數據資產管理及運營體系研究設計報告一、數據資產管理基本情況以及相關標準 1 1 2 3二、數據資產管理及運營的主要內容 5 6 6 7 8三、數據所有權及確權問題研究 9 9 四、數據資產的價值體現及影響因素 20 五、面向價值實現的數據資產管理體系 36五、數據資產運營生態圈及產業鏈 六、數據資產運營下一步要研究的問題 (一)研究背景數據資產(dataasset)被認為是組織合法擁有或者控制的、可計量的、能為組織帶來價值的數據資源。數據資產由數據組成，兼有無形資產和有形資產的特征，是一種全新的資產類別。隨著大數據產業的發展、大數據應用的深入，數據已被廣泛認為是寶貴的資產，數據具有的巨大潛在價值得到了廣泛認同，數據資產化日益受到各個國家、行業和組織的重視，數據資產的管理、應用以及標準制定成為當目前，對數據資產的理解還未達成共識，數據資產的管理和應用仍然面臨著諸多挑戰。從組織的管理視角看，仍有許多組織的數據管理比較薄弱，如存在數據孤島、缺乏數據標準、數據質量參差不齊，這些都阻礙了數據的進一步共享應用；加之組織難以對數據成本和數據價值進行評估，缺乏有效的數據資產管理運營方式，數據資產面臨運營難和增值難的問題。從產業的發展視角看，由于數據權屬問題尚未形成統一標準，數據流通和交易服務缺乏相關法律法規等有效監管機制，盡管許多數據交易平臺、大數據交易中心等紛紛成立，但目前總體規模仍然有限，尚未形成可持續的服務模式；此外，侵犯公民個人信息權益和隱私、企業間的數據糾紛等問題也頻頻暴露，這些問題擾亂了數據共享流通的市場秩序，制約了數據資產進一步融合應用。項目組通過梳理國內外數據資產管理的研究現狀，圍繞大數據發展對數據資產管理標準化的迫切需求，提出數據資產管理及運營體系(二)基本概念數據資產是指由企業擁有或者控制的，能夠為企業帶來未來經濟利益的，以物理或電子的方式記錄的數據資源，如文件資料、電子數據等。在企業中，并非所有的數據都構成數據資產，數據資產是能夠為企業產生價值的數據資源。傳統數據管理是指利用計算機硬件和軟件技術，對數據進行有效的收集、存儲、處理和應用的過程。數據作為信息載體，更關注數據結構以描述數據間的內在聯系，便于數據修改、更新和補充。數據資產管理是指規劃、控制和提供數據及信息資產的一組業務職能，包括開發、執行和監督有關數據的計劃、政策、方案、項目、流程、方法和程序，從而控制、保護、交付和提高數據資產的價值。數據資產管理需要充分融合業務、技術和管理，以確保數據資產保值2.區分數據管理、數據資源管理和數據資產管理傳統數據管理：利用計算機硬件和軟件技術，對數據進行有效的收集、存儲、處理和應用的過程。數據作為信息載體，更關注數據結構以描述數據間的內在聯系，便于數據修改、更新和補充。數據主要作為生產資源，關注目的就是去尋找手段，以有效地控制數據資源，更加強調組織、制度、流程、人員等方面的管理要求。核心思路是把數據對象作為一種全新的資產形態，并以資產管理的標準和要求來加強相關機制和手段。目前，國內外尚無成熟的數據資產管理標準可供參考，對數據資產管理定義、管理方法和管理過程等還未形成共識。根據相關研究，我們將數據資產的管理分為數據資產化、數據資產管理、數據資產運營3個階段。數據資產化過程應對現有數據資產的數據分布、數據活性等現狀進行梳理，依據標準對數據資產的權屬、質量、價值等進行評估，識別出權屬在控制范圍內的、有價值的數據資產，為后續的數據資產管理和運營提供支撐。數據資產管理過程可以進一步細分為核心過程和支撐過程。核心過程定義了一系列關鍵活動，涵蓋數據資產生存周期的登記、應用、盤點、變更和處置等過程，數據資產的維護更新等可以通過盤點、變更、處置等過程進行管理；支撐過程包括與數據資產風控和價值相關的數據資產安全和審計等。通過規范數據資產管理的核心過程及支撐過程，為數據資產擁有者建立有效的數據資產管理環境提供指導，為建立數據資產管理工具或平臺提供核心功能模塊建議。數據資產運營過程在數據資產管理工作的基礎上，篩選價值高的運營模式包括交易、置換、抵押等。在一個運營周期結束后，根據設定的運營指標，依據運營績效評價標準對運營成效進行評估，查找運營過程中存在的問題和不足，從而不斷提高運營能力。(三)相關理論及標準研究傳統的數據資產管理理論主要參考IT系統生命周期，基于信息資源規劃(InformationResourcePlanning,簡稱IRP),指對企業生產經營所需要的信息，從采集、處理、傳輸到利用的全面規劃。其核心是運用先進的信息工程和數據管理理論及方法，通過總體數據規劃，打好數據管理和資源管理的基礎，促進實現集成化的應用開發。這種方法適合傳統的面向企業內部相對穩定的應用需求，其數據是穩定的，可以通過有效方法建立穩定的數據模型，以適應行政管理上或業務處理上的變化能被計算機信息系統所適應。2.數據資產管理關鍵要素的相關理論及標準(數據資產評估、數據資產運營模式等)隨著各類組織對數據資產的日益重視，數據資產標準的研制已成為國內外各標準化組織共同關注的熱點，然而其尚處于起步階段。數據資產。2019年12月中國資產評估協會制定了《資產評估專家指引第9號——數據資產評估》(中評協〔2019〕40號),從數據資產的基本情況、基本特征、價值影響因素和應用商業模式等方面對評估對象進行多維刻畫，介紹了成本法、收益法和市場法3類評估方法，供評估機構及評估人員開展評估業務時參考。2019年6月4日，國家市場監督管理總局、國家標準化管理委員會發布了GB/T37550-2019《電子商務數據資產評價指標體系》,提出了由數據資產成本價值和數據資產標的價值組成的評價指標體系，并給出了二級指標項及相應的三級指標項，為電子商務數據資產價值的量化計算、評估評價提供了依據。信標委大數據標準工作組、國家信息技術服務標準工作組、中國通信標準化協會大數據技術標準推進委員會等紛紛開展了數據資產管理的研究工作，形成了數據資產管理的研究報告以及白皮書等成果，為數據資產標準的研制奠定了基礎。數據資產質量評估相關標準包括GB/T25000.12-2017《系統與軟件工程系統與軟件質量要求《系統與軟件工程系統與軟件質量要求和評價(SQuaRE)第24部等標準。數據開放共享。2017年，信標委大數據標準工作組立項了《信息技術大數據政務數據開放共享第1部分：總則》《信息技術大數據政務數據開放共享第2部分：基本要求》《信息技術大數據政務數據開放共享第3部分：開放程度評價》3項國家標準。2019年，全國信息安全標準化技術委員會開始制定《信息安全技術政務信息共享數據安全技術要求》。數據交易流通。2014年，信標委大數據標準工作組開始了大數據交易標準的研究，先后完成了《信息技術數據交易服務平臺通用功能要求》《信息技術數據交易服務平臺交易數據描述》。2017年，全國信息安全標準化技術委員會開始了《信息安全技術數據交易服務安全要求》的制定，以上標準的研制為數據交易平臺建設、數據交易的規范化提供了支撐。大數據時代給“數據資產管理”賦予了新的內涵，目前，國內外尚無成熟的數據資產管理標準可供參考，對數據資產管理定義、管理方法和管理過程等還未形成共識。項目研究將數據資產相關過程分為數據資產化、數據資產管理、數據資產運營3個階段以及12個子內數據資產運營績效評價數據資產運營績效評價數據資產運營指標管理數據資產定價數據資產管理審計數據資產安全管理數據資產管理工具要求數據資產目錄建設指南數據資產分類分級指南數據資產價值評估數據資產質量評估數據資產權屬評估數據資產管理的通用要求是統領性、通用性的基礎標準，數據資產管理的通用要求旨在為數據資產管理提供一套通用框架，主要為數據資產領域提供術語、對象、流程和保障機制等基本要求，并明確支撐管理對象的核心價值得以實現的各流程和活動間的邏輯關系，以形成對數據資產定義和管理范疇的共識。(二)數據資產化階段數據資產化階段包括數據資產權屬評估、數據資產質量評估、數據資產價值評估。數據資產權屬評估需要依據有關法律法規，結合數據資產的可復制、可共享、可流動等特點，研究制定數據資產的所有權、使用權等權屬的分類方法以及數據資產權屬的評估流程與方法等。數據資產質量評估可在GB/T25000.12-2017《系統與軟件工程系統與軟件質量要求和評價(SQuaRE)第12部分：數據質量模型》、GB/T25000.24-2017《系統與軟件工程系統與軟件質量要求和評價(SQuaRE)第24部分：數據質量測量》、GB/T36344-2018《信息技術數據質量評價指標》等標準的基礎上，考慮大數據環境下數據資產的流動性、可變性等特點，制定數據資產的質量評估方法與流程等。數據資產價值評估的研究應該綜合考慮不同行業領域的數據特點，覆蓋經濟價值、社會價值等不同價值類型，標準內容包括評估的要素、流程和方法等，同時應該結合數據資產的數量、質量變化因素預估其價值的變化趨勢。(三)數據資產管理階段數據資產管理階段包括數據資產分類分級指南、數據資產目錄建設指南、數據資產管理工具要求、數據資產安全管理、數據資產管理1、數據資產分類分級指南數據資產分類分級指南是指對數據資產進行分類分級時，為滿足數據安全管理、敏感數據管控、數據開放共享等需求，需規定數據資產分類分級的原則、模型、方法、編碼規則和管理流程等，便于數據資產分類管理和共享。2、數據資產目錄建設指南數據資產目錄建設指南應規范編制指南、元數據規范和編碼規范，編制指南主要規定數據資產目錄體系組成以及目錄編制實施的組織、流程和要求等，元數據規范主要規定元數據描述等，編碼規范主要規定與目錄相關的編碼的表示形式、結構和維護規則等。3、數據資產管理工具數據資產管理工具要求應從技術架構、建設方案、訪問接口、技術要求、測試要求等方面對數據資產管理的相關技術產品和管理平臺進行規范，明確功能性、非功能性和標準依從性等要求，針對大數據的特性提供自動化、智能化的技術保障和支撐。4、數據資產安全管理數據資產安全管理應涵蓋數據資產生存周期，規范數據資產管理的安全基本原則、安全策略、制度流程、技術規范、組織建設、技術工具和風險評估等，幫助組織開展政策與措施的規劃、開發和執行，保證數據資產被合法合規、安全地采集、傳輸、存儲和使用，在制定標準過程中應考慮與GB/T37988-2019《信息安全技術數據安全能力等標準的符合性。5、數據資產管理審計數據資產管理審計的對象包括數據資產管理的制度、流程和相應的過程記錄等，應監督數據資產管理過程的執行，評價數據資產管理的風險，保障數據資產管理和應用的合規。(四)數據資產運營階段數據資產運營階段包括數據資產定價、數據資產運營指標管理和數據資產運營績效評價。大數據環境下的數據資產具有大量、多樣、高速等特征，加上其價值的不確定性、稀缺性和多樣性，導致傳統的無形資產定價方法無法有效解決數據定價的問題，數據資產定價標準的研究可在無形資產的成本法、市場法、收益法等基礎上，考慮數據的價值密度、應用場景、變化頻率等因素，制定綜合定價方法。數據資產的運營以實現業務價值為導向，在符合法律法規的條件下，數據資產運營指標管理對數據資產交易流通、數據資產證券化、數據資產抵押貸款、數據資產投資入股等潛在的運營模式下的數據資產運營的增值能力、安全管控能力、審計追溯能力等進行細化研究，指導建立數據資產運營的評價基準。數據資產運營績效評價在數據資產運營指標的基礎上提供了評價的方法和流程，為數據資產的運營提供了評價數據所有權包含于數據產權的范疇里，按照1996年歐共體《數據庫保護指令》,數據產權被認定為是一種特殊的權利。數據所有權的界定，離不開產權的確定，即數據確權。數據確權，主要是確定數據的權利人，即誰擁有對數據的所有權、占有權、使用權、受益權，以及對個人隱私權負有保護責任等。從數據交易的角度理解，數據確權是為明確數據交易雙方對交易數據在責任權利等方面的相互關系，保護各自的合法權益，而在數據權利人、權利性、數據來源、取得時間、使用期限、數據用途、數據量、數據格式、數據粒度、數據行業性質和數據交易方式等方面給出的權屬確認指引，以引導交易相關方科學、統一、安全地完成數據交易。數據的開發和利用，伴隨著數據使用權的轉移，而數據的所有權幾乎不變。根據數據產生的來源以及收集和占有的情況，可分為政府數據、企業數據和個人數據這三個方面。(1)政府數據政府是擁有社會信息最多的機構。出于政府履行職能的需要，政府擁有的數據幾乎涉及到社會經濟發展的全部原始數據，它們分散于政府的各個部門，為各個部門所擁有。這些數據作為社會公共資源，所有權本質上屬于全體國民，在保障國家安全、保護個人隱私與企業商業秘密的前提下，大部分都向社會免費開放。(2)企業數據企業的經濟屬性，決定了其所擁有的數據是和實體物產一起，同屬于企業資產的一部分。企業的數據所有權，表現在企業對所擁有的數據具有使用控制權、收益索取權，也擁有銷毀或修改及復制數據的隨著互聯網對社會經濟生活的滲透，以及云計算技術的發展，那些原本很難收集、存儲、處理和加工使用的龐雜數據，其巨大的潛在價值開始被發現，進而發掘出有價值的信息，通過各行各業的不斷創就好比是取之不盡用之不竭的最原始礦藏資源，有使用的機會成本為零和邊際擁擠成本為零的特點，可以不斷被重復利用并不斷發掘出新的信息。擁有數據的企業不僅可以自己挖掘利用，也可以通過買賣數據發揮更大的效能，給自身帶來更大的利益。(3)個人數據個人存在及日常行為所產生的個人數據，作為數據的提供者，所有權毫無疑問屬于個人。個人數據，如身份信息肖像、消費習慣等原始信息，出于安全隱私的考慮，是不能直接交易流通的，必須進行脫敏處理。若收集用戶數據的機構與用戶達成了直接合同，在合約規定的范圍內獲取用戶提供的獨特數據，平臺便獲得了挖掘開發此類數據的權力。而因分析所得的任何成果，其所有權都屬于平臺。當平臺需要將挖掘權及利益轉讓給第三方時，則必須通過一個合理可行的程序取得用戶群作為一個整體的許可(如公開合作內容),而不再需要尋求每一個用戶的許可。由此可以看出，個人數據的所有權往往與搜集數據的平臺緊密相連。數據作為資源，其流通和應用必然涉及到數據的所有權、使用權和隱私權等諸多問題，因此數據的確權在大數據時代尤為重要，關系到大數據的開發、利用以及產業創新和社會福祉問題。數據確權，主受益權。當涉及到個人隱私數據時，數據的所有人就是被法律保護的在國內，從大數據交易角度提出了數據確權內涵。認為數據確權是為明確數據交易雙方對交易數據在責任權利等方面的相互關系，保護各自的合法權益，而在數據所有人、使用權限、數據來源、取得時間、使用期限、數據用途、數據量、數據格式、數據粒度、數據行業性質和數據交易方式等方面給出的權屬確認指引，以引導交易相關方科學、統一、安全地完成數據交易。在數據交易中，交易不應視做全部權力的轉換，在交易中，數據源在參與交易時，首先應要保證數據獲取的合法性，并且能夠通過舉證說明自身對于交易數據的所有權。當數據以商品的形式完成交割事時，購買方所購買的也僅是在特定數據應用場景下的對應權，而非實物中的全部權利轉變(觀山湖公約)。大數據權利的內容同大數據動態發展過程相對應，第一階段是針對原始數據，即數據源保護，主要是信息數據本體問題；第二個階段是針對數據收集挖掘，主要是收集者獲取和使用數據的問題；第三個階段是針對數據處理分析，主要是對數據知識化過程中，數據使用者的二次或多次利用權益的配置問題；第四個階段是針對數據應用，數據經營者與所有者行使權利的內容。這四個階段存在不同的法律風險問題，均需合理劃分權屬問題，避免個人信息的保護機制流于形式以及大數據應用過程利益分配失衡問題。原始數據所有者信息包含一般信息和敏感信息，2013年頒布的《信息安全技術公共及商用服務信息系統個人信息保護指南》是我國首個個人信息保護國家標準，規定個人敏感信息在收集和利用之前，必須首先獲得個人信息主體明確授權。一般信息可以通過默示許可的方式規范，原始數據所有者未明確拒絕收集挖掘、處理分析個人信息的，數據使用者可以自動收集利用，而敏感信息由于信息內容的私密性，需要通過同意加許可的方式規范，數據使用者占有、使用、收益等權利建立在原始數據所有者明確授權基礎之上。在數據知識化前，應當給予數據原始所有者權利，2018年歐盟頒布的《一般數據保護條例》明確保護個人的數據財產，但不足是沒有進一步考慮企業數據財產權問題，忽視了經營者應有的財產利益訴求。所以原始數據所有者應當包括按照主體標準分類的：個人數據、企業數據、政府數據和其他組織數據的主體，需要說明的是并不是誰發布數據信息誰享有數據所有權，數據的所有者是指該數據信息能夠體現出該主體信息的所有人。原始數據所有者權包括：(1)占有權，基于占有狀態統一數據利用者利用的權利；(2)有權收回的撤回權，這是對數據使用的一個限制，是數據(3)數據主體反對其已授權的數據被第三方二次利用權利。大數據所有者的權益涉及個人信息隱私尊嚴的應當給予人格權保護，涉及大數據所有者財產權益的應給予財產權保護。原始數據所有者權是從數據來源的層面判斷，數據多從公眾行為及網絡交互上產生，大數據權益的分配從來源看應當分配給數據的產出者，包括個人或集體組織，而相對應的網絡平臺是大數據的載體和管理主體，并非實際所有者，因此在大數據權益初始分配上，產生數據的公民個人或集體組織更宜成為數據權主體。大數據的收集挖掘通常使用網絡爬蟲按照一定應用程序和規則，自動獲取互聯網中的網頁腳本和搜索信息等數據資源，大數據收集挖掘者通過和原始數據所有者設立協議，制定數據使用規則，獲得收集、加工、存儲原始數據所有者數據資源的同意，通過建立信息使用授權關系進行網絡服務，通常所說的簽訂“默許協議”就是方式之一。事實上，數據時代經濟發展需要整合大量數據資源，數據收集挖掘者應當在一定限度內獲得數據收集挖掘和存儲加工的權利，我國不斷完善衡量數據經濟發展中的利益關系，大數據收集挖掘者權利在理論和實踐中均有突破。2014年《最高人民法院關于審理利用信息網絡侵害人身權益民事糾紛案件適用法律若干問題的規定》第12條規定，利用信息網絡侵害個人隱私和個人信息，造成損害后果應當承擔損失，但六項除外情形，構成侵權責任的免責規定，其中若該收集挖掘的數據欠缺公開性則大數據收集挖掘者侵權責任免責，援引上述司法解釋，2015年6月“北京百度網訊科技公司與朱燁隱私權糾紛案”中，南京市中級人民法院判定，被告數據收集挖掘者對于互聯網使用者瀏覽信息的自動抓取信息收集行為以及推薦個性化服務的行為不構成隱私侵權，進一步明確賦予了數據從業者在收集挖掘數據所有者個人信息方面的權利范圍，這是大數據收集挖掘者在數據收集過程中的權益保障。當大數據收集挖掘者已經通過協議明確告知網絡用戶存在數據收集、數據匿名化處理或者可以禁用數據收集工具，認為該主體尊重了原始數據所有者的選擇權，便不構成侵權。大數據的收集挖掘是實現大數據發展的重要環節，大數據權益始于原始數據所有者的個人數據，但通過大數據使用者的處理分析和加工利用疊加豐富大數據權益的價值構成，在這個過程往往用到脫敏技術、匿名化技術，并經過商業化分析，此時的數據和數據結論很難分離出原始數據所有者個人數據，大數據的再利用改變了原始數據的實際作用方式，大數據收集挖掘者權益保護不會妨礙原始數據所有者權益保護，經過收集挖掘的大數據權益應當歸屬于大數據的實際收集挖世界各國對大數據的開發利用增多，依靠大數據發展的企業數量也急速增加，我國大數據企業較為知名的有兩類：一類是具有綜合大數據生產能力的公司，如百度、騰訊、阿里巴巴等互聯網企業，華浪潮、中興等產品生產企業，他們擁有的大數據生產能力包含數據采集和存儲，數據可視化分析，數據商業利用以及數據安全保障等；另一類則是初創的大數據企業，他們大部分大數據應用需要依賴第三方數據公司提供大數據處理工具，針對市場需求，創新交易方案并推動技術發展。數據處理分析者對大數據的處理權利享有但不限于存儲、變更、傳輸、封鎖、刪除權。大數據權益的財產性不單體現在數據本身也體現在對數據的利用開發，數據是基本，人工智能、云計算、互聯網鏈接分享等新的應用模式才是數據的利益的最終歸宿。經中國版權保護中心審核，國家版權局對貴陽大數據交易所的20項大數據交易系統、大數據實時挖掘系統、大數據離線分析系統等軟件著作權進行了認定，確定為原始取得并予以登記，從頒證之日起，這20項系統軟件的版權將得到中國版權保護中心的有效保護。2018年貴陽大數據教育實訓基地自主研發的學生學籍信息查詢系統、網絡教學管理系統等15個項目獲取軟件著作權，這些都是大數據處理分析者對大數據知識產權化的實例。這些數據成果應用涉及到商業應用、工業應用和基礎設施等領域，大數據經濟的原動力就是將原始數據通過加工整合，使其附有經濟價值具有商品屬性，進而通過交易等其他方式利益化，這也是大數據企業制作數據和渴求保護的原動力。大數據應用者是在應用大數據成果中的數據使用者，他們可能使用大數據的初次成果或衍生成果，衍生成果可能經過多次云計算或新技術加工，不論是初次成果還是衍生成果都可以分為內部使用和外部使用。內部使用是在大數據成果設定的用途限制范圍內應用，具有綜合大數據能力的企業可以通過企業自身的數據收集挖掘能力將獲取的數據信息直接進行處理分析，根據企業生產目的，進行開發形成大數據新技術，并將新技術再次投入生產，以此循環獲得更高利益，這些內部使用并非大眾化，大數據設計的技術性、專業性較高，在此過程產生的數據交易行為可以認為是對大數據財產屬性的經濟利益獲取，應當尊重中合同自治和交易規則，通過財產所有權轉移來確定大數據應用者的權利義務；而外部使用大多是衍生成果的交易，還需要保證數據的安全性能，有一個二次授權問題，大數據作為市場經濟的重要推手，大數據的共享開放使得大數據應用成果使用者可以直接或間接地免費使用大數據，對于此時享有無償使用權的大數據使用者應當承擔相應的忠實義務并限定更嚴格的主體責任，必須制定合理標準，大數據應用者權須在合理限度內行使。影響數據資產價值的因素主要從數據資產的收益和風險兩個維度考慮，數據資產的收益取決于數據資產的質量和數據資產的應用價值。數據資產的質量是應用價值的基礎，對數據的質量水平有一個合理的評估，有利于對于數據的應用價值進行準確預測。準確性準確性真實性②5安全性①法律限制+風險維度內容受法律限制少的數據類型通常有著較高的交易價值，另外，同一數據在法律要求不同的國家交易價值也會有所不同。3數據成本4質量維度數據資產的質量是應用價值的基礎，對數據的質量水平有一個合理的評估，有利于對于數據的應用價值進行準確預測。應用維度數據的價值在于與應用場景的結合，不同應應用維度數據的價值在于與應用場景的結合，不同應用場景下，數據所貢獻的經濟價值有所不同。場景經濟性稀缺性①質量維度：數據資產質量價值的影響因素包含真實性、完整性、準確性、數據成本、安全性等。(1)真實性，表示數據的真實程度。如果數據有偏差，那么使用結果可能會差之毫厘失之千里；若數據造假，更將失去數據統計的意義。真實的數據才具有價值。(2)完整性，表示數據對被記錄對象的所有相關指標的完整程度。關鍵數據的缺失，將影響數據在應用中的價值貢獻，或需增加成本去補充數據。數據的采集范圍越廣，完整性可能越高，數據資產的價值相對也會越大。(3)準確性，表示數據被記錄的準確程度。在工作中，拿到的數據都需要先進行清洗工作，排除異常值、空白值、無效值、重復值等，這項工作很可能會占到整個數據分析過程將近一半的時間。專職工種“數據清理工程師”的出現也說明數據清洗工作的復雜性。數據的準確性越高，對數據的清理成本越低，數據的價值也就越大。(4)數據成本，在數據交易市場不活躍的情況下，數據的價值沒有一個明確的計算方式，賣方出售數據的報價首先會考慮數據的成本。數據的獲取方式通常為公司內部收集或者外購。對于公司內部產生和收集數據，顯性成本主要有收集、持有程序下的人力成本、存儲設備成本等，無法可靠計量的隱形成本主要為數據所附著業務的研發成本、人力成本攤銷等。通常，獲取成本越大，數據的交易價值相對(5)安全性，表示數據不被竊取或破壞的能力。數據自身的安全性越高，就可以為企業產生越穩定的價值貢獻；同時，數據持有企業對其支付的保護成本越低，其數據資產的價值越大。應用維度：數據資產應用價值的影響因素包含稀缺性、時效性、多維性、場景經濟性(1)稀缺性，表示數據資產擁有者對數據的獨占程度。商業競爭的本質，部分來自于對于稀缺資源的競爭。在制造差異化趨平的情況下，稀缺數據資源背后潛在的商業信息更加凸顯價值。比如司機駕駛習慣的數據，如：駕駛速度的穩定系數、剎車油門踩動的頻繁程度等——保險公司拿到這些數據，有助于它分析出司機的駕駛習慣、事故風險概率，從而相對精準地計算車險保費金額，更有效地提高經營效率(東方財富網，2018)。然而，這類數據是稀缺的，一般只有汽車生產商或出行服務運營商可以獲得這類數據。相對于司機的姓名、聯系方式等普通信息，駕駛習慣數據由于其稀缺性而體現出更高的價(2)時效性，數據的時效性決定了決策在特定時間內是否有效。比如交通信息數據，在沒有智能交管之前，交管中心收集的交通數據通常比較滯后，司機收到的路況信息已經是幾十分鐘之前的，低時效導致數據的價值大打折扣。在有了智能交管之后，信息中心通過獲取智能手機、車輛的實時位置，可以實時提供地區的人流量和車流量情況，提前分散車流、緩解交通壓力。由此可見，數據的時效性在某些(3)多維性，表示數據覆蓋范圍的多樣性。比如用戶在搜索引據這些問題及打開的相關鏈接，分析出用戶的年齡段、性別、文化背景、職業大類、需求偏好，再根據使用的手機或電腦品牌，更換通信設備的頻率等推測出收入階層，將這些數據挖掘整理后連接起來，就刻畫出一個多維的用戶形象。數據維度越多，適用的范圍越廣，數據的價值也就越大。(4)場景經濟性，數據的價值在于與應用場景的結合，不同應用場景下，數據所貢獻的經濟價值有所不同。比如，司機駕駛習慣數據可以幫助保險公司更準確地計算保費和理賠概率以提高利潤，該數據也可以幫助交通公司招聘合適的司機，但招聘場景下的應用價值，可能沒有幫助保險公司提高利潤所帶來的價值更大；又如交通路況信息用于物流公司的場景，比個人出行場景下的經濟價值更大；再如，當多維度的用戶信息用于尋找高凈值客戶時，也比用于普通生活用品推廣場景下的經濟價值更大。風險維度：數據資產的風險主要源自于所在商業環境的法律限制和道德約束，其對數據資產的價值有著從量變到質變的影響，在數據資產估值中應予以充分考慮。(1)法律限制，在法律尚未明確規定的情況下，哪些數據絕對不能交易，哪些數據可以通過設計合法后才能交易，這些問題在限制數據交易的同時也影響著數據資產的價值。例如，經去標識化處理后的個人信息雖然可以相對自由地進行交易，但其價值與去標識前的個人信息顯然存在差異。從實際效果來看，對于數據交易的限制性規定越多，交易雙方的合規成本和安全成本自然也會相應提升，雖然作為附帶效果，數據合規和數據安全產業會因此得到發展空間，但卻可能從整體上對數據資產市場的發展造成重大影響，進而影響到數字經濟的整體發展，應以發展和包容的理念去平衡考慮數據的價值創造與風險控制。一部關于數據交易的法律法規的出臺或者一個經典判決的作出，都可能對相應數據資產的價值帶來從量變到質變的影響。(2)道德約束，是指來自社會輿論壓力的風險等。獲取個人隱私信息的公司如不恰當地使用個人信息，不尊重用戶隱私，將會影響公司的品牌形象、客戶信任，對于數據資產的價值和公司的價值都會(二)數據資產價值評估方法概述由于數據資產不具有實物形態，估值時通常類比無形資產進行分析。無形資產評估在中國起步于20世紀80年代，在資產評估初期，企業價值評估以擁有的房產、設備等實物資產為主。但對于效益好、擁有良好信譽、先進專利技術的企業，無形資產的價值影響不可忽視。為保證股權交易的公平合理，客觀上提出了對無形資產價值評估的要求。在行業實踐中，無形資產價值的評估方法包括成本法、收益法和市場法三種基本方法及其衍生方法。成本法的理論基礎為無形資產的價值由生產該無形資產的必要勞動時間所決定，是從資產的重置角度考慮的一種估值方法，即投資者不會支付比自己新建該項產所需花費更高的成本來購置資產。成本法下，無形資產價值等于重置成本扣除無形資產的貶值。重置成本通常包括合理的成本、利潤和相關稅費，其中成本除了直接、間接成本外，還需考慮機會成本。無形資產的貶值通常需要從功能性貶值、實體性貶值和經濟性貶值三個方面考慮。成本法在應用時需要重點考慮資產價值與成本的相關程度。收益法的理論基礎為無形資產的價值由其投入使用后的預期收益能力體現，是基于目標資產預期應用場景，對未來產生的經濟收益進行求取現值的一種估值方法。收益法下衍生的無形資產估值方法主權利金節省法是基于因持有該項資產而無需支付特許權使用費的成本節約角度的一種估值方法。該種方法下，需要估算一項許可使用費率，用于計算“成本節約額”,特許權使用費率通常采用利潤分成多期超額收益法是通過計算該項無形資產所貢獻的凈現金流或超額收益的現值的一種估值方法。該種方法下，需要對因持有該項無形資產所產生的收入增加額或成本減少額進行合理估計；增量收益法是通過比較該項無形資產使用與否所產生現金流差額的一種估值方法，該種方法通常用于排他協議的估值。市場法是基于相同或相似資產的市場可比交易案例的一種估值方法。在取得市場交易價格的基礎上，對無形資產的性質或市場條件差異等因素進行調整，來計算目標無形資產的市場價值。市場法的應用前提為標的資產或其類似資產存在一個公開、活躍的交易市場，且交易價格容易獲取。目前，我國已在貴州等地設立了多個數據交易中心，數據交易估值會隨著數據交易中心等的探索而不斷完善。(三)數據資產價值分析及其適用性合使用價值更高”等特點。傳統的三種評估方法在應用于數據資產估值時各具有適用性，但也存在局限性。(1)計算方法評估價值=重置成本-貶值因素，或=重置成本×成新率重置成本：為形成數據資產的合理成本、稅費和利潤。對于公司內部產生和收集的數據資產，顯性成本主要有收集、存儲、處理數據的人力成本、設備成本等，隱性成本主要為數據所附著業務的研發成重新取得同樣一項數據資產所需支付的金額；貶值因素：傳統成本法評估中，實物資產的貶值因素主要分為經濟性貶值、實體性貶值和功能性貶值，但對于不具有實物形態且不作為功能性使用的數據資產而言，貶值因素主要來源于數據資產的時效性喪失帶來的經濟性貶值。易于理解，以成本構成為基礎的分析方法；計算簡單，以成本加總計算為主。(3)局限性數據資產對應的成本不易區分，數據資產為生產經營中的衍生產物，對于部分數據資產來說，沒有對應的直接成本，且間接成本的分攤不易估計。比如用戶在搜索引擎留下的查詢信息等數據資產，其數據搜集成本包括網站建設成本、搜索引擎市場推廣費用及管理、運營人員薪酬等，但這些成本中有多少應歸屬于“數據資產”,這一分攤比數據資產的貶值因素不易估算，造成各類數據資產貶值的因素各不相同。比如交通數據的時效性、司機駕駛信息的準確性，這些貶值因素的價值影響很難量化；無法體現數據資產可以產生的收益，雖然在成本的歸集中需要按照成本加成的方式考慮一定的合理利潤。傳統資產評估的利潤率可以參考實際利潤率，例如房屋建造的利潤率，而數據資產業務的利潤率并沒有行業通識或慣例，難以簡單地選擇一個合理利潤率，由此導致成本法難以體現數據資產應用所帶來的價值。2.收益法收益法是基于數據資產的預期應用場景，對在應用場景下預期未來產生的經濟收益進行求取現值的一種估值方法。收益法下衍生的無形資產估值方法主要有：權利金節省法(Relieffromroyalty)、多期超額收益法(Multi-periodexcessearnings)、增量收益法(With-and-without(1)權利金節省法許可使用費節約法是基于因持有該項資產而無需支付特許權使用費的成本節約角度的一種估值方法。1)計算方法許可使用費：為授權他人使用該數據資產可以收取的許可使用費，通常按照收入的比率計算，即許可使用費=數據資產相關收入×許可使折現率(i):數據資產持有者要求的必要報酬率；使用期限(n):數據資產可以使用的期限；所得稅攤銷收益：目前數據資產尚無法確認為無形資產入賬，因此相關稅收攤銷收益無法確認。反映了數據資產的經濟價值；可以反映出數據資產與相關收入的對應關系。3)局限性許可使用費不易估計，數據資產的許可使用費率在市場上尚未形成明確的行業標準，較難估計；使用期限不易確定，數據資產是動態的，導致確定數據資產的使用期限成為又一難點。(2)多期超額收益法多期超額收益法是通過計算該項無形資產所貢獻的凈現金流或超額收益的現值的一種估值方法。1)計算方法超額收益：數據資產的超額收益為因持有該項數據資產所產生的收入增加額或成本減少額；折現率(i):數據資產持有者要求的必要報酬率；使用期限(n):數據資產可以使用的期限；所得稅攤銷收益：目前數據資產尚無法確認為無形資產入賬，因此相關稅收攤銷收益無法確認。反映了數據資產的經濟價值；能比較充分考慮到數據資產所能貢獻的收益途徑。3)局限性超額收益不易估計，如智能交管數據，通過實時定位人車信息可以有效減少交通擁堵從而產生價值，但交通效率提升帶來的經濟價值數據資產在不同場景下可以貢獻的超額收益不同，全面地計算數據資產的超額收益難度比較大，比如用戶信息數據可用于消費領域、社交領域很多方面，而不同領域的收益不同，是否需要全部考慮，以使用期限不易確定，數據資產是動態的，導致確定數據資產的使用期限成為又一難點。(3)增量收益法增量收益法是通過比較該項數據資產使用與否所產生現金流的差額的一種估值方法。1)計算方法增量現金流=現金流(應用數據資產情景下)-現金流(不應用數據資產情景下);折現率(i):數據資產持有者要求的必要報酬率；使用期限(n):數據資產可以使用的期限；所得稅攤銷收益：目前數據資產尚無法確認為無形資產入賬，因此相關稅收攤銷收益無法確認。反映了數據資產的經濟價值；直觀、易于理解。3)局限性無法準確測算不應用數據資產情景下的現金流。增量收益法通過對比使用某些數據資產和不使用該數據資產兩種情景下成交額的差異來計算該數據資產產生的收益貢獻。但在實際操作上，由于市場情況在不斷變化，很難準確測算在其他條件不變的情況下，不使用該數據資產所產生的現金流；使用期限不易確定，數據資產是動態的，導致確定數據資產的使用期限成為又一難點。公式優勢濟價值；據資產所能貢獻的收益數據資產的許可使用費率在市場上尚未形成明計；確定數據資產的使用期限成為又一難點。·超額收益不易估計；下可以貢獻的超額收益不同，全面地計算數據資產的超額收益難度比數據資產是動態的，導致確定數據資產的使用期限成為又一難點。據資產情景下的現金流；定數據資產的使用期限成為又一難點。評估價值=可比數據資產成交額×2修正系數可比數據資產成交額為在公開交易活躍下，相同或類似數據資產的交易成交額；修正系數：用于對標的數據資產和可比案例的差異進行修正；能夠客觀反映資產目前的市場情況；評估參數、指標直接從市場取得，相對真實、可靠；需要存在公開活躍的市場作為基礎，目前在貴州、江蘇多地相繼成立了數據資產交易平臺，線上有HexBin、東湖等數據資產交易所，但目前交易所、交易平臺尚未成熟，尚無法提供大量全面的交易數據等信息；數據資產的價值需要根據交易背景不同進行具體分析，比如在分析用于美妝行業的女性客戶數據時，可比案例為用于婦幼行業的女性客戶數據，雖為同樣的數據資產，但兩種應用場景下價值不具可比性，也較難修正。(四)數據定價數據價格通常是影響交易成敗的重要因素，同時又是市場中最難以確定的因素。定價的目標是促進銷售，獲取利潤。這要求市場主體中的供應方既要考慮成本的補償，又要考慮消費者對價格的接受能力，從而使定價策略具有買賣雙方雙向決策的特征。此外，價格還是市場中最靈活的因素，它可以對市場做出靈敏的反映。就數據交易而言，不同的數據獲取來源決定了不同的定價機制。企業、個人和政府三者既是數據資源提供者也是數據的使用者。根據數據資源的特性，在定價和付費機制上一方面可參考一般行業比較健全的機制，另外一方面，由于數據資產本身的特性，在定價和付費上數據完整性、數據樣本及數據實時性，不同品種的數據價格機制是不一樣的。以國內貴陽大數據交易所的定價系統為例，實時價格主要取決于數據的樣本量和單一樣本的數據指標項價值，而后通過交易系統自動定價，價格實時浮動。數據交易的最終價格，由交易所撮合數據買賣雙方，價格由賣方與交易所最終確定。由于獲取數據源不同，數據交易可針對每一個數據品種設計自動的計價公式，數據買方可以通過交易系統查詢每一類數據的實時價格。按成交方式，成交價分三種1)自動成交：當數據買方應約價等于或高于賣方掛牌價時，按照數據平臺自動撮合成交，成交價為買方應約價格。2)賣方選擇成交：對于不能自動成交的應約，賣方可選擇能接受的應約與其成交，成交價為買方應約價。3)數據分拆成交規則：因為數據買方不一定需要全部的數據樣本，系統將對數據設定拆分原則，系統自動報價，而后自動撮合成功面向價值實現的數據資產管理體系包括4個部分：數據管理職能、數據運營、技術平臺和保障措施。數據管理職能作為數據資產管理體系的主體，通過各職能的配合，有助于對數據進行標準化和規范化，提升數據質量，完善數據體系，記錄追溯數據，打破數據孤島，建立安全數據環境；數據運營作為數據資產管理體系的核心，通過明確數據權屬，評估數據價值，實現可信數據交易和多樣數據服務，促進數據流通，加大數據開放的廣度、深度，加快數據流轉速度和數據資產化進程；技術平臺作為數據資產管理體系的技術支撐，依托覆蓋數據管理職能和數據運營的全生命周期技術，實現數據高效采集，降低數據存儲成本，提升數據處理效率，深入分析挖掘數據，豐富數據應用場景；保障措施作為數據資產管理體系的制度基礎，通過制定戰略規劃，完善組織架構，建立制度體系，設置審計機制和開展培訓宣貫等環節，確保數據資產管理工作的有序開展。數據運營數據管理職能保障措施技術平臺數據管理職能包括數據標準管理、數據質量管理、元數據管理、主數據管理、數據模型管理、數據共享管理、數據安全管理和數據價值管理8項管理職能。數據標準管理：是指數據標準的制定和實施的一系列活動。企業或相關機構在開展數據標準管理時，應首先對數據標準進行分類(如基礎類數據標準和指標類數據標準),并規定各數據標準類別下的基本單元(可以稱為“數據元”)及其屬性。同時，應制定數據標準管理辦法或相應的實施流程要求，開展評估數據標準管理效果等工作。數據質量管理：是指運用各種技術衡量、提高和確保企業數據質量的規劃、實施與控制等一系列活動。企業在開展數據質量管理時，應明確數據質量評價指標，通常包括完整性、一致性、唯一性、規范性、時效性等，在不同的應用場景下，數據質量評價指標有所擴展。同時，企業應持續測量和監控數據質量，分析數據質量問題的原因，制定數據質量改善方案。元數據管理：是指通過對描述數據的數據進行管理，以實現對數據的全生命周期管理的過程。企業在開展元數據管理時，應對元數據進行分類，通常分為技術元數據、業務元數據以及管理元數據，分別對應數據涉及的技術領域、業務領域以及管理領域，確保元數據覆蓋的全面性。同時，企業應開發和維護元數據標準，進而對元數據進行分析(如血緣分析、影響分析和數據地圖等)。主數據：是指描述企業核心業務實體的數據，用以協調和管理與企業的核心業務實體相關的系統記錄數據。企業開展主數據管理時，應篩選具備核心業務屬性的數據作為主數據，明確多業務系統共用數據的唯一可靠來源，并充分復用數據標準、數據質量規則、數據模型等已有的數據資產管理成果。同時，企業應實施主數據解決方案，監控主數據變化。數據模型：是對數據特征的抽象，數據模型管理通常是指在信息系統中用數據模型表示業務規則和邏輯的過程。企業開展數據模型管理時，應明確業務體系和數據組織結構，通常業務體系由概念模型和邏輯模型表示，數據組織結構由物理模型表示。同時，企業應制定數據模型管理辦法和實施流程要求，統一管控企業數據模型，確保數據模型的落地。數據共享管理：是指企業開展數據共享和交換，從而實現數據內外部價值的一系列活動。企業開展數據共享管理時，應定義數據資產內部共享管理辦法和實施方案，監督數據內部共享和外部開放的合規數據安全管理：是指對數據進行安全分級分類等操作，確保數據全生命周期管理和數據共享使用的安全合規性。企業在開展數據安全管理時，應定義數據安全標準和策略，定義數據安全等級，部署數據安全防控系統或工具，審計數據安全。數據價值管理：是指為了提升數據價值，通過數據應用價值和數據管理成本量化和優化數據價值的過程。企業在開展數據價值管理時，應確定數據存儲、計算和運維的成本預算，明確數據成本和收益的具體計量指標，制定降低數據成本和提升數據價值的策略，持續評估數據價值，并改進評估方案。(二)數據運營數據運營包括數據確權、價值評估、數據服務和數據流通4個方于2018年5月生效的歐盟的《通用數據保護條例》、于2020年1月生效的美國的《2018年加州消費者隱私法案》以及中國的《中華人民共和國個人信息保護法》均明確了數據所有權歸屬于數據主體，且數據主體擁有知情權、訪問權、反對權等多項權利，并規定了數據使用但是，由于目前數據確權仍停留在法律法規層面，且對于加工后的數據的所有權存在爭議，因此存在大量忽視數據所有權、濫用數據使用權的問題，而區塊鏈技術利用數據溯源和記賬的手段，為數據所有權和使用權的界定和監管提供了新的思路。價值評估：是指在數據質量、數據應用和數據風險等維度對數據進行估值的過程。常用的數據資產價值評估方法主要有成本法、收益法和市場法3類。其中，成本法從資產的重置角度出發，重點考慮資產價值與重新獲取或建立該資產所需成本之間的相關程度；收益法基于目標資產的預期應用場景，通過未來產生的經濟效益的折現反映數據資產在投入使用后的收益能力；市場法則是在相同或相似資產的市場可比案例的交易價格的基礎上，對差異因素進行調整，以此反映數據資產的市場價值。目前，由于數據交易、數據服務和數據流通尚未成熟，市場法并未得到廣泛的應用，多數企業將數據存儲計算作為成本計量維度，將數據使用熱度作為收益計量維度，并通過建立動態的估值模型，實現主觀與客觀相結合的數據價值評估。數據服務：是指為滿足數據使用者的需求而提供的多樣化服務方式。企業在開展數據服務時，需明確數據使用者的角色和需求，以制定相應的數據服務策略。對于數據分析人員來說，其需要的可能是數據湖中的原始數據或數據管理流程中的記錄；對于業務人員來說，其需要的可能是清洗后的數據或數據統計分析結果。同時，企業也應提供多種數據服務方式，包括在線數據服務、數據服務訂閱和數據API數據流通：是指在數據提供方和數據需求方之間按照一定流通規則進行的以數據為對象的行為。數據流通通常包含企業對內的數據共享、企業對外的數據交易。數據流通是釋放數據價值的關鍵環節，但由于數據孤島、數據確權和價值評估的限制以及數據交易政策和監管的缺失，數據流通的發展面臨諸多困難。(三)技術平臺技術平臺主要包括數據采集、數據存儲、數據處理和數據分析。數據采集：是指從數據生產端提取數據的過程。數據采集技術根據生產端的不同而有所不同，具體包括系統日志采集、網絡數據采集和數據庫采集3種方式。系統日志采集常用的開源技術包括ApacheFlume和FacebookScribe。ApacheFlume采用分布式架構處理流式數據，保證了日志數據采集的可靠性和實時性；FacebookScribe的特征是分布式共享隊列，提供了一定的容錯性能。網絡數據采集多采用合法合規的網絡爬蟲或網站公共API的方式(常用的網絡爬蟲系統包括ApacheNutch和Scrapy等框架),快速提取非結構化和半結構化數據。數據庫采集是指通過將數據庫采集系統與企業業務后臺服務器相連，保證企業實時產生的業務數據可以寫入數據庫中，如傳統的關系型數據庫、NoSQL數據庫以及大數據采集技術。數據存儲：是指選擇適當的方式組織和存放數據。文件系統是最早使用的存儲技術，將數據組織成相互獨立的數據文件進行管理。數據庫在文件系統的基礎上發展而來，不再以文件為單位存儲數據，而是以記錄和字段為單位對數據進行管理，實現了數據整體的結構化。目前數據存儲的方式和種類越來越豐富。數據處理：是指數據由存儲端到數據匯聚端的清洗過程，通常是指由數據庫到數據倉庫的抽取(extract)、轉化(transform)和加載(load)的過程(簡稱ETL)。目前，已有較為成熟的工具，以任務流的方式定時批量完成ETL,部分工具以可視化任務流而非代碼的方式配置任務，部分工具融合了數據準備和數據清洗的功能，如根據統計數據分析：是指通過相關技術實現對數據的深度分析和利用的過程。數據分析技術主要包括數據可視化、自動化數據建模和情景感知處理分析。數據可視化包括以SPSS、SAS、R為代表的基于數據分析的可視化工具，以GoogleChartAPI、Tableau為代表的動態渲染的可視化工具和以ModestMaps為代表的地圖可視化工具。自動化數據建模包括Google公司的CloudAutoML、微軟公司的CustomVision.AI等技術平臺，實現以計算機自動化的方式完成傳統的人工智能(artificialintelligence,AI)模型訓練過程。情景感知處理分析的核心技術包括情景信息采集技術、情景信息建模技術、情景信息(四)保障措施完善的數據資產管理體系需要一定的保障措施來確保各項管理職能落到實處。保障措施通常包括戰略規劃、組織架構、制度體系、審計機制和培訓宣貫5個方面。對于企業來說，建立數據資產管理的保障措施應充分考慮當前信息化建設的程度和企業數字化轉型階段，并評估數據應用前景和數據資產管理可能存在的困難，以確保保障措施的業務一致性和管理可行性。戰略規劃：是企業開展數據資產管理的指導藍圖，通常由企業管理層或領導層制定，包括數據資產管理的目標、指導原則、實施路線等內容。隨著數據價值的顯現，越來越多的企業不再將數據資產管理規劃局限于某一部門(如信息管理部門),而是將其作為企業戰略的重要環節，并在戰略規劃階段成立專門的數據管理部門，以連通IT部門和業務部門。組織架構：是企業為開展數據資產管理而設置的部門。典型的組織架構主要由數據資產管理委員會、數據資產管理中心和各業務部門構成，其中數據資產管理委員會作為數據資產管理的主要決策者，負責決策指導數據資產管理工作；數據資產管理中心作為數據資產管理的主要管理者，負責執行和監督數據資產管理工作；各業務部門作為數據資產管理的數據提供者、數據開發者和數據消費者，在參與數據資產流通和服務工作的同時，也應反饋和維護數據資產管理工作。制度體系：是一套覆蓋數據采集處理、共享流通等全過程的數據管理規范，保證數據資產管理工作有據、可行、可控。制度體系通常包括數據管理職能相關規范(如管理辦法和實施細則)、數據資產管理技術規范(如數據字典規范、數據模型設計規范、數據接口規范等)。審計機制：是評估數據資產管理的規范、規劃、組織機構、制度體系的執行狀況的監管方法，以保障、評估數據資產的安全性、準確性、完整性、規范性、一致性、唯一性和時效性。通常來說，審計由專業人員進行，審計對象包括數據權限使用制度及其審批流程、日志留存管理辦法、數據備份恢復管理機制、監控審計體系規范等。培訓宣貫：是指企業為提升員工的數據資產意識和數據資產管理專業化水平而開展的一系列培訓和考核過程。在培訓方面，企業可組織員工參與行業現有數據資產管理體系課程，或開展優秀部門和員工的經驗案例分享；在考核方面，企業可將數據資產管理納入現有考核體系，樹立行業、員工優秀模范，深化數據資產管理理念，提升數據資產管理技術能力。在面向價值實現的數據資產管理體系的基礎上，企業開展數據資產管理通常分為前期、中期和后期3個階段，各階段在保障措施、數據管理職能、技術平臺和數據運營方面的側重點和產出物有所不同，以確保企業統籌規劃數據資產管理，有序推進數據資產管理工作，逐步釋放數據資產價值。下圖展示了基于數據資產管理體系的規劃建設。其中橫軸表示數據資產管理的前期、中期、后期3個階段，縱軸表示數據資產管理體系，包括保障措施、數據管理職能、技術平臺和數據運營4個方面。數據流通平臺數據共享服務平臺數據匯聚平臺數據共享管理規范數據價值管理規范數據審計管理規范主數據管理元數據管理主數據管理規范營術臺據理能障施運技平數管職保措數據開發管理規范數據管理工具建設價值評估數據保障措施是確保企業數據資產管理有序開展的基礎，開始于數據資產管理前期階段，并貫穿至數據資產管理后期。前期的產出物包括數據資產管理戰略規劃和數據資產管理認責機制，明確數據資產管理的目標和職責。中期的產出物包括數據資產盤點清單、數據資產管理現狀評估和數據資產管理辦法，定位自身數據資產管理能力，規劃數據資產管理提升方案。后期的產出物包括數據資產管理人才建設，提升數據資產管理專業水平。根據各項管理職能的優先級，數據管理職能在各階段的建設順序有所差異。前期的產出物包括數據資產管理實施細則、數據標準管理規范、數據模型管理規范、數據安全管理規范，確定標準化數據的依據。中期的產出物包括數據質量管理規范、元數據管理規范、主數據數據價值管理規范、數據審計管理規范，規范數據共享和審計流程。技術平臺是輔助企業高效開展數據資產管理的有力工具，在中期階段匯聚了數據資產管理前期的成果(如數據標準、數據模型),并開展了數據質量稽核和元數據管理分析。中期的產出物包括數據開發管理規范、數據管理工具建設、數據匯聚平臺，指導平臺建設和數據集中。后期的產出物包括數據分析挖掘技術、數據共享服務平臺，提供數據服務。數據運營是指企業已具備良好的數據資產管理能力，以數據應用和服務為驅動展開的數據增值活動，通常在數據資產管理后期，以釋放源源不斷的數據價值驅動企業數據資產管理戰略規劃、管理職能和技術平臺的持續更新。其產出物包括數據資產價值評估方法和數據流通平臺，有效管控數據成本，最大化數據價值。六、數據資產運營生態圈及產業鏈數據資產運營正在給不同行業和領域帶來全新的發展機遇。數據資產產業鏈中通常分為上游產業和下游產業。上游產業是整個數據資數據資產下游產業處在整個產業鏈的末端，主要是對數據資源進行加工并提供數據產品與服務的行業。上游與下游是數據資產產業鏈中的相對概念，在整個產業鏈條中涉及諸多因素，如法律法規、政策、技術、人才和資金等，他們相互影響、相互制約，共同產生社會價值和經濟價值。上游產業上游產業1、利益相關方數據資產運營中的上下游產業鏈中存在著很多利益相關方，而且隨著開放數據和信息技術的推動，越來越多的組織機構和個人開始重視并參與到數據資產運營的探索中來。從各級政府部門到大型互聯網公司、創業公司和金融機構，數據資產產業鏈中的利益相關方逐漸得到發展和豐富。總的來看，數據資產產業鏈中的各利益相關方主要由各級政府部門、企業、產業聯盟、監督管理部門、科研機構、技術團體等構成，具備數據資產的整合、利用和成果轉化的能力。其中，從數據資產運營的底層視角來看，利益相關方又可以劃分為不同的角色。(1)提供方主要包括各級政府部門、行業機構以及各類企業甚至是個人，他們為各機構數據資產運營提供基礎數據資源，此外還包括提供軟硬件技術基礎設施的企業據加工方利用信息技術對數據進行加工處理、分析關聯、可視化等操作的企業、技術團體等。(2)用戶方包括政府部門、企業、個人，以及使用各類數據產品與服務的所有用戶，他們通過數據產品與服務輔助決策、解決日常問題、創造經濟效益等。監管方主要由數據資產運營相關行業主管部門和監督管理部門構成，行業主管部門主要職責是研究擬訂國家數據資產產業發展戰略、方針政策和總體規劃；擬定法律法規，發行行政規章；組織制訂政府數據資產產業與技術發展政策、技術體制和技術標準等，推動產業發展。監督管理部門依據政策、法規和行業規范，對數據資產產業的利益相關方及其業務行為實施指導、監督和檢查職能。(3)服務方主要由評測機構、知識產權管理機構和審計機構構成。它們受相關主管部門委托或由產業利益相關方自發組織，實施或參與實施聯盟組織和資產資格認定、知識產權保護、訂立行業行規行約、協作推動行業約束、審計檢查等職能，提高行業自律性；協助組織制定、修改本行業的國家標準、專業標準及本行業的推薦性標準等；作為企業代表與政府進行信息的溝通與協調，向有關部門提出產業發展意見。數據資產運營產業鏈中運用的信息技術與數據生命周期密切相關，不同數據生命周期階段需要不同的技術加以支持，因此這里對數據采集、數據清洗、數據存儲與管理、數據加工、數據交易等不同數據生命周期階段需要用到的技術分別予以闡釋。數據采集。數據采集是數據資產運營產業鏈的第一個環節，數據資源構成了整個產業鏈的基礎。數據采集技術包括網絡數據采集法和其他數據采集法。網絡數據采集法在當前主要通過系統直接生成，對于社會數據，通過網絡爬蟲或者平臺提供的API接口等方式從網站獲取數據，它支持文字、圖片、音頻、視頻等的采集；其他數據采集法是指可以通過與其他機構的合作，使用特定的系統接口等相關方式采集數據。數據清洗。數據清洗主要是刪除采集數據中的無關數據、重復數據以及涉及國家安全、個人隱私和商業機密的數據，平滑噪聲數據，篩除與挖掘與主題無關的數據，處理缺失值、異常值。對于采集的數據而言，并不是所有的數據都是有價值的，其中可能存在重復的、低質量的、干擾的數據，因此需要通過“清洗”去除這些數據，為后續數據的分析加工提供高質量、有價值的數據。數據存儲與管理。采集的數據具有海量、格式多樣、類型不一等特點，需要對這些數據進行存儲與管理，以備后續加工使用，避免重復采集數據從而節約時間、精力、資金等成本。因此，數據存儲系統不僅需要以極低的成本存儲海量數據，還要適應多樣化的非結構化數據管理需求，具備數據格式上的可擴展性。數據加工。數據加工主要指對數據進行分析挖掘等加工處理。數據分析與挖掘的意圖主要集中在兩方面：一是從大量的結構化和半結構化數據中分析出計算機可以理解的語義信息或知識；二是對隱性的知識，如關聯情況、意圖等進行挖掘。常用的方法包括分類、聚類、關聯規則挖掘、序列模式挖掘、時間序列分析預測等。通過分析、發掘可發現數據本身及數據集之間蘊藏的巨大潛在價值，因此數據分析與挖掘的能力直接決定了數據的應用推廣程度和范圍，是數據價值實數據資產運營的標準化有利于促進數據資產運營的可持續發展。數據資產標準化需求來自各利益相關方，如監管方、服務方、用戶方等，統一的數據資產標準可以為行業和產業發展提供指導。目前我國國內關于數據資產運營方面的標準制定工作才剛剛開始，還有大量的工作需要進一步完善。資金投入是數據資產運營的關鍵，典型產品的資金投入策略是以盡量小的投入獲得盡量大的價值回報，這主要是面對產品顯性價值而言，而數據產品與服務由于其隱性價值和外延價值很難估算，因此其資金投入策略沒有固定的模式或規律可循。在數據資產運營中，資金要素的主要目標是促進產業鏈的快速構建，其關鍵活動包括引入資本、整合資源、培育市場、培養人才和打通產業鏈上下游供需關系等。在數據資產運營的培育期，數據資產運營往往缺乏足夠的資金支持，無法確保前期數據資源采集和成果轉化的快速開展。在成長期，數據資產運營主要關注商業資本和商業模式，目標是打通產業鏈上下游關系，大量引入商業資本投資，創新商業模式，拉動多行業和用戶應用需求，培育數據資產運營的市場環境，助力產業快速擴大和升級。同時，要能夠監管資本流動，制定標準規范，約束市場行為，確保產業的健康良性展。數據資產管理可參考按照“統籌規劃→管理實施→稽核檢查→資產運營"四個階段的方法策略執行。以業務應用目標為指引，企業可以按照自身數據及管理情況制定不同的實施步驟順序。(1)統籌規劃第一階段是統籌規劃過程，制定數據資產管理戰略規劃，明確數據資產管理目標，涉及建立數據資產管理組織和制度作為保障措施，盤點數據資產，制定數據資產標準規范等，該階段成果是后續工作的一般情況下，數據資產管理的第一步是建立組織責任體系，根據自身情況，制定數據資產管理制度規范。需要建立一套獨立完整的關于數據資產管理的組織機構，明確各級角色和職責，確定兼職專職人員，保障數據資產管理的各項管理辦法、工作流程的實施，推進工作的有序開展，并逐步打造管理及技術的專業人才團隊。第二步是結合業務盤點數據資產，評估當前數據管理能力。對基礎數據的盤點是開展數據資產管理工作的前提之一，需要分析企業戰略及業務現狀，結合當前大數據現狀及未來發展，盤點企業內外部數采集匯聚等專題任務。與此同時，了解企業數據來源、數據采集手段和硬件設備情況，以定位自身數據資產管理能力，規劃未來數據資產管理成熟度提升方案。第三步是制定數據資產相關的標準規范。在企業組織架構、制度體系和數據資產盤點的基礎上，結合國際標準和行業標準，圍繞數據資產全生命周期管理，制定相關的數據規范體系，包括元數據標準、核心業務指標數據標準、業務系統數據模型標準、主數據標準、關鍵業務稽核規則等，使得數據管理人員在工作中有明確的規則可依，同時，建立參考數據和主數據標準、元數據標準(比如元模型標準)、公共代碼標準、編碼標準等基礎類數據標準，以及基礎指標標準、計算指標標準等指標類數據標準和關鍵業務稽核規則。企業應逐步推動相關數據規范和標準的工作建設，使數據有效匯聚和應用，切實保障數據資產管理的流暢實現。(2)管理實施第二階段就是對第一階段成果的落地實施。首先，在搭建大數據管理平臺、完成數據匯聚工作的基礎上，根據企業自身存量數據基礎和增量數據預估，建設或采購必要的數據資產管理平臺或引入第三方工具以支撐管理工作，切實建立起企業數據資產管理能力。其次，要建立安全管理體系，防范數據安全隱患，執行數據安全管理職能。再次，還需要制定和管理主數據，以明確企業核心業務實體的數據，如客戶、合作伙伴、員工、產品、物料單、賬戶等，從而自動、準確、及時地分發和分析整個企業中的數據，并對數據進行驗證。在第二階段里，需要從數據資產管理的相關業務、技術部門日常工作流程入手，切實建立起企業數據資產管控能力，包括從業務角度梳理企業數據質量規則，檢測數據標準實施情況，保證數據標準規范在企業信息系統生產環境中真正得到執行。針對關鍵性數據資產管理工作，可以借助管理工具，建立數據資產的管理流程，保證相關事情同時，企業應加強數據資產服務和應用的創新，可以圍繞降低數據使用難度、擴大數據覆蓋范圍、增加數據供給能力等幾個方面開展。通過數據可視化、搜索式分析、數據產品化等降低數據使用難度；通過數據“平民化”(如打造數據應用商店)擴大數據覆蓋范圍，讓一線業務人員接觸到更多的數據，讓數據分布更加均衡；通過數據消費者、數據生產者之間靈活的角色轉變，增加數據的供給能力(如形成數據眾籌眾享模式)。第二階段的工作目標主要是為企業打造核心的管理數據資產的能力，同時為企業內數據資產管理部門形成數據管理的工作環境，概括起來，就是企業數據資產可管理、可落地。(3)稽核檢查稽核檢查階段是保障數據資產管理實施階段涉及各管理職能有效落地執行的重要一環。這個階段包括檢查數據標準執行情況、稽核數據質量、監管數據生命周期等具體任務。一是數據標準執行情況檢查的常態化。數據標準管理是企業數據資產管理的基礎性工作，通過數據標準管理的實施，企業可實現對大數據平臺全網數據的統一運營管理。數據標準管理的檢查主要從標準制定和標準執行兩個方面檢查。標準制定的檢查主要圍繞同國家標準、行業標準的一致性，同時參考與本地標準、數據模型的結合性，包括數據命名規范、數據類別等。標準執行的檢查主要圍繞標準的落地情況，包括數據標準的創建和更改流程的便捷性、數據標準使用的廣泛性、數據標準與主數據的動態一致性等。二是數據質量稽核的常態化。應對數據質量問題，首先要提升數據質量意識，數據質量意識包括能夠將數據質量問題與其可能產生的業務影響聯系起來，同時也包括“數據質量問題不能僅僅依靠技術手段解決”的理念。盡可能從數據源頭提升數據質量。其次，建立一套良性循環、動態更新的數據質量管理流程，制定符合業務目標的數據質量稽核規則，明確在數據全生命周期管理各環節的數據質量提升關鍵點，持續評估和監督數據質量與數據質量服務水平，不斷調整更新數據質量管理程序，推動數據向優質資產的轉變，逐步釋放數據資產價值，為企業帶來經濟效益。三是靈活配置數據存儲策略的常態化。數據生命周期管理，其目標是以完全支持企業業務目標和服務水平的需求，根據數據對企業的價值進行分類分級，形成數據資產目錄，然后制定相應的策略，確定最優服務水平和最低成本，將數據轉移到相應的存儲介質上，爭取以最低的成本提供適當級別的保護、復制和恢復。借助數據生命周期管理，企業不但能夠在整個數據生命周期內充分發揮數據的潛力，還可以按照業務要求快速對突發事件做出反應。四是數據資產安全檢查的常態化。在大數據時代，數據資產更容易遭受泄露、篡改、竊取、毀損、未授權訪問、非法使用、修改、刪除等問題。2019年5月，國家互聯網信息辦公室發布關于《數據安全管理辦法(征求意見稿)》公開征求意見的通知。企業應通過建立對數據資產及相關信息系統進行保護的體系，合規采集數據、應用數據，依法保護客戶隱私，提高數據安全意識，定期進行數據資產安全檢查，保證數據的完整性、保密性、可用性。(4)資產運營通過前三個階段，企業已經能夠建立基本的數據資產管理能力，在此基礎上，還需要具備以實現業務價值為導向，以用戶為中心，為企業內外部不同層面用戶提供數據價值的能力。資產運營階段是數據資產管理實現價值的最終階段，該階段包括開展數據資產價值評估、數據資產內部共享和運營流通等。數據資產價值評估能夠以合理的方式管理內部數據和提供對外服務。在大數據時代，數據運營企業關于數據價值的實現是體現在數據分析、數據交易層面。數據資產作為一種無形資產，其公允價值的計量應當考慮市場參與者通過最佳使用資產或將其出售給最佳使