企业该如何建立以“价值为驱动”的数据资产管理体系？

我来概括一下，如果想要了解更多的话，可以前往原报告查看。

（1）数据资产管理体系底层构建和数据治理 现阶段，数据治理没有现成可遵循的、较为成熟的 体系和路径，企业在自行摸索的过程中，容易遭遇 诸多认知与实操层面上的困难和障碍，对进一步实 施数据治理带来一定的压力。数据资产化的背后需 要依托强有力的数据治理能力和完善的数据管理体 系，数据治理作为基础性环节，其重要性不言而 喻，克服数据治理难的问题是数据资产化过程中的 关键前置步骤。 如以上“数据资产管理体系图”所示，数据资源化 作为数据资产化和资本化的前置式底层结构，是数 据资产化和资本化的地基。而资源化底层部件和整 体结构的构建，应当围绕数据标准管理、数据质量 管理、数据安全管理、数据模型管理、元数据管 理、主数据管理等多维度的管理和治理体系而展 开，应当以形成数据资源目录为目标导向，稳扎稳 打、步步夯实。只有当底层资源化部件完备、数据 治理和管理体系成熟稳固，才能够为后续数据资源 化向数据资产化转换提供坚实有效的基础。

（2）应用场景的再挖掘和视角的再提升 企业在数据资产化进程中的数据资产开发阶段，以 产品的开发、应用需求的实现以及应用场景目录的 生成为目标和愿景。 在数据资产开发的初始阶段，企业对应用场景的挖 掘通常会首先着眼于经营过程中自然生成的业务数 据和当前阶段发生的偶发性数据产品交易。而在数 据资产化发展和数据资产开发的中后期，企业可以 尝试跳出对基础场景和需求的识别，站在助力城市 数字化转型的层面对可能的应用场景进行再挖掘和 再提升。同时，在不断挖掘需求、探索场景的进程 中，企业应当注意应用场景目录的创建、更新、扩 充和完善，以最终形成一套完整的应用场景目录。

（3）数据资产权限与安全管理体系 在实践中，企业对于数据资产交易中的权限和安全 问题极为关注。对于大量由企业自身业务产生的用 户数据，企业担心一旦进行交易，会对自身的业务 产生较大冲击。此外，当前市场上很多数据的需求 方对于可交易数据的权限并不清晰，可能会提出购 买所有原始数据的需求，而供应方更多的会关注什 么样的数据形式、权限能够交易，尤其要求避免隐 私泄露及对其自身业务可能带来的任何潜在不利 影响。 数据资产权限和安全管理体系旨在秉承国家对金融 行业的数据安全监管要求，在企业内部建立一套完 善、合规的数据资产流通与共享机制，是数据资产 在企业内部得以共享和流通的安全合规保障。通常 而言，数据资产权限与安全管理体系贯穿数据资产 从上线到下线的识别、登记和服务等各个环节，涵 盖数据资产确权、分级分类、使用权限、数据监控 与安全管理等多部分内容。建立安全合规的数据资 产权限管理基线，是促进形成数据资产内部良性的 共享生态、彻底消除传统机制下“数据孤岛”的必 经之路。

（4）制定有效的收益分配方式 收益分配是数据资产化过程中必须解决的问题之 一。一方面，需要解决如何在收益中较为准确有效 地剥离数据的贡献。由于数据最终赋能于业务，而 业务收益中不仅仅是数据的贡献，还包括诸如品 牌、运营等方面的贡献，因而如何准确归因数据是 目前的难点；另一方面，需要解决收益如何在总部 与子公司之间或子公司与子公司之间分配。一些数 据产品的形成可能是集团内多家公司协同完成的， 如果能有合理的分配机制，数据产品的交易所得也 能成为促进数据产品交易的重要因素。

（5）集团与下属企业分工合作，实现数据共享和 流通 同一集团公司内部的不同公司之间（如集团总部与 下属子公司或者不同板块的下属子公司之间等）也 存在数据资产化进度不同、步调不齐、数据不通等 问题。企业可以从集团总部和子公司层面考虑不同 的应对措施、分工和职责，发挥集团层面的总体方 向制定、问题汇总和总体协调工作上的优势和能 力，发挥业务公司层面发现问题和解决问题的能 力，通过集团内数据资产经验分享培训或者数据资 产化程度较高的单位指导其他单位，达成整个集团 的内部数据互通、借鉴和互相学习，促进各板块进 程上的步调统一，实现更快的数据共享、流通和资 产化。

（6）优化考核机制 不少企业目前并没有设置直接与数据资产相关的考 核指标，由于数据旨在向业务赋能，企业现有的考 核机制仍以业务目标导向为主。例如，关注运营数 据和交易数据的匹配率。大多数企业目前的考核目 标还是聚焦营收和利润，而不是中间管理、运营等 细节层面的目标。如果能够进一步强化企业在数据 层面（例如数据规模、数据质量、数据价值等）的 考核，对于加快数据资产化进程将大有裨益。

（7）运维体系与保障机制 数据资产运营是维持数据资产生态的有效机制。数 据资产运营旨在维持数据供给方和数据消费方的供 需平衡，合理配置和有效利用数据资产，从而提高 数据资产带来的经济效益，保障和促进业务的发展 与创新，推动数据生态融合。 数据资产运营体系应不断优化，提升效率，最大化 价值。数据资产的运营体系包含数据需求、数据服 务、数据生命周期、数据监控、数据运维、数据分 类分级等模块。

（8）建立数据资产价值评价体系 对数据资产的价值进行量化评价，是实现价值驱动 的数据资产运营的核心内容。数据资产的价值密度 与大小不同，随着数字化转型、数据应用的持续建 设，企业应当建立一套统一的数据资产价值衡量机 制，以对企业在内部数字化转型、数据应用建设领 域的投入与回报进行客观衡量。 尽管建立统一的数据资产价值衡量机制的重要性和 必要性在业界已形成共识，但具体的实施在现阶段 仍面临多项亟待解决的问题。第一，对于如何评估 数据资产价值，当前业界仍处在初步探索阶段，研 究机构和企业尚未形成一致的、公允的估值方法。 第二，数据资产价值评价体系的建立，以成熟数据 管理架构的搭建和数据应用场景的识别与确认为重 要前提。脱离底层设施和前提条件所做的价值评价 体系存在脱离实际、无法落地、适用度低等问题。 第三，数据资产价值评价体系的搭建涉及跨业务单 元、跨不同部门、跨组织层级，甚至跨企业和行业 的协作和沟通，涉及面广、工作量大。数据资产评 价工作应由企业包括决策者、管理者和使用者在内 的各级人员共同参与执行，并共享建设成果，以最 终达到提升数据应用效率，促进数据资产的保值增 值与流通，实现数据资产最优配置与发挥最大价值 的目标。

（9）推动数据资产入表 对于在资产负债表中未确认为资产的数据资源，企 业可以考虑在管理层报告中进行额外披露，建议的 披露内容可以包括： • 数据资产的取得方式（例如是否通过公共数据交 易平台取得）、定价依据、数据应用场景、数据 转让许可或限制以及该数据资产对企业的影响及 风险分析等； • 重大交易事项中涉及的数据资产，对该交易事项 的影响及风险分析，重大交易事项包括但不限于 企业的并购重组、经营活动（授权使用、共同开 发等）、投融资活动（包括信贷融资等）、关联 交易、资产置换和资产证券化等； • 若存在数据资产失效的情况，披露该数据资产失 效对企业的影响及风险分析； • 企业认为有必要披露的其他数据资产相关信息。

（10）加强学习与培训 企业可以有意识地针对不同对象开展数据资产化专 题学习和培训活动，进一步引领和贯彻转型文化， 提升企业员工数字化转型和数据资产化的意识和技 能，鼓励员工参与试点工作。例如针对数据安全、 隐私保护、安全与合规，组织开展常规性集体学习 和知识更新。必要时，可以组织外部专家培训或企 业间的研讨学习，在内、外部交流互通中进一步成 长，夯实数据资产化的知识基础。