
②元数据描述信息不准确；
另外数据资产目录示例，元数据目录编目方式单一，普遍都是从技术角度进行组织，不能满足数字化时代数据资产广泛使用的人群需求；
最后企业需要在元数据管理的基础上增加一些应用场景定制，才能够将企业元数据目录进一步转化为数据资产目录，这会包含以下几个关键的场景：
①有价值元数据的甄别；
②元数据业务管理内容与责任信息的补充；
③基于数据资产的数据活动协作办公管理；
④定制化形成全局分布视角、业务视角以及应用视角的展现能力；
…...
2.数据资产目录不存在数据质量问题
数据资产目录也是存在数据质量问题的，表现形式包括：
①中文描述缺失：从业务系统、大数据等渠道获取的数据资产信息业务描述普遍缺乏；
②描述不准确：业务描述信息缺少业务部门参与，描述不准确、不完整；
③资产信息维度缺失：数据资产目录关联的资产信息维度不全，数据资产的质量信息、安全信息、认责信息、评价信息等；
④无价值资产：未进行有效的数据资产价值识别，导致一些僵尸资产、重复、测试备份、中间临时表等信息混杂其间；
⑤不合理编目：不合理的数据资产编目分类，导致数据资产检索准确性降低；
……
数据资产目录的质量问题导致数据资产知识获取效率低下，缺少维护和关联关系的数据资产不可理解，同时对基于数据资产开展的智能分析产生负面影响，如智能资产分类、智能检索、异常资产智能识别等，使得分析结论可信度下降等。数据资产目录质量问题属于数据资产治理的一部分数据资产目录示例，需要从制度、技术手段上予以保障，开展常态化的监控和维护。
3.数据资产目录需要全部做好后再开放使用
数据资产目录的建设是一个动态的、长期的过程，会随着企业数字资产管理水平的提升、数据资产应用场景的扩展，在数据资产目录覆盖范围、资产信息关联维度、资产目录质量、资产目录智能分析等方面进行扩展建设。
企业对数据资产目录服务的需求具有常态化、层次化特征，可选择重点业务域、数据资产关键信息进行盘点梳理，优先满足对数据资产信息依赖程度最高的数据分析师、数据应用开发工程师等角色的基本需求。通过有计划的迭代开发维护，不断丰富数据资产信息维度、关联关系等，覆盖更多角色的应用场景，使数据资产目录价值得以持续释放。
五、EsDataAssets助力数据资产管理价值最大化
亿信华辰旗下的数据资产管理平台（EsDataAssets）通过元数据对信息资产特征进行描述，并以目录形式分类管理，形成统一的目录内容和数据资产服务，丰富的服务接口的拓展，支撑数据资产的多渠道应用，如数据共享服务、分析决策支持等，最终实现数据资产价值最大化。
1.数据资产编目
简洁可视化的目录构建流程，无缝适配接入各类元数据，并自动挂载资源，实现通过类目分类管理数据资产。目录带有自动活化功能，根据元数据内容自动更新目录信息，保证目录和实际资源的一致性。
2.数据资产标签
支持标签设计管理，批量和自动为资产打标签，标签会以业务能够理解的方式为数据进行重新的组织和定义，能够让数据变得可阅读和易理解。
3.数据资产服务
提升企业数据共享能力，在资产目录中管理的资源可以自动生成各类数据服务功能，包括：数据查看、数据下载和数据接口，也可以自定义数据交换任务，并根据数据资产对象权属信息，提供统一的数据共享服务。
4.数据资产运营
编目好的资产在赋权发布后，资产服务才能被对应的角色或用户使用，其中：API服务提供了多个参数保证了数据的权属；数据交换服务需要归属用户审批通过后方可使用。
六、小结
如今，数据从辅助角色正式转变为核心要素被产业、市场、社会所认可。越来越多的企业及组织在布局数据要素，并至少已在组织内部使用起来。
当前，大数据平台储存需求已基本满足，数据要素全生命周期管理成为主要需求点，百分之七八十的企业在做的是数据管理和应用。企业所拥有的数据通过数据资产盘点，可以帮助企业厘清所拥有的数据资产现状，为发掘和释放数据中蕴含的经济价值夯实基础。
但数据资产管理是一项重要的工作，其建设过程不会是一蹴而就的，效果也不是立竿见影的，它本质属于“地基”类工作，因此需要且值得投入精力去认真构建，一旦建成并夯实，在其上面的数据管理和应用工作将得到良好的支撑和保障，数据应用价值也会得到极大的释放。
本文内容整理收集与网络，仅供学习交流使用，不代表CRM论坛观点。如有侵权,请联系我们,我们将会及时删除处理。
云呐固定资产管理系统是专业销售和研发各种固定资产管理系统,固定资产管理软件，企业条码固定资产管理系统等软件产品，产品作用功能优势明显欢迎来选购！咨询电话：13157126221