从数据管理的角度来看，一是缺少数据生命 周期规划，尚未形成从搜集、提取、分析到应用数据的全链条管理体系；二是缺乏统一的数据标准，专业间数据共享与应用存在困难；三是难以统筹业务和数据，业务与数据的关系不能完全对应，亟需加强业务与 IT 的有机融合；四是数据处理效率低下，缺乏对海量数据的快速挖掘和复杂 算法建模能力支撑。
从数据应用的角度来看，一是大数据理念尚未形成，迫切需要在传统企业管理和数据管 理的基础上培育大数据思维；二是数据质量参差不齐，部分数据的及时性、完整性、准确性 和一致性不能保证；三是数据垃圾亟待处置，大量的、价值密度低的冷数据尚无法得到有效 识别和处理；四是数据价值难以评估，大数据应用的匮乏使得数据价值不能得到准确反映， 并且缺乏科学的估值体系。
数据资产管理的定义及重要性
数据资产管理是规划、控制和提供数据资产的一组业务职能，包括开发、执行和监督有关数 据资产的计划、政策、方案、项目、流程、方法 和程序，从而控制、保护、交付和提高数据资产 的价值。
资产是个人或组织控制的有价值资产，企业资产有助于实现企业的目标。数据以及数据产生的信息已经被公认为是企业的资产。
离开高质量的数据，很难有企业仍然可以高效运行。今天，各企业都依赖于它们的数据资产以做出更明智和有效的决策。市场领导者正利用数据资产，通过丰富的客户资料、信息创新使用和高效运营取得竞争优势。企业通过数据资产，提供更好的产品和服务，降低成本，控制风险。随着企业对数据需求的不断增长，以及企业对数据依赖性不断增强，人们可以越来越清楚评估数据资产的商业价值。
每一个企业都需要有效地管理其日益重要的数据，通过业务领导和技术专家的合作，数据资产管理职能可以有效地提供和控制数据和信息资产。
数据资产管理的演变过程及未来发展趋势
数据资产管理主要内容包括以下三大方面：
数据资产治理：让企业数更加准确、一致、完整、安全，降低IT成本。
数据资产应用：使企业数据的使用过程更为人性、快捷、只能，从而提升管理决策水平。
数据资产运营：支持企业数据资产的分发、开放、交易等数据嫁接的实现，从而促进数据资产的价值实现。
数据资产管理的演变
“数据资产”这一概念由信息资源和数据资源的概念逐渐演变而来，并随着数据管理、数据应用和数字经济的发展而普及。中国信通院将其定义为“由企业拥有或者控制的，能够为企业带来未来经济利益的，以一定方式记录的数据资源”。这一概念强调了数据具备的“预期给会计主体带来经济利益”的资产特征。而在企业中，数据资产的概念边界随着数据管理技术的变化而不断拓展，在大数据阶段，随着分布式存储、分布式计算以及多种 AI 技术的应用，结构化数据之外的数据也被纳入到数据资产的范畴，数据资产边界拓展到了海量的标签库、企业级知识图谱、文档、图片、视频等内容。
与数据资产同步发展的还有“数据资产管理理论体系 ”，在数据资产化背景下，数据资产管理是在数据管理基础上的进一步发展，可以视作数据管理的“升级版”。主要区别表现为以下三方面：一是管理视角不同，数据管理主要关注的是如何解决问题数据带来的损失，而数据资产管理则关注如何利用数据资产为企业带来价值，需要基于数据资产的成本、收益来开展数据价值管理；二是管理职能不同，传统数据管理的管理职能包含数据标准管理、数据质量管理、元数据管理、主数据管理、数据模型管理、数据安全管理等，而数据资产管理针对不同的应用场景和大数据平台建设情况，增加了数据价值管理和数据共享管理等职能；三是组织架构不同，在“数据资源管理转向数据资产管理”的理念影响下，相应的组织架构和管理制度也有所变化，需要有更专业的管理队伍和更细致的管理制度来确保数据资产管理的流程性、安全性和有效性。
给大家推荐一款国内主流数据资产管理工具——睿治数据资产管理平台。该平台能定义、盘点、规划无序的数据类和应用类资源，提供全局统一的数据资产门户，开发授权丰富、高效、安全的数据服务方式，构建主题明确、服务完善、权责清晰的数据资产管理体系，充分释放数据要素在业务中价值。可以帮助我们更好的支撑各种数据的应用，丰富的服务接口拓展，支撑数据资产的多渠道应用，如数据共享、决策支持等，最终实现数据资产价值最大化。
