数据资产管理体系近年来，数据治理和数据资产管理的重要性愈发凸显。有效的数据资产管理是大数据与实体经济深度融合的必经之路。数据成为资产的概念逐渐深入人心，甚至有人建议将数据计入资产负债表。数据资产管理将从“理论”走向“实践”，将影响数据的存量和增量，提升数据的质量和价值，保障数据的安全，为大数据应用及人们未来的便捷生活打下夯实的基础。（一）数据资产管理的定位和范畴数据资产管理在大数据技术体系中的定位如图 1 所示，它位于应用和底层平台中间。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活动职能，二是确保这些活动职能落地实施的保障措施，包括组织架构、制度体系。数据资产管理在大数据应用体系中，处于承上启下的重要地位。对上支持以价值挖掘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。数据资产运营流通数据蚩产价值评怙数据安全管理数据生命周期管理数据质量管理主数据管理元数据管理数据模型管理数据标准管理图 1 数据资产管理在大数据体系中的定位目前，数据资产管理已经形成了一套科学的管理范畴。根据 DAMA等机构的总结，数据资产管理主要包含 9 个活动职能和 2 个保障措施，9 个活动职能指的是数据标准管理、数据模型管理、元数据管理、主数据管理、数据质量管理、数据生命周期管理、数据安全管理、数据资产价值评估和数据资产运营流通，2 个保障措施包括组织架构和制度体系。组织架构鲁制反体系图 2 数据资产管理体系架构二）数据资产管理面临的挑战企业日常经营活动中积累的大量数据，除了支持业务流程运转之外，越来越多地被用于帮助企业提升管理决策效率、实现价值挖掘和业务创新。企业日常经营决策过程的背后，实质是数据的生产、传递和利用的过程，风险控制、产品定价、绩效考核等管理决策过程需要大量高质量数据支撑。提升数据质量、降低成本已经成为行业企业热点关注话题。如果不能对数据进行有效梳理及精细化管理，其价值就得不到很好体现，严重影响数据价值发挥，甚至会给运营管理带来负面作用。此外，日益全面、严格的监管措施和信息披露要求，也对企业数据提出了前所未有的挑战，主要体现在以下几个方面：一是缺乏统一数据标准。数据登记盘点流程缺乏统一的数据标准无法有效避免数据混乱冲突、一数多源、多样多类等问题。统一标准是解决数据的关联能力，保障信息交互、数据流通、系统访问功能顺畅的必要前提。二是数据周期规划混乱。对于部分...
