從某種意義上說，數據資產仍是一種隱秘的財富。

    數據盡管已經被公認為資產，但很多數據擁有者對此仍持有疑慮，比如：我們企業的這些數據能算作資產嗎？如果算作資產，它的價值應該如何實現？要回答第一個問題，我們首先就得搞清楚，到底什么是數據資產？

    通俗來講，一大串無序的數字與代碼，那是原始數據，不能算作資產；無序的原始數據按邏輯組織成有序，那就是數據資源；再將數據資源進一步加工、量化，梳理為能帶來經濟效益的數據，那便是數據資產了。

    所以，數據要實現資產化，是需要一個“盤活”的過程的，這個過程我們可以分為三步來進行：

    ①心中有數：對自身資產進行一個盤點與洞察；

    ②操之有度：在摸清了自身的資產家底后，對它進行一個系統的整合與規劃；

    ③行之有方：在盤點后形成的數據資產目錄的指導下，去激活實現數據資產的價值。

    — 01 —

    第一步：心中有數

    前期對于數據的規劃與洞察，能讓后續的數據資產盤點與應用工作事半功倍。并不是所有的數據都是資產，作為資產的數據必須是要能給企業帶來價值的。對于數據的盤點也不能只是為了盤點而盤點，其最終目的還是要能有效支撐業務、產生效益。

    我們需要事先通過盤點范圍以及內容的確定，并在統一標準的規劃指導下進行數據發現和解析，摸清自身數據家底，對于自身數據資產做到“心中有數”。

    1.確定盤點范圍和內容

    （1）確定盤點范圍

    業務范圍：要盤點哪些業務，比如盤點梳理人力資源業務、營銷業務等。

    系統范圍：是確定盤點梳理的系統范圍，比如梳理財務系統、核算系統等。

    組織范圍：是確定需要哪些機構或者部門參與本次梳理內容的整理、審核以及確認工作。

    （2）明確盤點內容

    由于數據資產內容較多，需要明確盤點內容是哪些，例如盤點業務對象、數據項、指標、CRUD矩陣、概念模型、邏輯模型等內容。

    2.制定統一標準

    在進行數據資產的盤點前，我們需要一個統一的標準和模板，來厘清來自各個業務線、各個口徑的數據。

    首先要根據企業所在行業的相關標準，結合企業自身的業務情況構建數據標準，形成全局統一的數據定義和數據價值體系，方便對數據進行一個整合和全局管理。然后再制定一個統一的模板，我們可以參考所在行業的業務模板，對照標準對各行業數據字典進行數據，從而統一數據口徑，更好地進行梳理與盤點。

    3.數據發現和解析

    數據的非實體性和多樣性，使得數據可能散布在數據庫、云、大數據平臺、服務器、電腦等各個終端，尤其是在企業的業務不斷發展后，數據量的增長是指數級的。我們應該怎樣去找到數據，避免遺漏，這需要一個系統地數據發現的過程。

    數據發現是從全局出發，系統性的掃描企業內的數據資產，確定數據存儲的位置和數據量，形成數據的存儲分布地圖。數據發現的核心在于全面、系統的掃描，以避免出現數據遺漏的情況。

    發現了數據，我們還需要對數據進行解析，從而更好地了解、標記以及定義這些數據。我們需要基于數據內容以及存儲方式，來明確數據的組織結構，形成庫-表-字段的數據框架，通過表格分類和關聯關系的分析，來使數據內部關系透明化。

    對于多樣且復雜的數據類型，我們可以借助合適的平臺，比如億信華辰的數據資產管理平臺EsDataAssets來提高數據解析的效率。平臺不僅支持多種數據庫、文件等結構化和非結構化物理資源的定義、盤點和規劃，還能夠將富含業務知識的分析模型、報表應用、主題文件集合、接口等邏輯資源封裝為數據產品，全方位的盤點企業的各類數據生產要素。

— 02 —

    第二步：操之有度

    摸清了家底，心中有數后，我們還需要對這些家底進行一個規范化的管理，對它進行分類分級、明確歸屬，形成目錄，從而更好地完成對數據的維護和擴充，更好地支撐數據價值的發揮。

1.分門別類

    在我們前期構建的數據標準的指導下，我們可以對數據進行一個分類分級。

    對于數據的分類，可以參考業務維度。我們需要采用與行業相適配的規范的數據分類方案來對數據進行分類管理。比如政務資源里把數據按照人口、法人、宏觀經濟、空間地理等角度進行分類；法院體系里把人、案件、車輛、辦公進行業務主題分類。

    對于數據的分級，則是基于數據的價值。數據的價值維度有很多，比如：

    ①業務權重：數據是否屬于企業核心業務運營范疇，越接近核心則越重要，其作為數據資產的必要性越高。

    ②決策權重：對高層決策的重要程度，決定了數據能否作為數據資產的一項重要指標。

    ③使用頻次：數據被使用的頻次越高，說明其重要性越高。

    ④分布范圍：數據如果分布在多個業務域或者系統中，被很多不同的人員使用和共享，說明其支撐的業務越多，也越重要。

    ⑤ 技術承載與可控性：通過技術手段，對數據進行獲取、維護、管控，其難易程度、成本、可控性等方面都可作為輔助性的衡量標準。

    ⑥數據敏感程度：針對自身性質以及業務情況，區分數據敏感程度，保障數據安全。

    ⑦數據可變現性：針對數據的內部應用和外部應用，根據市場情況評估數據的可變現性。

    這些維度并不是固定的，企業可以根據自身情況進行調整擴充，來對自己的數據進行一個標記分級，從而為數據使用、價值挖掘、數據保護提供價值依據。

    2.明確歸屬

    很多時候，數據資產盤點后仍舊會出現這樣的情況：相關人員需要使用數據的時候，不知道數據怎么調用，需要修改數據時，也無法明確數據的管理者和消費者是誰，這個時候我們需要明確數據的權屬。通過調研、業務關聯、存儲對象關聯等方式，確定數據資產的業務歸屬和責任人，幫助掌握數據的來源和去向、明確相關責任歸屬，為跨業務的數據使用、數據關聯分析、數據分類保護等提供目標和責任指向。

    3.形成目錄

    在對數據資產進行盤點后，我們的成果就是數據資產目錄。數據資產目錄能將企業內的所有數據進行匯總，從而從全局層面直觀清晰地展現出企業擁有的數據內容、數據量、數據價值、數據存儲位置以及數據歸屬和責任人，幫助企業掌握其擁有的所有數據及數據價值，為企業進行數據使用、數據價值挖掘以及數據保護提供指導依據，同時指導企業進行數據規劃和數據體系搭建。

— 03 —

    第三步：行之有方

    數據資產目錄是數據資產盤點的成果，但不是最終結果。數據資產目錄如果只是放在那里，那么它仍是“沉睡”的資產。那么，我們應該怎樣去激活它，充分發揮它的資產價值呢？

    首先我們要明確的是，作為資產的數據，與傳統資產還是有很大的區別的。參考資產的權屬明確、可計量、可交易、這3大核心特征，數據資產化目前還存在兩大問題：

    ①是權屬模糊，數據從生產到流轉的過程中，可產生衍生數據及衍生數據主體，數據資產主體具有多重性；

    ②是沒有統一、普適性的定價標準和健全的數據資產交易機制，以及數據的隱私與安全問題亟待解決，使得數據資產的定價與估值困難，數據的流通與開放受限。

    所以我們這里暫時不從市場流通層面去討論數據的價值層面，主要來從基于數據盤點的成果——數據資產目錄的應用層面，來討論數據資產的價值實現。

    我們有了數據資產目錄，就相當于有了一個關于自身數據的指導手冊，它能從數據與業務結合的多個維度來促進數據價值的實現。

    1.資產可見：指導數據應用

    數據資產形成了目錄后，首先可以發揮的，就是其作為目錄基礎視圖價值。

    就拿EsDataAssets來說，平臺盤點的數據資產能夠以數據商品的形式在數據資產門戶中對業務用戶開放，消費者在門戶中可以通過資產分類導航、資產標簽、評價等級和關鍵字檢索的方式查找需要的數據資產，瀏覽數據資產詳情并發起數據服務的使用申請。

    數據資產的開發者可通過數據資產目錄將自己開發的數據資產準確發布到所屬的分類科目項下。數據資產的管理者借助數據資產目錄，可了解整體的資產分布情況、把控數據資產的使用，實現對數據資產的全局把控。數據資產的使用者通過數據資產目錄和合理授權，可快速定位和獲取所需的資產，并對數據資產進行評估和反饋。

    2.資產可信：保障數據安全

    我們可以根據分級分類和權屬劃分的結果，針對性地采取適當、合理的管理措施和安全防護措施。比如在EsDataAssets內，就可以內置可自定義的數據資產服務工作流，依據數據資產目錄的權責歸屬劃定服務申請審批對象，并支持行級數據權限的控制。消費者獲取的數據可依據數據安全中對資產的分級分類要求做響應的脫敏和加密處理。

3.資產可用：提高數據質量

    對于數據資產的規范化管理，有助于針對性地進行數據治理，從而提高整體數據質量。

    我們可以根據數據資產質量管理的要求和制度規范，從各維度定義數據質量的衡量標準，并細化流程管理。將對數據質量的把控落實到各環節，包括數據收集過程的準確性、完整性和統一性，處理和加工過程的客觀性和延續性，數據資產應用過程的時效性和可獲得性，讓高質量的數據來更好地助力企業的經營分析和決策制定。

    4.資產經營：促進資產增值

    隨著數據要素化的推進，部分地區和行業的數據資產交易，正在有序開放。2015年4月14日，全國乃至全球第一家大數據交易所——貴陽大數據交易所（簡稱“貴交所”）正式掛牌運營；2021年3月31日，北京國際大數據交易所成立；2021年11月25日，上海數據交易所掛牌成立；2022年1月21日，《浙江省公共數據條例》通過，對數據交易進行了相關規定，日前的浙江自貿區新聞發布會上也有消息稱，在2022年，杭州也或將上線國際數字交易平臺，并成立杭州國際數字交易所。

    在有活躍合法的交易市場的情形下，我們可以通過數據資產運營和流通，來讓數據資產進一步增值。我們可以根據數據資產目錄，制定有針對性的數據資產經營機制及估值體系，明確自身數據資產的定位及優勢，強化主動管理和營銷能力，逐步將數據資產從對內使用向對外營銷轉化。

    我們還可以通過相應技術和系統支撐，來提升數據資產開放輸出能力，例如國網上海電力公司通過對企業的用電數據進行脫敏、清晰和深度加工，再經模型與算法形成了“企業電智繪”的數據產品在上海數據交易所與中國工商銀行達成交易，助力商業銀行依托能源數據創新面向企業的金融產品和服務。

    — 04 —

    小結

    維克托·邁爾·舍恩伯格在《大數據時代》中提到：雖然數據還沒有被列入企業的資產負債表，但這只是一個時間問題。盡早地對自身的數據資源進行規劃布局，梳理成為資產，讓數據更好地助力經營應用，對于企業來說，是一個具有前瞻性的動作。但這項工作并不是靜態的，企業在進行數據資產相關的工作中，也應具備長線思維，并與時俱進，來更好地讓數據資產發揮價值。