下载文档原格式
数据资产管理白皮书概述数据资产带来未来经济价值数据资产管理全生命周期管理周期采集应用价值实现阶段统筹规划管理实施稽核检查资产运营演变DAMA数据管理体系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或操作性文件和内容参考数据和主数据数据仓库商务智能元数据数据质量进一步增加数据资产价值评估数据资产运营作用全面数据盘点提升数据质量数据互联互通数据获取效率安全合规数据价值持续释放特点数据对象复杂处理架构更新组织职能升级管理手段自动自能应用范围扩大主要内容8个管理职能数据标准三要素标准分类标准信息项相关公共代码分类基础类指标类数据模型元数据技术业务管理主数据描述核心业务实体共享、跨部门、高价值稳定数据质量数据安全数据价值数据成本应用价值数据共享5个保障措施战略规划组织架构管理委员会数据中心各业务部门制度体系办法流程技术规范即模板（表单）审计机制培训宣贯实施要点实施步骤统筹规划组织责任体系盘点数据资产制定标准规范管理实施数据管理平台安全管理体系主数据稽核检查数据标准执行情况数据质量稽核数据存储策略资产运营数据价值评估数据资产运营流通对内对外实践模式组织方式自上而下自下而上建设策略生产系统优先大型生产系统开发建设模式企业数据模型建设模式主数据建设模式数据系统优先统一数据平台模式数据集市模式软件工具数据标准数据模型元数据主数据数据质量数据安全数据生命周期成功要素明确责权利合理引进技术着眼业务应用数据合规、风险风控迭代完善，良性闭环。
一、概述光大银行作为我国领先的商业银行之一，在金融科技领域拥有丰富的数据资产。
随着金融科技的发展和数据资产的重要性日益突出，对光大银行数据资产的价值评估显得尤为重要。
本白皮书旨在对光大银行的数据资产进行全面评估，为相关机构和投资者提供客观、全面的数据资产价值评估报告。
二、数据资产的定义和重要性1.数据资产的定义数据资产是指银行在日常经营活动中所获取、处理和管理的数据，包括客户信息、交易记录、风险管理数据等。
数据资产不仅包括结构化数据，还包括海量的非结构化数据，如文本、图片、音频、视瓶等。
2.数据资产的重要性数据资产在金融科技发展中扮演着至关重要的角色。
通过对大数据的分析和挖掘，银行可以更好地了解客户需求，优化产品和服务，提升风险管理能力，推动业务创新，提升竞争力。
三、光大银行数据资产的特点1.规模庞大光大银行拥有海量的数据资产，涵盖了客户的个人信息、财务信息、交易记录等多方面的数据。
2.数据质量高光大银行通过多年的经营和管理，建立了完善的数据管理体系，确保数据的准确性、完整性和一致性。
3.多样性光大银行的数据资产不仅包括结构化的金融交易数据，还包括非结构化的客户反馈、股票行情预测等数据。
4.价值潜力大光大银行的数据资产蕴含着巨大的商业潜力，可以为银行的产品创新、风险管理和营销服务提供重要支持。
四、光大银行数据资产价值评估方法1.数据资产评估指标数据资产价值评估可以从多个维度进行评估，包括数据的规模、质量、多样性、价值潜力等。
2.数据资产评估模型光大银行可以结合数据的挖掘和分析技术，构建数据资产评估模型，从数据的维度、业务价值维度和客户需求维度进行评估。
3.数据资产评估过程评估过程包括数据采集、数据清洗、数据加工、数据分析、评估报告等环节，需要跨部门的协作和统一标准的制定。
五、光大银行数据资产的案例分析1.数据资产的商业应用光大银行通过对客户数据的分析，可以为客户提供个性化的产品推荐和服务定制，提升客户满意度。
目录版本 (3)前言 (4)一、数据应用现状 (5)1.1数据标准 (6)1.2数据获取 (6)1.3数据流 (6)1.4数据集中 (6)1.5数据挖掘 (6)1.6数据应用 (7)二、数据管理框架 (7)2.1数据获取 (7)2.2数据汇集 (9)2.3数据处理 (9)2.4数据应用 (9)2.5数据分析 (9)三、数据管理规范 (10)3.1标准管理类 (10)3.2流程管理类 (12)3.3服务支持类 (13)3.4数据应用类 (14)四、数据管理建议 (14)4.1数据价值难以体现的原因 (14)4.2数据资产管理建议 (15)4.3数据价值问题思考 (15)版本前言根据xx公司现状进行数据资产管理，对线上数据、线下数据进行统一规范管理，为了掌握丰富的数据资源及现今xx公司数据情况进行数据资源整合管理，现今公司数据基础还很薄弱，存在数据混乱、数据质量层次不健全，各系统和项目、公司所获得的数据不统一，数据孤岛化现象严重，影响了公司高层和各业务的数据决策判断，线下数据与线上数据应用深度不够，数据应用空间急需统一规整及开拓，把数据以被动的方式变为主动的方式，为以后xx公司提高数据利用，综合数据资源，规范管理标准提供基础和保障。
为了提高数据的应用程度，提高数据的利用价值，免于优质资源得以高效率使用，特此制定《xx公司数据资产管理白皮书》，为全面整合资源，提升数据高利用，实现数据之间互联互通、保障数据的合理，通过“数据标准管理工具”更好的指导和推动企业快速发展，搭建数据仓库管理云平台，使xx公司（置业、运营、物业）板块快速开拓市场提供数据资源支撑，为xx公司发展保驾护航。
一、 数据应用现状说明：现xx 公司数据现状说明随着科技逐渐进步，企业管理逐渐完善，数据处理技术越发管理细致，结合市场数据应用的广泛性，企业数据管理模式呈现如下图所示： 数据存储处理数据获取数据流数据标准编码规则标准数据集中数据挖掘数据应用数据填写标准流程执行标准数据配置标准数据呈现标准线下数据线上数据采集数据数据资产增值数据标准制定对内强化能力人工、自动获取的数据业务交互数据流转数据汇集数据池抽取转换筛选加载数据算法处理数据中心数据分析数据流数据管道可视化应用决策应用数据价值体现图1企业数据资产管理模式传统的数据管理方式通过文档表格整理形成文档库，各个业务通过企业管控中心进行统一编码下发，随着时间的推移规则标准慢慢淡化，执行方式被各个业务口制定的标准代替，久而久之企业的数据标准形成多样化数据规则，从而形成了数据标准混乱，汇总数据需要大量的人工进行汇总统一，造成数据的管理问题。
数据资产管理实践白皮书摘要：数据资产是企业最重要的资产之一，有效地管理数据资产对于企业的长期发展至关重要。
本白皮书将介绍数据资产管理的概念、原则、实践以及挑战，并提出一些有效的解决方案，以帮助企业更好地管理和利用自己的数据资产。
一、引言现代企业面临着海量数据的挑战，如何高效地管理和利用数据成为了企业发展的关键。
数据资产管理的概念正是基于这样的背景而提出的。
数据资产管理是指对企业的数据资产进行全面、有效的管理和利用，包括数据采集、存储、分析、共享等方面。
二、数据资产管理的原则1.数据价值最大化：企业应充分认识到数据的价值，并努力将数据转化为商业价值。
2.数据安全保护：企业必须保护数据资产的安全，包括数据的机密性、完整性和可用性。
3.数据一致性和准确性：数据的一致性和准确性是数据资产管理的基础，企业应建立完善的数据质量管理机制。
4.数据共享和开放：企业应鼓励数据共享和开放，通过合作共赢的方式充分利用数据资产。
5.数据生命周期管理：企业应对数据进行全面、系统的管理，包括数据的采集、存储、处理、传输和销毁等各个环节。
三、数据资产管理的实践1.建立数据资产管理团队：企业应设立专门的数据资产管理团队，负责数据资产的统一管理和协调。
2.制定数据资产管理策略：企业应根据自身的需求和目标制定数据资产管理策略，明确数据的采集、存储、分析和共享等方面的规范和标准。
3.建立数据资产库：企业应建立数据资产库，集中管理和存储各类数据资产，包括结构化数据和非结构化数据。
4.加强数据质量管理：企业应建立健全的数据质量管理机制，包括数据质量评估、数据清洗、数据校验等环节，确保数据的一致性和准确性。
5.推行数据共享平台：企业可以建立数据共享平台，提供数据共享的渠道和机制，促进数据共享和合作。
6.提升数据分析能力：企业可以通过引入先进的数据分析技术，提升对数据的分析能力，从中发现商机和价值。
四、数据资产管理的挑战1.数据安全风险：随着数据泄露和侵权事件的增多，企业面临着数据安全风险的挑战。
数据资产管理实践白皮书
随着数字化时代的到来，数据资产已成为企业最重要的生产要素之一。
因此，如何高效、合理地管理和利用数据资产，已成为企业发展和创新的关键所在。
为此，我们撰写了这份《数据资产管理实践白皮书》，旨在为企业提供有效的数据资产管理方法和实践经验。
本白皮书将从以下几个方面介绍数据资产管理实践：
1. 数据资产的定义和重要性：详细解释数据资产的概念、种类、价值以及在企业中的作用和重要性。
2. 数据资产管理的原则和流程：介绍数据资产管理的基本原则和流程，包括数据采集、存储、处理、分析、共享等环节，并提供具体的管理实践方法。
3. 数据质量管理：分析数据质量对企业的影响，并提供数据质量管理的具体方法和工具。
4. 数据安全管理：阐述数据安全管理的重要性和必要性，提供数据安全管理的实践方法和工具。
5. 数据资产价值实现：探讨如何通过数据资产管理实践来实现数据资产的价值，包括提升企业的运营效率、降低成本、创造新的商业价值等。
通过本白皮书的学习，企业能够更好地理解和掌握数据资产管理的核心原则和实践方法，促进企业数字化转型和创新发展。
- 1 -。
数据资产管理实践白皮书（6.0版）日前，《数据资产管理实践白皮书（6.0版）》正式发布。
白皮书是大数据技术标准推进委员会在数据资产管理领域的系列研究报告，从2017年开始已连续6年发布，成为了国内数据资产管理的“风向标”。
《数据资产管理实践白皮书（6.0版）》在《数据资产管理实践白皮书（5.0版）》的基础上，结合2022年数据资产管理领域政策和行业动向，持续跟踪各行业典型方法和实践案例，更新了数据资产管理的理念和方法，对数据资产管理领域的发展现状和趋势进行了总结，有助于企业了解自身所处的发展阶段，更好的拟定下一步建设思路。
目前，数据是资产已成为共识，数据资产管理理论框架日趋成熟，越来越多的企业开展数据资产管理工作，推动企业数字化转型。
但是与此同时，我们也应认识到多数企业仍停留在数据资产管理发展初期，仍然面临数据资产管理内驱力不足、数据资产管理与业务发展存在割裂、数据资产难于持续运营等问题。
为指导企业解决以上问题，本白皮书总结了数据资产管理活动职能的核心理念与实践要点，提出了战略规划、组织架构、制度体系、平台工具、长效机制五大数据资产管理保障措施，提倡企业体系化开展数据资产管理工作，提升数据资源化效率，创新数据资产化模式，引导企业充分融入数据要素市场发展，加速数据资产价值释放。
什么是数据资产？数据资产（Data Asset）是指由组织（政府机构、企事业单位等）合法拥有或控制的数据，以电子或其他方式记录，例如文本、图像、语音、视频、网页、数据库、传感信号等结构化或非结构化数据，可进行计量或交易，能直接或间接带来经济效益和社会效益。
要对数据进行主动管理并形成有效控制。
在组织中，并非所有的数据都构成数据资产，数据资产是能够为组织产生价值的数据，数据资产的形成需本白皮书是从数据价值性视角出发定义数据资产，涉及主体包括政府机构与企业事业单位（重点讨论企业），并不严格区分数据资产的经济效益和社会效益。
此外，由于数据资产具有传统资产所不具备的其它特征，因此，其价值的评估和计量并不完全遵从既有的会计、经济相关准则与标准，仍需要结合实践经验进行不断的探索和创新。
数据资产管理技术白皮书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、技术工具和成功要素；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。
数据资产管理实践白皮书4.0摘要：1.数据资产管理实践白皮书4.0 简介2.数据资产管理的重要性3.数据资产管理的主要挑战4.数据资产管理的解决方案5.数据资产管理的未来趋势正文：1.数据资产管理实践白皮书4.0 简介数据资产管理实践白皮书4.0 是一份详细的指南，旨在帮助企业和组织有效地管理和利用其数据资产。
本白皮书涵盖了数据资产管理的各个方面，包括数据资产管理的重要性、主要挑战、解决方案以及未来趋势。
2.数据资产管理的重要性随着大数据时代的到来，数据资产已经成为企业和组织最重要的资源之一。
数据资产管理是指对这些数据资产进行有效的管理和利用，以实现企业和组织的目标。
数据资产管理对于提高企业效率、降低成本、增强竞争力以及满足合规要求都具有重要意义。
3.数据资产管理的主要挑战尽管数据资产管理具有重要意义，但在实践中，企业和组织面临着许多挑战，包括数据质量问题、数据安全问题、数据冗余以及缺乏有效的数据管理策略等。
这些挑战不仅限制了企业和组织对数据资产的有效利用，还可能导致数据泄露、罚款等风险。
4.数据资产管理的解决方案为了应对数据资产管理的挑战，企业和组织需要采取一系列措施，包括制定数据管理策略、提高数据质量、保障数据安全、消除数据冗余等。
此外，借助先进的数据管理技术和工具，如数据挖掘、数据分析、数据可视化等，企业和组织可以进一步提高数据资产管理的效率和效果。
5.数据资产管理的未来趋势随着人工智能、云计算等技术的发展，数据资产管理将迎来新的发展机遇。
未来的数据资产管理将更加智能化、自动化，可以更好地支持企业和组织的决策和创新。
同时，随着数据保护和隐私保护的日益重视，数据资产管理也将更加注重数据安全和合规性。
数据资产管理白皮书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、技术工具和成功要素；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3.0》的基础上，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。
在原有管理职能的介绍下，尝试说明数据资产化管理的关键活动步骤，并在实施步骤方面，增加了各实施阶段的具体输出物，并增加了“数据价值管理工具”和“数据服务管理工具”，更好的指导企业搭建数据资产管理平台，开展数据资产管理相关工作。
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。
目录一、数据资产管理概述 (1)(一) 数据资产管理的定义与内涵 (1)1.数据资产管理的概念 (1)2.数据资产管理的内涵 (2)3.数据资产管理的演变 (3)(二) 数据资产管理的重要性 (4)1.数据价值难以有效发挥的原因 (5)2.数据资产管理是充分发挥数据价值的必经之路 (6)(三) 数据资产管理是各方关注的重要议题 (8)(四) 数据资产管理的现状与发展 (10)1.数据管理对象变化 (10)2.处理架构更新换代 (11)3.组织职能升级变迁 (12)4.管理手段自动智能 (12)5.应用范围不断扩大 (13)二、数据资产管理的主要内容 (14)(一) 管理职能 (14)1.数据标准管理 (14)2.数据模型管理 (15)3.元数据管理 (17)4.主数据管理 (19)5.数据质量管理 (20)6.数据安全管理 (21)7.数据价值管理 (22)8.数据共享管理 (25)(二) 保障措施 (26)1.制定战略规划 (27)2.完善组织架构 (27)3.建立制度体系 (29)4.设置审计机制 (31)5.开展培训宣贯 (31)三、数据资产管理的实施要点 (33)(一) 实施步骤 (33)1.第一阶段：统筹规划 (34)2.第二阶段：管理实施 (35)3.第三阶段：稽核检查 (37)4.第四阶段：资产运营 (38)(二) 实践模式 (40)1.数据资产管理的建设策略 (40)2.数据资产管理的切入方式 (42)(三) 软件工具 (43)1.数据标准管理工具 (44)2.数据模型管理工具 (45)3.元数据管理工具 (46)4.主数据管理工具 (47)5.数据质量管理工具 (48)6.数据安全管理工具 (49)7.数据价值管理工具 (50)8.数据服务管理工具 (51)(四) 成功要素 (52)1.明确责权利标，有效推进管理 (52)2.合理引进技术，提升治理能力 (53)3.着眼业务应用，释放数据价值 (54)4.加强数据合规，注重风险风控 (54)5.持续迭代完善，形成良性闭环 (55)四、总结与展望 (56)附录：术语 (58)图表目录表 1 数据成本和价值评估的维度 (23)表 2 数据资产价值评估典型方法比较 (24)表 3 数据资产管理组织架构角色职责 (28)表 4 数据资产管理的两种建设策略 (40)表 5 数据资产管理的切入方式 (42)图 1 数据资产管理在大数据体系中的定位 (2)图 2 大数据背景下的数据资产管理特点特征 (10)图 3 数据资产管理体系架构 (14)图 4 数据资产管理保障措施组织架构 (27)图 5 数据认责机制 (29)图 6 一种典型的制度体系架构 (30)图 7 数据资产管理实施步骤 (34)一、数据资产管理概述众所周知，数据是资源，伴随着大数据时代支撑数据交换共享和数据服务应用的技术发展，不断积淀的数据开始逐渐发挥它的价值，因此，业界提出可以将数据作为一项资产，“盘活”数据以充分释放其附加价值。
但是事实上，如果缺乏恰当有效的管理手段，数据也可能会成为一项负债。
同时，相较于实物资产，数据资产的管理目前还处于初级阶段，数据质量、数据安全、资产评估、资产交换交易等精细管理、价值挖掘和持续运营也较为薄弱。
数据资产管理是现阶段推动大数据与实体经济深度融合、新旧动能转换、经济转向高质量发展阶段的重要工作内容。
本章将阐述数据资产管理的定义与内涵，分析数据资产管理在大数据领域的重要意义，并对数据资产管理在大数据发展中的趋势进行分析，探讨数据资产管理在企业中的实践模式。
(一) 数据资产管理的定义与内涵1.数据资产管理的概念数据资产（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。
2.数据资产管理的内涵数据资产管理在大数据体系中的定位如图 1 所示，它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，一是数据资产管理的核心管理职能，二是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。
图 1 数据资产管理在大数据体系中的定位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统筹规划、管理实施、稽核检查和资产运营四个主要阶段，详见第三部分数据资产管理的实施要点。
3.数据资产管理的演变数据管理的概念是伴随上世纪八十年代数据随机存储技术和数据库技术的使用，计算机系统中的数据可以方便地存储和访问而提出的。
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DMBOK1.0①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、元数据管理和数据质量管理。
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①The DAMA Guide to the Data Management Body of Knowledge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：一是数据管理的视角不同，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。
二是管理职能有所不同，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。
三是管理要求有所升级，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。
(二) 数据资产管理的重要性数据作为越来越重要的生产要素，将成为比土地、石油、煤矿等更为核心的生产资源，如何加工利用数据，释放数据价值，实现企业的数字化转型，是各企业面临的重要课题。
