在现今的企业环境中，"数据即资产"的理念已被普遍认同，尤其是随着对数据价值重视程度的提升，数据管理越来越受重视。然而，由数据向资产的转变并非易事。尽管许多企业经过多年的信息化建设已取得一定成效，但在数据层面的整合和联系上，企业各部门和业务系统之间的数据完整性、定义规范性和一致性问题，使得数据难以整合，形成了“数据孤岛”，使得数据的价值无法得以充分利用。如何实现有效的数据管理并加强数据资产化的核心竞争力就成为了需解决的问题。

01 数据资产管理的发展趋势随着大数据快速发展，数据资产管理正在经历重要的变革。在此过程中，数据资产管理呈现以下特点：
管理对象多样化目前，企业数据管理主要针对结构化数据。然而，随着社交媒体和人脸识别等新兴技术的成熟，非结构化数据，如图像、语音和视频等，将在更多的应用场景中得到深入使用和发掘其业务价值。因此，需要系统地收集、保存和处理多种类型的管理对象。

智能化的管理工具在使用数据管理工具的过程中，能够通过深入理解客户需求，采用人工智能等技术来达到工具的“智能化”。例如，实现数据模型的“图谱化”，动态生成数据质量规则，以及实现数据分级的“自动化”。

管理活动常态化将定制的“项目制形式”的数据管理活动转变为“常态化运营”。数据管理的各类制度、流程、方法和工具能够得到各业务部门和数据团队的遵从和应用，使得数据管理成为业务人员和技术人员日常工作中的一部分。

生态化的管理范围数据管理范围由企业内部扩展到布局更广的生态系统，例如终端设备供应商、基础设施供应商、网络服务供应商、数据服务供应商和数据服务零售商等，共同构建大数据的生态服务体系。

02 企业级数据资产管理的应用分析根据多家研究机构的分析，目前全球大约有50%的企业正在实施或已经实施了数据资产管理，北美比例更是高达79%。
国内的数据资产管理起步稍晚，但现在在数据作为核心支撑业务的银行、电信和保险等行业，已有多家企业全面开展此项工作。能源行业的公司大多已经开始了部分数据资产管理工作。

随着大数据和商业智能技术的进步以及数据治理工作的推进，数据在企业中发挥的作用也在发生改变，从支持企业日常运转转变为直接驱动业务，最终以资产价值变现为企业创造直接价值。

企业数据资产管理的五步方法
在实施数据资产管理的过程中，通常需要遵循以下五个步骤：数字化业务首先，企业要将业务流程数字化。这是数字化转型的第一步，也是实现数据资产化的关键。以零售行业为例，企业需要建立以人、货、场为主导的业务系统，并将业务活动的各个环节都储存为数据，从而实现数据的初级积累。

实体统一接下来，企业需要对各个来源的数据进行整合，以实现数据的一致性，从而最大程度地发挥数据的价值。比如，同一个客户在不同的平台上可能有不同的标识，这就需要对这些标识进行统一，将所有与此客户有关的数据进行整合，从而形成一个全面的客户画像，进而提供个性化的服务。

实现数据资产化实现数据资产化，即将原始数据进行优化，使其具有更高的价值，实现其可持续利用，从而成为真正的数据资产。包括将数据标签化、定价，并进行适当的管理，以便企业能更有效地使用数据。另外，随着数据量的持续增长，降低数据存储成本也成为一个重要的议题。

数据服务化在实现数据资产化的基础上，需要将数据服务化，即通过技术手段使数据对业务部门可用，并为其提供服务。从而业务部门可以更关注自身业务，而不必了解底层数据技术。

业务化数据最后，需要将数据用于服务业务，以提高企业效率。在这个过程中，数据中台（或企业的信息数据部门）逐渐从成本中心转化为利润中心，从而实现数据资产的最大效益。

数据资产管理的关键实施执行数据资产管理可以遵循"全面规划→实施管理→审计检查→资产运营"的四个阶段策略。根据业务应用目标，企业可以根据实际数据情况和管理状况，定制各自的实施步骤。
第一阶段：全面规划在此阶段，企业需要建立一个数据资产管理组织以及成立相应的制度，作为实施保障。此外，需要对数据资产进行全面盘点以及制定相关的数据资产标准。关键步骤包括：
建立组织责任体系，参考企业现状，创建数据资产管理制度。
配合业务进行数据资产全盘点，评估内外数据状况，确定数据资产管理目标，并逐步执行初始任务。
设立数据资产相关的标准，例如元数据标准、主数据标准、业务重要指标、业务系统数据模型标准、关键业务审计规则等。

第二阶段：实施管理首先，基于创建大数据管理平台的工作以及完成数据汇聚的工作，根据预估的数据存量和增量，设计或购买必需的数据资产管理平台或引入第三方工具，以便建立企业数据资产管理能力。
其次，需要建立数据安全管理体系，预防可能出现的数据安全问题，并履行数据安全管理课题。
再次，对主数据进行管理，明确定义企业核心业务实体数据，比如客户、合作伙伴、员工、产品、物料单、账户等，以自动、准确、及时地提供和处理企业中的数据，并对数据进行审核。

第三阶段：审计检查进行审计检查，确保各个管理职能能够合理有效地执行。此阶段主要任务包括检查数据标准的执行、稽核数据质量、管理数据生命周期等，努力实现以下三个方面的常态化：
常态化查验数据标准执行情况，通过实施数据标准管理，企业可以对大数据平台全网数据进行统一运营管理。
常态化设定数据存储策略，即数据生命周期管理，通过根据数据对企业的价值进行分类分级，形成数据资产目录，并设定相应的存储策略。
常态化进行数据质量稽核，通过提升数据质量意识，建立一系列流程和程序来处理数据质量问题。

第四阶段：资产运营在前三个阶段的基础上，企业已经建立了基本的数据资产管理能力。在资产运营阶段，企业需要将业务价值设为导向，以用户为中心，对内外部用户提供数据价值能力。资产运营阶段主要包括进行数据资产价值评估、开展数据资产运营等等。
数据资产运营的主要目标是实现数据资产价值化，这需要规划并持续迭代数据安全管理及合规性、数据资产削减成本及创造价值、优化组织结构、提升数据质量等各个方面，从而持续优化数据资产管理能力。

在数据资产表现及组织架构和流程设计的实际过程中，建立全面、跨部门、跨层级的数据资产管理组织架构是实际实施统一、专业化的数据资产管理的基础。这也是确保数据资产表现的责任得以实现的重要保障。对于制度的设计也很重要。数据资产管理制度体系通常应分层次设计，根据管理的颗粒度，可划分为组织级数据资产管理总体政策规定、管理指导、执行规则和操作规范四个层次。这些制度将作为证明，向审计部门或资产评估部门提交相应证据，以确保数据资产管理工作的合规性和有效性。

亿信华辰，作为国内专业的业务智能产品和数据治理解决方案供应商，借力各生态伙伴，构建了数据资产化服务链碟，为客户提供数据资产化及数据资产交易等一站式解决方案。服务能力覆盖咨询规划、数据资产管理、会计审计、法律咨询和安全监管等多个方面，为企业提供全面的支持和服务。
首先，我们必须建立数据资产管理委员会，它将作为数据决策主体。该委员会由董事长、高级管理层、总经理或总裁等领导，负责策划数据资产管理决策、战略和考核机制。这种从上到下的治理结构将确保数据资产管理工作得到高层领导的重视和支持。

其次，在执行层面，应有财务和信息科技部门共同牵头，负责在数据项目中落实数据资产管理工作，并与数据资产管理委员会一起参与各种活动。同时，业务部门也应提供必要的支持。各部门的责任、权限和义务都应明确，并清楚指出数据资产管理是全员参与的工作。

除了组织保障外，制度设计也至关重要。数据资产管理制度应分级设计，按照管理的粒度，可以划分为组织级数据资产管理总体政策、管理实施、实施细则和操作规范四个层次。这些制度将作为证据，向监管部门或资产评估部门提交相应的证明，以确保数据资产管理工作的合规和有效。

亿信华辰公司作为国内的专业BI产品和数据管理解决方案提供商，通过与各生态伙伴的整合，已经创建了一条数据资产化的服务链，并能提供包括数据资产化和数据资产交易在内的一站式解决方案。我们的服务能力覆盖了从咨询规划，数据资产管理，到会计审计，法律咨询和安全监管等各个方面，为企业提供全面的支持和服务。

首先，创建一个数据资产管理委员会是必要的，作为决策机构，由董事长、高级管理层、总经理或总裁等领导负责制定数据资产管理决策，战略和检查机制。这种自上而下的治理体系有助于保证数据资产管理工作得到高层的关注和支持。
然后，在执行层，应由财务和信息科技部门联合领导，负责确保数据项目中的数据资产管理工作得以实施，并与数据资产管理委员会联合参与各项活动。同时，业务部门应提供必要的支持。各部门的职能、权力和义务都必须明确，并应强调数据资产管理是所有企业员工共同参与的工作。

除了组织保障，制度设计也显得至关重要。数据资产管理制度应按层次设计，可以分为组织级数据资产管理总策、管理方法、实施细则和操作规范四个层次。这些条例将作为凭证，向监管部门或资产评估部门提交相应的证据，以保证数据资产管理工作的合规性和有效性。

亿信华辰，作为国内专业的BI产品和数据治理解决方案供应商，通过整合各生态伙伴，形成了数据资产化服务链，为客户提供数据资产化和数据资产交易等一站式解决方案。我们的服务能力覆盖了从咨询规划、数据资产管理、会计审计、法律咨询和安全监管等多个方面，为企业提供全面的支持和服务。