胡 昱，王煜慧，张相文

（1. 国网西宁供电公司，青海 西宁 81000；2. 北京中电普华信息技术有限公司，北京 100000）

数据资产管理体系及其新产业机遇

胡 昱1，王煜慧1，张相文2

（1. 国网西宁供电公司，青海 西宁 81000；2. 北京中电普华信息技术有限公司，北京 100000）

大数据是未来IT技术发展的核心，因而“数据是资产”的说法已经被越来越多的人谈及。数据的生产方式、管理手段，也会被提出更高的要求。本文主要针对数据资产管理的概念、管理体系、以及未来围绕数据资产管理可能产生的一系列新产业做了概述。

大数据；数据资产

1 数据资产管理综述

1.1 数据资产概念综述

如今，经过了大数据热潮后，数据即是资产已经逐渐成为人们的共识，社会对数据的重视程度是前所未有的，“数据是资产”已经得到了成为一种共识。可是关于到底什么是数据资产？如何管理数据资产？对数据资产进行管理又有何意义与价值？关于这些问题仍处在研究的初始阶段，数据资产对目前的机构和企业来说，仍然是一种有待开发的隐藏财富。

基于以上关于资产的定义和解读，亚信数据产品线经理高伟对数据资产的定义如下：数据资产是企业及组织拥有或控制，能给企业及组织带来未来经济利益的数据资源。

上述关于数据资产的定义包含了三个关键信息：

1.“拥有或控制”：表明了数据的获取并不局限于企业内部的信息系统产生的业务数据，也可以是通过各种渠道获得的外部数据。

2.“能带来未来经济利益”：体现了数据资产的经济属性，也是数据产的本质所在。

3. “数据资源”：则表明了数据资产的具体形态，包括各种以物理或电子方式记录的数据[1-3]。

1.2 数据资产管理与数据管理的异同

在数据资产管理的概念被提出之前，数据的管理思路和手段主要经历了两个阶段，即数据管理和数据资源管理。

从传统意义上讲，数据管理是以充分、有效发挥数据作用为目的的利用计算机技术对数据进行有效的收集、存储、处理和应用的过程。回顾数据管理的发展历史，传统的数据管理经历了人工管理、文件系统、数据库系统三个发展阶段，一方面反映了计算机技术的演进，保存、应用、管理数据的手段有了长足的进步；另一方面，也在数据共享、独立性、完整性、管理等方面更为专业高效。

随着信息技术的不断进步，数据管理的也步入面向数据应用的新时代。这一阶段最重要的特征是将元数据列入数据管理的对象，即对数据对象本身的描述信息。同时也强调日志等各种非直接面向业务的过程数据，进而对数据应用过程实现更好的管理。

国际数据管理协会（DAMA）对这一阶段的数据管理定义为：“数据管理即数据资源管理，致力于发展处理企业数据生命周期的适当的建构、策略、实践和程序”。同时，在国际数据管理协会制定的《数据管理的知识体系和指南（DAMA-DMBOK V3.0.2）》中，数据管理被细分为十大组成职能：数据治理、数据架构管理、数据开发、数据超过管理、数据安全管理、参考数据和主数据管理、数据仓库和商务智能管理、文档和内容管理、元数据管理、数据质量管理，如图1所示[4]。

图1 国际数据管理协会对数据管理的定义Fig 1 The international data management association defines data management

不难看出，传统数据管理的侧重点在于对OLTP（On-Line Transaction Processing，即联机实物处理）系统的数据处理过程进行管理，数据作为信息的载体，更关注数据结构以描述数据间的内在联系。而数据资源管理则在传统数据管理的基础之上，覆盖了更广的范围，侧重点有OLTP转向OLAP（On-Line Analytical Processing，即联机分析处理系统）系统，主要面向决策支持。数据主要作为生产资源，目的是寻找恰当的手段管理和利用这种资源。同时，技术手段之外，也更加强调了组织、人员、制度和流程的等方面的管理要求。

与数据资源管理对数据管理概念的补充一样，数据资产管理也是一种新的扩充和提升，数据的管理形成了数据管理、数据资源管理和数据资产管理三个阶段的发展历程。数据资产管理的核心思路是把数据对象作为一种全新的资形态，并且以资产管理的标准和要求来加强相关体制和手段。目前该领域尚处于探索阶段，没有相关的标准可供参考。

如图2所示，初步来看，数据资产管理将围绕对数据资产管理职能部门的管理、信息及报告的管理、形成及占用的管理、保值增值的管理、配置使用的管理、资产处理的管理、评估及清查的管理这七个方面提出新的管理要求[5]。

图2 数据资产管理阶段的管理要求Fig.2 Management requirements for data asset management

1.3 数据资产管理实践的困难与挑战

尽管很多企业都已经有了可以将数据作为资产进行管理的意识，但是由于对数据资产的认识不足，会计准则也没有相关要求以及数据资产化在会计实践中的挑战客观存在，因此在实践中把数据作为资产，并进行相应账务处理的企业寥寥无几。数据资产管理在会计实践中的困难与挑战主要存在以下几个方面。

第一，数据的确权问题，即如何确定数据的所有权。

数据的所有权的确定及产权的保护是数据资产管理中的一大难题，一般来说，数据可以分为第一方数据，第二方数据和第三方数据，这也给数据所有权的确定及相应产权的保护制造了难题。

第一方数据：主要来自与数据的生产者。例如，阿里、苏宁这样的公司在为个人客户提供在线购物、安装保修的同时，出于业务需要，必然采集和整理了大量的用户信息和行为数据，其中即包括了用户姓名、电话号码、家庭住址等隐私信息，也有通过进一步挖掘分析所产生的用户偏好、个人标签等描述性信息。

第二方数据：主要来自于数据的加工者。这些数据不是用户直接给到的，而是企业基于与另一个实体的直接关系而获得的数据。虽然这些数据对企业来说通常是独一无二的，但严格意义上来说这些数据并不属于企业本身，因为不是直接从用户身上收集到的。例如，互联网时代下，广告服务走向了在线精准模式，有很多细分市场的服务商来运营媒体资源，或是撮合广告交易。为了监控广告效应通常会通过在网站插码等方式来手机网络用户的行为数据、广告投放数据和订单数据。他们不直接拥有用户，也就没有获得用户授权，但却掌握了大量具备高价值的数据资源。此外，顺丰快递这样的服务商业可以归入这一类，他们在提供快递服务的过程中，从第一方获得了相应的数据，虽然会有一定的限制，但理论上也具备了收集数据形成资产的可能。

第三方数据：主要来自数据的搜集者。例如传统意义上的市场调研公司，或者是目前普遍存在的通过网络爬虫手段获取数据的信息服务公司。这里鱼龙混杂， 界定数据归属非常困难，甚至还有些数据是通过黑客手段等非法手段获取，从法律层面也很难界定其拥有或者控制权。

第二，数据资产的计量问题；

传统会计的货币计量假设是指在企业众多计量单位中确定用货币为单位进行统计计量。但是转移到数据资产的计量层面时则面临以下困难：

（1）对于很多企业或机构来说，其数据资产主要来自于日常的业务，而不是通过市场交易所获得，所以前期投入的设备、场地、人力等各种要素很难内化到数据之中，况且这些要素本身就已经作为资产而存在了。

（2）计量单位上，数据没有固定的形态，更没有统一描述的标准，比如使用记录的条数或者文件的数量来进行计量，还是用数据所占用的存储空间来进行衡量都尚未有定论。

（3）数据价值体现在其所包含的信息，不同数据间的最大的差别也在此，但是信息价值的评估是一件主观性非常强的事情，比如，同样是对于天气信息有需求的人，外出旅行的人未必会产生为此付费的意愿，而对于从事种植也的农场主来说，为了支持生产决策则会产生强烈的付费意愿在掌握天气变化的信息。

第三，数据资产的价值评估问题；

如何正确评估资产的潜在价值，是公司估值和投资判断的重要组成部分。因此在投资模型上会有很多种方法来评估资产创造的未来经济利益。然而到了数据资产领域却很难再复用这些方法。显然不能因为一条数据包含了关键的关键信息从而实现了公司估值翻倍、商业模式的创新，而否定了其他记录的价值仅对这条数据进行估值。

以上介绍了数据资产管理除了在会计实践中的面临一些挑战，在实际的行业应用中的一些问题也已经显露出来。崔国钧等人介绍了地质矿产数据资源在管理中存在的问题，主要有：（1）管理手段落后，比如数据资产管理容易受到人为因素的干扰，数据整理和归档不及时，元数据不够标准和系统等。（2）缺乏统一的数据交换平台和标准而导致的各机构或企业之间数据交换不通畅，数据的共享机制没有建立起来，出现了“信息孤岛”的现象，数据的质量也难以得到保证。（3）对数据的利用还停留对“数据”本身的管理上，对数据的分析和挖掘其隐含的信息，以形成知识的能力不足，对数据的利用程度很低。（4）数据的管理由手工过度到系统管理后，系统特别是数据库的安全问题也称为数据管理的一大隐患[6-7]。

2 建立数据资产管理体系

建立数据资产体系的过程，主要是根据数据资产声明周期特点，针对不同阶段的特点和管理需求，建立相应的治理手段。通常包括：数据产生采集、数据转换、数据存储、数据分发、数据使用和数据归档及销毁等阶段。

（1）数据采集

数据采集是指在数据规划文档中明确定义与业务数据需求相对应的数据源，源数据可以是根据前台应用系统产生的，也可以是通过购买或其他外部渠道获得的。对于同一业务管理主题下的数据应有统一的数据采集策略，避免统一数据需求的重复采集。同时，因为数据的迁移流动会造成数据复杂多变进而影响数据质量，因此数据源的选择应该采用尽量靠近数据最原始的产生源，并以此作为唯一事实。

（2）数据转换

数据源确定之后，有些数据需要经过转换才能满足用户的需求，数据转换包括业务数据逻辑转换和物理技术实现两个层面。除非有特殊的业务转换规则，否则数据标准是转换所要遵循的强制性转换规则。

（3）数据存储

业务部门的数据分析通常对历史数据的保留时间和存储方式有一定要求，历史数据的存储保留时间和存储方式取决于外部监管、法律要求以及内部经营管理的要求。数据规划应该从业务需求出发，考虑数据存储成本和数据访问性能。制定数据存储时应遵循以下原则：

· 减少冗余存储，即同一组数据应一次存储，多次使用。

· 当前数据的存储应注重考虑访问效率，控制在线数据规模。

（4）数据分布

数据分布是指数据的逻辑与物理分布方法。数据分布的策略应当本着靠近用户、节省维护成本、保证数据完整性的原则根据数据用户对数据的需求统一制定。

（5）数据分发

数据分发是指经过统一处理后的指标性数据通过合理的数据分发渠道，按业务用户要求的时间分发给用户，应遵守以下原则：

· 成本效益选择，如只分发指标数据，避免分发原始数据。

· 数据一致性原则，如所有分发数据的产生应该通过同一计算或统计口径产生。

· 数据共享原则，如数据指标应尽可能在一个共享的环境下使用，以减少数据分发和维护的费用。

（6）数据使用

数据规划人员应根据业务对数据的需求制定有关的数据使策略，并根据不同部门在使用过程中产生的反馈进行汇总分析，统一更新数据的使用策略，主要包括数据存取的渠道、数据接口定义、数据下载规则定义。

（7）数据存档、销毁

出于数据安全、存储成本、访问效率等因素的考虑，不同类型的数据集合对数据存档和未来的销毁过程也有不同要求。制定数据存档、销毁策略时需要综合考虑数据存储需求、数据规划和数据安全等方面的需求[8-9]。

3 数据资产管理未来新产业

数据资产管理的持续升温，一方面形成了新的产业机遇，另一方面也加速了传统产业的相互融合，正不断催生出新的产业形态、业务形态和商业模式、形成新的经济增长点，并持续推动大数据的发展，以延伸至广泛的领域，产生更为深远的影响。

新生态的产生来自产业链环节的空白以及产业的专业化细分。一方面围绕数据资产的流动、安全等领域是空白的；另一方面，对于数据的清洗、加工、分析等一系列产生过程此前就已经存在，只是随着数据资产的出现，这些过程可能会进一步细化，变得更加专业化[10]。

3.1 数据资产交易所

数据资产的一个重要特性是流动。流动的方式有很多，交易被认为是其中最为重要的一种模式。但数据资产的交易不可与传统商品相提并论，所以非常有必要建立一个专门的交易平台，为数据资产交易提供服务。

数据交易是指数据提供方无偿/有偿将数据提供给需求方使用的交易行为，交易的是数据的使用权。

数据交易的品种主要有如下三种：

（1）源数据交易，数据当作原材料进行交易，数据价值交给市场进行挖掘。

（2）数据产品或服务交易：数据作为加工后的成品进行交易，数据价值经过挖掘后形成的产品和服务。

（3）数据商业合作撮合：数据只是交易的一部分。

数据资产交易所的成立，需要多方参与，包括政府相关部门、产权交易所、数据公司、数据交易所作为第三方机构将数据买卖双方提供数据交易支付和结算的综合性解决方案。而数据的范围涉及政府、医疗、交通、教育、证券等多个方面[11]。

3.2 数据资产整合开放平台

数据资产开放被认为是数据资产流通领域的重要模式。

对于政府而言，通过政府数据资产整合开放平台，公众能够掌握到各种形式的政府数据资源，不仅有利于公众获取政府信息，并能将政府权力行为置于公众的监督之下，对于不断提升政府公共服务能力将起到极大的促进作用；对于企业而言，通过企业数据资产整合开放平台，能够有效梳理整合企业内部的数据资产，在实现内部合理化配置的同时，具备了与外部企业的数据进行合作的能力。

数据资产整合开放平台的服务模式，从角色、数据需求、使用方式等方面，归纳为三种模式：应用商店SaaS模式、数据服务平台DaaS模式、数据工厂PaaS模式。

3.3 数据资产审计服务

相比于传统的审计，数据资产的审计将会更加有挑战，对于提供数据资产审计服务的公司要求也非常高。但从提供服务的形式来说，大体包含三大部分：数据资产来源审计、数据资产管理审计、数据资产出口审计，具体内容如下。

数据资产来源审计包括：数据资产是否合理，确保数据资产不存在漏、偏、作假等情况。确认数据资产来源的时效性，过时的数据资产就失去了价值。

数据资产管理审计包括：数据资产是否有被妥善保密存储、确保其安全性；数据资产是否做到专项专用，即内部获取也要有授权和控制，是否做到了合理配置和使用。

数据资产出口审计包括：数据资产流出企业时是否泄漏了企业的机密；数据资产对外交易的价值是否合理，交易的数据资产是否按照约定的方式、数量进行交易，等等。

3.4 数据资产安全服务

数据安全管理是一个广阔的领域，如何正确定义数据资产安全是管理好数据资产的前提。数据安全包括对立的两方面定义：一是数据本身的安全，主要是指采用现代密码算法对数据进行主动保护，如数据保密、数据完整性、双向强身份认证等；二是数据防护的安全，主要是采用现代信息存储手段对数据进行主动防护，如通过磁盘阵列、数据备份、异地容灾等手段保证数据的安全。

从产业链生态来看，未来会催生两大类数据资产管理服务：系统安全和应用级安全。正如我们操作系统一样，会有操作系统的安全体系，也会有像杀毒软件这样的安全应用。系统级安全是数据资产管理全局的神经大脑，其负责最底层的安全策略、安全标准、安全控制和措施，管理着企业数据资产的所有用户、密码和用户组成员及数据资产的安全等级划分等基础功能，这些信息我们通常叫做安全元数据。

应用安全体系主要包括数据资产安全的算法、技术实现等，根据数据资产管理过程的阶段不同，应用安全体系的实现会有所不同，不同的应用安全提供者也会采用不同的安全技术手段。常见的技术手段有数据加密、数据水印、数据脱敏等。

系统安全和应用安全体系是相辅相成的，共同遵循数据资产的全生命周期规则，做到数据资产的事前、事中和事后安全，是现在系统功能上与企业数据资产管理的科学规律相吻合，真正做到为数据资产内容安全有效护航。

4 总结

数据资产即企业及组织拥有或控制，能给企业及组织带来未来经济利益的数据资源。数据资产管理围绕对数据资产管理职能部门的管理、信息及报告的管理、形成及占用的管理、保值增值的管理、配置使用的管理、资产处理的管理、评估及清查的管理这七个方面提出新的管理要求。

建立数据资产体系的过程通常包括：数据产生采集、数据转换、数据存储、数据分发、数据使用和数据归档及销毁等阶段。

传统产业与数据资产管理的相互融合催生出新的产业形态与商业模式，如数据资产交易所、数据资产整合开放平台、数据资产审计服务和数据资产安全服务等。

[1] 郑悦. 数据资产管理的关键点[J]. IT经理世界, 2015(1):25-25.

[2] 谌迅. 大数据资产管理系统的设计与实现[J]. 软件, 2016,37(2): 50-53

[3] 马凯航, 高永明, 吴止锾等. 大数据时代数据管理技术研究综述[J]. 软件, 2015, 36(10): 46-49

[4] 张相文, 于海波, 关梓骜. 基于IT规划的数据资产管理模式研究[J]. 软件, 2016, 37(9): 126-129.

[5] 刘南海. 基于DAMA体系运营商数据资产管理体系构建研究[J]. 电信网技术, 2016(9): 61-66.

[6] 高会聪, 戴峰. 我国大数据产业发展面临的挑战及对策[J].电子商务, 2013(10): 19-19.

[7] 崔吉峰, 杨栋枢, 王微微 数据资产化管理研究及体系架构设计[J]. 微型电脑应用, 2016, 32(1): 40-43.

[8] 付朋侠. 数据生命周期管理理论研究及实施建议[J]. 科技创业家, 2013(17): 147-147.

[9] 郑英豪. 大数据资产管理体系初探[J]. 新会计, 2015(11):34-37.

[10] 李文莲, 夏健明. 基于“大数据”的商业模式创新[J]. 中国工业经济, 2013(5): 83-95

[11] 陈衍泰. 企业利用外部知识能力与企业绩效的关系研究:基于知识平台与知识资产经营的视角[D]. 上海: 复旦大学, 2007.

Data asset Management System and Its New Industrial Opportunities

HU Yu1, WANG Yu-hui1, ZHANG Xiang-wen2
(1. State Grid Xining power supply company, Xining Qinghai, 810000;2. Beijing China-power puhua co, LTD, Beijing, 100000)

Big data is the core of IT technology development in the future, so the term "data is an asset" has been talked about by more and more people. The means of production and management of the data will also be demanded higher. This article mainly focuses on the concept of data asset management, management system and the future of a series of new industries around data asset management.

: Big data; Data asset

F279.23

A

10.3969/j.issn.1003-6970.2017.10.025

本文著录格式：胡昱，王煜慧，张相文. 数据资产管理体系及其新产业机遇[J]. 软件，2017，38（10）：130-134