一、什么是数据资产全过程管理及步骤

数据资产全过程管理是释放数据价值、驱动业务创新的核心引擎，贯穿数据资产从识别、评估到运营的全生命周期。基于数据资产管理的逻辑链条与业务需求，具体涵盖以下15个步骤：

（1）数据生产与采集

（2）数据资产盘点

（3）数据分级分类

（4）数据场景设计

（5）数据产品加工

（6）数据合规审查

（7）数据安全风险评估

（8）数据质量评价

（9）数据资产价值评估

（10）数据资产登记

（11）数据资源入表

（12）数据台账编制

（13）数据产品流通

（14）数据流通存证

（15）数据资产运营

二、具体步骤

1.数据生产与采集

数据生产采集是指企业在生产经营过程中，运用数字技术在产品生产、业务运营、人事管理与财务管理等过程中收集、提取和存储数据的过程。企业进行业务数据采集与存储，为后续的数据分析、数据处理和应用开发提供支持，将数据作为“原料”来帮助企业提升效率、降低成本，通过数据分析获得深刻洞察，以辅助决策。

2.数据资产盘点

进行全面的数据资产盘点是关键的第一步。首先进行现状排查，以了解现有的数据资源和管理体系。由企业首席数据官或数据管理团队牵头，自行或与第三方机构合作调研本单位数据资源生产存储、流通交易、开发利用、安全保障等情况，摸清数据资源底数。基于排查结果，设计一套详细的数据资产盘点模板，该模板包含数据的来源、类型、格式、使用频率、重要性等关键信息。与业务部门以及数据管理部门协作，对单位内部数据资源进行全面的清查和评估。根据数据资源持有目的、形成方式、业务模式、安全等级等特征，强化数据分类分级管理，编制数据资源目录。

3.数据分级分类

根据数据管理和使用需求，结合已有数据分类基础，灵活选择业务属性将数据细化分类，数据分类实施路径参考如下：

（1）依据行业相关分类标准，如《农业农村信息化术语》等，结合企业实际农业数据情况，制定分类实施方案。方案需充分考虑农业生产、经营、管理、服务等多环节的数据特点与需求。

（2）明确数据范围。根据企业所处细分行业（如种植业、畜牧业、渔业、林业等）及数据应用场景（如精准种植、智慧养殖、农产品溯源等），对待资产化的数据进行初步归类，明确待分类的数据范围。例如，种植业中涉及的土壤数据、气象数据、作物生长数据等，畜牧业中的畜禽养殖数据、疫病防控数据等。

（3）细化业务分类。

①结合农业部门职责分工，明确农业领域或业务条线的分类。农业领域可分为种植业数据、畜牧业数据、渔业数据、林业数据、农产品加工数据、农业投入品数据、农业资源环境数据等。企业依据农业国民经济分类，明确业务分类，例如对于种植业领域数据，可分为粮食作物、经济作物、园艺作物等类别；畜牧业可分为家畜养殖、家禽养殖等类别。

②按照业务范围、运营模式、业务流程等，明确各业务条线的关键业务分类。比如粮食作物分为水稻、小麦、玉米等；家畜养殖分为生猪养殖、肉牛养殖等。

（4）业务属性分类。选择合适的业务属性，对关键业务的数据进行细化分类。业务属性主要包括业务领域（如种植业、畜牧业）、责任部门（如种植部、养殖部）、描述对象（如农作物、畜禽）、流程环节（如播种、施肥、出栏）、数据主体（如农户、农业企业）、内容主题（如产量数据、质量数据）、数据用途（如生产决策、市场分析）、数据处理（如数据采集、存储、分析）、数据来源（如传感器、农户填报、第三方平台）。

（5）确定分类规则。梳理分析各关键业务的数据分类结果，根据农业领域数据管理和使用需求，确定农业领域数据分类规则。例如可采取“业务条线—关键业务—业务属性分类”的方式定义数据分类规则，也可对关键业务的数据分类结果进行归类分析，将相似主题的数据子类进行归类，如将所有与作物生长相关的数据归为一类。数据分级是为了保护数据安全，具体的实施路径参考如下：

1）确定分级对象。确定待分级的农业数据，如农业数据项（如土壤养分含量字段）、农业数据集（如某农场的作物生长数据文件）、农业衍生数据（如通过作物生长数据和气象数据计算得出的作物产量预测数据）、跨农业领域数据（如种植业与农产品加工领域的数据融合）等。

2）分级要素识别。影响农业数据分级的要素，包括数据的领域（如种植业、渔业）、群体（如农户群体、消费者群体）、区域（如特定农田区域、流域）、精度（如土壤采样精度、气象监测精度）、规模（如数据记录数量、覆盖面积）、深度（如数据挖掘的深度）、覆盖度（如数据在某地区的覆盖程度）、重要性（如涉及国家粮食安全的数据、涉及企业核心竞争力的数据）等。其中领域、群体、区域、重要性通常属于定性描述的分级要素，精度、规模、覆盖度属于定量描述的分级要素，深度通常作为农业衍生数据的分级要素。

3）数据影响分析。结合数据分级要素识别情况，分析农业数据一旦遭到

泄露、篡改、损毁或者非法获取、非法使用、非法共享，可能影响的对象和影响程度。影响对象通常包括国家安全（如粮食安全）、农业经济运行、农村社会秩序、农民公共利益、农业组织权益、农户个人权益。影响程度从高到低可分为特别严重危害、严重危害、一般危害。如果影响对象是国家安全、农业经济运行、农村社会秩序或农民公共利益，则以国家、农业农村或行业领域的整体利益作为判断影响程度的基准。如果影响对象仅是农业组织或农户个人权益，则以农业组织或农户个人的权益作为判断影响程度的基准。

4）综合确定数据级别。在分级要素识别、数据影响分析的基础上，根据不同对象以及对应的影响程度的不同，确定相应的数据级别。重要数据目录上报的实施路径参考如下：

①重要数据目录梳理。农业企业按照农业行业主管部门要求，开展本企业内部重要数据目录数据结构梳理工作。梳理内容包括行业（如种植业、畜牧业）、行业分类分级描述、数量、数据类型、现存地址、来源（如田间传感器、农户填报）、用途（如保障粮食安全、促进农产品销售）、对外提供情况、安全防护措施、主体类别（如农户、农业合作社、农业企业）、安全领域（如粮食安全、生态安全）、影响对象、影响涉及范围、影响持续时间、影响恢复程度等。

②重要数据目录上报。按照农业行业主管部门的要求以及相关农业行业标准规范，将农业重要数据目录上报给对应的主管部门。

③重要数据目录迭代更新。农业企业定期性地对新产生的农业业务数据、经营数据等进行梳理，当农业重要数据目录发生变化时，更新企业重要数据目录，并及时上报主管部门。

4.数据场景设计

在数据资产化的过程中，数据应用场景的设计是指根据企业的业务需求、市场定位和发展战略，通过对不同场景下的数据需求进行深入分析，确定数据在企业运营、决策制定、产品创新等方面的具体应用，从而充分挖掘和发挥数据的潜在价值。数据应用场景的设计主要涵盖以下几个方面的工作

（1）明确业务需求：需要深入了解和分析业务的具体需求，包括业务目标、业务流程、业务决策等，从而确定数据应用场景的具体内容，使数据能够直接服务于业务需要。

（2）设计数据使用场景：基于业务需求，设计详细的数据使用场景，包括数据的查询、分析、挖掘和可视化等方面。场景应具体描述数据如何被用于支持业务决策、优化业务流程、提升业务效率、增加业务收入等。

（3）规划数据访问权限：根据业务需求和数据安全要求，规划数据的访问权限，确保不同用户或角色能够按需访问和使用数据，以保护数据的安全性，防止数据泄露和滥用。

（4）规划数据资源入表方式：在设计数据应用场景时，需要考虑如何将数据以合适的方式纳入财务报表中，以真实反映企业的资产状况和价值，以便确保数据资源入表的准确性和可靠性，提升报表的信息质量和透明度。

5.数据产品加工

（1）需求分析与规划。全面分析用户的数据需求，梳理业务场景，明确数据产品的应用价值和功能定位。同时，规划数据产品的开发路线图，确定产品的主要功能模块。

（2）数据采集、清洗与整合。根据规划的需求，对内外部数据进行采集，并进行数据清洗、去重、格式转换等预处理工作，确保数据的完整性和一致性。

（3）数据建模与分析。基于业务场景和用户需求，进行数据建模，构建算法模型，并对数据进行深度分析，提取有价值的信息和洞见。

（4）数据产品开发。基于建模和分析结果，开发标准化的数据产品，包括构建产品框架、设计接口和交互方式，实现产品的可操作性和可维护性。

（5）测试与优化。对开发完成的数据产品进行功能和性能测试，并根据测试结果进行优化调整，确保产品满足用户需求并达到质量标准。

（6）产品部署与运营。将数据产品部署上线，进行实际运营并收集用户反馈，持续优化产品功能，同时建立完善的数据产品运营体系。

（7）评估与迭代。建立数据产品的评估机制，从用户使用效果、业务贡献等方面评估数据产品的价值，并根据评估结果进行产品的迭代升级。

6.数据合规审查

企业需要做好资产确认，确认条件之一是企业拥有或者控制的数据，能证明权利边界和来源。

数据的合规性管理主要帮助企业证明数据来源，保证数据的合法性并且追溯数据源头，从而进行数据权属界定。一般由第三方安全机构或律师事务所等进行数据合规性评估。

合规性评估对象主要包括交易获得、合法授权、自主生产的数据资产，根据数据溯源的方法针对这些数据的来源进行评估，评估内容主要包括以下几点：

（1）数据资源是组织过去的交易获得、合法授权、自主生产等事项形成的。

（2）交易获得的数据资源具有合法的交易凭证，如合同、支付凭证、税务发票。

（3）合法授权的数据资源具有合法合规的授权凭据，不合法的授权不符合确认条件。

（4）自主生产的数据资源具有相应的成本和费用支出。

（5）虚构的、没有发生的或者尚未发生的交易或事项不符合数据资产确认条件。

数据确权方式

合同约定 通过签订民事商事合同、协议等方式，约定或授权数据资产权责关系？

登记确定 通过数据资源登记机构依法审核(例如：贵阳大数据交易所、浙江大数据交易中心、深圳数据交易所、北部湾大数据交易中心等)，取得数据产品登记证书，由此确认数据资源权责关系。

其他法定 法律法规对数据权益有明确规定的，按照相关规定执行

7.数据安全风险评估

第三方具备数据安全风险评估资质的机构依据《中华人民共和国数据安全法》《网络数据安全管理条例》等法规，对数据资产全生命周期开展系统性风险评估。通过漏洞扫描、渗透测试、风险建模等技术手段，识别数据存储、传输、使用环节的安全隐患，重点评估敏感数据泄露、非法访问、越权操作等风险，形成分级风险清单与整改建议，为构建动态防护体系提供科学依据。

8.数据质量评价

数据质量，即数据资源满足业务、场景、决策等需求的程度，是数据资产化的前提条件之一。加强数据质量管理，旨在确保数据资源的完整性、规范性、一致性、准确性、时效性、可访问性等。根据数据管理能力成熟度评估模型，数据质量管理的关键活动包括：

（1）明确数据质量需求：根据业务需求及数据要求制定用来衡量数据质量的规则，包括衡量数据质量的技术指标、业务指标以及相应的校验规则与方法。

（2）开展数据质量检查：根据数据质量规则中的有关技术指标和业务指标、校验规则与方法对企业的数据质量情况进行实时监控，从而发现数据质量问题，并向数据管理人员进行反馈。

（3）开展数据质量分析：对数据质量检查过程中发现的数据质量问题及相关信息进行分析，找出影响数据质量的原因，并定义数据质量问题的优先级，作为数据质量提升的参考依据。

（4）数据质量提升：对数据质量分析的结果，制定、实施数据质量改进方案，包括错误数据更正、业务流程优化、应用系统问题修复等，并制定数据质量问题预防方案，确保数据质量改进的成果得到有效保持。

9.数据资产价值评估

（1）确定数据资产价值评估方法

成本法：计算获取、存储、管理和维护数据资产所投入的成本，包括硬件购置、软件授权、人员薪资、数据清洗等费用。该方法适用于数据资产刚形成，尚未产生明显经济效益，主要关注前期投入的情况。

市场法：寻找市场上类似数据资产的交易案例，对比交易价格和相关影响因素，如数据规模、质量、应用场景等，以此估算目标数据资产价值。当市场上有较多可参照的类似数据资产交易时，市场法较为适用。

收益法：基于数据资产预期能为企业带来的经济收益进行折现评估。通过预测数据资产在未来特定时期内产生的收入，考虑成本、风险等因素，运用合适的折现率将未来收益折算为现值，反映数据资产当前价值。适用于能明确预期收益且收益可合理量化的情况。

（2）分析数据资产的成本价值和市场价值

成本价值分析：全面梳理数据资产从产生到当前状态的所有成本投入，不仅包括直接的资金支出，还涵盖机会成本等隐性成本。例如数据采集阶段，若使用自主开发的采集工具，要核算开发成本；若采购第三方服务，则为采购成本。分析成本构成有助于明确数据资产的基础价值，也为成本控制和优化提供依据。

市场价值分析：深入研究行业内数据资产交易市场动态，了解同类型数据资产的市场需求和价格走势。对比自身数据资产与市场上交易活跃的数据资产在数据量、数据质量、覆盖范围、时效性等方面的差异，评估其在市场上的竞争力和潜在交易价值。

（3）测算数据资产的预期收益价值

构建收益预测模型：结合企业业务模式和数据资产应用场景，选取合适的变量和参数构建模型。例如在农业企业，依据历史农作物产量数据、土壤监测数据、气象数据等，建立数据资产与农作物产量提升、农产品品质改善、销售利润增长等收益指标的关联模型。

确定收益参数：考虑市场增长率、市场份额变化、客户留存率等因素，合理预测数据资产应用后可能带来的收入增加、成本降低等收益情况。同时，预估相关风险，如市场竞争、政策变化等对收益的影响，确定风险调整系数。

计算预期收益现值：运用收益法公式，将未来各期预期收益进行折现计算，得到数据资产的预期收益价值。

（4）综合考量数据资产的战略价值

战略契合度：评估数据资产与企业长期发展战略的契合程度，如是否有助于开拓新市场、推出新产品、优化业务流程等。例如制糖企业的数据资产若能助力其优化如甘蔗等原材料采购策略，精准把控原料品质与成本，契合其成本控制和产品质量提升战略，战略价值就较高。

竞争优势提升：分析数据资产能否为企业带来竞争优势，如形成差异化产品或服务、提高运营效率等。以农业育苗企业为例，长期积累的种苗生长周期数据、温湿度调控数据、病虫害防治数据等资产，可实现精准化培育管理，减少种苗损耗率，培育出抗逆性强、生长周期短的优质种苗，同时降低人工与资源成本，以高品质产品和高效运营模式抢占市场先机，其战略价值显著。

创新驱动能力：判断数据资产是否能为企业创新提供支持，如推动技术创新、商业模式创新等。如农产品加工企业利用原料溯源数据、消费者口味偏好数据等资产，开发出具有地域特色的休闲零食或功能性食品，或是推出个性化定制的农产品礼盒，体现了数据资产在创新方面的战略价值。

10.数据资产登记

为了确保数据资产的权属、可追溯性和法律效力，通过国家公共数据资源登记平台（或者当地的数据资产登记平台），进行数据资产的登记。数据资产登记不仅有助于保护数据资产的权益，也为数据资产后续的交易流通操作提供了必要的法律支持。

11.数据资源入表

根据数据资产盘点目录、合规报告等材料，进行全方位分析并制定详细的数据资源入表策略，包括数据资产的确认、计量、披露等具体步骤，确保数据资产的会计处理符合会计准则和相关政策。

12.数据台账编制

组建跨部门工作小组（含业务、数据管理人员、财务、法务人员），依据已确权数据资产清单，通过系统对接、表单填报、人工核查等方式，采集资产名称、业务场景描述、权属主体、分类编码、确权登记状态及财务入账情况等核心字段信息。

13.数据产品流通

社会数据的流通交易分为场内交易和场外交易两种模式，场内交易是数据供应方和需求方依托数据交易机构进行交易，场外交易则是数据供需双方在交易场所外进行交易。一般而言，数据产品场内交易流程包括：

（1）准备阶段。

①数据提供方、数据需求方、数据经纪人、第三方专业服务机构等入驻数据交易所，完成用户注册、实名证、资质审核、信息完善；

②对数据交易标的进行信息登记，并对数据产品合规性、质量等进行评估审核，审核通过后数据产品在数据交易所挂牌上架；

（2）实施阶段。

①交易双方进行交易的磋商，对交易标的的交易用途、交易金额、交付方式等内容进行协商，需方也可以请数据产品或样本数据测试，或者根据实际需求要求数据供方数据进行加工；

②供需双方签订数据交易合同；

③按照数据交易合同协议约定交付数据产品；

④按照合同协议约定和交易账单支付交易费用，对交易参与方的费用进行结算。

（3）售后阶段。

①在数据交易完成后，对交易相关的信息进行记录、存证、审计，并根据实际情况提供相应的售后服务；

②建立数据交易投诉举报和争议解决机制，对数据交易的投诉、举报、争议、纠纷进行处理。

14.数据流通存证

企业实施数据流通存证需要明确存证的过程及内容，一般包含（但不局限于）

以下几个方面：

（1）数据来源权属存证，证明数据的所有权和来源，确保数据使用合法。

（2）数据质量评估认存证，对数据准确性、完整性等质量指标的官方评估和认证。

（3）数据授权运营存证，规定数据处理和使用的条款和条件的合同。

（4）数据资产登记存证，官方记录数据资产所有权和相关信息的证明文件。

（5）数据授权加工存证，在确保个人隐私的前提下，授权使用数据进行计算的合同。

（6）数据计算结果存证，证明通过隐私保护计算得出的数据结果的真实性和有效性。

（7）数据交易存证，规定数据买卖双方权利、义务和交易条件的法律文件。

（8）数据交付验收存证：确认数据按照合同要求成功交付和接收的文件。

15.数据资产运营

（1）完成数据资产识别。建立可共享、可复用、可持续的数据资产运营体系，构建多层级、多维度的数据资产目录，形成关于企业数据资产的“全景图”。定期对企业的存量数据资产进行盘点，并将新增的数据资产纳入资产目录。通过对企业内部不同的人员进行培训，使其充分了解公司数据资产的整体情况，为后续“用”好数据资产做准备。

（2）建立数据资产维护机制。构建一套科学合理的数据资产维护机制，推动数据产品建设不断创新，对数据资产所包含的内容以及数据资产的权属进行持续更新，保证数据资产的有关信息完整、准确。

（3）构建数据资产运营商业模式。拓展数据资产的服务形式，扩大数据用户、拓宽应用场景，是增加数据资产变现价值的有效方式。基于市场调研、用户反馈以及合作伙伴交流分享等方式识别新的使用场景，并将数据资产应用到这些场景中。通过参加行业会议、举办研讨会、沙龙等方式，提高数据资产的知名度。持续创新商业模式，促进数据资产价值释放，例如探索和实践新的收入模式，如按需付费、数据许可等，来适应不同客户的需求；基于多方安全计算、联邦学习等隐私计算技术，与第三方合作伙伴安全开发新的数据产品和服务，实现资源共享和互利共赢。

（4）数据资产价值评价。由于数据资产的价值密度和大小不同，随着时间的流逝以及业务场景的变化，数据资产的价值也会不断改变。以价值驱动为核心，建立基于数据资产的多角色、多维度的价值评价指标体系。企业管理者和数据使用者等多方共同参与实施数据资产评价，对数据资产的价值成效和重要等级进行评价。推动数据资产的迭代和完善，促进数据资产的保值增值，实现数据资产价值最大化的目标。