随着大数据时代的来临，对数据的重视提到了前所未有的高度，“数据即资产”已经被广泛认可。数据就像企业的根基，是各企业尚待发掘的财富，即将被企业广泛应用。大数据是企业资产，那就必须被纳入企业的资产管理中，同时，大数据资产又不是企业传统意义上的资产，因此大
数据资产管理又不同于企业的传统资产管理。
一、数据资产的价值
首先我们要明确数据资产的价值和重要性
1、它是形成企业共通的数据语言
数据在企业内部充分应用最大的障碍是存在语言壁垒。
数据资产化意味着在公司内部形成共同的“数据语言”，各部门为了统一的分析目的，形成各自对应的统计标准，在运营过程中实时对数据进行收集汇总分析。
2、它可以加速数据资产交易进程
目前在缺乏交易规则和定价标准的情况下，数据交易双方承担了较高的交易成本， 制约了数据资产的流动，但随着数据资产管理的完善，必然能加速数据资产交易的进程。
3、它能够形成企业的战略资产
数据资产化之后，数据资产会渐渐成为企业的战略资产，企业将进一步拥有和强化数据资源的存量、价值，以及对其分析、挖掘的能力，进而会极大提升企业的核心竞争力。
4、它能促使数据资产产权问题明确
数据资产的所有权问题，在未来也会越来越明确，法律制度会随着基础管理能力的提高而完善，以数据资产为核心的商业模式，也将会在资本市场中越来越受到青睐。
二、数据资产管理框架及实施路径
一般来说，常规类数据项目的实施路径：
数据源：
①多源【各类生产、管理、安全方面的相关系统】
②异构【结构化、半结构化、非结构化数据】
③异地【下属单位或组织分布分散】
④海量【物联网数据量巨大】
⑤实时【生产、安全数据实时性要求高】
数据采集：通过全面的（流式计算、ETL、OPC Server、 Restful、 Webservice、FTP、离线）采集方案实现全组织的数据实时/定时采集。
数据存储：大数据湖+
数据仓库（Hadoop+DW） 架构解决海量异构数据的存储和分析查询需求。
数据治理：通过
元数据管理、
数据标准管理、
数据质量管理和
数据清洗，统一组织数据标准，提升数据质量，并实现全集团数据管控。
数据融合：实现多系统、多主题的数据加工计算，关联融合。
数据资产管理：对治理好的高质量原始数据以及融合数据进行编目，并提供业务元数据，帮助业务人员理解数据，并通过申请、审批流程获取所需数据。
数据资产管理的框架
数据资产管理实施路线图
三、未来发展趋势
未来数据资产是企业的核心资产，需要管理好企业数据资产，了解资产价值。
数据资产管理不重在大数据，而重在大分析。大数据资产应用创新是指将数据资产进行适当加工和分析，为企业管理控制和科学决策提供合理依据，从而支持企业经营活动开展、创造经济利益的过程。同时，在当今互联网社会，所有人既是数据的生产者也是数据的消费者，在互联网上共享信息、数据和实物，所有权被使用权代替，“交换价值”被“共享价值”代替。数据共享可以实现快速数据建模、分析、共享和应用。在数据共享层实现可视化元数据管理，从而建立企业大数据中心，强化数据资产管理。
数据资产的应用创新需要围绕降低数据使用难度、扩大数据覆盖范围、增加数据供给能力等几个方面来展开。对于降低数据使用难度可采用
数据可视化、搜索式分析、数据产品化来解决；扩大数据覆盖范围则要使数据“平民化”，让一线业务人员接触到更多的数据，同时让数据分布更加均衡，甚至打造数据应用商店；增加数据供给能力要让企业业务人员从数据消费者转变为既是数据消费者又是数据生产者的角色上来，进而推广至社会大众形成数据众筹众享模式。
（部分内容来源网络，如有侵权请联系删除）
