从某种意义上说，数据资产还是一种隐性财富。
虽然数据已经被公认为一种资产，但是很多数据拥有者仍然对此心存疑虑，比如:我们企业的这些数据能算作资产吗？如果算作资产，其价值应该如何实现？要回答第一个问题，首先要搞清楚什么是数据资产。
一般来说，一堆乱七八糟的数字和代码，是原始数据，不能算作资产；无序的原始数据被逻辑组织成有序的，即数据资源；将数据资源进一步加工量化，组合成能够带来经济效益的数据，即数据资产。所以，要实现数据的资本化，需要一个“盘活”的过程。这个过程可以分为三个步骤:①心中有数:对自己的资产进行盘点和洞察；②适当锻炼:在摸清自己的资产后，对其进行系统的整合和规划；③做对:在盘点后形成的数据资产目录的指导下，停用并实现数据资产的价值。— 01 —第一步:心中有数。对前期数据的规划和洞察，可以让后续的数据资产清查和应用工作事半功倍。不是所有的数据都是资产，但是数据作为资产必须能够给企业带来价值。盘点数据不能只是为了盘点而做，它的最终目的是有效支撑业务，产生效益。我们需要提前确定清查的范围和内容，在统一的标准方案指导下发现和分析数据，找出自己的数据，对自己的数据资产做到“心中有数”。1.确定库存范围和内容。确定库存范围。业务范围:要统计哪些业务，比如统计整理人力资源业务，营销业务等。系统范围:是确定存货梳理的系统范围，如梳理财务系统、会计系统等。组织范围:是确定本次梳理内容需要哪些机构或部门参与整理、审核、确认。清除库存内容由于数据资产很多，所以需要明确存货的内容是什么，比如存货业务对象、数据项、指标、CRUD矩阵、概念模型、逻辑模型等。2.制定统一标准。在清查数据资产之前，我们需要一个统一的标准和模板来理清所有业务线和口径的数据。首先，根据企业所处行业的相关标准，结合企业自身的业务情况，构建数据标准，形成全球统一的数据定义和数据值体系，便于数据整合和全球管理。然后，做一个统一的模板。可以参考本行业的业务模板，将每个行业的数据字典的数据与标准进行对比，统一数据口径，更好的整理统计。3.数据发现和分析由于数据的非实体性和多样性，数据可能分散在数据库、云、大数据平台、服务器、计算机等各种终端。，尤其是企业业务不断发展后，数据量呈指数级增长。应该如何查找数据，避免遗漏？这需要一个系统的数据发现过程。数据发现是从全局出发，系统地扫描企业内的数据资产，确定数据存储的位置和数量，形成数据存储分布图。数据发现的核心在于全面系统的扫描，避免数据遗漏。在发现数据之后，我们还需要对其进行分析，以便更好地理解、标记和定义它。我们需要根据数据内容和存储方式定义数据的组织结构，形成库-表-字段的数据框架，通过表的分类和关联分析，使数据的内部关系透明化。对于各种复杂的数据类型，我们可以借助合适的平台来提高数据分析的效率，比如易信华辰的数据资产管理平台EsDataAssets。该平台不仅支持各类数据库、文件等结构化和非结构化物理资源的定义、盘点和规划，还将分析模型、报表应用、主题文件采集、接口等业务知识丰富的逻辑资源封装成数据产品，全面盘点企业各类数据生产要素。— 02 —第二步:适当运动。在了解家庭财产后，我们还需要对其进行规范化管理，进行分类，明确其归属，形成目录，以便更好地维护和扩充数据，更好地支撑数据的价值。1.分成几类在我们前期构建的数据标准的指导下，可以对数据进行分类分级。数据分类可以参考业务维度。我们需要采用适合行业的标准化数据分类方案来分类和管理数据。比如在政府资源中，按照人口、法人、宏观经济、空地理等角度对数据进行分类。在该系统中，人、案例、车辆和办公室被分类到业务主题中。对于数据分类，它基于数据的价值。数据价值有许多方面，例如:①业务权重:数据是否属于企业的核心业务运营范畴，越接近核心越重要，作为数据资产的必要性越高。
②决策权重:高层决策的重要性决定了数据是否可以作为数据资产的重要指标。③使用频率:数据使用频率越高，其重要性越高。④分布范围:如果数据分布在多个业务域或系统中，并被许多不同的人使用和共享，则意味着它支持的业务越多，越重要。⑤技术承载和可控性:通过技术手段，可以获取、维护、控制数据，其难度、成本、可控性等。可以作为辅助措施。⑥数据敏感性:根据自身性质和业务情况，区分数据敏感性，确保数据安全。⑦数据可实现性:对于数据的内部和外部应用，应根据市场情况评估数据的可实现性。这些尺寸不是固定的。企业可以根据自身条件对自己的数据进行调整和扩展，从而对自己的数据进行标记和分级，为数据使用、价值挖掘和数据保护提供价值依据。2.清晰的所有权很多时候，数据资产清查之后，还是会出现这样的情况:相关人员需要使用数据的时候，不知道如何调用数据，需要修改数据的时候，不知道数据的管理者和消费者是谁。这个时候，我们需要知道数据的归属。通过调查、业务关联、存储对象关联等手段，确定数据资产的业务归属和责任人，有助于掌握数据的来源和去向，明确相关责任归属，为跨业务数据使用、数据关联分析、数据分类保护等提供目标和责任方向。3.形成一个目录统计完数据资产后，我们的结果就是数据资产目录。数据资产目录可以汇总企业中的所有数据，从而从全局层面直观清晰地展现企业所拥有的数据内容、数据量、数据价值、数据存储位置、数据所有权和责任人，帮助企业掌握其所拥有的所有数据和数据价值，为企业提供数据使用、数据价值挖掘和数据保护的指导，指导企业进行数据规划和数据系统建设。— 03 —第三步:做对。数据资产目录是数据资产清查的结果，但不是最终结果。如果数据资产目录只是放在那里，那么它仍然是一个“休眠”的资产。那么，应该如何激活它，充分发挥它的资产价值呢？首先要明确，作为资产的数据与传统资产有很大的不同。参考资产的三个核心特征:清晰的所有权、可测量性和可交易性，数据资产化仍然存在两个主要问题:(1)权属模糊，在数据从生产到流通的过程中，可以产生衍生数据和衍生数据主体，数据资产主体具有多重性；②没有统一通用的定价标准和完善的数据资产交易机制，数据隐私和安全问题亟待解决，导致数据资产定价和估值困难，数据的流通和开放受限。所以暂时不从市场流通层面讨论数据的价值，主要从数据资产目录的应用层面讨论数据资产价值的实现，这是数据盘点的结果。有了数据资产目录，我们就有了一个关于自己数据的使用说明书，可以从数据和业务结合的多个维度促进数据价值的实现。1.指导数据应用。数据资产形成目录后，首先可以发挥的是其作为目录基本视图的价值。以EsDataAssets为例。平台统计的数据资产可以以数据商品的形式在数据资产门户开放给业务用户。消费者可以通过门户中的资产分类导航、资产标签、评估等级和关键字搜索，找到所需的数据资产，浏览数据资产的详细信息，并发起使用数据服务的申请。数据资产的开发者可以通过数据资产目录将自己开发的数据资产准确地发布到自己的分类主题中。借助数据资产目录，数据资产管理者可以了解整体资产分布，控制数据资产的使用，实现对数据资产的全局控制。数据资产的用户可以通过数据资产的目录和合理的授权，快速定位和获取所需的资产，并对数据资产进行评估和反馈。2.值得信赖的资产:确保数据安全。我们可以根据分类和权属划分的结果，采取适当合理的管理措施和安全防护措施。例如，在EsDataAssets中，可以内置一个可定制的数据资产服务工作流，根据数据资产目录的权责定义服务申请审批对象，支持银行层面的数据权限控制。消费者获取的数据可以针对数据安全中资产分类的要求进行脱敏和加密。3.资产可用性:提高数据质量数据资产的标准化管理有助于有针对性的数据治理，从而提高整体数据质量。我们可以从各个维度定义数据质量的度量标准，并根据数据资产质量管理的要求和系统规范，细化流程管理。实施对数据质量各个环节的控制，包括数据采集过程的准确性、完整性和统一性，加工处理过程的客观性和连续性，数据资产应用过程的及时性和可用性，让高质量的数据更好地辅助企业进行经营分析和决策。4.资产管理:促进资产增值。随着数据元素的推进，一些地区和行业的数据资产交易正在有序开启。2015年4月14日，中国乃至全球首家大数据交易所——贵阳大数据交易所正式挂牌运营；2021年3月31日，北京国际大数据交易所成立；2021年11月25日，上海数据交易所成立；2022年1月21日通过了《浙江省公共数据条例》，对数据交易做了相关规定。日前，浙江自贸区新闻发布会上也传出消息，2022年，杭州还将推出国际数字交易平台，成立杭州国际数字交易所。有了活跃合法的交易市场，就可以通过数据资产的运营和流通，进一步提高数据资产的价值。根据数据资产目录，可以制定有针对性的数据资产管理机制和估值体系，明确自身数据资产的定位和优势，加强主动管理和营销能力，逐步实现数据资产从内部使用向外部营销的转变。我们还可以通过相应的技术和系统支持，提高数据资产的开放输出能力。例如，国网上海市电力公司对企业用电数据进行脱敏、澄清和深加工，然后通过模型和算法形成“企业用电智能绘图”的数据产品。它与中国工商银行就上海数据交换达成协议，帮助商业银行依靠能源数据为企业创新金融产品和服务。— 04 —
总结维克托·迈尔·舍恩伯格在《大数据时代》中提到:虽然数据还没有被纳入企业的资产负债表，但这只是时间问题。企业尽快规划和布局自己的数据资源，将其作为资产进行整理，让数据更好地帮助自己的业务应用，是一种前瞻性的行动。然而，这项工作不是一成不变的。企业也要有长远的思维，与时俱进，更好地让数据资产发挥作用。
