【数据治理-05】什么数据才是货真价实的数据资产，一起聊聊数据资产-Toy模板网

这篇具有很好参考价值的文章主要介绍了【数据治理-05】什么数据才是货真价实的数据资产，一起聊聊数据资产。希望对大家有所帮助。如果存在错误或未考虑完全的地方，请大家不吝赐教，您也可以点击"举报违法"按钮提交疑问。

在国家层面一些列文件、纲要、政策、办法等政府力量的推动下，数据资产这个词越来越频繁的出现在我们寻常工作当中，现在越来越觉得这个词被滥用，大有“一切数据皆是资产”的感觉，业务数据是资产、技术数据是资产，不能共享的数据是资产、能共享的更是资产，就连后台日志数据、用户行为数据、监控数据都是资产，眉毛胡子一把抓，让每种数据都成为资产，这种无可厚非的思想总感觉不太专业，那么什么数据才是货真价实的数据资产，让我们一起聊聊数据资产。

说实话，各种文献，白皮书等关于数据资产的定义五花八门，没有最好，只有更好。但是我们要清楚的意识到，既然能称为资产的数据，那么必然有资产的属性，看看资产的定义：“能给企业带来经济利益的资源”，还要记住“不能带来经济利益的资源不能作为资产，是企业的权利”，因此我们定义的那些所谓的数据资产能不能给企业带来经济利益。接下来我们看看“数据资产”的定义，这个定义来自信通院发布的《数据资产管理实践白皮书（5.0）》，我觉得相对于其他版本的定义要好，很符合我的认知：

数据资产（Data Asset）是指由组织（政府机构、企事业单位等）合法拥有或控制的数据资源，以电子或其他方式记录，例如文本、图像、语音、视频、网页、数据库、传感信号等结构化或非结构化数据，可进行计量或交易，能直接或间接带来经济效益和社会效益。

因此，在没有带来直接或间接效益之前，我们别弄不弄就把数据叫做资产，充其量是资源，或者连资源都算不上，就是未开发的未利用的数据而已。

典型的数据资产有哪些

直接变现的数据：加工后可以直接售卖的数据。例如阿里巴巴数据交易平台聚焦金融、电子商务、人工智能、生活服务、交通等领域数据交易服务，百度APIStore提供设计开发、运维管理、云服务、app推广、数据服务等5个范畴的服务。

间接变现的数据：加工后能够促进业务的达成或效率的提升。比如用户数据是指用户的个人信息、行为轨迹、偏好等，是互联网企业最重要的数据资产之一，可以用于用户画像、精准营销等。交易数据是指用户在平台上的购买行为，可以用于预测消费趋势、优化商品推荐等。

获取社会效益的数据：带来的企业、政府、社会社会效益提升的流通数据。最典型的就是政府跨部门跨层级的数据流通，让群众实实在在的好办事，这些数据是政府的数据资产。

怎么挖掘数据资产

其实方法思路倒是不难，无非是盘盘家底，看看我们企业有哪些数据，把数据梳理出来成为数据资源，再挖掘内外部需求，把数据封装加工能用户需要的数据，让数据产生效益成为数据资产。具体参照下图：

【数据治理-05】什么数据才是货真价实的数据资产，一起聊聊数据资产

如何进行数据资源化和数据资产化，《数据资产管理实践白皮书（5.0）》给出了较为详实的叙述，并且给了上图所示的10个活动职能内容。

数据资源化通过将原始数据转变数据资源，使数据具备一定的潜在价值，是数据资产化的必要前提。数据资源化以数据治理为工作重点，以提升数据质量、保障数据安全为目标，确保数据的准确性、一致性、时效性和完整性，推动数据内外部流通。数据资源化包括数据模型管理、数据标准管理、数据质量管理、主数据管理、数据安全管理、元数据管理、数据开发管理等活动职能。

数据资产化通过将数据资源转变为数据资产，使数据资源的潜在价值得以充分释放。数据资产化以扩大数据资产的应用范围、显性化数据资产的成本与效益为工作重点，并使数据供给端与数据消费端之间形成良性反馈闭环。数据资产化主要包括数据资产流通、数据资产运营、数据价值评估等活动职能。需要说明的是，围绕“资产”管控开展资产认定、权益分配、价值评估等活动受组织外部影响因素较多（包括数据要素市场相关交易模式、市场机制、法律法规或政策等），本白皮书所定义的数据资产化强调其对于推动组织数据资产管理的作用。

摘自“《数据资产管理实践白皮书（5.0）》”

数据资产挖掘工作正应了那句话“说起来容易，做起来难，转化成效益难上加难”，可想而知，数据资源化工作涉及到公司的各个部门，尤其大的集团公司，各个部门配合吗，不要奢望所有人都有大局观。懂技术的不懂各个部门的业务，懂业务的不能技术，如何让各个业务部门充分参与到懂技术的数据团队工作中，做到一下几点是有必要的：