数据资产管理实践白皮书（50版）.pptx

1;4;5;1;数据资产，显性数据资产价值，为政府机构与企事业单位进行资产计量确认提供了良好的数据条

件和能力基础，进一步推动数据要素流通，加速要素市场化。;加深数据与业务线的融合，催生数据场景化，应用数据分析技术，实现数据赋能业务发展，推动

企业精细化管理变革。;4;本白皮书是从数据价值性视角出发定义数据资产，涉及主体包括政府机构与企业事业单位（集

中讨论企业），并不严格区分数据资产的经济效益和社会效益。此外，由于数据资产具有传统资产所不具备的其它特征，因此，组织在数据资产化过程中并不完全遵从既有的会计、经济相关准则与标准，考虑从实践经验出发进行探索实践。

2.数据资产管理

数据资产管理（DataAssetManagement）是指对数据资产进行规划、控制和提供的一组活动职能，包括开发、执行和监督有关数据的计划、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。数据资产管理须充分融合政策、管理、业务、技术和服务，确保数据资产保值增值。

数据资产管理包含数据资源化、数据资产化两个环节，将原始数据转变为数据资源、数据资产，逐步提高数据的价值密度，为数据要素化奠定基础。数据资产管理架构如图3所示。;6;International）于2009年发布了数据管理知识体系1，并于2017年对数据管理模型进行了更新2。

此外，Gartner、IBM等企业纷纷提出了数据管理能力评价模型。我国于2018年发布《数据管理能力成熟度评估模型》（GB/T36073-3018）国家标准，成为国内数据管理领域的第一个国家标准，相对全面的定义了数据管理活动框架，包含8个能力域、28个能力项。

整体来看，目前主要的数据管理理论框架之间有很强的相似性，主要从数据管理的技术侧或管理侧出发，明确数据管理的活动职能和管理手段，并按照一定标准对组织的数据能力进行等级评定。但是，多数框架未强调数据资产价值性，忽略了数据资产价值实现路径。;三是评估数据资产价值成为企业关注焦点，部分企业已开展探索性实践。数据资产价值评估

是量化数据资产价值的有效方式，推动企业持续投入资源开展数据资产管理，为企业参与数据要素流通奠定基础。2021年1月，光大银行发布《商业银行数据资产估值白皮书》，系统研究了商业银行的数据资产估值体系建设，提出了成本法、收益法、市场法等货币化估值方法。2021年3月，南方电网发布《中国南方电网有限责任公司数据资产定价方法（试行）》，规定了公司数据资产的基本特征、产品类型、成本构成、定价方法并给出相关费用标准，为后续数据资产的高效流通做好准备。2021年10月，浦发银行发布《商业银行数据资产管理体系建设实践报告》，根据数据资产能否直接产生价值，将数据资产分类为基础型数据资产和服务型数据资产，并将数据资产写入资产负债表、现金流量表和利润表之外的第四张表—“数据资产经营报表”。

(五)数据资产管理难点

当前，数据资产管理仍然面临一系列的问题和挑战，涉及数据资产管理的理念、效率、技术、安全等方面，阻碍了组织数据资产能力的持续提升。;9;10;11;业务流程与业务关系，同时，在一定时间内企业级数据模型保持稳定性，有效指导了新业务的方

向探索与IT建设。此外，通过引入一体化建模的方法，从技术和机制上支持企业级数据模型与IT开发的协同，使物理数据模型与逻辑数据模型保持一致，要求物理数据模型的实体属性来自于数据标准池，并通过元数据对该开发过程进行记录与监控，提升了数据模型的一致性、规范性、可控性。;13;数据质量管理遵循源头治理、闭环管理的原则。源头治理方面，主要是指采用“数据开发管

理一体化”的理念，在新建业务或IT系统过程中，明确数据标准或质量规则，并与数据生产方和数据使用方确认，常见于对于数据时效性要求不高或核心业务增量数据等场景。闭环管理方面，主要是指形成覆盖数据质量需求、问题发现、问题检查、问题整改的良性闭环，对数据采集、流转、加工、使用全流程进行质量校验管控，持续根据业务部门数据质量需求优化质量管理方案、调整质量规则库，构建数据质量和管理过程的度量指标体系，不断改进数据质量管理策略。;15;布数据分类分级标准规范；

·数据安全管理执行：依托平台工具，识别敏感数据，应用数据安全分类分级标准规范；根据数据的敏感级别，部署相应的数据安全防控系统或工具（如权限管控、数据脱敏、数据防泄露、安全审计等）；

·数据安全管理检查：监控数据在采集、存储、传输、加工、使用等环节的安全、隐私及合规状况等；组织进行内外部数据安???审计；

·数据安全管理改进：总结数据安全问题与风险，评估数据安全管理相关标准规范的适用性、有效