数据资产管理及展望

随着金融机构信息化程度的逐年提高，数据的积累使得其使用与价值创造成为了可能，越来越多的金融机构把数据作为重要内容纳入了“十三五”信息科技规划。数据资产具有可控制、可计量、可变现的特征，数据资产化是实现数据资产的可变现属性。怎样识别数据资产、利用现有的数据资产创造价值，需要金融机构在基础层、数据层、分析层和价值层上完善数据治理体系、完善数据架构、创新数据分析手段，创造数据价值。

数据资产的定义

维克托・迈尔・舍恩伯格在大数据系统研究领域的先河之作《大数据时代》中曾经提到：“虽然数据还没有被列入企业的资产负债表，但这只是一个时间问题”。数据作为银行重要的资产，需要我们重点关注。

资产是指由企业过去经营交易或各项事项形成的，由企业拥有或控制的，预期会给企业带来经济利益的资源。类比资产的定义，数据资产是企业或组织拥有或控制，能带来未来经济利益的数据资源。因此，并不是所有的数据都是资产，只有可控制、可计量、可变现的数据才可能成为资产。其中，实现数据资产的可变现属性，体现数据价值的过程，即称为“数据资产化”。怎样识别数据资产、利用现有的数据资产创造价值，将是金融机构不得不面临的一个课题。

数据资产的属性，主要包括可控制、可计量和可变现。其主要含义如下。

可控制

目前，数据的所有权问题还没有统一的界定。从来源和控制力度来分，数据可以分为两类：一是生产型数据。例如搜索引擎公司对使用其搜索引擎的用户执行各种行为收集、整理和分析。这类数据来源于用户，但控制权和使用权却在企业手中，企业可以自由地最大限度地发挥其商业价值。二是加工型数据，是对于原始生产型数据的再加工与提炼，如金融机构依靠网络爬虫工具、黑客手段、嵌入式渠道入口等获取经过自身加工的数据。此类数据中，数据的使用权经过合法授权的是金融机构可控制的数据资产，如果我们并不能对数据拥有合法的控制权和使用权，则该类数据并不属于合法的数据资产。

可量化

数据要成为资产，必须能够用货币进行可靠的计量。尽管目前大多数企业已经意识到了数据作为资产的可能性，但除了极少数专门以数据交易为主营业务的公司外，其余企业尚无法为准确的量化数据资产，无论是现有的会计分类和科目的设置、资产披露形式、使用寿命与摊销方法等均缺乏合理的设计。

虽然数据尚无法作为资产在企业财务中得到真正的应用，但将数据列入无形资产的收益则不言而喻：例如很多高科技企业都具有较长的投入产出期，如能将其通过交易手段获得的数据，按实际支付价款作为入账价值计入无形资产，则能为企业形成有效税盾，降低企业实际税负。

可变现

资本区别于一般产品的特征在于其不断增值的可能性。因此，如果不能为企业带来经济利益，数据便不能称之为资产。只有能够转化数据并实现增值的企业，其数据才能称为“数据资产”。

以数据资产为核心的商业模式主要有租售数据模式、租售信息模式、数据媒体模式、数据使能模式、数据空间运营模式和大数据技术模式等六种。其中，租售数据模式，主要是出售或出租原始数据；租售信息模式，则是出售或者出租经过整合、提炼、萃取的信息；数字媒体模式主要是通过数字媒体运营商进行精准营销；数据使能模式，其代表性企业诸如阿里巴巴公司，其通过提供大量的金融数据挖掘及分析服务，协助其他行业开展因缺乏数据而难以涉足的新业务，如消费信贷、企业小额贷款业务等；数据空间运营模式主要是出租数据存储空间；大数据技术模式则是针对某类大数据提供专有技术。

同时数据资产的共享性也给使得数据的应用领域和价值成倍越大。然而，做数据资产管理的时候，银行很可能会遇到一系列的问题，如数据架构失控、元数据管理混乱、数据标准缺失、数据质量参差、数据增长无序、数据安全问题突出等。这些问题的核心根源往往在于IT系统变更频繁、积木式迭代，以及烟囱式建设，缺乏企业级的整体架构和整体数据规划。

数据资产管理的四层架构

数据资产管理（Data Asset Management，简称DAM）是规划、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。

在国际上，随着数据管理行业的成熟和发展，数据资产管理作为一门专业管理领域逐渐被人们广泛研究和总结。国外一些数据资产领域的专家和学者成立了数据资产管理专业论坛和组织―国际数据管理协会（DAMA International），并总结了数据资产管理相关理论指导体系 DAMA―DMBOK。根据其经典理论，数据资产管理一般包括：（1）数据治理，（2）数据架构，（3）数据开发，（4）数据操作管理，（5）数据安全管理，（6）主数据管理，（7）数据仓库和商务智能管理，（8）文档和内容管理，（9）元数据管理，（10）数据质量管理等十大数据管理职能。

按照数据的生命周期，可以将数据资产管理划分为基础层、数据层、分析层和价值层共四层架构体系。其中，基础层着重于基础架构和设置，包含数据仓库和商务智能管理、数据安全管理等；数据层着重于数据获取，质量和标准，包含数据治理、数据架构、参考数据和主数据管理、元数据管理、数据质量管理等；分析层着重于数据挖掘、建模与分析数据开发，包含数据操作管理和数据分析等；价值层则是数据资产管理的最高层，是数据为企业创造价值、促进生产、提高业务经营效果和企业战略的最终解决方案。

价值导向的数据应用

在大数据时代下，价值导向的数据应用是企业级数据资产变现架构的核心。基于数据资产管理的四层架构，金融机构可以有效地开发、使用不同数据，拓展数据应用领域，通过充分释放数据的价值帮助企业提升市场竞争力。以价值为导向，指的是企业需要识别其在各个管理及业务领域的需求，包括战略规划、经营效率、风险管理、合规内审等方方面面，并确立数据类别和数据需求，以及相应的模型分析、基础架构的需求。