引言
2020年4月，中共中央、國務院發布《關于構建更加完善的要素市場化配置體制機制的意見》，正式將“數據”作為一種新型的生產要素寫入文件，并明確提出了加快培育數據要素市場發展的策略。數據要素市場化配置上升為國家戰略，其重要性進一步凸顯。數據資產是企業數字化轉型的重要載體，而基于數據驅動的數據資產運營是企業數字化轉型成功與否的關鍵。
數據資產運營的核心目標是實現以價值為導向的持續運營能力提升，其關鍵在于補全數據資產價值評估環節，多維量化分析企業數字資產價值并為企業數據資產價值運營決策提供支持，真正意義上的做到數據資產運營的價值閉環，有效盤活數據資產價值。

— 01 —
基于數據驅動的數據資產運營是企業數字化轉型的基石
數據資產是企業數字化轉型的重要載體，基于數據驅動的數據資產運營是企業數字化轉型的基石。以銀行業為例，銀行業是數據密集型行業，麥肯錫的一份研究顯示，銀行業在大數據價值潛力指數中排名第一。大數據在銀行業具有廣闊的應用場景，覆蓋精準營銷、風險防控、業務經營、服務創新和產品升級等多方面。諸多銀行已經建立起較為全面的數據治理體系，構建了一湖兩庫、數據中臺、大數據平臺等一系列數據資產管理和應用平臺。數字化轉型的核心是模式的改變和升級，數據已經成為銀行發展的核心競爭要素。
基于數據驅動閉環的數據資產運營，能夠幫助企業達到三個“有”的目標：數據資產價值有據可查、數據資產運營有方向感、數字化轉型有保障。

— 02 —
構建數據驅動閉環的數據資產運營關鍵在于補全評估環節
目前企業在數據資產運營方面，更多地停留在初級認知階段，開展了一系列的數據傳輸、存儲、管理、應用等能力建設，但正如管理學大師彼得·德魯克所言：“If you can't measure it, you can't manage it.”，數據資產運營管理的關鍵在于補全數據資產價值評估環節。
以標簽類資產為例，某銀行構建了近千個客戶標簽，開發完成后發現有大量客戶其標簽取值為空，有些標簽剛開始應用時業務部門較為歡迎，但此后業務部門發現由于標簽應用帶來的業務價值有限，標簽應用逐漸減少，還有些客戶標簽取值的更新策略設置不及時，導致客戶標簽的更新落后于客戶的實際情況。標簽到底帶來了多少業務價值？哪些標簽的業務價值大？銀行需要對標簽帶來的業務價值進行衡量，大部分銀行都沒有實現對標簽價值衡量，無法實現標簽的全生命周期管理。

— 03 —
以體現數據資產價值的不同維度和指標為基礎計算數據資產價值
數據資產的價值衡量方法有很多，中國信息通信研究院《數據資產管理實踐白皮書》中，將數據價值評估的緯度分為數據成本評估、數據價值評估兩大類，其中成本評估包括采集成本、存儲成本、計算成本、運維成本等四類，價值評估包括活性評估、質量評估、稀缺性評估、時效性評估以及經濟性評估等五類。同時，國外知名研究機構Gartner將數據的價值分為特性價值、市場價值、經濟價值、業務價值、績效價值、成本價值等六個緯度。


盡管從分類上不同研究機構存在一定程度上的差異，但是可以看到數據資產價值的評估緯度趨同，總體可以歸納為特性、收益、費用三個宏觀視角。因此，對于企業而言，數據資產的價值評估是可以結合數據資產應用場景和范圍，通過收益指標如經濟性、活性，特性指標如質量、時效性、稀缺性，費用指標如購買成本、維護成本等緯度開展價值評估工作。

— 04 —
制定差異化的數據資產價值評估策略
企業數據資產按照使用場景可以分為內部基礎數據類、外采數據類、標簽/指標類、算法模型類以及知識/策略庫類等，結合不同數據資產的適用場景和特性差異，企業需要制定差異化的價值評估方法。如對標簽/指標類數據資產重點從業務成效的角度評估經濟性、活性和時效性等價值，算法模型類數據資產除了經濟性和活性評估之外，還需要對模型算法的精準度、有效性等質量指標進行重點評估，而對于動輒每年百萬或千萬級別采購的外采數據類資產則需要特別關注成本評估及經濟性評估。

— 05 —
形成定量化、可追溯的數據資產價值評估方法
在數字資產價值評估方面一直存在兩方面的痛點。一方面，目前企業開展的數據資產價值評估實踐大多以定性評估為主，較難做到精準量化。另一方面，很多開始嘗試資產價值量化評估的企業，其資產價值評價結果存在認知黑盒，數據運營管理決策層無法追根溯源，較難全面、審慎地進行數據決策。
我們整合業內專家就定量模型算法進行了理論研究和案例實踐，有效地解決了上述兩大痛點。首先在定量評估方面，構建“基礎指標、匯總指標、綜合指標”三層指標體系用于精準量化數據資產的價值。每一層的指標又可分為活性指標、經濟性指標等。活性指標如模型調用次數、日使用次數、日使用系統數等。經濟性指標與業務場景相結合、從業務成效出發衡量最實質的數據經濟價值，如客戶資產規模增加、客戶體驗提升、業務交易量/交易額增加以及損失金額的減少等。

其次，“基礎指標、匯總指標、綜合指標”三層的數據加工流向是：從已有系統中提取和加工基礎指標、從基礎指標加工出匯總指標、然后為全面描述資產價值引入權重并加工出綜合指標。完全實現從綜合指標穿透到匯總指標、基礎指標直至現有系統的場景，使得數據資產價值的取值有源可查、有據可查。針對行業的不同，我們定義了一系列的基礎指標、匯總指標和綜合指標體系。

— 06 —
依據價值評估構建數據資產價值決策鏈，輔助運營決策
我們根據數據價值評價維度與業務價值的相關性程度以及維度之間的相關關系，構建了數據資產價值決策鏈。該價值決策鏈通過經濟性和活性表現定義場景，引入時效性和質量維度形成決策表，參考稀缺性調整決策，最后平衡成本因素形成最終決策建議。

決策鏈不僅要生成決策建議，更重要的是關注決策的執行和結果反饋。數據治理的核心主體包括數據擁有者（通常是各業務部門）、數據管理者（通常是數據管理部門）以及數據維護者（通常是IT部門）。相應地，數據資產運營絕不僅是數據管理部門的任務，IT部門和業務部門同樣承擔著重要的責任。不同決策建議下各部門間均需要明確各自任務并貫徹執行，這樣才能達到真正意義上的數據資產共建、共享、共贏。

— 07 —
使用數字孿生技術構建數據資產運營管理平臺
很多企業已構建起不同程度的數據管理架構體系，并且已經結合業務場景做了許多的數據應用實踐，數據管理及應用初具規模。數據資產運營一定要建立在不侵入現有數據架構、不影響業務應用的前提下，才能避免自身引起的資源浪費、產生最大的能效。那么如何做到呢？數字孿生技術是一個很好的答案。利用數字孿生技術能夠將企業內部現有數據架構進行虛擬刻畫，并基于數據仿真模型開展價值評估工作，既保證數據價值評估的實時性與準確性，同時對企業現有的數據架構或信息系統不產生任何影響。
依據數字孿生的理念和技術，在“不影響現有的IT架構、不影響現有的數據結構、不影響現有的業務系統”的前提下，我們構建了數據資產運營管理平臺，快速實施數據資產孿生模型的構建、數據收集、價值評估、決策建議的工作。