数据资产（Data Asset）是指由企业拥有或者控制的，能够为企业带来未来经济利益的，以物理或电子的方式记录的数据资源，如文件资料、电子数据等。在企业中，并非所有的数据都构成数据资产，数据资产是能够为企业产生价值的数据资源。

数据资产管理（DAM, Data Asset Management）是指规划、控制和提供数据及信息资产的一组业务职能，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。数据资产管理需要充分融合业务、技术和管理，以确保数据资产保值增值。

数据资产管理在大数据体系中的定位（大数据平台 - 数据资产管理 - 数据应用，位于应用和底层平台中间，处于承上启下的重要地位。

  • 对上支持以价值创造为导向的数据应用开发，
  • 对下依托大数据平台实现数据全生命周期的管理。

数据资产管理包括两个重要方面：

  • 数据资产管理的核心管理职能
  • 确保这些管理职能落地实施的保障措施，包括战略规划、组织架构、制度体系等。

数据资产管理贯穿数据采集、存储、应用和销毁整个生命周期全过程。企业管理数据资产就是对数据进行全生命周期的资产化管理，促进数据在 “内增值，外增效 ”两方面的价值变现，同时控制数据在整个管理流程中的成本消耗。在数据的生命周期开始前，企业先期制定数据规划、定义数据规范，以期获得实现数据采集、交付、存储和控制所需的技术能力。

数据资产管理一般来说包括四个主要阶段：

  • 统筹规划
  • 管理实施
  • 稽核检查
  • 资产运营

国际数据管理协会（DAMA, Data Management Association International）在 2009 年发布的数据管理知识体系 DMBOK1.0 中，将数据管理定义为规划、控制和提供数据资产，发挥数据资产的价值。

DAMA 数据管理体系将数据管理划分为 10 个领域，分别是

  • 数据治理
  • 数据架构管理
  • 数据开发
  • 数据操作管理
  • 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

其中，数据治理是高层次的、规划性的数据管理制度活动，其关键管理活动包括制定数据战略、完善数据政策、建立数据架构等，注重数据的使用者、使用方式、使用权限等合规性制定，强调开展数据资产全生命周期管理前的基础工作，关注数据资产管理中的相关保障措施。

2015 年，DAMA 在 DBMOK2.0 知识领域将其扩展为 11 个管理职能，分别是数据架构、数据模型与设计、数据存储与操作、数据安全、数据集成与互操作性、文件和内容、参考数据和主数据、数据仓库和商务智能（BI, Business Intelligence）、元数据、数据质量等。

在数据资产化背景下，数据资产管理是在数据管理基础上的进一步发展，可以视作数据管理的升级版。

主要区别可以从三方面看：

  • 管理的视角不同，数据资产管理强调数据是一种资产，基于数据资产的价值、成本、收益开展全生命周期的管理。
  • 管理职能有所不同，数据资产管理包含数据模型、元数据、数据质量、参考数据和主数据、数据安全等传统数据管理职能，同时整合数据架构、数据存储与操作等内容，将数据标准管理纳入管理职能，并针对当下应用场景、平台建设情况，增加了数据价值管理职能。
  • 管理要求有所升级，在“数据资源管理转向数据资产管理”的理念影响下，相应的组织架构和管理制度也有所变化，需要有更专业的管理队伍和更细致的管理制度来确保数据资产管理的流程性、安全性和有效性。

数据价值难以有效发挥的原因

缺乏统一数据视图

企业的数据资源散落在多个业务系统中，企业主和业务人员无法及时感知到数据的分布与更新情况，无法快速找到符合自己需求的数据，也无法发现和识别有价值的数据并纳入数据资产。

数据孤岛普遍存在

造成数据孤岛的原因既包括技术上的，也包括标准和管理制度上的，这阻碍了业务系统之间顺畅的数据共享，降低了资源利用率和数据的可得性。

数据质量低下 糟糕的数据质量常常意味着糟糕的业务决策，将直接导致数据统计分析不准确、监管业务难、高层领导难以决策等 问题。

缺乏安全的数据环境

数据安全造成的风险主要包括数据泄露与数据滥用等。

是缺乏数据价值管理体系

大部分企业还没有建立起一个有效管理和应用数据的模式，包括数据价值评估、数据成本管理等，对数据服务和数据应用也缺乏合规性的指导，没有找到一条释放数据价值的“最优路径 ”。

数据资产管理是充分发挥数据价值的必经之路

数据资产管理通过解决释放数据价值过程中面临的诸多问题，以体系化的方式实现数据的可得、可用、好用，用较小的数据成本获得较大的数据收益，具体体现在以下六个方面：

全面掌握数据资产现状

数据资产管理的切入点是对数据家当进行全面盘点，形成数据地图，为业务应用和数据获取夯实基础。从资产化管理和展示数据的角度出发，数据地图作为数据资产盘点的输出物之一，不承载具体数据内容，却可以帮助业务人员快速精确查找他们想要的数据。其次，数据地图作为企业数据的全盘映射，帮助数据开发者和数据使用者了解数据，并成为对数据资产管理进行有效监控的手段。

是提升数据质量

数据资产管理通过建立一套切实可行的数据质量监控体系，设计数据质量稽核规则，加强从数据源头控制数 据质量，形成覆盖数据全生命周期的数据质量管理，实现数据向优质资产的转变。

是实现数据互联互通

数据资产管理通过制定企业内部统一的数据标准，建立数据共享制度，完善数据登记、数据申请、数据审批、数 据传输、数据使用等数据共享相关流程规范，打破数据孤岛，实现企业内数据高效共享。同时搭建数据流通开放平台，增强数据的可得性，促进数据的交换流通，提升数据的服务应用能力。

提高数据获取效率

数据资产管理通过搭建数据管理平台，采取机器学习等相关自动化技术，将大量前期的数据准备时间和交付项目的时间缩短，提升数据的获取和服务效率，数据随时快速有效就绪，缩短数据分析人员和数据科学家的数据准备时间， 加快数据价值的释放过程。

是保障数据安全合规

保障安全是数据资产管理的底线，数据资产管理通过制定完善的数据安全策略、建立体系化的数据安全措施、 执行数据安全审计，全方位进行安全管控，确保数据获取和使用合法合规，为数据价值的充分挖掘提供了安全可靠的环境。

数据价值持续释放

存储和管理数据的最终目的是实现数据的价值，数据资产管理将数据作为一项资产，并通过一个持续和动态的 全生命周期管理过程，使数据资产能够为企业数字化转型提供源源不断的动力。从企业高管到业务人员及技术人员，全员都要以持续释放数据价值为理念来重视数据资源管理工作。管理方面，建立一套符合数据驱动的组织管理制度流程和价值评估体系。技术方面，建设现代化数据平台、引入智能化技术，确保数据资产管理系统平台持续、健康地为数据资产管理体系服务。