《数据资源与数据资产概论》提炼总结

本书聚焦于数据资源与数据资产这一主题，融合理论知识与实践经验，旨在提供体系化的数据资源与数据资产发展概述，为数据资源与数据资产的发展奠定坚实基础。数据要素市场化改革重点在于数据的价值化，其中包括数据资源化与数据资产化。本书围绕数据资源与数据资产展开论述。首先，本书介绍数据资源的基本知识，围绕数据资源这一话题探讨数据资源的价值、数据资源的确权与数据资源的流通等热点问题。其次，本书从数据资源过渡到数据资产，介绍数据资产的定义与性质，并介绍数据资产的确认、数据资产的应用准备与数据资产的定价等问题。最后，本书融汇数据资源与数据资产相关问题，提出系统化的数据资产管理模式。

数据资源与数据资产概论讲了什么

• 一、 数据的定义
  • （1）《中华人民共和国数据安全法》数据定义：“任何以电子或者其他方式对信息的记录”。
  • （2）计算机领域数据定义：“一种客观事实与结果，是对客观事物的逻辑归纳、表示客观事物的未经加工的原始素材”。参考（康旗等，2016）
  • （3）其他定义：数据可以被分为形如1、2、3等数字形式的结构化数据和形如声音、图像、视频等形式的半结构化或非结构化数据。
  • 总结：数据是指：“以电子或其他方式对客观事实或规律的记录，是提炼信息的原材料”。
• 二、 大数据的定义
  • 中国信通院在《数据资产化：数据资产确认与会计计量研究报告》中定义大数据“是一种规模大到在获取、存储、管理、分析方面超出了传统数据库软件工具能力范围的数据集合”。
  • 大数据和数据的区别（大数据的特性）
  • IBM公司认为：数量大、速度快、种类多、价值性、准确性，这五种特性是大数据区别于普通数据的重要特征
• 三、 大数据五种特性对应的要求
  • （1）数量大：对存储工具有很高的要求。
  • （2）速度快：需要随时收集和分析新数据，并且能和其他组织进行数据交流与分享。
  • （3）种类多：更高效率的管理工具。
  • （4）价值性：提升处理分析能力，快速、精准地提炼出大数据的价值。
  • （5）准确性：注重大数据的应用管理，注意数据本身的核验与清洗。
• 四、 数据和信息的区别
  • （1）郑彦宁和化柏林（2011）从情报学的角度认为：“数据强调形式，信息注重内容”。
  • （2）梅夏英（2020）指出，法律大多数时候并未对数据和信息作详细区分，尽管并没有必要在法律上严格区分两者，但对信息问题和数据问题的区分仍是具有意义的。
  • 总结：信息是数据经过收集、清洗、分析等一系列步骤后的产物。 解释：信息不是凭空产生的，而是人们对相应的数据进行各类处理后提炼出来的。没有客观的数据支撑，信息也就难以存在，数据是获取信息的前提条件。
• 五、 数据成为资源的背景
  • （1）国家层面：2015年，党中央发布了《促进大数据发展行动纲要》，将大数据纳入国家基础性战略资源。
  • （2）行业层面：被誉为“数据之王”的九次方大数据公司创始人王叁寿先生曾言：“数据资源未来很有可能取代土地成为国家发展的关键性基础战略资源”。
  • （3）社会层面：2020年7月，全国科学技术名词审定委员会发布《大数据新词发布试用》，收录了108个新审定的名词，其中便包括数据资源（Data Resources）一词。
  • 总结：资源是一个经济学概念，把数据视作一种资源强调了数据的价值与可利用性。
• 六、 数据资源的定义
  • （1）《信息安全技术网络安全等级保护定级指南（2020）》将数据资源定义为“具有或预期具有价值的数据，多以电子形式存在”。
  • （2）《浙江省数字经济促进条例》对数据资源的定义是“以电子化形式记录和保存的具备原始性、可机器读取、可供社会化再利用的数据集合”。
  • （3）中国信通院在《数据价值化与数据要素市场发展报告（2021年）》中定义数据资源为“能够参与社会生产经营活动、可以为使用者或所有者带来经济效益、以电子方式记录的数据”。
  • （4）总结：结合“数据”与“资源”的概念与性质，数据资源的定义：数据资源是可被机器读取的、所有可能产生价值的数据的集合，具有可利用性和潜在价值性。
• 七、 数据资源的分类
  • （1）产生方式：数据资源分为公共数据资源和非公共数据资源。 解释：《浙江省数字经济促进条例》对公共数据做出了界定，即“由行政机关以及具有公共事务管理和公共服务职能的组织在依法履行职责、提供公共服务过程中制作或者获取的数据资源，以及法律、法规规定纳入公共数据管理的其他数据资源”。其余机构和个人产生或获取的数据对应的数据资源即为非公共数据资源。 分类优势：数据资源以产生方式进行区分有助于数据权属的确定。一般而言，谁生产数据，谁就对数据拥有一定的权利。而其他组织或个人可以通过加工数据、购买数据等方式获取权利，这份权利可以是剩余的权利，也可以是被前任持有者转让的权利。
  • （2）隐私程度：数据资源分为个人数据资源与非个人数据资源。 解释：中国信通院在《数据资产化：数据资产确认与会计计量研究报告》中提出欧盟《通用数据保护条例》等根据可识别性进行私有数据和公有数据的分类。 注：《通用数据保护条例》个人数据是指已识别到的或可被识别的自然人的所有信息，其中个人敏感数据包括宗教、种族、政治观点、基因数据等。 《信息安全技术个人信息安全规范》个人信息定义为“以电子或其他方式记录的能够单独或者与其他信息结合识别特定自然人身份或者反映特定自然人活动情况的各种信息”。
  • 总结：如果可以通过某类数据中的信息识别到个人，那么这些数据对应的数据资源就属于个人数据资源。与个人数据资源相对应，非个人数据资源无法指向特定的个人，也因此几乎不会泄露个人信息。 分类优势：这种数据资源的区分方式有利于保护隐私，避免个人信息被滥用与买卖。
  • （3）结论：数据资源分类一般是出于管理与应用的目的，没有统一的标准，可依照实际应用情况进行适当调整。
• 八、 数据资源的主要性质
  • （1）无形性与可复制性。 中国信通院在《数据资产化：数据资产确认与会计计量研究报告》中提到数据资源具有无形性和可复制性。无形性指数据资源在脱离一切外在介质后表现出无实体形态的性质。数据资源的无形性有两种表现：第一，在没有处理和存储工具的帮助时，数据资源是没有形态的，且无形的信息正是数据资源价值的体现。第二，数据资源的无形性让其数量与价值不会随着使用而被消耗，这是数据资源与大多数自然资源最大的区别之一。可复制性指人们能备份数据，并无限循环利用同一份数据，而且数据的复制与传播几乎不需要边际成本。这种可复制性是数据共享的前提，可以让被共享的数据在与其他数据的结合中发挥更大作用。
  • （2）非竞争性与弱排他性。 数据资源的可复制性使其具有非竞争性。数据资源容易复制后传播利用，同一份数据可以被不同人通过复制拷贝的方式利用，所以数据资源具有非竞争性。数据资源的非竞争性主要来源于可复制性，且复制成本很低。 数据资源的无形性使其具有弱排他性。数据的非排他性体现在其可以被一群人在同一时间使用，这与数据的无形性有关，即数量和价值不因使用程度改变。数据资源的弱排他性保护了用户隐私与数据安全，但也是导致数据垄断的主要原因之一。
  • （3）时效性 数据资源具有时效性，即数据本身的内容和价值会随时间推移而变化（李雅雄和倪杉，2017）。
  • （4）依附性 数据资源具有依附性，即数据的存储、使用、流通等都需要借助介质来完成。
  • （5）垄断性 “数据垄断”可以有两种解释：一种是企业对数据资源的垄断，在即持有这些数据资源的同时让其他人无法使用；另一种是企业利用数据资源巩固自己的垄断地位，而大型企业往往会占有更多的数据资源。
  • 大型企业通过平台优势吸纳大量数据资源以巩固自己的垄断地位。如同对外经济贸易大学数字经济与法律创新研究中心执行主任许可所说，数据不同于一般的商品，我们更应该将数据资源看成企业的投入（Input）而不是产出（Output）。
• 九、 数据成为生产要素
  • 《数据价值化与数据要素市场发展报告（2021年）》中曾提到，数据有了使用价值，便成为资源；数据资源有了经济价值，便成为生产要素。
• 十、 数据被纳入生产要素
  • 要素市场化是指对要素进行市场交换、形成相应的价格体系，为各方统一数据管理标准提供了制度保障。其中，数据要素的权属和定价体系确立是实现市场化的关键。
  • （1）国家要求 《中共中央国务院关于构建更加完善的要素市场化配置体制机制的意见》中，国家对各级政府提出加快数据要素市场化的三点要求。 第一，政府应促进数据流通。 第二，政府要提升社会数据资源价值，培育数字化产业、推进其他产业的数字化转型。 第三，政府应制定相应的数据管理制度、数据隐私保护制度和安全审查制度，即保障数据安全。
  • （2）数据要素推动生产力系统变革 数据要素使得生产力系统中产生了新生产力。在工业经济中，主要生产力是以工业原料、大型机器、交通运输工具等为主要生产资料，以工人为主要劳动力的工业生产力。而在数字经济中，大数据成为一种新的科学技术生产力（张玉坤，2020） 数据要素使再生产过程逐渐实现数字化。广义上的生产关系包括生产、分配、交换和消费四个环节，原本主要描述实体商品的再生产过程。而在数字经济中，数据要素参与到再生产过程中，令再生产过程虚拟化、高速化、精确化。 韩文龙（2021）提出，再生产过程的数字化变革分别形成了数字生产力、数字流通力、数字分配力和数字消费力。 数字生产力带动了经济高质量发展； 数字流通力促进了资本周转和价值实现； 数字分配力优化了收入分配结构； 数字消费力推动了产业转型升级。
  • （3）数据要素推动经济增长 经济体层面：Mihet和Philippon（2019）指出，大数据可能会加速经济体中的小型企业向大型企业转变，技术领先企业的生产率、利润、工资更高，这也可能导致“赢者通吃”的局面。 政府层面：大数据手段在政务管理中发挥了巨大作用，很大程度上提高了政府的效率，政府未来的管理会逐步实现数字化。 企业层面：荆文君等（2019）指出数据要素参与生产时的高固定成本与低边际成本特性会形成规模经济，增加了企业的产量。数据要素还减少了一部分经济成本，具体可分为搜索成本、复制成本、运输成本、跟踪成本和核查成本（Goldfarb andTucker，2019）。
• 十一、以数据要素为核心的数字经济
  • 《广东省数字经济促进条例》将数字经济定义为“数据资源为关键生产要素，以现代信息网络作为重要载体，以信息通信技术的有效使用作为效率提升和经济结构优化的重要推动力的一系列经济活动”。
  • 注：随着各国数据政策与立法体系逐渐构建、数据要素市场体系逐步完善、数据要素合作区[插图]逐步建立，世界正在形成一个以互联网为纽带的“数据共同体”。
• 十二、数字经济的范围
  • 《中国数字经济发展白皮书（2020年）》加入了数字化治理和数据价值化两大内容，与数字产业化、产业数字化共同构成了数字经济治理的“四化”框架。
  • 数字产业化：信息通信产业，是数字经济的先导产业。 产业数字化：传统第一、第二、第三产业应用数字技术以提升生产数量和生产效率。
  • 数字化治理：政府利用数字技术优化管控措施，实现治理手段的数字化与智慧化。
  • 数据价值化：释放数据价值的方法，如数据治理、数据交易等。
  • 注解：无论是数字产业化、产业数字化，还是数字化治理，根本手段都是数据价值化。如何释放数据资源价值是一切制度的立足点。
• 十三、数据资源价值的定义
  • 数据资源价值的定义：数据资源价值是一种效益关系，在这种关系中，数据资源作为价值客体，被价值主体需要，能够在具体应用中支持价值主体的科学决策，并提高价值主体在研发、生产、运营和管理等各环节的效率。
• 十四、数据资源价值挖掘
  • 数据资源价值挖掘包括数据整合、数据流通、数据分析、数据赋能和数据复用五个阶段（尹西明等，2020）。
  • 数据整合是数据资源价值挖掘的基础；
  • 数据流通拓宽了数据资源价值挖掘的边界；
  • 数据分析是数据资源价值挖掘的关键；
  • 数据赋能是数据资源价值挖掘的最终目的；
  • 数据复用是数据资源价值挖掘的强化。
• 十五、数据整合
  • 数据整合指通过采集、整理与聚合，将原本分散的数据片段整合为有序的数据条目的过程。
• 十六、数据流通
  • 数据流通指数据资源在不同组织之间、组织内部各部门间转移和融通的过程。数据流通的方式包括数据开放、数据共享和数据交易。
• 十七、数据分析
  • 数据分析指使用数据分析技术，提炼数据资源内部所含信息的过程。
• 十八、数据赋能
  • 数据赋能指将从数据资源中提取出的信息应用于生产与生活，提高生产效率和生活水平的过程。
• 十九、数据复用
  • 数据复用指对数据资源进行重新利用的过程。
• 二十、数据资源价值挖掘的五大痛点
  • 第一，数据资源规模受限，质量不高。
  • 第二，数据资源价值挖掘缺乏数字人才，尤其是先进创新型和高端管理型人才。
  • 第三，数据资源价值挖掘成本高、风险大，部分企业数字化转型进程慢。
  • 第四，数据资源管理落后导致数据资源价值挖掘缺乏制度保障。
  • 第五，数据要素市场不健全导致数据资源价值难以实现最大化。
• 二十一、数据资源中数据的5V特性
  • 数量大、速度快、种类多、有价值、够准确。
• 二十二、数据资源确权
  • 数据资源确权指对所有的数据资源以法律形式明确其权属关系，推动数据资源整合，加速数据资源自由流通，从而使数据资源在生产过程中发挥作用。
• 二十三、数据主权
  • 数据主权是指国家在其政权管辖地域内对个人、企业和政府所生产、流通、利用、管理等各个环节的数据享有至高无上的、排他性的权力。
• 二十四、数据权利
  • 与数据主权不同，数据权利的主体是公民。从法律层面进行定义，数据权利是指主体以某种正当的、合法的理由要求承认主张者对数据的占有，或要求返还数据，或要求承认数据事实（行为）的法律效果。 数据权利主要包括数据人格权和数据财产权两方面内容，分别具有人格权属性和财产权属性。
• 二十五、数据主权和数据权利的区别
• 二十六、数据产权定义
  • 数据生成者对基于合法途径和行为获得的数据，享有使包括人格财产利益和财产性利益在内的利益受益或受损的权利。 解释：此定义将数据资源的归属者解释为“数据生成者”，数据生成包括人类主观能动性干预的数据产生和机器通过算法等技术衍生数据。当涉及主观能动性时，数据资源的主体就是用户；当涉及机器生产时，数据资源的主体就是企业。这里“用户”和“企业”的角色可以由自然人、法人、非法人组织或政府来担任。
• 二十七、数据资源确权在理论上的难点
  • 第一个难点是目前关于数据资源权属关系的规定较为模糊。
  • 第二个难点体现在数据资源确权在何为“数据”的问题上也有争议。
  • 第三个难点体现在数据资源权属界定的意义受到质疑。
• 二十八、数据资源确权在实践中的难点
  • 第一，数据资源确权在国家与国家之间的跨境数据流通中存在困难。
  • 第二，数据资源确权在司法实践中未能统一。
  • 第三，数据资源确权难以平衡好各方的利益。
• 二十九、数据资源流通的定义
  • 数据资源流通是指在生产活动中，将所有的可能产生价值的个人、企业或公共部门的数据集合作为生产要素或者商品，以无条件开放、有条件有范围共享、个体间交易等方式，实现已有数据集或数据衍生品在不同主体间转移、释放数据资源价值的行为。
• 三十、数据资源流通参与者
  • 数据资源流通的参与者分为数据资源需求方、数据资源供给方和数据资源中介。
  • 1、数据资源需求方是指对数据、数据衍生品、数据衍生服务等不同形式数据资源具有需求的经济主体。
  • 2、数据资源供给方是提供数据、数据衍生产品等形式的数据资源的经济主体。
  • 3、数据资源中介是指促进数据资源流通的平台，主要功能包括撮合数据资源交易、提供数据资源获取渠道和挖掘数据资源信息等。
• 三十一、数据资源流通如何释放数据资源价值
  • 从微观层面看，数据资源流通释放数据资源的使用价值和交换价值。
  • 从中观层面看，数据资源流通速度影响商品流和资本流的速度。
  • 从宏观层面看，数据资源流通的发展也为国家数字经济发展指明方向。
• 三十二、数据资源流通的安全技术主要包括哪些数据加密、数据脱敏、区块链和联邦学习技术。
  • 1、数据加密是最基础的数据安全技术之一，是一种实用的主动安全防御策略。数据加密技术主要通过对传输信息进行特定方式的访问权限制，达到保障数据安全的目的。
  • 2、数据脱敏技术，也称为数据漂白，是指用户在不影响数据分析结果准确性的前提下，对原始数据中的个人信息、企业运营、交易等敏感字段进行处理，从而降低数据敏感度和个人隐私泄露风险。三个步骤：（1）识别出数据资源中含有的敏感字段信息；（2）利用替换、遮蔽或删除等技术将敏感字段信息脱敏；（3）对脱敏处理后的数据集进行评价，确保其符合脱敏要求。
  • 3、区块链技术也叫分布式账本技术，属于数据库技术的一种。[插图]区块链的核心思想是以时间顺序将数据区块依次链接，形成链式数据结构的数据块。再结合密码学方法，保证数据块不可篡改、不可伪造。
  • 4、联邦学习，又称联邦机器学习，其本质是分布式机器学习框架。联邦学习具有一个中央服务器和多个参与训练的本地服务器。在学习过程中，中央服务器会生成通用神经网络模型，各个参与服务器下载模型并结合本地数据进行模型训练，然后将训练好的模型反馈给中央服务器，由中央服务器根据反馈结果优化通用模型。由此反复几轮，直到这个神经网络模型达到某一标准后停止。这样，各方的数据既没有对外流通，又能够结合外部数据完善自身需求的模型。
• 三十三、我国数据交易平台主要运营模式
  • 一是以数据堂等数据商城为代表的交易原始数据的模式。
  • 二是以贵阳大数据交易所为代表的撮合数据资源供需双方进行交易的模式，也称为大数据中介交易模式。
  • 三是以麦肯锡公司等为代表的基于大数据的决策方案交易模式，它包含的领域非常广泛，涉及电子、交通、航天、国防、生化等各个领域。
• 三十四、数据资源流通的主要难点
  • 数据资源跨境流通问题、数据要素市场化建设问题、数据隐私与数据安全问题
  • 1、数据资源跨境流通问题主要反映出管控难点，体现在识别难度加剧、攻击数量加剧和违规活动频繁三个方面。
  • 2、数据要素市场交易制度不完善，交易标准混乱。
  • 3、数据资源流通当前的安全技术依旧面临落地难、实施难的问题，这给不同形式的数据资源流通都造成困难。
• 三十五、数据资源流通的主要风险
  • 传播风险、合规风险、价值风险
  • 1、传播风险是指数据资源在流通过程中，特别是对外流通过程中，因为技术、硬件等问题，被人为或无意地向数据供给方、数据需求方之外的第三方获取的风险。
  • 2、合规风险是指数据资源在不同流通模式下，是否符合数据的安全流通标准和隐私保护标准的风险。
  • 3、价值风险是指数据资源在流通过程中，数据匹配性和效用性等方面带来的价值不确定的风险。
• 三十六、资产的定义
  • 资产是指由过去的交易或者事项形成的、由企业拥有或者控制的、预期会给企业带来经济利益的资源。
  • 资产的定义涵盖了三个内容：资产的产生与来源、资产由特定主体拥有或控制、资产的利益性。
• 三十七、数据资产定义
  • 数据资产定义为：经济主体过去的交易或事项形成的，由明确经济主体拥有或控制的、预期能给经济主体带来直接或间接经济利益的数据资源。
• 三十八、数据资产的特性
  • 1、外部性，指一个经济主体做出的决策或行为会对另一个经济主体产生正向或负向的影响，但该经济主体不从中获取报酬或者不需要对此负责。
  • 2、利益性，指数据资产能为经济主体带来经济利益的特性，是数据资产的重要特性。
  • 3、价值波动性，数据资产的价值波动性来源于数据资源的时效性，这意味着过去的数据资产价值可能会逐渐降低，甚至失去价值
• 三十九、数据成为资产的条件
  • 1、与该资源有关的经济利益很可能流入企业；
  • 2、该资源的成本或价值能可靠地计量。
• 四十、数据资产确认的步骤及每个步骤的意义？
  • 第一步，识别很可能对主体有经济价值的数据资源； 意义：判断该数据资源是否很可能为经济主体产生经济价值；
  • 第二步，确认受益主体； 意义：确定数据资源产生的经济价值有可能流入该特定经济主体
  • 第三步，计算数据资产价值或成本。 意义：资源的成本或价值能可靠地计量
• 四十一、数据资产的获取方式？
  • 1、由自身活动产生数据
  • 2、从各种渠道收集数据
  • 3、或向其他经济主体租赁、购买或交换数据。
• 四十二、数据资产存储分哪几层
  • 1、存储的第一层是“保存”，即将数据保存下来，是整个数据资产存储流程的前提。
  • 2、存储的第二层是“维护”，保存下来的数据应当及时清洗与更新，保证数据质量。
  • 3、存储的第三层是“流通”，流通是数据资产存储的最终目的之一，这既包括经济主体内部数据之间的互通，也包括经济主体间的数据交流，这能够充分地发挥数据资产的正外部性，更好地服务于经济主体。
• 四十三、数据资产风险管理
  • 1、数据资产的风险识别是指经济主体需识别数据资产风险的种类。
  • 2、数据资产的风险评估是指经济主体通过各类方式评估数据资产的风险。
  • 3、数据资产的风险控制是指经济主体在风险发生的过程中对各类数据资产风险进行管控。
• 四十四、数据资产的定价特征？
  • 数据资产的市场场景依赖性、协同价值性、使用价值外部性和强技术依赖性定价特征源自资产利用特征。
  • 1、数据资产的价值受到其使用场景和市场环境的影响。
  • 2、数据资产可能综合利用多个不同的数据，因此具备协同价值性的定价特征。
  • 3、数据资产在为企业创造收益的过程中具有使用价值外部性的定价特征。
• 四十五、资产定价方法
  • 市场法（也称市场均衡法）、收益法（也称收益现值法）、成本法、无套利定价法、Shapley定价法和Ramsay定价法
• 四十六、数据资产定价方法
• 四十七、数据资产价格的影响因素
  • 将数据资产价格的影响因素分为数据资产质量与数据资产应用两类。
  • （一）质量维度 1、完整性 2、真实性 3、安全性
  • （二）应用维度 1、稀缺性 2、时效性 3、场景经济性
• 四十八、数据资产管理的定义
  • 数据资产管理定义为：管理主体对所拥有或控制的数据资产进行有效地计划、组织、协调和控制的过程，从而保证数据资产的有效治理、合理配置与充分利用，以提升数据资产的价值。
• 四十九、为什么做数据资产管理
  • 数据资产管理是搭载起“数据原料”和“数据应用”间的桥梁，通过对数据资产的管理治理使其成为有用的资产，通过对数据资产的应用流通使其成为高价值的资产
• 五十、数据资产管理的价值
  • （一）数据视角
  • ①数据资产管理能改善数据资产质量。 管理主体通过建立数据资产质量标准，持续监督数据资产质量，及时纠正不符合质量标准的数据，从而改善数据资产质量。
  • ②数据资产管理能保障数据资产安全。 管理主体按照国家相关法案和监督要求，建立并推行数据资产安全管理制度，全方位管控数据资产，保障数据资产的安全。
  • ③数据资产管理能促进数据资产流通。 管理主体通过统一数据标准、完善数据资产流通制度与建立数据资产流通平台等途径，最终推动数据资产的流通。
  • ④数据资产管理能提升数据资产利用率。 管理主体通过数据资产管理平台建设和数据资产应用创新等途径来降低数据资产使用难度、提升数据资产复用率和拓展数据资产应用场景，从而提升数据资产的利用率。
  • （二）资产视角
  • ①数据资产管理是对数据资产的系统性和整体性的管理。 系统论强调系统的整体观念（魏宏森,1983），数据资产管理需要管理主体将管理过程涉及的数据、人员、资金和技术视作有机整体进行管理，最终实现“整体大于部分之和”的目的。相较于各部分互不相关、彼此分隔的管理模式，数据资产管理更加有效，管理成本更低，管理成效更加持久。
  • ②数据资产管理能实现数据资产的价值变现。 资产流通是资产价值变现和资产配置优化的重要途径。数据资产管理强调数据资产的流通管理，通过连通各系统、各部门的数据资产，对内形成业务协同，对外提供数据产品与服务，实现数据资产的价值变现。同时，数据资产管理还强调数据资产的运营管理，通过管理数据资产的成本收益、保值增值和配置使用，提升数据资产的价值。
  • ③数据资产管理能够降低管理成本。 按照资产全生命周期管理的理论，数据资产管理是对数据资产的规划、收集、处理、使用、维护、报废等过程的管理。数据资产管理能减少数据资产的维护成本、延长数据资产的使用寿命，从而提升数据资产的利用率和回报率。
• 五十一、数据资产管理范围
• 五十二、数据资产管理体系的管理职能
• 五十三、数据资产管理体系
• 五十四、数据资产管理范畴
• 五十五、主数据管理
  • 主数据是有关业务实体的数据，能为业务交易与分析提供语境环境，是代表业务最权威、最准确的数据来源，具有极高的业务价值
• 五十六、元数据管理
  • 元数据蕴含着数据的信息，可以用来识别、评估追踪数据资产。元数据管理是指获取与维护元数据的过程，从而描述、发现、保存、检索和访问它所指代的数据
• 五十七、主数据和元数据的对比
• 五十八、数据资产治理
  • 数据资产治理是指对数据资产的一致性、完整性、可用性、实用性和安全性的整体管理。
• 五十九、数据标准管理
  • 数据标准是组织内部经过协商制定的、以保障数据交换一致性和准确性为目标的规范形式
• 六十、数据资产质量管理
  • 数据资产质量是指数据资产能一致性满足使用者需求的程度，是评判数据资产好坏的标准之一。
• 六十一、数据资产安全管理
  • 数据资产安全管理是指管理主体采取必要的安全保障措施，来确保数据资产得到有效保护和合法使用，并持续处于安全状态。