數據資產管理實踐白皮書（6.0版）（2023）（47頁）.pdf

《數據資產管理實踐白皮書（6.0版）（2023）（47頁）.pdf》由會員分享，可在線閱讀，更多相關《數據資產管理實踐白皮書（6.0版）（2023）（47頁）.pdf（47頁珍藏版）》請在三個皮匠報告上搜索。

1、1 數據資產管理實踐白皮書（6.0 版）數據資產管理實踐白皮書（6.0 版）版權聲明本報告版權屬于 CCSA TC601 大數據技術標準推進委員會，并受法律保護。轉載、摘編或利用其它方式使用本報告文字或者觀點的，應注明“來源：CCSA TC601 大數據技術標準推進委員會”。違反上述聲明者，本院將追究其相關法律責任。1 數據資產管理實踐白皮書（6.0 版）編制說明本報告的撰寫得到了數據資產管理領域多家企業與專家的支持和幫助，主要參與單位與人員如下。參編單位：大數據技術標準推進委員會、中國工商銀行、中國建設銀行、中國農業銀行、交通銀行、上海浦東發展銀行股份有限公司、中國光大銀行、平安銀行股份有限

2、公司、中國移動通信集團有限公司信息技術中心、中國聯合網絡通信有限公司、中國電信股份有限公司、中國移動通信集團廣東有限公司、中國移動通信集團江蘇有限公司、聯通數字科技有限公司、中國聯合網絡通信有限公司研究院、中國電信股份有限公司數字智能科技分公司、中國電信研究院、中國南方電網有限責任公司、海爾集團公司、阿里云計算有限公司、華為云計算技術有限公司、中軟國際有限公司、星環信息科技（上海）股份有限公司、恩核（北京）信息技術有限公司、北京數語科技有限公司、廣州信安數據有限公司、上海愛數信息技術股份有限公司、海南數造科技有限公司、浩鯨云計算科技股份有限公司、福建新大陸軟件工程有限公司、北京億賽通科技發展有

3、限責任公司、杭州數夢工場科技有限公司、杭州網易數帆科技有限公司、亞信科技（中國）有限公司、上海逸迅信息科技有限公司、北京東方金信科技股份有限公司參編人員：魏凱、姜春宇、王妙瓊、李雨霏、閆樹、李雪妮、尹正、闞鑫禹、馬聞達、劉思達、駱陽、符山、鄧正保、王德宇、陸燕、李佳妮、謝云龍、文州、孫琳、朱紅偉、顧羿煌、衛清輝、潘學芳、林勇、華桊興、項子林、胡清源、劉宇、王項男、崔博亞、鄭保衛、溫鮮陽、王琤、黎山、禹芳、朱征露、徐歡、楊秋勇、高偉、黃偉、張曉川、肖文彬、郭銳、李明旭、李金夏、張振、劉燕、袁雪梅、潘思宇、王爽、付鈺、漆晨曦、龐振、顧驤、余億、戴少青、宋春穎、楊銳、鄧平、李基亮、王瀚、鮑立飛、彭潔

4、思、黃孔元、陳科學、巫雪輝、張蘭蘭、李楷、念燦華、甘長華、郭憶、傅正、鄒明旭、劉影、王立冬、梅珂夫、張海波2 數據資產管理實踐白皮書（6.0 版）前 言黨的十九屆四中全會首次將“數據”增列為一種生產要素，要求建立健全由市場評價貢獻、按貢獻決定報酬的機制，標志著以數據為關鍵要素的數字經濟進入新時代。黨的二十大報告提出要“加快建設現代化經濟體系，著力提高全要素生產率”，充分發揮海量數據和豐富應用場景優勢，促進數字技術與實體經濟深度融合，賦能傳統產業轉型升級，催生新產業、新業態、新模式，不斷做強、做優、做大我國數字經濟。數據要素所引發的生產要素變革，正在重塑著我們的需求、生產、供應和消費，改變著社會

5、的組織運行方式。良好的數據資產管理是釋放數據要素價值的基礎。數據資產管理包含數據資源化、數據資產化兩個過程，通過數據資源化構建全面有效的、切合實際的數據資產管理體系，提升數據質量，保障數據安全；通過數據資產化，豐富數據資產應用場景，建立數據資產生態，持續運營數據資產，凸顯數據資產的業務價值、經濟價值和社會價值。經過多年發展，我國數據資產管理逐步進入深化落地時期。政府部門、金融機構、通信運營商、互聯網企業等政企機構紛紛提出數字化轉型路線，發布數據資產管理框架，在數據資源化方面積累了實踐經驗，并探索開展數據流通、價值評估、資產運營等數據資產化工作。數據資產管理實踐白皮書（6.0 版）是大數據技術標

6、準推進委員會自 2017 年以來發布的第六版白皮書?；诙嗄昀碚撗芯亢桶咐治?，本白皮書將以政府機構和企事業單位作為研究主體（側重企業），以數據資產賦能業務發展作為核心邏輯，跟蹤 2022 年數據資產管理領域政策和行業動向，闡述數據資產管理的概念內涵、演進歷程、發展現狀，結合企業數據資產管理典型方法和實踐案例，重點討論數據資產管理的活動職能、保障措施、實踐步驟等，并對數據資產管理發展進行總結與展望。3 數據資產管理實踐白皮書（6.0 版）目 錄版權聲明/1編制說明/2前言/3一、數據資產管理概述/1(一)數據資產管理推動數據要素市場發展/1(二)數據資產管理助力企業數字化轉型/2(三)數據資產

7、管理的概念與內涵/3(四)數據資產管理演進/5(五)數據資產管理難點/7二、數據資產管理活動職能/9(一)數據模型管理/9(二)數據標準管理/10(三)數據質量管理/11(四)主數據管理/12(五)數據安全管理/13(六)元數據管理/15(七)數據開發管理/16(八)數據資產流通/17(九)數據價值評估/19(十)數據資產運營/22三、數據資產管理保障措施/24(一)戰略管理/24(二)組織架構/25(三)制度體系/27(四)平臺工具/28(五)長效機制/29四、數據資產管理實踐步驟/30(一)第一階段：統籌規劃/30(二)第二階段：管理實施/31(三)第三階段：稽核檢查/34(四)第四階段：

8、資產運營/35五、數據資產管理發展趨勢/36(一)管理理念：從被動響應到主動賦能/36(二)組織形態：向專業化與復合型升級/36(三)管理方式：敏捷協同的一體化管理/37(四)技術架構：面向云的 Data Fabric/37(五)管理手段：自動化與智能化廣泛應用/38(六)運營模式：構建多元化的數據生態/38(七)數據安全：兼顧合規與發展/38六、數據資產管理總結與展望/394 數據資產管理實踐白皮書（6.0 版）5目 錄圖 目 錄圖 1 數據資產管理推動數據要素市場構建/1圖 2 數據資產管理助力企業數字化轉型/2圖 3 數據資產管理架構/5圖 4 數據資產管理難點/7圖 5 華為一體化數據

9、建模示例/10圖 6 數據全流程質量校驗管控/12圖 7 數據安全分類分級流程與結果/14圖 8 平安銀行雙向數據分類分級打標方法/15圖 9 工商銀行數據開發流程示例/16圖 10 數據共享、數據開放、數據交易的區別/17圖 11 數據資產交易標的物形式示意圖/19圖 12 南方電網數據商業模式示意圖/23圖 13 數據戰略管理流程與要點/24圖 14 集中式數據資產管理組織架構/25圖 15 聯邦式數據資產管理組織架構/25圖 16 數據資產管理制度體系架構/28圖 17 數據資產管理長效機制/29圖 18 數據資產管理實踐步驟/30圖 19 數據資產項目管理要點/32圖 20 敏捷式數據

10、資產管理示意圖/33圖 23 DataOps：敏捷協同的一體化管理/37表 目 錄表 1 我國涉及自然人、法人和非法人數據權益的法規及其定義/1表 2 國內外數據價值評估政策與研究總結/20表 3 集中式管理與聯邦式管理比較/26表 4 數據資產管理復合人才能力表/27表 5 數據資產管理能力評估維度及要點/30表 6 數據資產標準規范體系示例/311 數據資產管理實踐白皮書（6.0 版）隨著數據的重要性日益顯著，數據資產管理成為激發組織數據要素活力、加速數據價值釋放的關鍵。本章首先從數據要素市場發展與企業數字化轉型的視角出發，闡述數據資產管理的重要性，其次明確數據資產管理的概念與內涵，再次對

11、數據資產管理演進進行梳理，最后總結了當前數據資產管理的主要難點。(一)數據資產管理推動數據要素市場發展 當前，數據成為各國發展數字經濟的重要抓手。在數字社會，數據成為了國家基礎性戰略資源，數字經濟正在成為經濟增長方式的強大創新動能，主要國家數字經濟增速顯著高于本國 GDP 增速，在 GDP 中貢獻水平逐步提升。中國信息通信研究院發布的全球數字經濟白皮書（2022 年）顯示，截至 2021 年，測算的 47個國家數字經濟增加值規模為 38.1 萬億美元，占 GDP 比重為 45.0%，中國數字經濟規模位列全球第二，總規模為 7.1 萬億美元1。推動以數據為基礎的戰略轉型成為各個國家和地區搶占全球

12、競爭制高點的重要戰略選擇。數據要素市場化配置上升為國家戰略，將充分發揮對其他要素資源的乘數作用。2020 年 4 月，中共中央、國務院發布關于構建更加完善的要素市場化配置體制機制的意見，將“數據”與土地、勞動力、資本、技術并稱為五種要素，提出“加快培育數據要素市場”。2022 年國務院發布“十四五”數字經濟發展規劃提出“要充分發揮數據要素作用、強化高質量數據要素供給”。2022 年 12 月，中共中央國務院發布關于構建數據基礎制度更好發揮數據要素作用的意見中提出要構建適應數據特征、符合發展規律、彰顯創新引領的數據基礎制度體系，主要是加快數據產權制度、數據流通交易制度、數據收益分配制度、數據安全

13、治理制度四大類基礎制度建設。良好的數據資產管理是釋放數據要素價值、推動數據要素市場發展的前提與基礎。數據資產管理通過構建全面有效的、切合實際的管理體系，一方面規范數據資產采集、加工、使用過程，提升數據質量，保障數據安全，另一方面豐富數據資產應用場景，建立數據資產生態，持續運營數據資產，為政府機構與企事業單位進行資產計量確認提供了良好的數據條件和能力基礎，進一步推動數據要素流通，加速要素市場化。一.數據資產管理概述圖 1 數據資產管理推動數據要素市場構建1 中國信息通信研究院，中國數字經濟發展白皮書（2022）.2 數據資產管理實踐白皮書（6.0 版）(二)數據資產管理助力企業數字化轉型 企業競

14、爭的本質是在不確定市場環境下資源配置效率的競爭。隨著技術的更新迭代和市場需求的快速升級，生產過程、外部環境、供應鏈協同的不確定和復雜性持續增加。如何快速感知市場變化、識別潛在客戶需求，如何增強決策準確性、實時性，如何提高產品開發迭代速度、降低產品管理運維成本，已成為配置資源效率的關注點和競爭點。數字化轉型通過優化企業資源獲取和資源配置，提高企業競爭優勢。數據是企業資源的具體表現形式和重要載體，在萬物互聯的時代，數據將滲透至企業設計、生產、管理、服務和運營的全流程，對企業資源獲取和配置的優化過程即是利用數字化手段重塑企業發展模式和競爭優勢的過程。通過業務數據化，應用數據采集、傳輸、加工等技術，推

15、動業務全面線上；通過數據業務化，實現數據智能決策，驅動業務創新。數據資產管理提高業務數據化效率，推動數據業務化，加速企業數字化轉型。數據資產管理從數據的業務供給端出發，通過數據資源化設計業務流程與數據模型，提高業務從物理世界到數字世界的轉換效率，并對線上業務的數據質量和安全進行管控，保障業務運轉的高質量，降低業務的安全風險。數據資產化從業務的數據需求端出發，打通企業內部數據、引入企業外部數據，加深數據與業務線的融合，催生數據場景化，應用數據分析技術，實現數據賦能業務發展，推動企業精細化管理變革。我國鼓勵企業提升數據治理水平，加速數字化轉型。2020 年 9 月國務院國資委辦公廳下發關于加快推進

16、國有企業數字化轉型工作的通知，要求各國有企業加快集團數據治理體系建設，提出構建數據治理體系，“明確數據歸口管理部門，加強數據標準化、元數據和主數據管理工作”，“定期評估數據治理能力成熟度”。同時，“強化業務場景數據建模，深入挖掘數據價值，提升數據洞察能力”，提升數據服務水平。此外，指出制定規劃、協同推進、資源保障對于工作順利推進的重要性。2022 年 11 月，工業和信息化部發布中小企業數字化轉型指南，提出了包含開展數字化評估、推進管理數字化、開展業務數字化、融入數字化生態、優化數字化實踐等環節的轉型路徑，為中小企業科學高效推進數字化轉型指明了道路。圖 2 數據資產管理助力企業數字化轉型3 數

17、據資產管理實踐白皮書（6.0 版）(三)數據資產管理的概念與內涵 1.數據資產數據資產（Data Asset）是指由組織（政府機構、企事業單位等）合法擁有或控制的數據，以電子或其他方式記錄，例如文本、圖像、語音、視頻、網頁、數據庫、傳感信號等結構化或非結構化數據，可進行計量或交易，能直接或間接帶來經濟效益和社會效益。在組織中，并非所有的數據都構成數據資產，數據資產是能夠為組織產生價值的數據，數據資產的形成需要對數據進行主動管理并形成有效控制。本白皮書是從數據價值性視角出發定義數據資產，涉及主體包括政府機構與企業事業單位（重點討論企業），并不嚴格區分數據資產的經濟效益和社會效益。此外，由于數據資

18、產具有傳統資產所不具備的其它特征，因此，其價值的評估和計量并不完全遵從既有的會計、經濟相關準則與標準，仍需要結合實踐經驗進行不斷的探索和創新。數據權屬討論數據屬于誰的問題，數據權益討論數據收益的分配問題。確定數據資產權屬和權益分配有利于提高市場主體參與資產交易的積極性，降低資產流通的合規風險，推動數據要素市場化進程?，F階段，數據資產的權屬確認問題對于全球而言仍是巨大挑戰，各國現行全國性法律尚未對數據確權進行立法規制，普遍采取法院個案處理的方式，借助包括隱私保護法、知識產權法及合同法等不同的法律機制進行判斷。我國法律尚未對數據權屬做出清晰規定，難以形成規則共識?，F有法律多是從保護和監管的角度出發

19、，通過網絡安全法數據安全法個人信息保護法等規范數據的利用，但還沒有一部法律對各種場景下數據應歸誰所有做出明確界定，現行法律也較少涉及數據本身所承載的其他權益關系。司法過程中，目前主要是以反不正當競爭法等作為數據權益保護的權宜之計，承認數據具有競爭性利益，但具體的界權規則尚未達成共識，具有較大不確定性，各經營者仍容易頻繁陷入因權屬不清引發的糾紛之中。面對數據權屬相關障礙，應結合頂層設計與實踐經驗，逐步形成中國特色的數據產權制度體系。關于構建數據基礎制度更好發揮數據要素作用的意見中提出“建立公共數據、企業數據、個人數據的分類分級確權授權制度”，“建立數據資源持有權、數據加工使用權、數據產品經營權等

20、分置的產權運行機制”，健全數據要素權益保護制度?？紤]到數據種類、內容和流轉形態的復雜性，應結合具體實踐經驗，對“數據分類分級確權”和“產權分置運行機制”的制度設計進行優化。定義數據主體的權益一定程度上可以緩解由于數據資產難確權帶來的困境。我國通過明確了自然人、法人和非法人組織的數據權益，保障了包括自然人在內各參與方的財產收益，起到了鼓勵企業在合法合規的前提下參與數據資產流通的作用。關于構建數據基礎制度更好發揮數據要素作用的意見提出推動建立企業數據確權授權機制，健全個人信息數據確權授權機制和數據要素各參與方合法權益保護制度，尊重數據采集、加工等數據處理者的勞動和其他要素貢獻，充分保障數據處理者使

21、用數據和獲得收益的權利。此外 深圳經濟特區數據條例 廣東省數字經濟促進條例，上海市數據條例四川省數據條例均規定了自然人、法人和非法人組織對其以合法方式獲取的數據,以及合法處理數據形成的數據產品和服務依法享有相關權益。詳見表 1。專欄一：數據權屬4 數據資產管理實踐白皮書（6.0 版）文件名發布時間涉及自然人、法人和非法人數據權益相關內容關于構建數據基礎制度更好發揮數據要素作用的意見2022.12推動建立企業數據確權授權機制、建立健全個人信息數據確權授權機制建立健全數、據要素各參與方合法權益保護制度。四川省數據條例2022.12自然人、法人和非法人組織可以依法使用、加工合法取得的數據；對依法加工

22、形成的數據產品和服務，可以依法獲取收益。自然人、法人和非法人組織在使用、加工等數據處理活動中形成的法定或者約定的財產權益，以及在數字經濟發展中有關數據創新活動取得的合法權益受法律保護。深圳經濟特區數據條例2021.7自然人對個人數據依法享有權益，包括知情同意、補充、更正、刪除、查閱、復制等權益；自然人、法人和非法人組織對其合法處理數據形成的數據產品和服務享有法律、行政法規及條例規定的財產權益，可以依法自主使用，取得收益，進行處分。廣東省數字經濟促進條例2021.7明確自然人、法人和非法人組織對依法獲取的數據資源開發利用的成果，所產生的財產權益受法律保護，并可以依法交易。上海市數據條例 2021

23、.11自然人對涉及其個人信息的數據，依法享有人格權益；自然人、法人和非法人組織對其以合法方式獲取的數據,以及合法處理數據形成的數據產品和服務，依法享有財產權益、數據收集權益、數據使用加工權益、數據交易權益。表 1 我國涉及自然人、法人和非法人數據權益的法規及其定義2.數據資產管理數據資產管理（Data Asset Management）是指對數據資產進行規劃、控制和供給的一組活動職能，包括開發、執行和監督有關數據的計劃、政策、方案、項目、流程、方法和程序，從而控制、保護、交付和提高數據資產的價值。數據資產管理須充分融合政策、管理、業務、技術和服務，確保數據資產保值增值。數據資產管理包含數據資源

24、化、數據資產化兩個環節，將原始數據轉變為數據資源、數據資產，逐步提高數據的價值密度，為數據要素化奠定基礎。數據資產管理架構如圖 3 所示。5 數據資產管理實踐白皮書（6.0 版）圖 3 數據資產管理架構數據資源化通過將原始數據轉變數據資源，使數據具備一定的潛在價值，是數據資產化的必要前提。數據資源化以提升數據質量、保障數據安全為工作目標，確保數據的準確性、一致性、時效性和完整性，推動數據內外部流通。數據資源化包括數據模型管理、數據標準管理、數據質量管理、主數據管理、數據安全管理、元數據管理、數據開發管理等活動職能。數據資產化通過將數據資源轉變為數據資產，使數據資源的潛在價值得以充分釋放。數據資

25、產化以擴大數據資產的應用范圍、厘清數據資產的成本與效益為工作重點，并使數據供給端與數據消費端之間形成良性反饋閉環。數據資產化主要包括數據資產流通、數據資產運營、數據價值評估等活動職能。(四)數據資產管理演進 1.數據資產管理發展歷程數據資產管理伴隨著數據理念與技術的演變而不斷發展。數據管理概念主要誕生于上世紀八十年代，為方便存儲和訪問計算機系統中的數據，優化數據隨機存儲技術和數據庫技術的使用，數據管理多從技術視角出發。信息化時代，數據被視為業務記錄的主要載體，數據管理與業務系統、管理系統（包括企業資源規劃系統ERP、自動辦公系統 OA、管理信息系統 MIS、客戶關系管理系統 CRM、人力資源管

26、理系統 HRM 等）的建設和維護相結合，數據管理具備一定的業務含義，數據管理工作多集中于局部業務領域的流程改善。大數據時代，數據意識與數據價值的逐步提升，數據規模持續增加，技術成本投入下降，越來越多的組織搭建大數據平臺，實現數據資源的集中存儲和管理，組建數據管理團隊，數據管理的重要性和必要性日益凸顯，數據管理推動組織業務發展的作用逐步顯現。數據要素化時代，數據作為資產的理念正在共識，數據管理演變為對數據資產的管理，以提升數據質量和保障數據安全為基礎要求，圍繞數據全生命周期，統籌開展數據管理，以釋放數據資產價值為核心目標，制定數據賦能業務發展戰略，持續運營數據資產。數據資產管理的理論框架逐步成熟

27、。國際上，麻省理工學院兩位教授于 90 年代啟動全面數據質量管理計劃（TDQM），提出了聚焦于質量管理的數據資產管理框架。國際數據治理研究所（The Data Governance 6 數據資產管理實踐白皮書（6.0 版）Institute，DGI）于2004年提出了數據治理框架（Data Governance Institute,DGI），國際數據管理協會（DAMA，Data Management Association International）于 2009 年發布了數據管理知識體系2，并于 2017 年對數據管理模型進行了更新3。此外，Gartner、IBM 等企業紛紛提出了數據管理能

28、力評價模型。我國于 2018 年發布數據管理能力成熟度評估模型（GB/T 36073-2018）國家標準，是國內數據管理領域的第一個國家標準，該標準全面定義了數據管理活動框架，包含 8 個能力域、28 個能力項。整體來看，目前數據管理理論框架之間有很強的相似性，主要從數據管理的技術側或管理側出發，明確數據管理的活動職能和管理手段，并按照一定標準對組織的數據能力進行等級評定。但是，多數框架未特別強調數據資產價值性，忽略了數據資產價值實現路徑。2.數據資產管理發展現狀一是數據資產管理政策環境持續優化。金融領域，2021 年 3 月，中國人民銀行發布金融業數據能力建設指引，為金融業工作落地實施提供強

29、力指導。2021 年 9 月，銀保監會印發商業銀行監管評級辦法，將“數據治理”要求納入商業銀行監管評級要素并給予 5%的權重，進一步要求商業銀行加快建設數據治理體系。通信領域，2021 年 11 月，工業和信息化部發布了“十四五”信息通信行業發展規劃，提出加強數據資源管理，研究制定信息通信領域公共數據開放及數據資源流動制度規范，探索建立數據應用處理、數據產品標準化、數據確權、數據定價、數據交易信任、數據開放利用全流程的數據資源管理制度體系和數據要素市場，加強數據資源監管和行業自律。加快數據流通共享技術標準體系制定，提升數據質量和規范性。制造業領域，2021 年 11 月，工業和信息化部印發“十

30、四五”信息化和工業化深度融合發展規劃，提出強化大數據在制造業各環節應用，制定制造業數字化轉型行動計劃，以制造業數字化轉型為引領，培育專業化、場景化大數據解決方案。二是數據資產管理能力整體處于發展初期，發展態勢穩中有進。中國電子信息行業聯合會通過計算歷年來 DCMM 評估企業的能力等級分布，大部分貫標企業的數據管理能力均在二級（受管理級）及以下水平，占全部貫標企業的 80.1%；三級（穩健級）占總量的 15.6%，四級及以上（量化級和優化級）不足 5%。隨著企業數字化轉型相關政策不斷出臺，企業自身數據意識持續提升，越來越多的企業參與到DCMM貫標評估工作中，通過“以評促建”的方式加快數據資產管理

31、能力建設。三是行業間數據資產管理能力差異分布顯著。軟件和信息技術業、工業和制造業、醫療行業、教育行業等傳統行業仍處于初級階段，數據資產管理的意識和動力不足，數據資產管理處于大數據平臺建設階段，尚未組建相對專業化的數據資產管理團隊，主要針對核心業務開展數據標準化、數據質量管控等工作。金融行業、互聯網行業、通信行業、電力、零售行業等較早享受到了“數據紅利”，持續推進業務線上化，數據資產管理重要性隨之提升，逐步發展數據資產管理部門，加大技術創新與應用，開展數據分析和數據服務。中國電子信息行業聯合會將 DCMM 評估的統計數據按照行業進行對比分析，發現通信、電力、銀行三個行業處于相對領先水平，軟件和信

32、息技術業、制造業有較大提升空間。2 美 DAMA 國際,Data Management Body of Knowledge,DMBOK 2009.3 美 DAMA 國際,DAMA 數據管理知識體系指南(2017).7 數據資產管理實踐白皮書（6.0 版）四是評估數據資產價值、創新數據資產商業模式逐步成為企業關注焦點，領先企業已開展探索性實踐。數據價值評估是量化數據資產價值的有效方式，推動企業持續投入資源開展數據資產管理，為企業參與數據要素流通奠定基礎。2021 年光大銀行發布了商業銀行數據資產估值白皮書，計算出光大銀行數據資產超千億元的貨幣價值，并與北京國際大數據交易所開展戰略合作，探索數據要

33、素多元發展模式。2022 年光大銀行在前期研究的基礎上，以商業銀行為研究對象，開展數據資產入表和數據要素市場生態研究，發布了商業銀行數據資產會計核算研究報告，為業界提供了參考。此外，光大銀行發布的商業銀行數據要素市場生態研究報告提出了商業銀行在數據要素市場新生態中的兩個新發展路徑：一是作為數據商，以“4+2”的服務模式，深入參與數據要素市場大循環，開展數據商業務；二是作為第三方專業機構，充分發揮銀行的現有優勢，開放創新，拓展業務新場景。五是數據安全管理作為數據資產管理的“紅線”，日益受到國家行業的重視。國家層面，逐漸明晰數據安全的監管紅線，為企業數據安全建設提供政策引領。2022年7月，中央網

34、信辦公布 數據出境安全評估辦法，為各行業企業規范數據出境活動、保護個人信息權益提出了更加具體的要求和措施，翻開了數據出境安全管理的新篇章。行業方面，工業和信息化部于2022年10月再次公開征求對 工業和信息化領域數據安全管理辦法（試行）的意見，明確了重要和核心數據在目錄備案及出境等方面的工作要求，是對工業和信息化領域數據安全管理工作的進一步指導。(五)數據資產管理難點當前，數據資產管理仍然面臨一系列的問題和挑戰，涉及數據資產管理的理念、效率、技術、安全等方面，阻礙了組織數據資產能力的持續提升。圖 4 數據資產管理難點8 數據資產管理實踐白皮書（6.0 版）一是數據資產管理內驅動力不足。組織管理

35、數據資產的動力主要來自外在動力和內在動力兩個方面。隨著鼓勵組織開展數字化轉型的國家和行業政策陸續發布，監管和行業主管部門對企業數據管理提出更高要求，數據分析和應用對于同業競爭的優勢日趨顯著，組織開展數據資產管理的外部動力逐漸增強。但是，對于多數組織而言，仍面臨數據資產管理價值不明顯、數據資產管理路徑不清晰、數據文化不完善等問題，管理層尚未達成數據戰略共識，業務部門等數據使用方缺少有效的數據應用方法，短時期內數據資產管理投入產出比較低，導致組織開展數據資產管理內驅動力不足。二是數據資產管理與業務發展存在割裂?，F階段企業開展數據資產管理主要是為經營管理和業務決策提供數據支持，數據資產管理應與業務發

36、展緊密耦合，數據資產也需要借助業務活動實現價值釋放。然而，很多組織的數據資產管理工作與實際業務存在“脫節”情況。戰略層面不一致，多數企業并未在企業發展規劃中給予數據資產管理應有的組織地位和資源配置，未體現數據資產管理與業務結合的方式與路徑。同時，組織層面不統一，數據資產管理團隊與業務團隊缺乏有效的協同機制，使數據資產管理團隊不清楚業務的數據需求，業務團隊不知道如何參與數據資產管理工作。三是數據質量難以及時滿足業務預期。數據資產管理的核心目標之一是提升數據質量，以提高數據決策的準確性。但是，目前多數企業面臨數據質量不達預期、質量提升緩慢的問題。究其原因，主要包括以下三個方面：一是未進行源頭數據質

37、量治理，“垃圾”數據流入大數據平臺；二是數據資產管理人員未與數據使用者之間形成協同，數據質量規則并未得到數據生產者或數據使用者的確認；三是數據質量管理的技術支持不足，手工操作在數據質量管理中占比較高，導致數據質量問題發現與整改不及時。四是數據資產無法持續運營。數據資產運營是推動數據資產管理長期、持續開展的關鍵。但是，由于多數組織仍處于數據資產管理的初級階段，尚未建立數據資產運營的理念與方法，難以充分調動數據使用方參與數據資產管理的積極性，數據資產管理方與使用方之間缺少良性溝通和反饋機制，降低了數據產品的應用效果。五是數據安全風險加劇，安全合規要求日益復雜。中國政企機構數據安全風險分析報告（20

38、22）顯示數據泄露已經超越數據破壞成為數據安全最大風險，2021 年全球數據安全大事件中涉及數據泄露的占總量的 41.2%。2022 年，數據泄露事件占比攀升至 51.7%。此外，對個人信息交易需求的增加擴大了數據安全風險來源，從交易信息類型來看，涉及個人信息數據買賣的交易占比達到 55.6%（其余兩大類交易信息包括商業機密數據、內網管理信息數據，占比分別為 19.3%和 11.7%）。如何有效應對數據安全風險事件、滿足國家行業數據安全合規要求，是當前企業面臨的難點之一。9 數據資產管理實踐白皮書（6.0 版）活動職能是數據資產管理的基本管理單元。數據資產管理包括數據模型管理、數據標準管理、數

39、據質量管理等 10 個活動職能，覆蓋數據資源化、數據資產化兩個階段。本章參考 PDCA 方法，從計劃、執行、檢查、改進四個環節著手，闡述數據資產管理活動職能的核心理念與實踐要點。(一)數據模型管理 數據模型是指現實世界數據特征的抽象，用于描述一組數據的概念和定義。數據模型管理是指在企業架構管理和信息系統設計時，參考邏輯模型，使用標準化用語、單詞等數據要素設計數據模型，并在企業架構管理、信息系統建設和運行維護過程中，嚴格按照數據模型管理制度，審核和管理新建和存量的數據模型。數據模型管理的關鍵活動包括：數據模型計劃：確認數據模型管理的相關利益方；采集、定義和分析組織級數據模型需求；確定遵循數據模型

40、標準與要求，設計企業級數據模型（包括主題域數據模型、概念數據模型、邏輯數據模型）；數據模型執行：參考邏輯數據模型開發物理數據模型，保留開發過程記錄；根據數據模型評審準則與測試結果，由數據模型管理的參與方進行模型評審，評審無異議后發布并上線模型；數據模型檢查：確定數據模型檢查標準，定期開展數據模型檢查，以確保數據模型與組織級業務架構、數據架構、IT 架構的一致性；保留數據模型檢查結果，建立數據模型檢查基線；數據模型改進：根據數據模型檢查結果，召集數據模型管理的相關利益方，明確數據模型優化方案；持續改進數據模型設計方法、模型架構、開發技術、管理流程、維護機制等。采用企業架構指導建立企業級數據模型，

41、并采用一體化建模的方法，是提升數據模型業務指導性和模型質量的有效方式。例如，華為成立了 EAC（企業架構委員會），參考企業架構設計了企業級數據模型（包括主題域數據模型、概念數據模型、邏輯數據模型），較好的描述和展示了業務流程與業務關系，同時，在一定時間內企業級數據模型保持穩定性，有效指導了新業務的方向探索與 IT 建設。此外，通過引入一體化建模的方法，從技術和機制上支持企業級數據模型與 IT 開發的協同，使物理數據模型與邏輯數據模型保持一致，要求物理數據模型的實體屬性來自于數據標準池，并通過元數據對該開發過程進行記錄與監控，提升了數據模型的一致性、規范性、可控性。二.數據資產管理活動職能10

42、數據資產管理實踐白皮書（6.0 版）證券行業自 2019 年起陸續發布數據模型行業標準，指導行業內企業數據模型構建，提高企業間數據模型互通性。具體包括證券期貨業數據模型 第 1 部分：抽象模型設計方法（JR/T 0176.12019）、證券期貨業數據模型 第 3 部分：證券公司邏輯模型（JR/T 0176.32021）、證券期貨業數據模型 第 4 部分：基金公司邏輯模型（JR/T 0176.12019）。國家電網公司構建了統一數據模型（SG-CIM），從企業級視角對國家電網公司各專業原始業務數據進行統一建模，是打造企業級業務中臺和數據中臺的關鍵。SG-CIM 建設啟動于 2009 年，歷經 S

43、G186、SG-ERP、SG-ERP3.0 等信息化建設不同發展階段，歷經多年建設，形成了覆蓋電網主營業務、企業核心資源、智能分析決策三大板塊 14 個業務大類，包括 10 個一級主題域，90 個二級主題域，5472 個實體，80658 個屬性。2021年以來，國家電網持續優化完善 SG-CIM，聚焦營銷 2.0、項目中臺、人資 2.0 等重點建設項目，探索了項目建設與 SG-CIM 設計同步完善、協同一致的工作機制和設計方法。圖 5 華為一體化數據建模示例(二)數據標準管理 數據標準是指保障數據的內外部使用和交換的一致性和準確性的規范性約束。數據標準管理的目標是通過制定和發布由數據利益相關方

44、確認的數據標準，結合制度約束、過程管控、技術工具等手段，推動數據的標準化，進一步提升數據質量。數據標準管理的關鍵活動包括：數據標準管理計劃：確定數據標準管理相關負責人與參與人，開展數據標準需求采集與現狀調研，構建組織級數據標準分類框架；制定并發布數據標準管理規劃與實施路線；數據標準管理執行：在數據標準分類框架的基礎上，定義數據標準；依據數據資產管理認責體系，組織相關人員進行數據標準評審并發布；依托平臺工具，應用數據標準（包括數據模型設計與開發、數據質量稽核等）；11 數據資產管理實踐白皮書（6.0 版）(三)數據質量管理數據質量指在特定的業務環境下，數據滿足業務運行、管理與決策的程度，是保證數

45、據應用效果的基礎。數據質量管理是指運用相關技術來衡量、提高和確保數據質量的規劃、實施與控制等一系列活動。衡量數據質量的指標體系包括完整性、規范性、一致性、準確性、唯一性、及時性等。數據質量管理的關鍵活動包括：數據質量管理計劃：確定數據質量管理相關負責人，明確數據質量的內部需求與外部要求；參考數據標準體系，定義數據質量規則庫，構建數據質量評價指標體系；制定數據質量管理策略和管理計劃；數據質量管理執行：依托平臺工具，管理數據質量內外部要求、規則庫、評價指標體系等；確定數據質量管理的業務、項目、數據范疇，開展數據質量稽核和數據質量差異化管理；數據質量管理檢查/分析：記錄數據質量稽核結果，分析問題數據

46、產生原因，確定數據質量檢查責任人，出具質量評估報告和整改建議；持續測量全流程數據質量，監控數據質量管理操作程序和績效；確定與評估數據質量服務水平；數據質量管理改進：建立數據質量管理知識庫，完善數據質量管理流程，提升數據質量管理效率；確定數據質量服務水平，持續優化數據質量管理策略。數據標準管理檢查：對數據標準的適用性、全面性進行及時檢查；依托平臺工具，檢查并記錄數據標準應用程度；數據標準管理改進：通過制定數據標準維護與優化的路線圖，遵循數據標準管理工作的組織結構與策略流程，各參與方共同配合進行數據標準維護與管理過程優化。推動數據標準應用于數據開發、數據質量管理，提升數據標準管理效果。例如，交通銀

47、行一方面以新建系統或重構系統為契機，實施數據標準的“強管控”，基于數據建模工具打通 IT 開發需求與數據標準，要求IT 人員應用統一建模工具實施開發，推動數據標準有效落地，另一方面以數據標準管理促進數據質量提升，基于數據標準編制數據質量規則，聚焦關鍵業務領域與關鍵質量問題，并對數據標準應用情況進行持續監控。業務術語是統一數據業務含義的關鍵，業務術語管理是數據標準管理的基礎性工作。管理方面，企業已逐步形成統一管理的意識，重點關注業務術語的建設和應用，包括建立管理制度、管理流程并發布業務術語標準，并積極推廣業務術語的宣貫和應用，促進業務術語的規范化、便捷化應用。技術方面，通過數據管理平臺對業務術語

48、進行統一歸集、發布、查詢和應用，確保在企業全局形成對核心業務概念的統一定義和使用。以中國工商銀行為例，該行通過編制企業級的業務術語標準管理辦法明確業務術語的命名規范、相關人員的職責以及應用原則等，建立集團信息標準系統對全行數據標準進行統一管理，定期組織相關培訓以確保相關人員對組織內業務術語的理解一致。12 數據資產管理實踐白皮書（6.0 版）數據質量管理遵循源頭治理、閉環管理的原則。源頭治理方面，主要是指在新建業務或 IT 系統過程中，明確數據標準或質量規則，采用“一數一源”原則，與數據生產方和數據使用方確認，常見于對于數據時效性要求不高或核心業務增量數據等場景。閉環管理方面，主要是指形成覆蓋

49、數據質量需求、問題發現、問題檢查、問題整改的良性閉環，對數據采集、流轉、加工、使用全流程進行質量校驗管控（如圖 6 所示），持續根據業務部門數據質量需求優化質量管理方案、調整質量規則庫，構建數據質量和管理過程的度量指標體系，不斷改進數據質量管理策略。交通銀行以“管理可度量”、“問題可閉環”以及“質量標簽化”三大原則建立質量管理體系。在管理度量方面，著重“以單為錨、量化反映”，建設以質量問題單為中心的線上化流程，支持解決時效等關鍵信息的量化統計，實現審批流轉耗時降低 50%；在閉環管理方面，依托數據質量管理系統搭建企業級質量規則庫，結合各類數據應用場景的質量需求，已編制質量規則 20000 余條

50、，集中覆蓋公司板塊、財管領域、EAST5.0 等多個領域，同時針對數據湖歷史數據和主題模型層開展常態化監控；在質量標簽化方面，推進質量問題單與數據資產目錄的聯動，將質檢信息同步至數據資產界面，方便業務人員基于質量狀態標簽前置判斷數據資產可用性，加快數據資產應用價值釋放。圖 6 數據全流程質量校驗管控(四)主數據管理 主數據（Master Data）是指用來描述企業核心業務實體的數據，是跨越各個業務部門和系統的、高價值的基礎數據。主數據管理（Master Data Management，MDM）是一系列規則、應用和技術，用以協調和管理與企業的核心業務實體相關的系統記錄數據。主數據管理的關鍵活動包

51、括：主數據管理計劃：依據企業級數據模型，明確主數據的業務范圍、唯一來源系統與識別原則；定義主數據的數據模型（或主輔數據源分布）、數據標準、數據質量、數據安全等要求或規則，并明確以上各方面與組織全面數據資產管理的關系；主數據管理執行：依托平臺工具，實現核心系統與主數據存儲庫數據同步共享；13 數據資產管理實踐白皮書（6.0 版）(五)數據安全管理 數據安全是指通過采取必要措施，確保數據處于有效保護和合法利用的狀態，以及具備保障持續安全狀態的能力4。數據安全管理是指在組織數據安全戰略的指導下，為確保數據處于有效保護和合法利用的狀態，多個部門協作實施的一系列活動集合。包括建立組織數據安全治理團隊，制

52、定數據安全相關制度規范，構建數據安全技術體系，建設數據安全人才梯隊等。數據安全管理的關鍵活動包括：數據安全管理計劃：理解組織內外部數據安全需求與監管要求；制定數據安全管理制度體系，包括數據安全工作的基本原則、數據安全管理規則和程序、內外部協調機制等，并且明確個人信息保護管理制度（包括處理規則、合規審計制度、跨境傳輸安全評估體系等）；定義并發布數據分類分級標準規范；數據安全管理執行：依托平臺工具，識別敏感數據，應用數據安全分類分級標準規范；根據數據的敏感級別，部署相應的數據安全防控系統或工具（如權限管控、數據脫敏、數據防泄露、安全審計等）；數據安全管理檢查：監控數據在采集、存儲、傳輸、加工、使用

53、等環節的安全、隱私及合規狀況等；組織進行內外部數據安全審計；數據安全管理改進：總結數據安全問題與風險，評估數據安全管理相關標準規范的適用性、有效性，持續優化數據安全管理過程。數據安全分類分級成為數據安全管理的基礎性、關鍵性工作。2021 年發布數據安全法，提出“國家建立數據分類分級保護制度，對數據實行分類分級保護”，正式確立了數據分類分級的保護要求；同年發布的個人信息保護法，要求“只有在具有特定的目的和充分的必要性，并采取嚴格保護措施的情形下，個人信息處理者方可處理敏感個人信息”；網信辦在網絡數據安全管理條例（征求意見稿）中進一步明確，將數 主數據管理檢查：對主數據質量進行檢查，保證主數據的一

54、致性、唯一性；記錄主數據檢查的問題；主數據管理改進：總結主數據管理問題，制定主數據管理提升方案，持續改進主數據質量及管理效率。由于主數據具有數據價值高、穩定性強、數量少但影響范圍廣等特點，有“黃金數據”之稱。隨著參與業務活動的核心業務實體的種類逐步增多，主數據的管理范圍將逐步擴大，主數據從“跨部門”拓寬至“跨組織”。例如，海爾集團主數據以“業態不同、標準相同”為總體方針，以“標準一致、流程完整”為目標，遵循“流程可控、質量閘口、定期監控、流程前置”的管理原則，依托集團 MDM 主數據管理系統實現了全集團層面跨組織跨業態的主數據統一管理。隨著數字化轉型進程的推進，在傳統的產品/物料、供應商、客戶

55、等主數據的基礎上，陸續將員工/組織、內部公司、銀行機構、科目、鏈群、園區/建筑、工廠等數納入集團主數據管理范圍，目前已有12類標準化的主數據，由此打破了對主數據的傳統認識，主數據的納管將更注重業務場景和用戶體驗。4 參考中華人民共和國數據安全法.14 數據資產管理實踐白皮書（6.0 版）據分為一般數據、重要數據、核心數據，國家對個人信息和重要數據進行重點保護，對核心數據實行嚴格保護；各地區、各部門按照國家要求，對本地區、本部門以及相關行業、領域的數據進行分類分級管理。此外，金融、工業、電信、醫療等行業紛紛出臺相應的數據分類分級指南，以數據資產分類為基礎，結合敏感數據分級規則，形成數據資產安全分

56、類分級標準。金融標準化管理技術委員會聯合其行業主管部門已發布多項數據分類分級與保護相關的標準，如金融數據安全 數據安全分級指南（JR/T 0197-2020）、金融數據安全 數據生命周期安全規范（JR/T 0223-2021）等，還有多項處于研制階段金融行業標準，如金融數據安全 數據安全評估規范（征求意見稿），從全量個人信息、個人信息安全影響、個人金融信息、金融業數據、數據生命周期、網絡數據、重要數據以及數據安全評估的維度對金融數據分類分級與保護做出了規定。工業和信息化部于 2020 年印發了工業數據分類分級指南（試行），旨在指導企業全面梳理自身工業數據，提升數據分級管理能力，促進數據充分使用

57、、全局流動和有序共享。中國通信標準化協會于 2020 年發布的基礎電信企業數據分級分類方法（YD/T 3813-2020）等行業標準，進一步提出了針對電信企業的數據分類分級方法。醫療行業在 2020 發布了信息安全技術 健康醫療數據安全指南，將健康醫療數據可被分為個人屬性數據、健康狀況數據、醫療應用數據、醫療支付數據、衛生資源數據和公共衛生數據 6 類，根據數據重要程度、風險級別以及對個人健康醫療數據主題可能造成的損害和影響將數據安全劃分為五級。平安銀行引入 AI 技術和管理平臺，提升數據分類分級效率，滿足國家和監管機構的相關法規和要求。由于數據安全分類分級的對象需要細化到字段級，而海量金融數

58、據面臨成本與時效的巨大挑戰，此外，隨著金融行業的業務領域不斷擴大、數據分布越來越廣，將導致數據字段識別不完整、數據打標不全面的情況。為解決以上問題，平安銀行結合自身數據治理條件和數據特點，制定一套細化到數據項（字段級）的分類分級標簽，形成與之對應的覆蓋全生命周期各環節的保護措施，采用自上而下（即數據庫模型設計階段，從邏輯模型進行打標，對應物理表繼承安全標簽）、自下而上（即掃描物理表數據，對物理表字段進行分類分級打標）結合的方法，積極研發 AI 模型，開發出數據安全分類分級 AI 打標及管理平臺。個人信息保護成為數據安全管理關注的焦點。個人信息保護法 將自然人姓名、出生日期、身份證件號碼、生物識

59、別信息等全面納入保護范圍，為組織確定了個人信息保護范疇與要求。系統性識別業務涉及的個人信息處理活動，充分掌握個人信息收集、存儲、流通等活動，并作為數據安全標準規范的建立依據。在確保個人信息安全的前提下，引入多方安全計算、聯邦學習等隱私計算技術，開展數據資產流通。圖 7 數據安全分類分級流程與結果15 數據資產管理實踐白皮書（6.0 版）圖 8 平安銀行雙向數據分類分級打標方法(六)元數據管理 元數據（Metadata）是指描述數據的數據。元數據管理（Meta Data Management）是數據資產管理的重要基礎，是為獲得高質量的、整合的元數據而進行的規劃、實施與控制行為。元數據管理的關鍵活

60、動包括：元數據管理計劃：明確元數據管理相關參與方，采集元數據管理需求；確定元數據類型、范圍、屬性，設計元數據架構，技術元數據與數據模型、主數據、數據開發相關架構一致；制定元數據規范；元數據管理執行：依托元數據管理平臺，采集和存儲元數據；可視化數據血緣；應用元數據，包括非結構化數據建模、自動維護數據資產目錄等；元數據管理檢查：元數據質量檢查與治理；元數據治理執行過程規范性檢查與技術運維；保留元數據檢查結果，建立元數據檢查基線；元數據管理改進：根據元數據檢查結果，召集相關利益方，明確元數據優化方案；制定改進計劃，持續改進元數據管理的方法、架構、技術與應用等內容。元數據貫穿數據資產管理的全流程，是支

61、撐數據資源化和數據資產化的核心。首先，元數據從業務視角和管理視角出發，通過定義業務元數據和管理元數據，增強了業務人員和管理人員對于數據的理解與認識。其次，技術元數據通過自動從數據倉庫、大數據平臺、ETL 中解析存儲和流轉過程，追蹤和記錄數據血緣關系，及時發現數據模型變更的影響，有效識別變更的潛在風險。最后，元數據可作為自動化維護數據資產目錄、數據服務目錄的有效工具。例如，廣東電網依托元數據管理平臺監控元數據分布情況，獲取熱門異常應用表，并查看元數據表變更趨勢、字段變更趨勢等信息，實現對重點應用數據鏈路的實時在線監測、異常定位、預警分析、工單處理。主動元數據（Active Metadata）通過

62、利用機器學習和知識圖譜等底層人工智能技術，實現對數據采集、內容解析、使用分析等元數據的“主動”管理。作為元數據概念的延伸和擴展，主動元數據是對數據的使用者、相關數據管理活動、以及數據基礎設施等方方面面情況的數據，支持持續分析數據的一致性和異常情況。16 數據資產管理實踐白皮書（6.0 版）(七)數據開發管理 數據開發是指將原始數據加工為數據資產的各類處理過程。數據開發管理是指通過建立開發管理規范與管理機制，面向數據、程序、任務等處理對象，對開發過程和質量進行監控與管控，使數據資產管理的開發邏輯清晰化、開發過程標準化，增強開發任務的復用性，提升開發的效率。數據開發管理的關鍵活動包括：數據開發管理

63、計劃：制定數據集成、開發、運維規范；數據開發管理執行：建設集成了數據集成、程序開發、程序測試、任務調度、任務運維等能力的一體化數據開發工具；根據數據集成規范，進行邏輯或物理的數據集成；根據數據使用方的需求，進行數據開發；數據開發管理檢查：監控數據處理任務的運行情況，并及時處理各類異常；數據開發管理改進：定期進行數據集成、開發、運維工作復盤，并以此為基礎，對相關規范進行持續迭代。依托統一數據開發平臺，從技術側和管理側提升數據開發管理效率。例如，中國工商銀行搭建了大數據開發工作站和研發與測試管理系統，對數據開發過程進行效率管控。大數據開發工作站創造了生產工作區，與常規生產運行資源、數據資源等解耦隔

64、離，構建端到端的數據服務流水線。同時，在現有 Hive、MPPDB 等批量加工的基礎上，進一步滿足流式數據加工、聯機數據訪問服務的開發場景，將語言由 SQL 向 Spark、Python等擴展。測試管理系統建立了數據開發需求管理指標，包括需求項平均周期、開發前置時間、開發節奏等。此外，采用“統計過程控制（Statistical Process Control）”的理念，使用統計方法對開發過程與任務進行實時質量監控。相較于 2020 年第三季度，2021 年第三季度數據需求的平均研發周期大幅縮短，數據需求響應效率提升60%左右。圖 9 工商銀行數據開發流程示例17 數據資產管理實踐白皮書（6.0

65、 版）(八)數據資產流通 對于組織而言，數據資產流通是指通過數據共享、數據開放或數據交易等流通模式，推動數據資產在組織內外部的價值實現。數據共享是指打通組織各部門間的數據壁壘，建立統一的數據共享機制，加速數據資源在組織內部流動。數據開放是指向社會公眾提供易于獲取和理解的數據，對于政府而言，數據開放主要是指公共數據資源開放，對于企業而言，數據開放主要是指披露企業運行情況、推動政企數據融合等。數據交易是指交易雙方通過合同約定，在安全合規的前提下，開展以數據或其衍生形態為主要標的的交易行為。數據共享、數據開放、數據交易的區別在于交換數據的屬性與數據交換的主體范圍。對于具備公共屬性的數據，在組織體系內

66、部流通屬于數據共享，如政府機構之間的數據交換，在組織體系外部流通屬于數據開放，如公共數據向社會公眾開放。對于具有私有（商品）屬性的數據，在組織內部流通屬于企業數據共享，如企業部門間數據交換，在組織外部流通屬于數據交易。需要說明的是，并非所有的數據交易均以貨幣進行結算，在遵循等價交換的前提下，不論是傳統的點對點交易模式，或是數據交易所的中介交易模式，由“以物易物”延伸的“以數易數”或“以數易物”同樣可能存在。公共數據開放是指公共管理和服務機構在公共數據范圍內，面向社會提供具備原始性、可機器讀取、可供社會化再利用的數據集的公共服務。數據開放平臺是公共數據開放的重要載體，復旦大學的中國開放數林指數網

67、站顯示，截至 2021 年 10 月，我國已有 193 個省級和城市的地方政府上線了數據開放平臺，其中省級平臺有 20 個（含省和自治區，不包括直轄市和港澳臺），城市平臺 173 個（含直轄市、副省級與地級行政區）。中國公共數據開放圖譜（2022）顯示，總體上我國公共數據平臺建設呈現出從東部逐漸向西部擴散的發展趨勢，各個地區開放的數據集、數據接口及數據總量存在明顯差距。上海市公共數據開放能力走在全國前列。上海市于 2014 年起，出臺年度“政府數據資源向社會開放工作計劃”，通過分析多個主題下數據的需求度和成熟度，結合社會需求，詳細制定了當年的總體思路、重點工作任務和工作要求，并向社會公開。為貫

68、徹落實上海市數據條例上海市公共數據開放暫行辦法等有關法律法規，加快推進本市公共數據更高水平開放，上海市經濟和信息化委員會于 2022 年 9 月牽頭起草了上海市公共數據開放實施細則（征求意見稿），對立法目的和依據、適用范圍、概念意涵、工作原則以及職責分工進行規定，進一步規范上海市公共數據開放制度舉措。上海市經濟和信息化委員會印發的2022 年上海市公共數據開放重點工作安排提出開放服務質量有效提升，構建以需求為導向的開放數據治理機制，明確了包括公共數據及時更新率、高質量數據集數量、樣本開放數據集數量、開放渠道等方面的要求。圖 10 數據共享、數據開放、數據交易的區別18 數據資產管理實踐白皮書（

69、6.0 版）制度創新和技術創新雙輪驅動數據交易行業實現“規范化發展”。制度創新方面，一方面 2022 年 6 月22日中央深改委第二十六次會議強調“要促進數據高效流通使用、賦能實體經濟，統籌推進數據產權、流通交易、收益分配、安全治理，加快構建數據基礎制度體系”，為我國數據流通產業發展提供了根本遵循重要思路。同時，中央、地方密集出臺多項政策，不斷規范數據流通產業發展秩序。技術創新方面，以隱私計算為代表的數據流通技術提供了“數據可用不可見”“數據可控可計量”的數據服務新范式，在保障數據安全前提下，實現了數據流通效果，從而為需求方企業安全地獲取和利用外部數據提供了技術可能。數據交易需求持續增加，數據

70、交易相關鼓勵政策文件不斷推出，我國各地以多種形式開展了數據交易的探索和實踐，我國數據交易市場進入了新的發展階段。2015 年 4 月，全國第一家大數據交易所貴陽大數據交易所批準成立。在之后的幾年中，武漢、哈爾濱、江蘇、西安、廣州、青島、上海、浙江、沈陽、安徽、成都等地紛紛建立大數據交易所或交易中心，提供數據交易服務。目前，我國的數據交易機構已超過 20 個，均由各地政府牽頭協調，亞信數據等一批數據運營服務企業提供技術和運營支持。隨著數據交易市場的逐步成熟，交易所服務模式逐漸由“撮合交易”轉為“數據增值”。數據增值服務為大部分中小企業提供了一種性價比較高的數據獲取方式，解決中小企業面臨的數據專業

71、人才稀缺等難題。此外，數據增值服務模式相較于簡單的撮合交易模式，產生了一些從事“交易中介+加工分析”服務的新業態，引入了數據加工過程中的各類服務商角色，一些新興機構和企業通過數據聚合、融通、去識別處理、分析挖掘等新型服務方式，對于推動數據產業發展起到了促進作用。金融、互聯網行業的流通實踐不斷深化。金融行業中，風險控制要求極為嚴格，各大金融機構以雄厚的資金實力做支撐，早已成為數據要素市場的主要參與者?；ヂ摼W行業中，許多頭部企業已對外提供眾多數據接口或數據產品，以滿足中小互聯網企業或其他行業研發應用、精準營銷、智能服務等需求。調研顯示，當前金融機構及大型互聯網企業普遍建立了統一的部門或團隊管理外部

72、數據，頭部企業每年的外部數據采購額已經達到了億級規模。根據推算，僅銀行及互聯網金融行業的外部數據采購額即可突破百億規模。數據交易所作為可信任的數據交易“中介”，為企業探索數據交易提供了一個統一的可信任“窗口”。北京國際大數據交易所于 2021 年 9 月上線了數據交易平臺 IDeX 系統，與北京市公共數據開放平臺互通，擴大吸納公共數據資源的范疇，具備數據資產交易多項功能，并利用隱私計算、區塊鏈、智能合約、數據確權標識、測試沙盒等技術，實現全鏈條交易服務。貴陽大數據交易所先后制定了數據確權暫行管理辦法數據交易結算制度 數據源管理辦法 數據交易資格審核辦法 數據交易規范 數據應用管理辦法等一系列交

73、易規則，為推動數據交易良性發展奠定了制度基礎。將原始數據到數據資產過程作為主線，創新數據交易標的形式。傳統數據交易標的多是API、統計報告等形式，實際上，數據加工的投入技術（如管理工具、算法模型等技術服務）和中間產物（數據模型、數據規則庫、數據價值鏈、運營策略、定價機制、交易合同等數據解決方案）也可作為數據產品。此外，可引入數據生態多方參與，推動數據生態與數據交易相互促進。具體如圖 11 所示。根據深圳數據交易所最新產品形態分類估計，在已備案登記的數據交易標的中，數據產品數量居多，約占登記備案交易總數量 56%；數據服務位居第二，約占 25%。從金額上看，數據工具金額最高，占比達 42%，數據

74、產品位居第二，占比 36%。專欄二：數據資產交易模式19 數據資產管理實踐白皮書（6.0 版）氣象數據作為關鍵要素的氣象服務，可以廣泛賦能于各行各業，成為數據交易所構建數據產品的優先選擇。貴州省氣象局于 2022 年印發貴州省氣象數據流通交易管理辦法（試行）（以下簡稱辦法），將為規范氣象數據在對外服務中的流通交易活動，保障氣象部門和參與氣象數據生產加工主體的權益提供重要支撐。上海市氣象局數據產品“海洋氣象傳真圖”于 2022 年 12 月在上海數據交易所完成掛牌，為用戶提供準確的海平面氣壓場、風場、衛星云圖、臺風路徑圖等預報產品，有助于保障船舶安全航行，減少因災害性天氣影響導致貨輪延誤造成的財

75、產損失。圖 11 數據資產交易標的物形式示意圖(九)數據價值評估 狹義的數據價值是指數據的經濟效益，廣義的數據價值是在經濟效益之外，考慮數據的業務效益、成本計量等因素，我們聚焦于廣義的數據價值。數據價值評估是指通過構建價值評估體系，計量數據的經濟效益、業務效益、投入成本等活動。數據價值評估是數據資產管理的關鍵環節，是數據資產化的價值基線。目前，國內外相關標準化組織、財會領域組織、技術咨詢服務企業均從多個視角開展積極探索研究，相關研究成果見表 2。當前業界對于數據價值評估主要聚焦于三個方面：一是數據資產估值，直接量化體現數據價值；二是數據資產會計核算，作為企業的核心資產進入資產負債表；三是多角色

76、參與數據要素生態，進入數據要素流通的大循環中。多數企業對于數據價值評估的認識和實踐集中于第一個方面。以浦發銀行為代表，通過編制數據資產經營報表，對數據資產的規模、價值、運營能力和管理水平進行全面度量，客觀評價數據在典型業務場景下的貢獻程度，清晰展示數據對于業務質效提升、經營模式變革的推動力，形成數據管理與數據應用的良性循環。作為數據要素市場的管理方的政府機構和行業協會則聚焦于第二和第三方面。財政部會計司于在 2022 年發布了企業數據資源相關會計處理暫行規定（征求意見稿），就數據交易雙方如何進行會計處理、數據資源是否可以作為資產入賬等問題提出會計處理方法；中國資產評估協會于 2022 年發布了

77、數據資產評估指導意見（征求意見稿），規范資產評估機構及其資產評估專業人員在數據資產評估業務中的實務操作，明確了評估對象、數據質量評價、評估方法、披露要求等。20 數據資產管理實踐白皮書（6.0 版）以光大銀行、南方電網為代表的市場主體也結合自身數據資產管理建設成果進行了會計核算和數據定價相關探索。光大銀行發布了商業銀行數據資產會計核算研究報告，提出將數據資產使用權和數據資產經營權列入資產負債表中無形資產二級科目進行核算，并給出“衍生性數據”和“數據工具”的會計核算和入表方案。南方電網首創了能源行業首個數據資產定價方法，實現電網數據資產“明碼標價”，開展數據應用價值評估，量化部門及單位數據價值貢

78、獻度，創新建立數據資產入表管理機制，率先設立了數據資產會計科目，明確了數據資產的入表確認規則標準和入表管控策略。政策發文/研究單位時間政策/研究成果評價及參考價值財政部會計司2022.12企業數據資源相關會計處理暫行規定（征求意見稿）制定數據資源相關會計處理暫行規定，將有助于進一步推動和規范數據相關企業執行會計準則，正確反映數據相關業務和經濟實質光大銀行2022.11商業銀行數據資產會計核算研究報告提出將數據資產使用權和數據資產經營權列入資產負債表中無形資產二級科目進行核算，并給出“衍生性數據”和“數據工具”的會計核算和入表方案浦發銀行2021.10商業銀行數據資產管理體系建設實踐報告從構建商

79、業銀行數據資產管理體系視角出發，提出了數據價值評估框架南方電網2021.12南方電網數據資產管理體系白皮書.在數據應用價值評估的基礎上，構建內部各部門、各分子公司數據貢獻度結算機制，發布定價方法，指導數據收益測算，設立數據資產會計科目，明確數據資產的入表確認規則標準和入表管控策略國家標準化管理2020 年發布國家標準電子商務數據資產評價指標體系（GB/T 37550-2019）。提出數據資產應用效果的分析，考慮數據資產的使用對象、使用次數和使用效果評價，在評估數據資產的運營效果時有參考價值。中國資產評估協會2022.6數據資產評估指導意見（征求意見稿）規范資產評估機構及其資產評估專業人員在數據

80、資產評估業務中的實務操作，明確了評估對象、數據質量評價、評估方法、披露要求等2019.12資產評估專家指引第 9 號數據資產評估。參考無形資產評估為數據資產評估提出改良成本法、改良收益法以及改良市場法三種評估方法Gartner2020 年提出市場價值、經濟價值、內在價值、業務價值、績效價值、成本價值、廢棄價值、風險價值共八大維度的信息資產價值評估模型。Gartner 的評價框架從多角度評估數據資產的多方面價值，分析維度較完整，具有很強參考價值。表 2 國內外數據價值評估政策與研究總結21 數據資產管理實踐白皮書（6.0 版）目前數據價值評估的思路主要沿用傳統資產評估方法（成本法、收益法、市場法

81、），但是注意到各評估方法的適用對象和可行程度存在差異。對于成本法，考慮到成本難以分攤，其適用對象是企業全部數據資產而非特定數據產品，測算結果是數據資產管理的總體投入成本，包括獲取成本、加工成本、運維成本、管理成本、風險成本等方面。對于收益法，其適用對象是特定數據應用場景下的數據產品，測算結果是引入數據資產所帶來的業務效益變化。市場法以數據定價和數據交易為主要目的，其適用對象同樣是單一數據產品，通過對比公開數據交易市場上相似產品的價格，同時考慮成本和預估收益，對數據產品進行價格調整。對于以上三種方法而言，考慮到數據自身特性，均需對測算結果進行一定程度優化調整，影響因素主要包括數據質量、數據安全、

82、數據應用等。通過構建數據質量和數據安全計分規則，以及數據應用的場景范圍、用戶數量、使用效果等統計指標，充分考慮數據在不同使用場景和群體中所存在的需求差異，提升數據價值評估的準確性。綜合成本法、收益法和市場法，考慮數據自身特性，構建包含內在價值、成本價值、經濟價值、市場價值四個維度的數據價值評估體系。1.內在價值內在價值是指數據本身所蘊含的潛在價值，通過數據規模、數據質量等指標進行衡量。評估數據資產內在價值是評估數據資產能力的基礎，對于數據資產其他維度價值評估具有指導作用。核心計算公式：內在價值=(數據質量評分+服務質量評分+使用頻度評分)/3*數據規模。數據質量評分是從數據的完整性、準確性、規

83、范性等質量維度統計數據的通過率情況，服務質量評分是從業務應用角度統計數據覆蓋度和使用友好性情況，使用頻度評分是統計數據資產的使用頻度情況，數據規模是統計企業累計數據資產總量。2.成本價值數據資產的成本價值指數據獲取、加工、維護和管理所需的財務開銷。數據資產的成本價值包括獲取成本、加工成本、運維成本、管理成本、風險成本等。評估數據資產成本價值可用于優化數據成本管理方案，有效控制數據成本。核心計算公式：成本價值=獲取成本+加工成本+運維成本+管理成本+風險成本獲取成本是指數據采集、傳輸、購買的投入成本；加工成本是指數據清洗、校驗、整合等環節的投入成本；運維成本是指數據存儲、備份、遷移、數據維護與

84、IT 建設的投入成本；管理成本是指圍繞數據管理的投入成本；風險成本是指因數據原因導致數據泄露或外部監管處罰所帶來的風險損失。數據資產的成本價值評估以數據項目為單元進行核算。需要說明的是，數據資產成本價值評估各項指標可能與傳統項目成本或 IT 成本有所重疊，因此，可參考數據資產管理的標準化流程，進一步界定成本價值評估各類指標的數據資產貢獻比例，提升成本價值評估的準確性。3.經濟價值數據資產經濟價值指對數據資產的運用所產生的直接或間接的經濟收益。此方法通過貨幣化方式計量數據資產為企業做出的貢獻。核心計算公式：經濟價值=業務總效益*數據資產貢獻比例 業務總收益是指提升營業收入和降低經營成本。由于“數

85、據資產貢獻比例”的計算存在一定難度，可考慮利用業務流和價值流對業務總效益進行拆解，并對應數據流，進一步界定該業務價值環節的數據資產貢獻比例。專欄三：數據價值評估體系22 數據資產管理實踐白皮書（6.0 版）(十)數據資產運營 數據資產運營是指通過對數據服務、數據流通情況進行持續跟蹤和分析，以數據價值管理為參考，從數據使用者的視角出發，全面評價數據應用效果，建立科學的正向反饋和閉環管理機制，促進數據資產的迭代和完善，不斷適應和滿足數據資產的應用和創新需求。建立可共享可復用的數據資產體系，構建多層級數據資產目錄，是開展數據資產運營的基礎和前提。中國移動打造了“共建共享共維”的數據資產體系，面向全集

86、團提供了位置洞察、內容洞察、客戶標簽、統一指標等核心數據能力，以及提供數據采集、數據儲算、數據開發等工具能力和產品推薦、風控識別等算法能力。同時，打造了多層級多場景的數據資產目錄，提供完整的數據定義、數據說明、數據樣例、數據責任人等業務、技術、管理信息，增強數據可理解性，支持關鍵字、主題、業務標簽、熱度等多引擎檢索，形成高并發 API、交互式查詢、文件服務、實時消息分發等多服務形態，數據可直接訂購下單。目前已沉淀超過一萬個高價值中間模型，API 月度調用量超過 40 億次，賦能內外部超過 200 家單位近 500 個大數據項目。豐富數據服務形式，滿足內外部數據使用方需求，提升數據資產運營效果。

87、中國農業銀行通過搭建覆蓋財會、資負、風險、零售、公司、機構等業務的指標庫、標簽庫、智能模型庫，為總分行及時提供包含績效考核指標、營銷客戶畫像、客戶 AUM 等在內的數據服務，并提供數據探索、模型訓練發布、報表設計發布、可視化結果發布等能力。浦發銀行打造 Data Ocean 數據經營生態圈，賦能數字化轉型進程。浦發銀行以海洋為品牌主題，以客戶體驗為中心，以“客戶智見、產品智營、渠道智投和管理智控”為核心驅動，打造 Data Ocean 數據產品系列，孵化52個子產品，覆蓋零售、對公、金融市場、精準營銷、客戶經營、風險預警、管理決策等金融場景，讓數據資產價值持續釋放，向行內、集團、數據合作生態圈

88、開放共享，賦能浦發銀行生態圈數字化轉型的同時，也為商業銀行數字化轉型提供了一種新的思路。擴寬數據用戶，擴大數據場景是開展數據資產運營有效方式。招商銀行轉變傳統的卡片模式，以 App 視角上線“用戶成長體系”，引入各類滿足客戶需求的金融與泛金融權益，打通理財、信貸和信用卡等系統，構建“網點+App+場景生態”用戶體驗，并建立“北極星”指標月活躍用戶(MAU)進行持續監測。目前，App的 MAU 達 1.07 億戶，23 個場景的 MAU 超過千萬，兩大場景的交易額近 100 億元。4.市場價值市場價值是指在公開市場上售賣數據產品所產生的經濟收益，由市場供給決定數據資產價值。隨著數據產品需求的增加

89、以及數據交易市場規則的建立，該方法可行性與準確性逐步提升。核心計算公式：市場價值=數據產品在對外流通中產生的總收益23 數據資產管理實踐白皮書（6.0 版）政務數據授權運營屬于政府數據向社會流通的一種新模式，對于推動政府數據開發利用、釋放數據的潛藏價值起到關鍵作用。中華人民共和國國民經濟和社會發展第十四個五年規劃和 2035 年遠景目標綱要中明確提出“開展政府數據授權運營試點”，預示著政府數據授權運營正式上升為國家戰略。相較于政府直接開放公共數據而言，授權運營向外提供的數據產品和服務基本是有償的，一定程度上提高政府開放數據的市場化程度，豐富政務數據開放生態圈。目前，多地紛紛響應，但是大多數地方

90、尚處于計劃籌備階段，北京、上海等?。ㄊ校┩苿恿Χ认鄬^大。其中，北京以金融公共數據授權運營為起點，政府數據以專區的形式交給特定的企業運營，明確提出支持各領域建立數據資產運營公司，將數據運營的理念從政府數據擴大到了各個領域；上海市被授權運營主體的開發利用活動需經過市政府辦公廳組織評估，形成的產品或服務需通過授權運營平臺開展，被授權運營主體使用市大數據資源平臺時應向平臺建設方支付相應的平臺服務費。創新商業模式，促進數據價值變現。以南方電網為例，一是打造對外數據產品體系。開發建設深圳供電局“綠電歷”、南網互聯網公司“南網融 e”等電力大數據產品 134 項，全力推動構建開放共享、有序競爭、分工協作、

91、互利共贏的數據生態。二是建設對外數據服務共享平臺。依托數據對外門戶建設，打造“一個數據中心、一套數據供給、一個數據對外門戶、N 個數據產品”的數據對外服務體系，確保數據資產管理體系和數據資產運營機制落地。三是建立數據結算和收益分配機制。明確利益計量與分配的方法原則，創新數據計費、數據賬務和數據結算方法，探索數據產品商業模式，最終實現數據資產價值變現。圖 12 南方電網數據商業模式示意圖24 數據資產管理實踐白皮書（6.0 版）數據資產管理是一項長期性的、體系化的工作，為保證各項數據資產管理活動有效開展，統籌推動數據資產管理工作順利進行，戰略規劃、組織架構、制度體系、平臺工具、長效機制等保障措施

92、變得極為重要。(一)戰略管理 戰略是組織長期發展規劃及資源配置的一系列行動，對于組織持續穩定發展具有重要的指導意義。在數字時代下，數據戰略已成為組織開展精益數據資產管理的基礎，是數據資產管理工作長期高效開展的“指南針”。戰略管理是指通過對數據戰略進行規劃、執行、評估，確立數據資產管理的中長期目標和管理活動優先級，明確需要的資源投入總量和資源分配機制，并使數據戰略始終契合組織的業務戰略。戰略規劃是戰略管理的首要環節和基礎性工作，是數據資產管理的指導藍圖。通過評估當前組織數據資產管理能力，結合組織發展規劃和IT發展規劃，明確數據戰略規劃的中長期和短期發展目標、管理原則、主要活動，識別重要業務領域、

93、數據范圍和活動優先級，確認投入的資源規模。戰略執行是戰略管理的中間環節，是戰略規劃落地的有效保障。戰略執行通過對戰略規劃進行拆解，制定階段性提升計劃與實施路線，明確各項活動參與團隊，并根據實際執行情況及時調整短期戰略規劃。戰略評估是優化組織數據戰略管理、提升數據戰略指導作用的必要手段。通過從目標完成率、價值收益率、成本合理性等維度評估戰略內容、管理過程，提升戰略規劃和戰略執行有效性。例如，中國聯通聚焦公司新戰略、新定位、新賽道，全面提速數據治理，促進數據要素流動和效能提升，通過外部形勢研判和內部資源起底，打造適配公司數字化轉型的企業級數據治理體系，形成數據治理戰略目標、規劃體系、重點舉措和階段

94、目標，強化統籌，為規劃期任務執行和資源配置提供評估準則，確保規劃目標達成。三.數據資產管理保障措施圖 13 數據戰略管理流程與要點25 數據資產管理實踐白皮書（6.0 版）(二)組織架構建立全方位、跨部門、跨層級的數據資產管理組織架構，是實施組織級統一化、專業化數據資產管理的基礎，是數據資產管理責任落實的保障。一般來說，數據資產管理組織架構包括決策層、組織協調層、數據資產管理層、工作執行層四個層級。決策層作為數據決策方，由組織 CIO 或 CDO 擔任，負責制定數據資產管理決策、戰略和考核機制。組織協調層由虛擬的數據資產管理委員會承擔，負責統籌管理和協調資源，細化數據資產管理的考核指標。數據資

95、產管理層由數據資產管理辦公室承擔，作為數據資產管理的主要實體管理部門，負責構建和維護組織級架構（包括業務架構、數據架構、IT 架構），制定數據資產管理制度體系和長效機制，定期開展數據資產管理檢查與總結，并向組織協調成和決策層匯報。工作執行層由業務部門和 IT 部門共同承擔，負責在數據項目中落實數據資產管理工作，與數據資產管理層協同參與各項活動。集中式管理與聯邦式管理是數據資產管理的兩種組織模式，主要區別在于數據管理專員集中于數據資產管理層或分布于各個業務部門。集中式數據資產管理組織架構如圖 14 所示，聯邦式數據資產管理組織架構如圖 15所示。集中式管理與聯邦式管理在特點、技術、適用對象等方面

96、存在差異。集中式管理對各業務線數據獨立性要求較低、數據相關性要求較高，采用數據倉庫、大數據平臺等技術，適用于中大型企業。聯邦式管理對各業務線數據獨立性要求較高、數據相關性要求較低，采用 Data Fabric 技術，適用于中小型企業或集團型企業。實踐層面，這兩種管理和組織模式并沒有嚴格意義上的優劣之分，集中式并不意味著完全的集中管理，聯邦式也不意味著完全的分散管理，采用何種模式主要取決于企業自身的數據資產管理基礎能力與組織架構，也可以采用融合集中式與聯邦式的混合模式。專欄四：集中式管理與聯邦式管理的比較圖 14 集中式數據資產管理組織架構圖 15 聯邦式數據資產管理組織架構26 數據資產管理實

97、踐白皮書（6.0 版）理論層面，聯邦式管理逐漸成為趨勢。一方面，數據分散管理需求正在增長。由于場景化數據資產應用愈發普遍，從業務端構建數據資產管理團隊將有助于理解業務的數據需求，數據直接服務于業務，大幅提升數據價值時效性。另一方面，Data Fabric 提供了技術支持。隨著數據規模和復雜性的持續增加，基于 Data Fabric 的計算和存儲架構將一定程度減少集中式處理帶來的巨大成本，同時輔助在錯綜復雜的業務關系網中建立準確、全面、清晰的數據分布圖譜。組織形式特點優勢/劣勢適用企業適用技術集中式 各業務線業務獨立性較 低、數據相關性較高 數字技能在各業務線分布有所不均優勢：組織級統一數據資產

98、管理；全面提升數據資產管理能力劣勢：與業務結合不足，敏捷性較低；投入資源大、見效慢中大型企業數據倉庫、大數據平臺聯邦式 各業務線業務獨立性較高、數據相關性較低 數字技能在各業務線分布相對均衡優勢：與業務結合緊密，敏捷性較高；投入資源小、見效快劣勢：數據管理團隊人員缺口大、技能培養投入大中小型企業、集團型企業Data Fabric表 3 集中式管理與聯邦式管理比較由于數據產生于業務，數據流轉依賴于業務，因此，數據認責機制對于統籌協調數據資產管理、加強各方對于數據資產管理的認可具有較強的積極作用。例如，平安銀行 建立了以數據類別（基礎數據、指標數據、外部數據等）為基礎的數據認責原則，明確了數據采集

99、者、數據加工者、數據使用者等不同角色在數據生命周期各環節的責任，建立數據認責矩陣，并將數據認責機制與考評激勵措施相結合，進一步確保數據資產管理相關方的“責權利”對等；在數據應用層面，依據認責原則搭建五級認責體系，分別為“歸口管理部門”、“報表主管部門”、“業務場景主管部門”、“字段主管部門”、“字段協管部門”，解決了數據在應用層面職責劃分不清晰的痛點，有效支撐了數據口徑、數據規范等數據治理層面管理措施的落地執行。此外，數據資產管理對于人才的復合型能力提出了更高的要求。首先，數據資產管理人員應具備良好的數據架構、數據安全、法律法規相關技能，涉及數據架構師、數據安全人員、數據合規人員等角色。其次，

100、數據資產管理人員應具備較高的業務理解能力，涉及數據標準管理員、數據質量管理員、主數據管理員等角色。再次，數據資產管理人員需具備基本的市場洞察與運營能力，與數據生態多方、數據使用者建立良好的合作互動機制。最后，由于數據資產在交易市場中的產品設計、定價規則、流通技術需求增多，數據資產管理人員需具備一定的產品經理、金融學、經濟學、密碼學知識。27 數據資產管理實踐白皮書（6.0 版）表 4 數據資產管理復合人才能力表數據資產管理角色角色能力要求數據架構師、數據安全人員、數據合規人員數據架構、數據安全、法律法規相關技能數據標準管理員、數據質量管理員、主數據管理員業務理解能力數據資產運營管理員生態運營能

101、力、市場洞察能力其他人員產品經理、金融學、經濟學、密碼學知識(三)制度體系 數據資產管理制度體系通常分層次設計，依據管理的顆粒度，制度體系可劃分為組織級數據資產管理總體規定、管理辦法、實施細則和操作規范四個層次?；緝热萑缦拢嚎傮w規定從數據資產管理決策層和組織協調層視角出發，包含數據戰略、角色職責、認責體系等，闡述數據資產管理的目標、組織、責任等；管理辦法是從數據資產管理層視角出發，規定數據資產管理各活動職能的管理目標、管理原則、管理流程、監督考核、評估優化等；實施細則是從數據資產管理層和數據資產管理執行層的視角出發，圍繞管理辦法相關要求，明確各項活動職能執行落實的標準、規范、流程等；操作規范

102、是從數據資產管理執行層的視角出發，依據實施細則，進一步明確各項工作需遵循的工作規程、操作手冊或模板類文件等。業務案例從實際項目出發，為數據資產管理提供了實踐視角，是對制度體系架構的有效補充。交通銀行為響應理論本地化、實踐策略化需求，在總體規定、管理辦法的基礎上，建立了“工作手冊”機制，作為數據資產管理工作落地的重要抓手和關鍵突破口。工作手冊覆蓋數據資產管理多項活動職能，主要從各項活動實施的需求背景、方案策略、執行過程等方面著手，對自身實踐項目進行客觀陳述、深入分析，總結問題與經驗。工作手冊不僅沉淀為內部培訓的實戰材料，形成團隊的共有知識和經驗，更重要的是作為典型業務案例，對于長期指導和優化數據

103、資產管理工作具有指導意義。28 數據資產管理實踐白皮書（6.0 版）圖 16 數據資產管理制度體系架構(四)平臺工具 數據資產管理平臺工具位于大數據平臺上層，為各項數據資產管理活動職能的執行提供技術保障。從管理視角出發，數據資產管理平臺工具支持 PDCA 循環。規劃環節，通過角色分配和權限管理落實數據認責體系，支持需求管理，以及對數據資產現狀（包括數據資產規模、分布、可信度、安全性等）進行評估；執行環節，支持標準規范的新增、修改，以及數據開發、任務編排、任務運維等；檢查環節，支持對數據模型一致性、標準規范應用程度、問題數據處理情況、數據安全響應結果等進行跟蹤；改進環節，支持逐個標記問題并生成改

104、進建議，統計檢查數據，形成知識庫，量化改進過程，實現閉環管理。從開發視角出發，數據資產管理平臺呈現一體化形式。通過打通數據模型管理、數據標準管理、數據質量管理、數據安全管理、元數據管理、數據開發相關平臺工具，支持數據模型設計與開發遵循標準規范，實現數據質量源頭管理，并對數據資產開發全流程進行監控，確保開發過程的流暢，提升開發過程的規范性。例如，中國聯通構建了集約化數據治理平臺，深入推進自上而下的企業治理體系建設，實現數據資產全量全域納管，資產一點查詢檢索，一點治理運營，數據標準在線管理；支撐核心指標、標簽、模型的血緣關系全鏈路溯源、智能化分析。同時自下而上夯實數據質量基礎，推動數據質量管理、建

105、模管理、主數據管理等各項能力的工具化建設，形成數據治理工具集，AI 賦能數據治理質量和效率提升，促進企業數據標準化、規范化，為企業數字化轉型提供支撐。29 數據資產管理實踐白皮書（6.0 版）圖 17 數據資產管理長效機制培訓宣貫是數據資產管理理論落地實踐、流程執行運作的基礎。通過安排員工參與數據資產管理培訓、課程，加深行業內、外部單位優秀經驗溝通與交流，組織開展案例分享，促進員工提升技術水平?？冃Э己耸谴_保數據資產管理各項工作落實到位的關鍵舉措。建立數據資產管理考核機制，開展常態化、全面性問題巡檢，將問題處理結果與員工薪酬關聯，確保數據認責體系的有效執行。激勵機制是提升組織數據資產管理部門工

106、作積極性，推動數據資產管理良性發展的重要手段。建立員工職業發展通道，設立數據資產管理相關獎項，將數據資產管理納入現有晉升、薪酬、職位資格等體系范疇。審計機制是保障數據資產管按既定規劃和規范執行的有效方式。組建審計團隊（由審計部門、監管部門牽頭，數據資產管理部門、技術部門、業務部門參與），引入第三方審計機構，依托相關審計平臺，對崗位職責、制度體系、管理活動開展審計。數據文化是組織開展數據資產管理的核心價值觀和最終驅動力。優化數據服務方式，降低數據資產管理參與門檻，開展多類型數據技能培訓和比賽，加深員工的數據認識，提升員工的數據興趣。(五)長效機制 在數據戰略規劃、組織架構和制度體系的基礎上，培訓

107、宣貫、績效考核、激勵機制、審計機制、數據文化培養等長效機制，是數據資產管理活動持續高效運行的重要保障。30 數據資產管理實踐白皮書（6.0 版）本章定義了一種數據資產管理實踐的通用步驟：“統籌規劃管理實施稽核檢查資產運營”。需要說明的是，各步驟之間并無嚴格的先后順序，組織可結合自身情況在各階段制定合理的實施方案。四.數據資產管理實踐步驟圖 18 數據資產管理實踐步驟表 5 數據資產管理能力評估維度及要點(一)第一階段：統籌規劃 數據資產管理第一階段是統籌規劃，包括評估管理能力、發布數據戰略、建立組織責任體系三個步驟，為后續數據資產管理和運營錨定方向、奠定基礎。第一步是盤點數據資產，評估數據資產

108、管理能力。利用技術工具從業務系統或大數據平臺抽取數據、采集元數據、識別數據關系，可視化包含元數據、數據字典的數據模型，并從業務流程和數據應用的視角出發，完善包含業務屬性、管理屬性的數據資產信息，形成數據資產地圖。此外，從制度、組織、活動、價值、技術等維度對組織的數據資產管理開展全面評估（如表 5 所示），將評估結果作為評估基線，有助于組織了解管理現狀與問題，進一步指導數據戰略規劃的制定。評估維度評估要點制度數據資產管理制度體系的完整性、規范性、指導性；流程管控和優化能力組織組織、角色、職責合理性；數據責任體系的完整性；活動活動職能全面性、整體性；各項活動職能交付物的合理性、準確性、規范性、完整

109、性；記錄和優化各項活動管理過程能力；數據資源化程度（包括數據質量優劣、數據安全性等）價值數據服務、數據應用、數據流通、數據價值評估、數據運營能力技術大數據平臺、數據資產管理技術工具相關性能、功能完備程度、一體化程度；云計算、AI、隱私計算等關聯技術儲備程度31 數據資產管理實踐白皮書（6.0 版）表 6 數據資產標準規范體系示例(二)第二階段：管理實施 數據資產管理實施第二階段的工作目標主要是通過建立數據資產管理的規則體系，依托數據資產管理平臺工具，以數據生命周期為主線，全面開展數據資產管理各項活動，以推動第一階段成果落地。詳細闡述見第二章第一節。第二階段管理實施的開展主要包括建立規范體系、搭

110、建管理平臺、全流程管理、創新數據應用四個步驟。第一步是制定組織級數據資產標準規范體系，建立各活動職能的實施細則與操作規范。組織級數據資產標準規范體系指各活動職能下對數據技術設計、業務含義的標準化。以結構化數據為例，標準化的對象包括字段、表以及表間關系，對于各對象的標準化內容如表 6 所示。此外，結合數據資產管理相關管理辦法，形成各活動職能的實施細則、操作規范，為數據資產管理的有效執行奠定良好基礎。第一步的主要交付物包括：數據資產盤點清單、數據架構或數據模型、數據資產管理現狀評估報告、數據資產管理差距分析報告。第二步是制定并發布數據戰略。主要是根據數據資產管理現狀評估結果與差距分析，召集數據資產

111、管理相關利益者，明確數據戰略規劃及執行計劃。同時，為適應業務的快速變化，采用相對敏捷的方式開展數據資產管理工作，定期調整數據戰略短期規劃與執行計劃。詳細闡述見第四章第一節。第二步的主要交付物包括：數據戰略規劃、數據戰略執行計劃。第三步是建立組織責任體系，制定并發布數據資產管理制度規范。從數據戰略規劃出發，構建合理的、穩定的數據資產管理組織架構，以及具備一定靈活性的數據資產管理項目組，確定數據資產管理認責體系，并制定符合戰略目標與當前實際情況的數據資產管理制度規范。詳細闡述見第四章第二節、第三節。第三步的主要交付物包括：數據資產管理組織架構圖、數據資產管理認責體系、數據資產管理相關管理辦法。數據

112、資產管理活動職能標準化對象字段表表關系數據標準管理數據元定義表命名規則技術規則、業務規則數據質量管理字段級質量規則（準確性、有效性）完整性一致性數據模型管理屬性定義實體定義、數據字典、表結構設計關系、約束元數據管理字段名數據表名數據血緣數據安全管理字段級安全規則表級安全規則數據安全架構32 數據資產管理實踐白皮書（6.0 版）第一步的交付物主要包括：數據資產管理活動職能相關標準規范、實施細則、操作規范。第二步是搭建大數據平臺，匯聚數據資源。根據數據規模、數據源復雜性、數據時效性等，評估平臺預期成本，自建或采購大數據平臺，為數據資產管理提供底層技術支持；設計數據采集和存儲方案，根據第一步的數據資

113、產標準規范體系，制定數據轉換規則，確定數據集成任務調度策略，支持從業務系統或管理系統抽取數據至大數據平臺，實現數據資源的匯聚；結合云原生、AI 等技術提升資源利用率，降低數據資產管理的資源投入和運維成本。第二步的交付物主要包括：大數據平臺、數據匯聚方案與記錄。第三步是依托統一管理平臺，實現數據資產的全流程管理。構建統一的數據資產管理平臺，使各活動職能相關工具保持聯動，覆蓋數據的采集、流轉、加工、使用等環節；由數據資產管理團隊組織開展數據資源化活動，對于每一項活動，在數據需求中明確和記錄數據使用方的規范與期望，在數據設計中支持規則的落地與應用，在數據運維根據數據生產方業務和數據的變化，響應數據使

114、用方規則與期望的調整，并及時發現和整改問題數據。項目是執行組織級數據資產管理的最小單元，良好的數據資產項目管理是基礎，類比 IT 項目管理框架，主要從目標一致性、角色合理性、范圍明確性（包括業務范圍、數據范圍、技術范圍等）、風險可控性、成本可計量、質量可優化等方面考慮（如圖 19 所示）。圖 19 數據資產項目管理要點 33 數據資產管理實踐白皮書（6.0 版）第三步的交付物主要包括：數據資產管理平臺、數據資產生命周期操作手冊、數據資產項目管理操作手冊、數據資產管理業務案例。圖 20 敏捷式數據資產管理示意圖數據資產管理是一項長期性、復雜性工作，敏捷化的管理模式將有效節約人力和時間成本。敏捷式

115、數據資產管理主要包括形成敏捷組織、建立敏捷機制、采用敏捷技術三個方面。敏捷組織包括數據資產管理項目辦公室、敏捷項目組兩部分。數據資產管理項目辦公室可下設于數據資產管理委員會，指導在數據項目中建立跨層次、跨部門、跨團隊的團隊，負責定期開展數據項目復盤，建立業務案例。建敏捷項目組是針對具體的數據項目，根據數據資產管理角色與職責，從實體部門選擇合適人員組建而成。通常來說，項目人數控制在 5-7 個以內會最大化協作和溝通的效率。同時，數據項目經理除對項目負責外，也對組織級數據資產管理負責，這意味著項目經理需與包括 CDO 或數據架構師等角色保持良好合作。此外，利用 Jira、Slack 等協作工具，以

116、及項目管理工具，提升項目組內各方的溝通合作效率。敏捷機制方面是指充分利用技術工具，及時響應數據消費端的需求，并在提供數據服務過程中與數據消費端保持良好溝通。例如，在數據產品上線后采用 A/B 測試方式，根據用戶反饋優化產品。此外，在統一組織級數據資產管理制度體系下，敏捷項目組根據項目特定需求，通過快速運行、快速試錯的方式，迭代數據資產管理操作細則與標準規范。敏捷技術方面是指將DevOps對于軟件開發的敏捷技術要求用于數據生產，支持數據設計、ETL、CI/CD、部署、交付、運維等環節的處理敏捷性。一是通過設計數據開發流水線，定義數據開發環節與流轉業務邏輯。二是依托數據管道，根據數據開發流水線，實

117、現數據的自動化采集、轉換、加載，并對數據管道中的任務代碼、程序進行版本管理和運行監控。三是部署自動化測試套件支持持續集成/持續開發(CI/CD)，并利用低代碼開發、靈活配置模板、可視化任務編排等方式，提升數據開發、測試和部署的效率。四是持續利用元數據對數據模型、數據標準、數據質量的應用進行檢查，使用修復工具進行異常處理，以保證交付數據的可信。五是通過監控數據管道中數據、任務、程序、代碼的執行與質量情況，支持回溯和審計。廣東移動引入敏捷技術，提升數據資產開發者的工作效率?？梢暬瘮祿_發，針對代碼開發能力不足、代碼開發周期長等問題，可視化數據源配置、任務編排等環節。同時，通過模板復用、一鍵調度以及

118、轉換編排頁面，縮短數據開發時間。構建輕量級測試環境，通過持續集成/持續開發(CI/CD)，在數據生產的各個環節對輸入輸出和業務邏輯進行自動化測試，包括數據口徑、表格式、表屬性等，以確保質量穩定。此外，在測試環境提供輕量級的數據量，輔助數據測試人員快速驗證程序與結果，提高數據測試效率。自動化部署，實現自動從測試環境中獲取數據模型、代碼配置，并以增量迭代的方式遷移至生產環境，大大節約了從測試環境到生產環境的測試和部署工作的人力成本。專欄五：敏捷式數據資產管理34 數據資產管理實踐白皮書（6.0 版）第四步是創新數據應用，豐富數據服務。組織應加強數據應用和服務的創新，圍繞降低數據使用難度、擴大數據覆

119、蓋范圍、增加數據供給能力等方面開展。通過數據可視化、搜索式分析、數據產品化、產品服務化等角度降低數據使用難度；通過數據“平民化”（如自助式數據分析、數據應用商店、數據超市等），使更多一線業務人員直接參與數據分析過程；通過數據消費者、數據生產者之間靈活的角色轉變，增加數據的供給能力（如形成數據眾籌眾享模式）。第四步的交付物主要包括：數據應用產品清單、數據應用服務操作手冊、數據應用服務用戶指南。(三)第三階段：稽核檢查組織在第二階段基本完成由原始數據到數據資源的轉變，第三階段稽核檢查關注于如何評價數據資源化成果、改進管理方法，該階段的主要目標是根據既定標準規范，適應業務和數據的變化，通過對數據資源

120、化過程與成果開展常態化檢查，優化數據資產管理模式與方法。標準規范是常態化檢查的基礎與前提，主要包括數據模型與業務架構和 IT 架構一致性、數據標準落地、數據質量、數據安全合規、數據開發規范性等。平臺工具是常態化檢查的有效方式，相較于人工操作，節約人力物力，確保檢查結果準確性，提升檢查效率。定期總結、建立基線是常態化檢查的關鍵過程，對檢查結果進行統計分析，形成檢查指標與能力基線，評價數據資源化效果，與相關利益方、參與方確定整改方案，持續改進管理模式與方法。第三階段主要交付物包括：數據資產管理檢查辦法、數據資產管理檢查總結、數據資產管理檢查基線。數據作為組織的資產，在組織的業務發展中扮演著重要作用

121、。數據產生于業務，由 IT 建設承載，因此，實現業務、數據、IT 的一致性，是數據資產管理長期良好運行的基礎，也是數據資產管理稽核檢查的要點。中國工商銀行通過企業架構管控實現了業務與 IT 的一致性。企業架構管控從全行視角進行業務整體規劃，引入企業級業務架構建模進行業務架構設計，對業務進行端到端的價值鏈分析，推動業務建模標準化。同時，以建模成果為指導對各 IT 系統現狀進行對接分析，基于對接分析結果，采用工程統一計劃與具體業務項目結合的方式推進落地。此外，搭建了架構資產管控系統，通過承接企業戰略、業務架構、IT 架構等架構資產和模型，實現全行架構資產的合理布局和集中管控，建設架構資產管控完整工

122、具鏈，支持項目研發工具鏈各系統與架構管控平臺進行聯動對接，實現架構資產的全流程管理和維護。從 2019 年至今，企業級架構資產管控的成果已應用于個人賬戶、對公存款等核心業務領域。中國工商銀行在業務建模的基礎上，將數據作為銜接業務與 IT 的橋梁，實現了業務、數據、IT 的一致性。一方面，通過在架構資產管控系統基于企業架構和業務模型，依據相關標準規范，設計企業級數據模型，實現業務與數據的一致性。另一方面，在研發與測試管理系統進行 IT 項目需求分析，確認 IT 項目涉及的業務，并通過架構資產管控系統與元數據管理系統聯動，完成物理表及表間關系的注冊、開發與維護，實現數據與 IT 的一致性。專欄六：

123、保持業務、數據、IT 的一致性35 數據資產管理實踐白皮書（6.0 版）(四)第四階段：資產運營在前三個階段的基礎上，組織具備向數據資產轉變的基礎。數據資產管理的第四個階段是資產運營階段，該階段的主要目標是通過構建數據價值評估體系與運營策略，促進數據內外部流通，建立管理方與使用方的反饋與激勵機制，推動數據資產價值釋放。詳細闡述見第二章第二節。構建數據運營中心，充分發揮數據團隊對業務部門的輔助作用。數據團隊提供包括自助式數據服務、AI模型等在內的支持，并通過定期宣導與培訓，提升業務部門的數字技術能力。此外，以場景化數據資產運營為出發點，鼓勵業務部門的數據資產使用各方使用相關平臺探索數據，共享探索

124、成果，提出改進建議。建立用戶視角下的 SLA（Service-Level Agreement，服務等級協議），并進行持續評估和改善。區別于傳統分布式大數據平臺視角下的 SLA，數據資產管理 SLA 的目標是為各數據使用方持續、及時提供高質量數據和服務，SLA 的核心指標包括可靠性、實時性、質量要求等，貫穿數據資產管理全生命周期，覆蓋數據資產管理各項活動職能，由保障措施提供基本支持，并通過采集和分析相關平臺的運行日志，記錄 SLA 的“斷點”，改善數據資產服務的流程。數據、業務和技術部門協同確認投入產出比（Return on Investment，ROI）指標，測算數據資產管理的成本和收益，提高

125、數據資產管理的投入產出比。以南方電網為例，通過基于“責權利、量本利”的數據資產管理體系建設與應用實踐，取得了良好的經濟效益，通過對數據管理實踐中節約的問題發現成本、問題解決成本，數據供給與利用實踐中節省的人力成本、降低的服務成本，以及數據流通交易的經濟收入、交易額等進行測算與量化管理，不斷提高數據投入產出比率，累計為公司節約成本 3.72 億元，帶來經濟收入 0.17 億元，促成交易額 132 億元。第四階段主要交付物包括：數據資產服務目錄、數據資產價值評估體系、數據資產流通策略與技術、數據資產運營指標體系。36 數據資產管理實踐白皮書（6.0 版）從信息時代到數字時代，數據由記錄業務逐漸轉變

126、為智能決策，成為了組織持續發展的核心引擎。未來，數據資產管理將朝著統一化、專業化、敏捷化的方向發展，提高數據資產管理效率，主動賦能業務，推動數據資產安全有序流通，持續運營數據資產，充分發揮數據資產的經濟價值和社會價值。(一)管理理念：從被動響應到主動賦能 隨著組織數字化轉型的不斷深入推進，數據資產管理占組織日常經營管理的比重日漸增加，傳統以需求定制開發為主要模式的被動服務形式，已難以滿足組織數據服務響應訴求，組織逐步在各業務條線設置數據管理崗位，定期采集數據使用方訴求，構建數據資產管理需求清單，解決數據資產管理難點，跟蹤數據應用效果，加深數據人員對業務的理解和認識，主動賦能業務發展。此外，隨著

127、數據素養和數字技能的不斷提升，數據使用者培養了主動消費意識和能力，以數據資產目錄為載體、以自助式數據服務為手段、以全流程安全防護為保障的數據主動消費和管控模式正在形成，在提升數據服務水平的同時，進一步提升數據應用的廣度和深度。(二)組織形態：向專業化與復合型升級區別于信息化階段作為 IT 部門的從屬部門，數據資產管理組織與職能已逐步獨立化。對于政府，由專門的政府機構承擔，在業務部門設立數據管理兼職崗位，首席數據官（Chief Data Officer，CDO）制度也出現在了深圳、浙江等地的規劃中。深圳市印發的深圳市首席數據官制度試點實施方案提出在市政府和有條件的區、部門試點首席數據官制度，明確

128、職責范圍，健全評價機制，創新數據共享開放和開發利用模式，提高數據治理和數據運營能力覆蓋決策、管理、設計、維護的數據資產管理專業組織形態已逐步顯現。對于企業，廣東、上海等地發布相關政策推動企業設置首席數據官。廣東省工業和信息化廳于 2022 年出臺了廣東省企業首席數據官建設指南，鼓勵在企業決策層設施 CDO 角色，以制度形式賦予 CDO 對企業重大事務的知情權、參與權和決策權，統籌負責企業數據資產管理工作，加強企業數據文化建設，提升企業員工數據資產意識，建立正確的企業數據價值觀。數據資產管理組織形成以CDO或CIO主導、業務部門與IT部門協同參與的模式。Gartner 2021年報告顯示，75%

129、的公司將 CDO 視為與 IT、HR 和財務同樣關鍵的職務。此外，在業務部門與 IT 部門設置專職或兼職數據管理員，推動數據資產管理有效開展。五.數據資產管理發展趨勢37 數據資產管理實踐白皮書（6.0 版）(三)管理方式：敏捷協同的一體化管理 傳統的數據資產管理建設往往由多個分散的管理活動和解決方案組成，造成數據資產管理各個環節之間的脫節（包括開發與管理、管理與運營）的脫節，使得數據從生產端到消費端的開發效率降低。例如，在開發階段應遵循的數據標準規范，在管理階段需要強依賴專業數據管理角色和過程監控才可能實現。同時，由于多數企業忽視了數據運營，使數據消費端未向數據資產生產端反饋有效的用戶體驗。

130、DataOps 倡導協同式、敏捷式的數據資產管理（如圖 23 所示），通過建立數據管道，明確數據資產管理的流轉過程及環節，采用技術推動數據資產管理自動化，提高所有數據資產管理相關人員的數據訪問和獲取效率，縮短數據項目的周期，并持續改進數據質量，降低管理成本，加速數據價值釋放。例如，通過標準設計、模型設計指導數據開發，前置化數據質量管理，并建立 SLA 開展數據資產運維，實現開發與管理的協同；數據資產管理成果通過被業務分析人員、數據科學家等角色自助使用，支撐業務運營，同時，運營結果反向指導數據資產管理工作，實現管理與運營的協同。(四)技術架構：面向云的 Data Fabric 隨著數據技術組件日

131、益豐富，數據分布日趨分散，Gartner 認為 Data Fabric 已成為支持組裝式數據分析及其各種組件的基礎架構，通過在大數據技術設計上復用數據集成方式，Data Fabric 可縮短 30%的集成設計時間、30%的部署時間和 70%的維護時間。Data Fabric 是一種新型、動態的數據架構設計理念，是綜合利用元數據、機器學習和知識圖譜等技術，打造一個更加自動化、面向業務、兼容異構的企業數據供應體系，以支撐更加統一、協同、智能的數據訪問，有分析師稱之為將“恰當”的數據在“恰當”的時間提供給“恰當”的人。目前，IBM、Informatica 和 Talend 等推出了針對 Data F

132、abric 的解決方案。以 IBM 為例，其于 2021 年7 月發布的 Cloud Pak for Data4.0 的軟件組合增加了智能化的 Data Fabric 功能，其中 AutoSQL（結構化查詢語言），可以通過 AI 進行數據的自動訪問、整合和管理，使分布式查詢的速度提升 8 倍，同時節約 50%的成本。圖 23 DataOps：敏捷協同的一體化管理38 數據資產管理實踐白皮書（6.0 版）(五)管理手段：自動化與智能化廣泛應用 隨著數據復雜性持續增加，依靠“手工人力”的數據資產管理手段將逐步被“自動智能”的“專業工具”取代，覆蓋數據資源化、數據資產化的多個活動職能，在不影響數據資

133、產管理效果的同時，極大地降低了數據資產管理成本。具體來說，是指利用AI、ML、RPA、語義分析、可視化等技術，自動識別或匹配數據規則（包括數據標準規則、數據質量規則、數據安全規則等），自動執行數據規則校驗，或是自動發現數據之間的關聯關系，并以可視化的方式展現。此外，可利用 VR、AR 等技術，幫助數據使用者探索數據和挖掘數據，提升數據應用的趣味性，降低數據使用門檻，擴大數據使用對象范圍。(六)運營模式：構建多元化的數據生態 運營數據是持續創造數據價值的有效方式，多元化的數據生態通過引入多維度數據、多類參與方、多種產品形態，進一步拓展數據應用場景和數據合作方式，為數據運營提供了良好的環境。充分借

134、力行業數據資源優勢，創新數據生態多種模式。能源行業以廣東電網能源投資為例，通過成為首批“數據經紀人試點單位”，積極參與數據要素生態體系，打造電力大數據品牌，實現電力數據資產合規高效流通，獲取電力數據資產價值收益。對于銀行業而言“開放銀行”是數據生態的典型代表，“開放銀行”的本質是一種平臺化商業模式，以 API 作為技術手段，實現銀行數據與第三方服務商的共享，從而為金融生態中的客戶、第三方開發者、金融科技企業以及其他合作伙伴提供服務，并最終為消費者創造出新價值。隨著開放銀行的生態體系不斷完善，銀行將豐富與合作伙伴共建共享方式，充分運用數據智能，實時感知用戶需求并精準匹配，有利于提供全方位、綜合化

135、、泛金融服務。(七)數據安全：兼顧合規與發展 首先，應意識到數據安全與數據資產合理利用并不沖突。兩者之間存在著互相促進的關系。數據安全是合理利用的前提條件，合理利用是數據安全保護的最終目的。只有做好數據安全保護，才能讓數據所有者愿意授予組織或其他主體對數據的使用權利，進一步推動數據資產流通。GDPR 倡導平衡“數據權利保護”與“數據自由流通”的理念，在賦予數據主體權利的同時，強調個人數據的自由流通不得因為在個人數據處理過程中保護自然人權利而被限制或禁止。其次，應從數據安全管理和數據資產流通兩方面同步尋找平衡點。在數據安全管理側，通過建立數據安全管理機制，制定數據安全分類分級標準和使用技術規范，

136、提升數據安全治理能力；在數據資產流通側，將數據安全合規、個人信息保護等要求作為基本“紅線”，將其潛在風險作為成本指標，在不觸碰“紅線”的前提下，進行數據資產流通的收益分析，探索數據安全與資產流通的均衡方案。39 數據資產管理實踐白皮書（6.0 版）當前，數據資產管理呈現蓬勃發展的態勢，為數據要素市場的發展提供強勁動力，為數字經濟發展奠定良好基礎。在國家規劃的大力推動下，在行業政策的有效指導下，我們期待數據資產管理將穩步前進，促進數據資產價值將進一步釋放。一是明確責權利，有效推進管理。明確數據資產管理角色與職責，從業務側出發確定數據資產的責任人，構建數據資產管理認責體系；制定數據發展戰略，統籌規

137、劃數據資產管理，逐步建立健全包括數字型人才、管理型人才、技術型人才、業務型人才的團隊；開展數據資產管理過程管理，優化管理資源，提高管理效率。二是合理引進技術，提升敏捷能力。在數據資產管理的過程中，合理引進包括云計算、人工智能、機器學習、知識圖譜等創新技術，進一步提升數據資產管理的智能化、自動化水平，降低數據資產管理的人力投入與風險成本；建立數據資產管理敏捷組織和敏捷機制，采用 DataOps 敏捷技術，及時響應業務和需求的變化。三是著眼業務發展，釋放數據價值。從業務側出發制定數據資產標準規則，確定數據資產質量預期水平；明確數據資產的業務應用場景，增強數據決策的準確性和實時性，滿足業務的數據需求

138、；評估數據資產價值，構建數據資產運營體系，建立科學的正向反饋和閉環管理機制，提高數據資產的服務和應用效果。四是加強數據合規，注重風險風控。遵循網絡安全法、數據安全法和個人信息保護法相關要求，構建數據安全管理體系，形成數據安全分類分級標準，覆蓋數據資產管理全流程、各環節；制定數據資產管理的風險應急機制，開展數據安全合規內外部審計，確保數據資產安全可控。五是持續迭代完善，形成良性閉環。培養數據文化，提高數據素養，鼓勵業務人員參與數據資產的管理與應用，構建良好的溝通與協作機制；開展常態化數據資產管理檢查，建立數據資產管理基線，定期總結問題形成業務案例，發起多方討論商議，不斷優化數據資產管理策略和路徑

139、。六.數據資產管理總結與展望40 數據資產管理實踐白皮書（6.0 版）參考資料1.數據管理協會（DAMA 國際）:DAMA 數據管理知識體系指南,機械工業出版社 2020 年版.2.美國 約翰拉德利:數據治理：如何設計、開展和保持有效的數據治理計劃,劉晨、車春雷、賓軍志譯,清華大學出版社 2021 年版.3.葉雅珍,朱揚勇:數據資產,人民郵電出版社 2021 年版.4.何淵:數據法學,北京大學出版社 2020 年版.5.朱曉武、黃紹進:數據權益資產化與監管,人民郵電出版社 2020 年版.6.華為公司數據管理部:華為數據之道，機械工業出版社 2020 年版.7.周良軍、鄧斌:華為數字化轉型,人

140、民郵電出版社 2021 年版.8.彭峰、宋文欣、孫浩峰:云原生數據中臺,機械工業出版社 2021 年版.9.鄭磊:開放的數林：政府數據開放的中國故事,上海人民出版社 2018 年版.10.劉勇、李達:開放銀行：服務無界與未來銀行,中信出版社 2019 年版.11.IBM.Deliver Business Ready Data Fast with DataOps.12.Gartner.Top Trends in Data and Analytics,2022.13.Gartner.Hype Cycle for Finance Data and Analytics Governance,2022.

141、14.中國信息通信研究院.數據價值化與數據要素市場發展報告.15.中國信息通信研究院.數據資產化：數據資產確認與會計計量研究報告.16.中國信息通信研究院.中國數字經濟發展報告（2022 年）.17.中國信息通信研究院.數據安全治理實踐指南.18.上海浦東發展銀行、IBM、中國信息通信研究院.商業銀行數據資產管理體系建設實踐報告（2021）.19.中國光大銀行.商業銀行數據資產估值白皮書.20.中國光大銀行.商業銀行數據資產會計核算研究報告.21.中國南方電網.南方電網數據資產管理體系白皮書.22.于施洋:我國構建數據新型要素市場體系面臨的挑戰與對策,電子政務2020 年第 3 期.23.普華

142、永道.數據資產化前瞻性研究報告(2021).24.普華永道、上海數據交易所.數據要素視角下的數據資產化研究報告.25.數據管理能力成熟度評估模型(GB/T 36073-2018).26.金融業數據治理能力建設指引(JR/T 0218-2021).27.證券期貨業數據安全分級(JR/T 0158-2018).28.證券期貨業數據模型 第 1 部分：抽象模型設計方法(JR/T 0176.12019).29.證券期貨業數據模型 第 3 部分：證券公司邏輯模型(JR/T 0176.32021).30.證券期貨業數據模型 第 4 部分：基金公司邏輯模型(JR/T 0176.42019).31.信息技術 元數據注冊系統(MDR)第 1 部分：框架（GB/T 18391.1-2009）.