数据资产打点究竟是奈何一回事？

　　逐渐成为一个不可忽视的重要话题。企业在数字化转型的过程中，通过数据治理、数据产品的开发，以及数字化应用场景落地，不断提升地自身数据资源的价值，并实现数据资产的获得和积累。

　　数据资产是数据要素化的结果。所谓数据要素化，就是在数字经济中，把数据当成与土地、人力、资本等传统生产要素一样重要的生产资料，是可以直接带来经济价值的。

　　狭义上看，具体到企业的层面，数据要素化，就是指企业的数据可以直接给企业带来收益，比如基于数据构建的自动化、智能化应用，给企业提供更多的订单、Bwin必赢更好的服务质量、更低的运营成本等。

　　因此，谈到数据资产管理，就必须从实现数据要素化开始理解，其中，数据先通过治理变成数据资源，再通过“确权”和交易体现出资产属性。

　　数据资产管理并不是独立的数据管理活动类型，而是对传统数据管理活动的内涵“延伸”，国际数据管理协会提出的经典数据管理体系DMBOK几乎已经覆盖了数据资产管理活动的全部内容：数据治理、数据操作、安全、质量管理、主数据管理、元数据管理、数据仓库、商务智能 ... ...

　　在数据资产管理的数字化目标下，这些传统的数据管理活动本身都还是存在的，但是会有不一样的工作标准和约束条件 —— 把数据当作企业的重要资产而非一般意义上的业务对象来存储和处理数据，意味着所有数据管理活动都必须坚持“以价值为中心”的基本原则。

　　例如，在这种思路下，任何数据治理工作都应当考虑到最后一环的数字化场景落地的实际可行性，而非盲目的常态化工作来开展，此外任何数据管理制度的完善和健全，也必须要遵从“成本-收益”模型的科学测算来做决定。

　　以数据资产管理的基本对象划分，数据资产管理包括数据资产内容管理、数据资产标准管理、数据资产质量管理、数据资产安全管理等几个关键方面。

　　数据资产内容管理：主要是明确数据资产的主数据和数据链，成果物是数据资产目录，同时要求在数据资产目录中要实现资产的分类体系设计（确定划分层级、划分粒度、划分依据等）。

　　其中，主数据按照业务意图精加工后，本身就可以直接作为企业的数据资产主体，而数据链则是主数据与其他关联数据融合再（一系列）加工后的数据资产。数据链强调了数据溯源、数据共享、数据整装等多维度的价值意义。

　　数据资产标准管理：数据标准规范作为数据获取、处理分析、开放共享的基础，对于数据资产的访问和重用具有重要的意义。Bwin必赢在指定数据资产标准时，除了考虑到技术层面的信息交互标准，还要考虑在数据要素化的过程中，数据资产的内在价值评估和外部市场交易时，对数据资产的定量和定价标准。Bwin必赢

　　数据资产质量管理：数据成为数据资产，必须基于一定的数据质量基础保障，即需要通过一系列的数据开发工作，不断提升数据的综合质量，保证可以达到一定的可用性。

　　期间，需要制定数据质量标准、确定数据资产的开发技术路线，对原始数据进行清洗、整理、融合、加工、封装等各种操作，实现数据的规整和隐藏价值提炼。

　　此外，数据资产质量管理还包括数据资产质量审计、数据资产质量评价，以及数据资产质量检测等方面工作。

　　二是在采集和加工数据时要考虑相关方的数据隐私权益和监管方的数据安全规定；

　　三是对数据资产相关的各主体进行不同的权限管理，例如账号分角色赋权，并对数据访问行为进行监测，确保数据资产被合理且安全地访问。