数据资产管理实践白皮书

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。

版权声明本白皮书版权属于中国信息通信研究院云计算与大数据研究所、CCSA TC601大数据技术标准推进委员会，并受法律保护。

转载、摘编或利用其它方式使用本白皮书文字或者观点的，应注明“来源：《数据资产管理实践白皮书（4.0）》”。

违反上述声明者，作者将追究其相关法律责任。

编委会成员：何宝宏、魏凯、姜春宇、刘成成、闫树、李雨霏、刘海燕、车春雷、郭宝生、蓝曾威、马卓佳、李慧、贾丕星、符山、陈涛、周庭宇、孙龙君、农益辉、刘天斯、黄志、钱岭、齐骥、侯志强、石在辉、刘童桐、吴嘉、张振、林锋、周万、王波、郝滨、王鹏、刘庆会、胡浩、于辰涛、王晟、陈志凌、刘俊良、周刚、王军、李今朝、李岳璘、王伟哲、曹冬平、蓝海、邹素雯、董喆、熊威、蔡春久、王琤、朱金宝、骆阳、魏民、刘浩、施红明、白梅、寇新华、陈燕琪、蒋勇、高伟、赵乔、霍琦、訾津津、王雀陵、张治国、武威、薛勇、张辉、周建龙、杨嘉诚、李慧、陈彬参与单位：中国信息通信研究院、中国建设银行、中国电信股份有限公司云计算分公司、中软国际有限公司、腾讯科技（深圳）有限公司、中国移动苏州研发中心、中国移动通信研究院、中国电信股份有限公司、杭州数梦工场科技有限公司、普元信息技术股份有限公司、北京飞利信科技股份有限公司、联想（北京）有限公司、成都四方伟业软件股份有限公司、百度在线网络技术（北京）有限公司、阿里巴巴（中国）有限公司、北京东方金信科技有限公司、烽火通信科技股份有限公司、石化盈科信息技术有限责任公司、北京数语科技有限公司、国网征信有限公司、航天恒星科技有限公司、广州信安数据有限公司、亿信华辰有限公司、北京卓信智恒数据科技股份有限公司、御数坊（北京）科技咨询有限公司、广州石竹软件、航天恒星科技有限公司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。

数据资产管理实践⽩⽪书（4.0版）：数据管理框架指引2019年6⽉4-5⽇，由中国信息通信研究院、中国通信标准化协会主办，⼤数据技术标准推进委员会承办的 2019 ⼤数据产业峰会在北京国际会议中⼼召开。

在6⽉4⽇下午的⼤会上，《数据资产管理实践⽩⽪书（4.0 版）》发布。

笔者仔细研读了⼀下，虽然⾃⼰从事数据管理⼯作很多年，但还是能从中获得很多启⽰，要感谢中国信息通信研究院⼤数据技术标准推进委员会的杰出⼯作。

那么，从这本《⽩⽪书》我们到底能学到什么？这⾥就从背景、框架和概念三个⽅⾯谈谈我的理解。

注：以下⿊⾊斜体内容直接引⽤《数据资产管理实践⽩⽪书4.0》的原话，具体以《数据资产管理实践⽩⽪书4.0》原版说法为准。

⼀、背景说明相对于《DAMA》的数据管理，《⽩⽪书》强调的是数据资产管理，后者增加了资产，更强调数据的资产属性，要求基于数据资产的价值、成本、收益开展全⽣命周期的管理，同时增加了数据标准管理、数据价值管理等职能，可以视作数据管理的升级版。

笔者觉得《⽩⽪书》对于数据资产管理的重要性诠释的特别好，提到了五个痛点，是业界实践经验的总结：1、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。

数据资源散落各地是⽼问题，但让业务⼈员感知并找到更是新的问题，⽐如在完成⼤数据平台的数据归集后，建⽴统⼀的⾼体验的可视化平台，建议⼀套数据的公开发布、宣贯、培训流程都是对于运营的巨⼤挑战。

浙江移动花了多年时间去搞DataMaster敏捷数据发布平台，花了巨⼤代价去打通流程让数据直达⼀线，都是为了这个⽬的。

2、数据孤岛普遍存在据统计， 98% 的企业都存在数据孤岛问题。

⽽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。

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。

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。

数据资产管理实践白皮书5.0
《数据资产管理实践白皮书5.0》是由国家信息中心出台的新一代数据资产管理体系，旨在针对当前企业和组织的数据资产管理进行标准化、统一化，以提高企业数据资产管理水平。

《数据资产管理实践白皮书5.0》共分为五大部分：
1. 数据资产管理基本原则：将“数据驱动”作为企业的制度基础，以“开放、共享、协同、互助”为核心，构建以数据资产管理为核心的企业管理体系。

2. 数据资产概念：明确数据资产的内涵，包括数据源、数据类型、数据流程、数据管理等要素。

3. 数据资产管理：重点突出数据资产发现、数据资产治理、数据资产安全管理、数据资产使用管理、数据资产监管等内容。

4. 数据资产管理解决方案：介绍适用于不同类型企业的数据资产管理解决方案，提供企业级数据资产管理的参考建议。

5. 实施指导：介绍数据资产管理实施的具体流程，包括规划、实施、评估和维护等步骤，提供实施参考指南。

数据治理体系01数据治理之数据资产管理数据资产与数据资产管理的定义随着大数据时代的到来，人们已经认识到数据是一种无形的宝贵资产，谷歌、Facebook、阿里巴巴、腾讯等企业市值高达数千亿美元，不仅在于其独特的商业模式和市场垄断地位，更多的估值是给予了其拥有的海量用户数据里所蕴含的巨大价值。

对于数据的拥有者和管理者来说，通过对数据的合理管理和有效应用，能盘活并充分释放数据的巨大价值。

但如果数据的拥有者和管理者缺乏对数据的有效管理，数据就用不起来，或者即便用起来也用不好，在这种情况下，堆积如山的无序数据给企业带来的是高额的成本，数据成为一项棘手的“负债”。

从这个角度来说，数据资产的管理能力，已经成为衡量一家企业能否成功的重要因素。

在讲数据资产管理之前，首先需要厘清数据资产和数据资产管理的概念，区分数据和数据资产的区别。

中国信通院联合多家企业于2019年6月发布了《数据资产管理实践白皮书4.0》，其中将数据资产定义为：由企业拥有或控制的、能够为企业带来未来经济利益的、以物理或者电子方式记录的数据资源，如文件资料、电子数据等。

从这个定义可以看出，数据资产的三个特征为：1）“企业拥有或控制”。

这个特征指明了数据是有其主体的，同时也说明了数据资源可能来源于企业内部的信息系统或者日常经营活动的沉淀，同时也有可能是企业通过外部的交换、购买等手段获取到的。

2）“能带来未来经济利益”。

这个特征清楚地表明了在企业中，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。

3）“数据资源”。

这个特征表明了数据资产的存在形态，是以物理或者电子方式记录下来的数据。

《数据资产管理实践白皮书4.0》中对数据资产管理的定义为：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。

从这个定义可以看出，数据资产管理的目的是通过一系列手段，以控制、保护、交付和提高数据资产的价值。

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。