数字经济和数字化转型的发展有什么共通点吗？这个问题的答案也很明显，数据就是数字经济数字化转型的基础，也是推动两者快速发展的核心要素。数字化时代，数据已经成为了个人、机构、企业乃至国家的重要战略资产，所以如何利用好数据，让数据真正成为数据资产，就需要数据资产管理的建设。
“数据回报率”越来越决定企业核心竞争力
与实物资产、无形资产一样，数据资产首先表现为是一种资源。也就是说，并非所有的数据资源都可以升级为数据资产。作为“资产”的数据资源，大体表现为以下两种形式：一是可以通过合理应用创造出新的价值。二是通过加工处理，可帮助现有产品实现价值的提高或利润的增加。
数据可视化 - 派可数据商业智能BI可视化分析平台
2019年，中国信息通信研究院发布的《数据资产管理实践白皮书（4.0版）》中从资产的概念出发，规范明确了数据资产的范畴，具体是指由企业拥有或控制的、能够为企业带来未来经济利益的、以物理或电子方式记录的数据资源，如电子数据、文件和相关资料等。可以看出，无论是从表现形式还是基本定义出发，数据资产的概念已基本成为行业共识。相比之下，数据资产的应用渠道和管理手段尚处于探索阶段，数据资产的管理仍面临着诸多挑战。
资源基础理论认为企业是各种资源的集合体，企业竞争的优势来源于特殊的异质资源。同其他资源一样，数据的产生、存储、维护、管理也是需要成本的。与资产回报率相比，未来企业的“数据回报率”越来越决定着企业的核心竞争力和长久发展的能力。
一方面，随着数字经济与实体经济深度融合的趋势日益明显，市场对数据资源的获取、搜集、存储、分析和应用等方面的需求与投入大幅提升，数据愈发成为企业组织生产、运营与交易全流程的基础性战略资源。
另一方面，单就数据本身而言还难以直接形成企业核心竞争力，数据从资源转变为资产需要对数据进一步挖掘。然而现实中，企业的数据资源往往以数据孤岛的形式分散在多个部门和业务系统中，数据统计标准和观测维度的不统一也降低了数据的利用效率。这也直接导致企业决策者和业务人员无法敏锐感知到数据的分布与更新情况，更难以对数据实现深度的挖掘。
数据可视化 - 派可数据商业智能BI可视化分析平台
在这样的背景下，实现数据资产化管理、挖掘数据资产的潜在价值，是实现企业数字化转型的先决条件，也是进一步发挥企业竞争优势、提升企业发展质量的重要途径。
数据资产管理要以价值创造为导向
从根本上讲，数据资产管理要以价值创造思维为导向，即将数据资产作为与实物资产、知识资产、人才资产同等地位的能为企业不断创造价值的核心资产。这便要求企业构建完善、统一的管控架构对其进行管理，在遵循成本与效率原则的前提下，聚焦企业核心市场、核心业务与核心资源，全企业协同开展数据资产盘点、确权、价值评估和运营流通等工作。
不仅如此，在“数据资源管理”向“数据资产管理”转变的过程中，若要解锁数据新价值，还需要从管理队伍、业务部门和风险部门出发，确保数据资产管理的常态化、规范化和安全化。
一是需要培养管理队伍的数据意识能力。恰当的数据资产管理可以增强数据价值，虽然数据资产能够为企业提供发展新思路，但与数据资产相匹配的管理制度和组织架构也要有相应的调整。这样做的根本目的是减少由于不完全样本、不完全数据、不完全信息或者不完全事实引发“盲人摸象”的错误决策。要实现这一目标，企业的决策者和管理层需要转变对数据资产价值的认知和意识，提升数据资产管理的核心理念和方法，在企业运营及管理中逐步建立起数据资产价值体系，由上及下实现数据资产管理的需求导向，以降低企业的试错成本，提高企业决策效率和管理效率。
数据可视化 - 派可数据商业智能BI可视化分析平台
二是需要锻炼业务团队的开发应用能力。量变导致质变，企业数据资产管理的目的在于实现企业资源的最佳配置。数据只有通过业务团队的充分挖掘，发现潜在价值关联和利润机会，才能增加先前忽略的商业价值。如农业数据资产管理，需要充分挖掘植物与气候数据，注重农作物的产量和品质提升。工业数据资产管理需要充分挖掘设备和设施数据，注重机器设备的功能和效率的提升。服务业数据资产管理需要充分挖掘产品和客户数据，注重客户体验和服务优化。这种对离散数据资产化的过程，将使数据价值得到充分释放，为企业数字化转型提供强劲动力，为企业创造数字化价值。
很显然，数据来源于管理的需要又终将服务于管理的需要，目前已经成为企业进行市场创新的重要战略资源。但需要注意的是，数据安全意识不够、安全防护不足容易导致数据泄露等危害企业的事件，这便要求企业相关的安全部门提升风险管理能力，警惕数据风险。有趣的是，数据风险管理同样需要依靠数据技术来解决。企业需要根据自身规模找出发展的薄弱环节，调整数据资产风险评估流程，并通过优化理念、提升技术，不断提高企业控制风险的能力，更好地应对数字经济时代对企业运营带来的考验。
数据资产目录如何建设
1、数据资产盘点
数据资产目录建设最重要的就是盘点好企业所有数据，这一步想必不用过多说明，毕竟目录建设肯定是要先明确内容的。所以数据资产目录需要全面梳理企业的数据资产，首先要自上而下明确数据资产的职权所有，确定管理人员所需要的核心数据，然后需要从业务流程对数据进行梳理，根据业务的性质对数据进行分类以及详细的分级，后续再由技术部门对数据关系、数据结构、数据口径、数据存储等方面梳理数据资产。
数据可视化 - 派可数据商业智能BI可视化分析平台
2、数据资产目录框架
经常看书或者看一些论文的朋友应该明白，目录是有一个整体的框架的，这个框架一方面要把相近或者同类的内容放在一个大的目录下，另一方面还要根据重要性的不同在目录上展示出来，可以一眼看上去就知道哪个主题章节中有哪些内容，内容的重点在哪一页等。所以企业数据资产目录要通过资产盘点，梳理数据主题以及核心业务，再从业务视角出发逐步向下分出二级目录、三级目录等。
数据可视化 - 派可数据商业智能BI可视化分析平台
3、数据标签管理
数据资产目录框架建设完成后，企业就可以往上面填内容了，这时候就需要数据标签体系，把企业所有盘点的数据根据不同主题，例如业务主题、组织机构主题、安全主题、技术主题等维度作为目录的主要模块内容，然后把其它的维度作为标签。这些数据资产还可以进一步完善，因为很多数据资产是具备多个属性的，也归属于多个分类的，能够在多个数据库中发现相关数据，所以可以根据数据关系的不同，标记彼此的关系、血缘，很好的追踪数据的来源，发现数据的问题。
数据可视化 - 派可数据商业智能BI可视化分析平台
4、数据资产目录应用
在完成数据资产目录后，企业就可以真正建立起一整个数据资产管理体系，并通过数据治理等持续对数据进行优化，让企业不同部门、层级的员工都能在数据资产中找到需要的数据。并且因为数据资产目录的存在，企业也可以更好的完善数据安全防护系统，对核心数据进行保密，避免出现泄漏等事件影响到企业发展。总之，建立好数据资产目录后，企业就可以进一步利用数据资产创造价值，满足企业的需要，持续进行管理。
免责声明：本公众号所发布的文章为本公众号原创，或者是在网络搜索到的优秀文章进行的编辑整理，文章版权归原作者所有，仅供读者朋友们学习、参考。对于分享的非原创文章，有些因为无法找到真正来源，如果标错来源或者对于文章中所使用的图片、链接等所包含但不限于软件、资料等，如有侵权，请直接联系后台，说明具体的文章，后台会尽快删除。给您带来的不便，深表歉意。
