一、数据资产管理概述

（一） 数据资产管理的定义与内涵

1. 数据资产管理的概念

2. 数据资产管理的内涵

3. 数据资产管理的演变

（二）数据资产管理是大数据时代的必修课

（三） 数据资产管理是各方关注的重要议题

（四）变革中的数据资产管理

1. 数据对象纷繁复杂

2. 处理架构更新换代

3. 组织职能升级变迁

4. 管理手段自动智能

5. 应用范围不断扩大

二、数据资产管理的主要内容

（一） 管理职能

1. 数据标准管理

2. 数据模型管理

3.元数据管理

4. 主数据管理

5. 数据质量管理

6. 数据安全管理

7. 数据价值管理

8.数据共享管理

（二） 保障措施

1.制定战略规划

2. 完善组织架构

3. 建立制度体系

4. 设置审计机制

5. 开展培训宣贯

三、数据资产管理的实施要点

（一） 实施步骤

1. 第一阶段：统筹规划

2. 第二阶段：管理实施

3. 第三阶段：稽核检查

4. 第四阶段：资产运营

（二） 实践模式

（三） 软件工具

1. 数据标准管理工具

2. 数据模型管理工具

3. 元数据管理工具

4. 主数据管理工具

5. 数据质量管理工具

6. 数据安全管理工具

7. 数据生命周期管理工具

（四） 成功要素

1. 明确责权利标，有效推进管理

2. 合理引进技术，提升治理能力

3. 着眼业务应用，释放数据价值

4. 加强数据合规，注重风险风控

5. 持续迭代完善，形成良性闭环

四、总结与展望

前 言

党的十九大报告提出要“推动互联网、大数据、人工智能和实体经济深度融合”，进一步突出了大数据作为国家基础性战略性资源的重要地位，掌握丰富的高价值数据资源日益成为抢占未来发展主动权的前提和保障。

数据是资产的概念已经成为行业共识。然而现实中，对数据资产的管理和应用往往还处于摸索阶段，数据资产管理面临诸多挑战。首先，大部分企业和政府部门的数据基础还很薄弱，存在数据标准混乱、数据质量层次不齐、各条块之间数据孤岛化严重等现象，阻碍了数据的共享应用。其次，受限于数据规模和数据源种类的丰富程度，多数企业的数据应用刚刚起步，主要集中在精准营销，舆情感知和风险控制等有限场景，应用深度不够，应用空间亟待开拓。再其次，由于数据的价值很难评估，企业难以对数据的成本以及其对业务的贡献进行评估，从而难以像运营有形资产一样管理数据资产。

国际上，1990年以来，以国际数据管理协会（DAMA，Data Management Association International）、能力成熟度模型集成（CMMI，Capability Maturity Model Integration）为代表的组织机构长期从事数据管理的研究，形成了一定的理论成果。在这些理论的指导下，我国金融、电信、能源、互联网等信息化较为先进的行业，已经积累了丰富的数据资产管理经验。这些经验的总结对于补充完善数据管理理论体系、推进数据资产管理在各个行业的普及和发展有着重要意义。

为了促进数据资产管理的研究，我们组织编写了《数据资产管理实践白皮书》。本白皮书分为四大部分：第一部分介绍了数据资产管理的概述及变革中的数据资产管理呈现出来的特征趋势；第二部分从实践角度出发阐述了数据资产管理的主要内容；第三部分重点介绍了数据资产管理的实施步骤、实践模式、工具平台和成功要素；最后结合实践经验，介绍了电信、金融、政务、医疗和工业等相关领域的数据资产管理案例。本白皮书在《数据资产管理实践白皮书2.0》的基础上，结合原有的数据资产管理八大痛点内容，以全面盘点数据资产、不断提升数据质量、实现数据互联互通、提高数据获取效率、保障数据安全合规、数据价值持续释放等角度，通过权威数据和典型事件，生动剖析了数据资产管理的重点内容和目标。以“管理职能”代替“活动职能”的描述，在原有管理职能的介绍下，尝试说明数据资产管理内容之间的关系，并在组织机构和制度体系的基础上，完善了保障措施部分。此外，还在原有通用实施阶段步骤的基础上，增加了实践模式的参考。最后，增加了“持续迭代完善，形成良性闭环”成功要素的观点。

本白皮书可以为政府和企业开展数据资产管理工作提供参考，也可以作为相关产品和服务提供商的参考依据。由于时间仓促，水平所限，我们的工作还有很多不足。下一步，我们还将广泛采纳各方面意见建议，进一步深化相关研究，持续完善白皮书内容，在已有版本的基础上，适时修订发布新版。我们诚邀各界专家学者参与我们的研究工作，积极献言献策，共同完善国内数据资产管理理论和方法论体系，为促进大数据与实体经济深度融合做出积极贡献。