导读
当今商业环境中，数字化技术与实体经济紧密结合。企业作为经济活动的主体，企业的数字化转型也正加速推进。数据作为数字化转型的重要“原材料”，是企业越发重视的“金矿”。
“数据即是资产”的观念已成为许多企业的共识。但如何认识数据资产化的作用、价值和风险，依旧处于模糊的探索阶段。
数据为何要转化为数据资产
拥有大数据是许多企业的重要目标，但并不是所有数据都能构成数据资产。能够为企业带来价值的数据资源，才是数据资产。作为新型的资产，数据资产有着显著的特点。
首先数据资产比一般的无形资产和实物资产具有更高的通用性。有形资产有形态限制，因而用途有限，比如专用设备只能用于加工某类产品；通用设备虽然可加工的产品种类较多，但仅能用于生产制造。
而数据通常可以用于不同行业不同领域，比如个人的信用信息，不仅在金融行业的贷款、信用评估中作用巨大，在网络营销领域也是制定传播、运营计划的依据。
第二是强大的对外盈利性，数据除企业自用外，利用数据可以在在同一时间被多方使用而没有任何损失的特性，可以打包成多份数据产品、数据服务等在外部市场销售，以产生更大的商业价值。
如一个知识问答分享平台在收集完用户信息后，在合规的情况下将不同年龄段的用户数据卖给网络社交网站，作为其用户运营、促活增粉的重要参考信息。
从数据资产特点可以看出，将杂乱的数据进行筛选、变现，进行资产化能对企业产生巨大的效益。首先是实现数据高速流动和联通。
据统计，98%的企业都存在数据孤岛问题。造成数据孤岛的原因有企业内部各部门之间信息不同步，考核制度标准不统一等，这阻碍了业务系统之间高效率的数据共享，降低了资源利用率和数据的可获取性。
数据资产化通过制定企业内部统一的数据标准，建立数据共享制度，完善数据登记、申请、审批、传输等相关流程规范，这意味着在公司内部形成共同的“数据语言”。统一的标准增强了数据的可得性，促进数据的交换流通，提升数据的服务应用能力。
其次，形成企业的战略资产。数据资产化之后，数据资产会渐渐成为企业的战略资产，企业将进一步强化对数据资源分析、挖掘的能力，进而会极大提升企业的核心竞争力。
最后是数据安全合规。通过制定详细的数据安全策略、建立数据资产管理系统、实施安全措施，以进行数据安全审计确保数据采集和使用符合法律规定。这些努力在确保数据合法性的同时也降低了数据泄漏的风险。
影响数据资产价值的因素是什么
企业所拥有的数据资产的价值大小受的收益和风险这两个因素影响。数据资产的收益高低由数据资产的质量和应用价值决定。
高质量的数据资产应当具备真实性、完整性、准确性、数据成本、 安全性这五个要素。其中最需要保障的是数据的真实、完整、准确。
虽说因统计数据的算法、规则不同，会产生不同的结果，但如果数据本身就是造假的，便失去了统计分析的意义。
而样本数量过少的数据，容易产生管中窥豹的结果。采集范围越广、完整度越高的数据，价值越高。数据的准确性高则意味着数据库中的异常值、空白值、无效值、重复值少，减少了数据清洗的工作量，从而减少了数据应用的成本。
衡量数据资产收益的第二个标准是应用价值。高应用价值包含稀缺性、时效性、多维性、场景经济性的特性。最显著的是数据的稀缺性。商业竞争的本质是稀缺资源的的争夺。
比如汽车的结构强度、耐撞性与维修经济性指数、车外行人安全指数等数据可以让保险公司分析车辆的事故风险概率，从而相对精准地计算车险保费金额。但这些关键数据却掌握在各大车企中不轻易示人。
中保研汽车碰撞测试
因而在国内，中国保险行业协会牵头八大财产保险公司，入股“中保研”汽车技术研究平台，开展国内汽车市场上各大车型的碰撞测试，并将测试数据整合成“中国保险汽车安全指数”并对外公布。车型安全数据的统计分析，减少了保险行业对车厂数据的依赖，也间接保障了消费者的知情权。这直观反映了稀缺数据的高价值、高应用性。
数据资产的风险主要源自于所在商业环境的法律限制和道德约束。今年8月30日，打出“仅需一张照片，出演天下好戏”口号的ZAO正式版上线，ZAO是一款基于AI技术的换脸App，用户上传自拍或本地图片，即可一键完成视频及表情“换脸”，可出演任何表情包，经典电影、搞笑片段。
上线后引发“换脸”娱乐热潮，但ZAO 可免费使用并修改用户的肖像，还可以将它任意授权给第三方的用户协议，有侵犯用户隐私权的风险而被工信部约谈。
在国外，deepfake换脸技术制作的换脸视频被很多社交平台封杀，推特就发布了首个反deepfake策略草案。2019年7月，美国弗吉尼亚州也发布了禁止deepfake滥用的禁令：未经当事人允许分享他人的裸露视频、照片属于违法行为，无论该照片或视频是真实的还是伪造的。
企业的数据资产在触碰到某项法律条文后，将会大打折扣或无法使用，在违背道德，以侵犯用户隐私的方式搜集用户个人信息，会影响企业的形象和客户关系。
成功的数据资产管理是怎样的
数据资产管理最重要的成功要素之一就是重视组织管理的作用，将责任和权利清晰化，管理型人才和技术型人才都能了解工作内容和数据的标准，确保不产生格式、标准杂乱不一的数据，对信息系统造成干扰，阻碍工作的推进，确保数据规范一致性。因为数据标准是数据资产管理的基础。
在打牢基础的同时，企业需结合实际，引入人工智能、物联网、新一代移动通信等新技术，提高数据挖掘的准确性和效率，节省人力成本。因为企业拥有数据的规模、活性以及收集、运用数据的能力，决定着企业的核心竞争力。
成功的数据资产管理还需着眼业务应用，把数据价值的充分释放出来。数据资产管理能够使管理具流程化、规范化，结合业务应用的数据资产管理不仅使数据保值增值，还将会给企业带来更加巨大的经济效益和社会效益。
结合业务进行数据资产管理时，想快速建立一套完美的数据资产管理体系是很困难的，因为技术是不断更迭的，需要建立一个小步迭代的数据资产管理循环模式。
在管理层面，应建立能让业务人员、技术人员为数据资产管理体系循环换代建言献策的制度。促进开发、技术运营和质量保障部门之间的协同合作，确保数据资产管理系统平台持续、健康地为数据资产管理体系服务。
现在数据被称为数字经济的新石油，虽然石油是一种有限的资源，而数据理论上是无限耐用和可重复使用的资源。但如同20世纪掌握石油资源的组织，对数据资产高效利用的企业将会成为走在时代前沿的开拓者。
参考资料：德勤&阿里研究院《数据资产化之路——数据资产的估值与行业实践》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《数据资产管理实践白皮书（4.0）》
郑重声明：本文版权归原作者所有，转载文章仅为传播更多信息之目的，如作者信息标记有误，请第一时间联系我们修改或删除，多谢。
郑重声明：本文版权归原作者所有，转载文章仅为传播更多信息之目的，如作者信息标记有误，请第一时间联系我们修改或删除，多谢。
微信咨询
