4月9日，《中共中央國務院關於構建更加完善的要素市場化配置體制機制的意見》公佈。「數據」首次作爲一種新型生產要素寫入中央文件中，與土地、勞動力、資本、技術等傳統要素並列爲要素之一。
無論對於企業經營成長、政府服務治理，還是社會建設發展，數據是核心資產已成爲行業共識。
而在實踐場景中，不斷噴涌的海量數據需要經過加工、提煉才能爲各類機構、企業所用。
今天來探討企業如何把數據變爲數據資產，進行數據資產管理。
一、數據資產的定義與特性
數據資產（Data Asset）：是指由企業擁有或者控制的，能夠爲企業帶來經濟利益的數據資源。
在企業中，並非所有的數據都構成數據資產，數據資產是能夠爲企業產生價值的數據資源。
二、數據資產管理的必要性
伴隨着大數據時代支撐數據交換共享和數據服務應用的技術發展，不斷積澱的數據開始逐漸發揮它的價值，因此，將數據作爲一項資產，“盤活”數據將充分釋放其附加價值。但事實上，由於各種原因，數據資產管理面臨諸多挑戰。
首先，大部分企業和政府部門的數據基礎還很薄弱，存在數據標準混亂、數據質量層次不齊、各條塊之間數據孤島化嚴重等現象，阻礙了數據的共享應用。其次，受限於數據規模和數據源種類的豐富程度，多數企業的數據應用剛剛起步，主要集中在精準營銷，輿情感知和風險控制等有限場景，應用深度不夠，應用空間亟待開拓。再次，由於數據的價值很難評估，企業難以對數據的成本以及其對業務的貢獻進行評估，從而難以像運營有形資產一樣管理數據資產。
而數據資產管理是充分發揮數據價值的必經之路。通過解決釋放數據價值過程中面臨的諸多問題，以體系化的方式實現數據的可得、可用、好用，用較小的數據成本獲得較大的數據收益，具體體現在以下六個方面：
一是全面掌握數據資產現狀。數據資產管理的切入點是對數據進行全面盤點，形成數據地圖，爲業務應用和數據獲取夯實基礎。數據地圖作爲數據資產盤點的輸出物之一，可以幫助業務人員快速精確查找他們想要的數據，幫助數據開發者和數據使用者瞭解數據，併成爲對數據資產管理進行有效監控的手段。
二是提升數據質量。強調高質量的數據在發揮數據價值中的重要性。數據資產管理通過建立一套切實可行的數據質量監控體系，設計數據質量稽覈規則，加強從數據源頭控制數據質量，形成覆蓋數據全生命週期的數據質量管理，實現數據向優質資產的轉變。
三是實現數據互聯互通。數據資產管理通過制定企業內部統一的數據標準，建立數據共享制度，完善數據登記、數據申請、數據審批、數據傳輸、數據使用等數據共享相關流程規範，打破數據孤島，實現企業內數據高效共享。同時搭建數據流通開放平臺，增強數據的可得性，促進數據的交換流通，提升數據的服務應用能力。
四是提高數據獲取效率。數據資產管理通過搭建數據管理平臺，採取機器學習等相關自動化技術，將大量前期的數據準備時間和交付項目的時間縮短，提升數據的獲取和服務效率，讓數據隨時快速有效就緒，縮短數據分析人員和數據科學家的數據準備時間，加快數據價值的釋放過程。
五是保障數據安全合規。保障安全是數據資產管理的底線，數據資產管理通過制定完善的數據安全策略、建立體系化的數據安全措施、執行數據安全審計，全方位進行安全管控，確保數據獲取和使用合法合規，爲數據價值的充分挖掘提供了安全可靠的環境。
六是數據價值持續釋放。存儲和管理數據的最終目的是實現數據的價值，數據資產管理將數據作爲一項資產，並通過持續、動態的全生命週期管理過程，使數據資產能夠爲企業數字化轉型提供源源不斷的動力。管理方面，建立一套符合數據驅動的組織管理制度流程和價值評估體系。技術方面，建設現代化數據平臺、引入智能化技術，確保數據資產管理系統平臺持續、健康地爲數據資產管理體系服務。
三、如何進行數據資產管理？
數據資產管理主要包含三個方向：資產分析、資產治理、資產應用，並基於這三個方向的技術研究和實戰，將流程、經驗、標準和規範等產品化，最終構成企業統一的數據資產管理平臺。
1、資產分析
資產分析包括了資產盤點和資產評估兩部分。資產盤點是爲了讓使用數據的人員能更好的理解數據，可通過知識圖譜進行內容的理解和推理或構建企業資產目錄；資產評估則對資產的活性、投入產出比進行評估。
資產分析具體包括以下三部分內容：
資產分析對象
以企業全域大數據作爲資產分析對象。
多維度數據資產分析體系
基於資產分析對象，以基層元數據、用戶行爲日誌、數據知識圖譜爲素材，通過綜合人腦和機器學習算法等手段，充分理解數據資產內容，完成各類數據資產分析，理解數據內容。
資產分析產品化
基於多維度數據資產分析體系，在技術端和用戶看不到的產品背後進行資產盤點、資產評估和資產探查，從而向用戶輸出易讀、易懂的資產報告。
2、資產治理
資產治理包括對計算、存儲、治理、模型、安全、成本等領域進行治理，並形成有效的智能治理閉環，將治理方法論沉澱爲工具產品輸出。
資產治理具體包括以下兩部分內容：
資產治理閉環體系建立
包括現狀分析、問題診斷、治理優化、效果反饋在內的資產治理閉環體系。
對各環節內容進行豐富和完善，問題診斷不僅僅包括計算存儲資源診斷，還包括數據質量與數據安全的領域診斷。
資產治理多維度輸出
資產治理致力於將治理閉環能力開放。通過標準輸出、定製產品、能力輸出、構建協作機制等維度進行輸出。
3、資產應用
資產應用通過全鏈路實現端到端打通，評估應用投入產出比，並進行安全的檢測管控。
資產應用具體包括以下兩部分內容：
資產應用全鏈路體系
通過全鏈路數據跟蹤，將數據從獲取到數據處理再到數據應用，實現端到端的打通。
資產應用產品化
圍繞最終用戶，以數據資產的本質爲驅動力，提供應用分析產品。包括全鏈路“血緣”關係，清晰展示數據的來龍去脈。
全鏈路保障：讓用戶清楚知道各種保障措施和問題所在，以及爲何資產應用能夠穩定、健康的運行；
訪問分析：全面分析數據應用到的產品及場景的被訪問情況；
ROI評估：爲用戶指明當前產品或場景化應用的投入產出情況。
通過資產分析、資產治理、資產應用，讓大數據從成本中心走向資產中心，讓企業可以更好進行數據資產建設和管理。
而大數據分析平臺建設在企業數據資產管理中發揮重要作用，基於永洪科技一站式大數據分析平臺，企業數據可獲得全盤把握及分析、清晰查看及快速使用、準確評估及合理應用、高效治理，讓企業大數據釋放出應有的價值，實現了可滿足企業各種角色對數據資產的訴求。