1.3 數據資產運營框架

正如前文所述，數字經濟正在迅速發展，數據已成為推動經濟發展的關鍵要素之一。政府和企業都越來越認識到數據資產的價值，并積極投入到數據資產運營工作中。數據資產運營的制度體系、法律體系、標準體系在逐步成熟，數據資產運營的實踐和方法論體系也將得到進一步發展。

數據資產運營框架是一個涉及多領域協同的復雜框架體系，它不僅要求企業在戰略層面有清晰的規劃，還需要在執行層面實現各個組成部分的有效協同。我們認為數據資產運營框架由數據戰略模塊、核心運營模塊、基礎支持模塊三部分組成，如圖1-3所示。

●數據戰略模塊的重點是數據戰略的執行和運營，它體現了數據戰略作為企業戰略的核心組成部分，在數據確權和合規體系的支撐下，為整個數據資產運營的核心運營模塊提供指導。

●核心運營模塊包括數據資源化、數據產品化、數據資產化3個功能組的運營。

●基礎支持模塊的重點是企業數據素養，包括數據人才、數據技術、數據平臺和數據安全4個功能組的運營。

1.3.1 數據戰略模塊

數據戰略處于數據資產運營框架的頂層位置，它一方面承接和轉化企業業務戰略對數據的訴求，另一方面指導著整個數據資產運營體系的執行。

數據戰略不只關注數據資產運營的短期目標，更重要的是指導著數據資產運營的全局性、長遠性的關鍵決策。在數字時代，數據資產管理水平往往決定著一家企業的核心競爭力。實現數據價值的最大化，不僅能夠驅動企業業務增長、優化企業經營，更是提升企業洞察力和決策能力的基礎。因此，制定一個明確的數據戰略是非常重要的，它決定了企業在數據資產領域的技術投資方向和資源布局，決定了企業數據治理體系和數據產品體系的具體行動策略，決定了建立數據驅動文化和提高企業數據素養的方式。

我們需要為數據戰略設定一個具體和可衡量的目標，例如通過數據匯聚不斷提升企業的數據資源規模，通過數據治理體系不斷提升企業的數據質量，通過數據產品不斷賦能內部業務經營和外部流通交易，通過數據管理體系讓企業數據資產更合規、更安全，通過培訓和實踐體系不斷提升數據人才能力和組織數據素養。

DAMA（國際數據管理協會）的知識體系曾經提到制定數據戰略的七要素，即數據愿景、數據文化、業務場景、數據能力、數據底座、數據組織、實施路線圖。而在數據資產化趨勢下，數據戰略還要在DAMA之前的思考范圍中增加一個重要使命—指導數據資產運營的方向。當然，這與DAMA提出的數據戰略實施“Y型路徑”并不矛盾，只是在業務需求側，除了內部業務需求之外，還增加了數據資產化和數據產品化方向的業務需求，這將極大豐富數據的業務需求內涵，提升企業數據資產運營的能力。

數據戰略的實施更為關鍵，這需要我們制定詳細的路線圖，明確實現數據愿景和目標的步驟、時間表和關鍵里程碑，明確實現數據目標所需的資源（包括資金、技術和人力），指定責任人，建立監測機制并定期評估數據戰略的實施效果，以確保目標的實現。

1.3.2 核心運營模塊

1.數據資源化

數據資源化是數據資產運營的基礎，它主要是通過標準化、結構化的方式處理原始數據，整合出高質量、有潛力的數據。這一過程使得無序、混亂的數據轉變為有序的“數據集合”，并為后續的數據資產化運營奠定基礎。數據資源化有助于數據的可采、可見、可信、標準、互通，從而實現數據的有效管理、存儲和共享。只有經過治理的高質量數據資源，才能夠激發數據驅動的業務洞察和創新，促進優化運營效率，開發出有價值的數據產品。

企業數字化轉型的過程即產業數字化的過程，產業數字化不僅是技術層面的更新，更是對傳統產業進行全方位、全角度、全鏈路的變革，釋放數據對實體產業的發展放大、疊加、倍增的作用和價值。產業數字化是當前經濟發展的核心趨勢之一，如何通過云計算、大數據、人工智能等新一代數字技術實現降本增效創收，是全球企業都在探索和實踐的課題。推動產業數字化是數據資源化的前提，產業數字化過程為企業提供了源源不斷的數據資源，這也是企業數據資源逐步積累形成的過程。

數據資源化運營過程有以下幾個關鍵步驟。

（1）數據匯聚

企業要特別重視在合法合規的前提下，匯聚來自不同源頭的數據，包括來自內部系統、外部合作伙伴、公共數據集的數據，以及從數據交易場所或第三方數據服務商購買的數據等。這些數據包括結構化數據、半結構化數據和非結構化數據。

數據匯聚的常見方法如下：

●批量匯聚：定期將數據從各種源系統復制到一個中央數據倉庫中，通常通過批量處理作業的方式完成。

●實時匯聚：通過實時或近實時的方式，不斷將數據源的變化同步到中央系統。

●基于事件的匯聚：通過特定事件觸發數據的匯聚動作，如交易完成時同步數據。

●數據聯邦：數據留在源系統中，通過查詢跨多個系統匯聚數據，提供一個統一的數據視圖。

●ETL匯聚：這是一種經典的數據匯聚方式，從源系統提取數據、轉換數據格式和清洗數據，然后加載到目標數據倉庫中。

（2）數據加工

數據加工是一個復雜的數據處理過程，包括數據清洗、數據轉換、數據整合、數據建模和分析等環節。

●數據清洗：首先要檢查數據的準確性和完整性，然后填補缺失的數據，刪除錯誤和不一致的數據，去除數據噪聲，識別和刪除重復的數據，確保數據遵循業務規則和數據模型的設計原則。

●數據轉換：數據的標準化、歸一化、離散化處理，將數據轉換成統一的格式，甚至基于現有特征創建新的特征。

●數據整合：構建數據倉庫來存儲從不同來源匯聚來的數據，建立數據湖來支持非結構化和半結構化數據的存儲與分析。

●數據建模和分析：包括描述性分析、診斷性分析、預測性分析、指導性分析等。

（3）資源目錄

資源目錄是以數據湖倉或者數據平臺為基礎，以元數據為核心，建立起來的組織內外部數據資源的索引和描述。它有助于我們對數據資產進行更加透明的管理和利用，提高數據的可發現性、可訪問性和可用性。資源目錄一般包括以下內容：

●數據元信息：描述數據的基本信息，如數據的名稱、來源、類型、大小、創建時間、更新頻率等。

●數據質量信息：包含數據的準確性、完整性、一致性、可靠性等質量指標。

●數據所有者和責任人：記錄數據的所有者、責任人和聯系方式，確保數據的管理和使用有明確的責任歸屬。

●數據訪問和使用規則：包括數據的訪問權限、共享政策、使用限制和合規要求等。

●數據血緣：描述數據的來源、流經路徑及被轉換和使用的過程。

（4）數據治理體系

數據治理體系是一套確保數據質量、合規性和有效利用的管理機制。我們認為，卓越的數據治理體系應具備三個特點：其一，確保與業務體系的一致性；其二，做好了變革和協作的準備；其三，可以基于數據管理成熟度進行規范和度量。實施數據治理至少應包括以下三個方面：

●數據治理組織體系；

●數據治理流程和制度體系；

●數據治理執行體系。

很多企業做了數據治理的咨詢項目或者啟動了數據治理工程，但最終成效甚微，主要原因是執行體系不到位。

1）數據治理組織體系：數據治理組織扮演著制定數據治理策略和監督實施的角色，有效的組織體系能夠確保數據治理活動的執行。例如：設置數據治理委員會，由其負責制定數據治理的高層策略和指導原則；設置數據管理辦公室（Data Management Office，DMO），由其負責日常數據治理的執行和協調，DMO通常由首席數據官來領導。當然在這個組織體系中，也要設立數據管理員（Data Steward）、數據所有者（Data Owner）等崗位和成員。

2）數據治理流程和制度體系：數據治理流程和制度體系是數據治理體系的重要組成部分，是組織內部為了確保數據質量、安全性、合規性以及有效利用而建立的一系列規范和程序，其建立和維護是一個動態的過程，需要組織內部不同部門的協作。這些流程和體系通常包含以下幾個關鍵組成部分：

●明確數據治理策略。在明確數據治理組織的基礎上，定義組織的數據治理目標、原則和范圍，確定數據治理的角色和責任。

●明確數據標準和數據質量。闡述數據格式、命名規則、編碼標準等數據標準，以及確保數據的準確性、完整性和一致性等數據質量的控制流程。

●明確數據生命周期的治理要求。說明從數據的創建、存儲、使用、共享、歸檔到銷毀等不同階段的治理要求。

●明確安全合規要求。制定數據安全政策，保護數據免受未授權訪問、泄露或破壞；遵守數據相關的法律、法規、標準，確保數據的合法收集和使用。

●明確數據訪問權限。制定數據訪問策略，根據用戶的角色和需求分配數據訪問權限；實施權限控制機制，確保數據的安全訪問。

●明確數據治理流程。制定數據治理的具體流程，包括數據問題解決、數據質量改進、數據審計等，確保數據治理活動有序進行。

●明確數據治理績效和評估。定期評估數據治理的效果，包括數據質量、數據使用效率等，并根據評估結果調整和持續改進數據治理策略。

3）數據治理執行體系：數據治理執行體系是數據治理過程中決定成敗的部分。它包括對數據治理相關人才的培養，提供先進的數據治理工具和技術，推動數據質量改進、數據分類、數據清理和數據維護等日常數據治理活動的有序進行。定期檢查數據治理活動的效果、報告數據治理的進展也是很有必要的。

2.數據產品化

數據產品化主要是指將數據資源轉化為可供內部或外部客戶使用的數據產品的過程，是數據資源創造價值中最為重要的環節。數據產品化是本書論述的核心，本書第二篇將系統介紹數據產品的開發策略、設計方法、開發方法、運營方法，第三篇將從數據產品、數據要素型企業、數商型企業多個視角深度闡述數據產品開發的實踐案例。

數據產品化是數字產業化的重要抓手，無論是在企業內部實現數據驅動，還是對外提供數據服務、實現數據的流通交易，核心載體都是數據產品。數字產業化也是促進數據產品化的重要技術支撐和市場基礎，有助于構建企業完整的數據產品體系，推進數據要素×應用場景的落地。

（1）數據產品的分類維度

1）從數據轉化過程的角度劃分：從數據轉化過程的角度，依據DIKW模型可以將數據產品分為數據類、信息類、知識類、智慧類4種類型，如表1-2所示。

2）從用戶獲取數據產品服務方式的角度劃分：從用戶獲取數據產品服務方式的角度，可以將數據產品分為資源型、服務型、工具型3種類型，如表1-3所示。每種類型的數據產品為用戶提供不同層次的價值，并要求用戶有不同程度的參與和操作。資源型數據產品適用于那些希望獲得數據并自行分析的用戶；工具型數據產品適用于那些希望參與數據處理過程但不希望編寫代碼的用戶；服務型數據產品則適用于那些期望直接獲得答案或見解，不愿意或無須了解背后數據處理細節的用戶。這樣的分類有助于提供更有針對性的解決方案，更好地滿足不同客戶的需求。

3）從應用場景的角度劃分：從應用場景的角度，可以將數據產品分為企業級、行業級、領域級3種類型，如表1-4所示。不同應用場景的考慮因素、功能需求、用戶群體可能有很大差別。

（2）數據產品化的關鍵要素

數據產品化是指將數據轉化為產品或服務，以滿足用戶需求并創造商業價值。第8章將以一家金融科技企業為例，闡述其在數據產品開發領域的最佳實踐。我們認為，在數據產品化的過程中，有5個關鍵要素需要著重考慮和實施，以確保數據產品的成功和可持續發展。

1）數據產品原料：在數據產品化的過程中，首先要確保數據產品原料的質量，高質量的數據產品原料應具備準確性、完整性、一致性、及時性和可信度等特征；其次必須確保數據產品原料遵守相關的數據保護法規和隱私政策，這包括數據來源、數據內容、數據處理及數據管理的合規等多個方面。數據產品原料是數據資源化的成果，第2章將對數據資源治理進行詳細描述。

2）數據產品策略：采取卓有成效的數據產品策略是數據產品化的基礎。第4章將基于高速動車組模型深入闡述價值牽引、場景驅動、合規支撐三大策略。價值牽引是動車組的“操控手柄”，代表數據產品開發以價值為導向；場景驅動是動車組的“動力引擎”，代表數據產品開發的動力來源于特定用戶在特定場景的特定需求；合規支撐是動車組的“無砟軌道”，代表數據產品開發必須在合法合規的基礎上進行。例如找到能夠釋放數據價值的實際應用場景是數據產品化的關鍵要素之一，應用場景要切換到合適的顆粒度，場景越聚焦越有助于定義問題和痛點，也越有利于提升用戶體驗。

3）數據產品設計：數據產品設計是數據產品化的核心。第5章創新性地提出“場景設計、價值設計、構件設計、交付與運營、安全合規設計”的數據產品設計五步法。這一方法論以用戶為中心，強調場景驅動和價值導向，力求在每一個設計環節中都能體現數據產品化的應用價值。

4）數據產品開發：數據產品開發既是一個數據產品化價值形成的過程，也是一個持續迭代和優化的過程。第6章將從數據產品開發全景圖出發，描述關鍵技術、數據平臺、開發策略等數據產品開發基礎，說明分別基于數據倉庫、數據平臺、DataOps的3種數據開發方式，重點闡述資源型、服務型、智能化等不同類型數據產品的開發方法。

5）數據產品運營：數據產品運營將在第7章中闡述。在這個階段，數據產品的發布和推廣、用戶反饋的收集、產品功能迭代和維護、產品的定價和收益分析、對應的培訓等看似基礎性的工作，卻是決定著數據產品化成功與否的關鍵環節。數據產品既強調場景驅動，也強調運營驅動，我們認為構建增長飛輪和客戶成功體系至關重要。

此外，聚焦數據產品的價值釋放和變現，圍繞數據產品的商品化、資本化，本書第四篇將展開對數據產品經營的介紹，與上述數據產品化關鍵要素一起，共同詮釋數據產品全生命周期的價值增長和變現路線。

（3）數據產品體系

構建數據產品體系，可以從兩個維度來思考，側重點有所不同。

第一，數據要素型企業的數據產品體系。

數據要素型企業是指以數據作為關鍵生產要素，通過對企業生產經營過程中產生的數據進行開發利用，提升企業自身的生產經營能力、實現數據要素價值充分釋放的主體。數據要素型企業往往持有大量有價值的數據資源，其數據產品通常包括兩部分：首先，聚焦于數據資源的收集、處理、存儲、安全以及外部數據資源的購買，通過數據產品對數據資源的開發利用，賦能主營業務的經營決策和降本增效；其次，通過數據資產化實現數據資產的保值增值，例如開發可以對外流通交易的數據產品。第9章將以兩個數據要素型企業為例，全面講述其數據產品體系的實踐。

第二，數據服務商（也稱為數商型企業）的數據產品體系。

數據服務商是指以助力實現數據要素價值釋放作為核心能力，提供各類數據產品服務、數據技術服務和其他第三方專業服務的經濟主體。數據服務商一般專注于數據資產運營相關的服務，例如進行數據處理、提供數據開發工具、提供數據服務等。數據服務商既可以面向數據要素型企業提供服務，也可以合法采購并利用數據資源開發出各種數據產品和服務，以實現商業化目標。數據服務商的數據產品體系需要建立更為嚴格的數據安全和隱私保護機制，以確保客戶數據的安全，建立數據產品服務的長期穩定的信任關系。第10章將以兩個數據服務商為例，講述數據服務商在數據產品體系上的探索和實踐。

如表1-5所示，數據產品體系設計可以從6個方面展開：

1）產品定位：數據產品體系首先要對數據產品進行定位。對于數據要素型企業來說，數據產品主要服務于內部業務需求，同時也可能對外進行數據流通和交易。而數據服務商與數據要素型企業不同，它主要專注于對外提供數據產品和相關服務。產品定位上的差異，會影響兩者采取不同的產品開發策略和產品管理方式。

2）產品組合：數據要素型企業的數據產品往往是資源型和服務型產品，更側重于數據產品與其他內部系統的集成能力。數據服務商的數據產品則包含資源型、服務型和工具型3種類型，且更需要數據產品具有完整閉環能力和集成能力，同時更注重技術的通用性和適應性，以便為不同客戶提供服務。

3）產品服務：數據要素型企業的數據產品要與企業的主營業務深度融合，所以更傾向于私有化部署和支持定制化。而數據服務商則更傾向于提供標準化的產品服務，并通過公有云的方式實現低成本的快速交付，對于數據產品的安全性、靈活性、快速響應能力有更高的要求。

4）產品運營：數據要素型企業的數據產品運營更多聚焦于內部用戶的產品服務閉環，確保產品在組織內部形成有效的使用和反饋機制。數據服務商要建立數據產品的核心競爭力，就必須建立起數據產品的客戶成功體系，確保客戶能夠有效使用數據產品并持續實現價值。

5）產品創新迭代：任何數據產品都需要保持對數據智能相關技術的持續跟蹤和創新，保持新技術的快速升級，以適應市場變化和用戶需求。數據產品團隊要保持對數據技術的研究，跟蹤最新的數據科學、人工智能和機器學習算法，探索它們在數據產品中的應用潛力，并通過技術創新的機制和文化來驅動數據產品創新，也可以通過跨界合作、聯合創新等方式實現數據產品的迭代。但需要保持一定的風險意識，提高技術創新的價值，降低技術創新的成本。

6）產品合規遵從：數據要素型企業一般比較注重數據質量、安全合規和倫理標準，確保數據處理和使用的合法性和道德性。而數據服務商往往會處理來自不同客戶的數據，因而需要更加關注數據安全和隱私保護的風險，這需要其投入更多的資源來構建數據產品的隱私和安全防護措施。

3.數據資產化

數據資產化是數據資產運營的核心，它通過將數據與勞動力、資本、技術等其他生產要素結合，實現數據的商業價值和社會價值。數據資產化使得數據成為一種可以量化、可以變現的資產，為企業帶來直接的經濟利益，并在財務報表中體現其價值。第12章將對數據資產運營展開詳細論述。

數據資產化是一個多維度、跨學科的領域，涉及法律、經濟、技術等多個方面。截至目前，數據資產化的方法體系包括數據產品流通交易、數據資源入表、數據資產價值評估、數據資產融資授信、數據資產作價入股，以及數據資本創新等。

（1）數據產品流通交易

數據產品流通交易是數據要素市場化配置的關鍵環節，涉及將數據作為商品或服務在市場參與者之間進行交換，也是數據資產化的過程。數據產品流通交易的前提是對數據產品擁有相應的權利并確保其合法合規性。數據產品的流通交易是一個生態體系，包括數據交易場所、數據服務商、第三方專業服務機構等。

數據交易場所作為第三方，通過提供新型交易技術和固定數據交易證據等方式增進買賣雙方的信任，減少爭議，從而最大限度地發現數據的公允價值。同時，數據交易場所便于追溯和監管，具有場外交易不可比擬的優勢。

數據服務商作為數據要素價值的發現者和賦能者，為數據交易雙方提供數據產品開發、發布、承銷，以及數據資產的合規化、標準化、增值化服務。

第三方專業服務機構為數據產品交易提供評估認證、安全保障等服務，包括數據經紀、合規認證、安全審計、數據公證、數據保險、數據托管、資產評估、爭議仲裁、風險評估、人才培訓等。

在數據產品流通交易的過程中，還需要構建起全國互聯互通的數據市場和數據基礎設施，以支撐數據、算法、算力等核心資源的一體化流通，為場內集中交易和場外分散交易提供低成本、高效率、可信賴的流通環境。第11章將從數據交易市場、數據產品交易模式、數據產品交易技術以及數據產品交易平臺4個方面進行詳細描述。

（2）數據資源入表

財政部印發《企業數據資源相關會計處理暫行規定》，為數據資源作為企業的資產在財務報表中體現提供了重要指引。企業數據資源入表也是數據資產化的過程，這個過程通常包括以下幾個步驟：

1）數據資源盤點：數據資源盤點即數據資源的識別與分類。首先確定哪些數據資源可以作為資產入表，這將基于會計準則中對資產的定義進行確認；再根據數據資源的特性和用途，將其分類為無形資產、存貨或其他適合的會計科目。

2）合規性與確權：企業需要明確數據資源的所有權和使用權，確保其對數據資源擁有合法的控制權，以及確保數據資源在收集、存儲、處理和使用過程中符合相關法律法規，特別是數據隱私保護等法規。

3）數據資源的評估與計量：對數據資源的評估可以分成兩個部分，一個是質量評估，另一個是價值評估，但評估一般并不作為數據資源入表的必要環節。數據資源成本的可靠計量是入表的必要環節，目前主要通過成本法來確定數據資源在財務報表中的賬面價值。

4）數據資源的會計處理：根據企業會計準則，對滿足資產確認條件的數據資源進行初始確認，對已確認的數據資源進行攤銷、減值測試等后續計量。

5）數據資源的披露：企業應根據會計準則和監管要求，在財務報表中披露數據資源的相關信息。除了滿足披露要求外，企業還可以根據實際情況自愿披露更多關于數據資源的信息，以增強企業數據資源的透明度和投資者信心。

（3）數據資產價值評估

數據資產價值評估是對數據資產的經濟價值進行量化分析的過程，是數據資產化過程中的一個重要環節。根據中國資產評估協會發布的《數據資產評估指導意見》，目前主要的數據資產價值評估方法包括成本法、收益法、市場法以及相關的衍生評估方法。

1）成本法：成本法是一種基于數據資產的生命周期成本來估算其價值的方法。它考慮了從數據采集、存儲、處理、分析到維護等各個階段的成本，通常適用于數據資產的初始價值評估，尤其是在數據資產沒有明顯市場價值或者收益模式不明確的情況下。

2）收益法：收益法是一種基于對數據資產未來收益的預測來估算其價值的方法。它假設數據資產的價值取決于其未來能夠為所有者帶來的經濟利益，通常適用于那些能夠直接或間接產生經濟收益的數據資產，如數據驅動的產品和服務、數據支持的決策優化等。

3）市場法：市場法是一種基于市場上類似數據資產的交易價格來估算目標數據資產價值的方法。它假設在自由市場條件下類似資產的交易價格可以作為評估參考，通常適用于那些在市場上有明確交易記錄和可比性的數據資產。

（4）數據資產融資授信

數據資產融資授信是指使用數據資產作為擔保或信用基礎來獲取融資的過程。數據資產融資授信屬于一種新興的金融服務模式，與傳統的以實物資產或信用為基礎的融資方式不同，數據資產融資更側重于數據的潛在經濟價值。一些以數據為驅動的數據服務商（例如大數據服務企業、互聯網平臺企業等），以及數據要素型企業（例如金融、醫療、電信等行業企業）本身業務經營過程中就會產生大量高價值數據，更有可能進行數據資產融資授信。

從操作流程上來看，一般先由專業的資產評估機構來對數據資產的價值進行評估，可能采用成本法、收益法或市場法等，然后對數據資產的潛在風險進行評估。基于數據資產評估和風險評估的結果，金融機構決定是否授信以及授信額度。截至目前，已有大量通過數據資產獲得融資的案例，其授信額度一般在500萬～1000萬元人民幣。

（5）數據資產作價入股

數據資產作價入股指股東將合法擁有的數據資產經過評估后作價，以此作為出資，投入到企業中作為股份的一種方式。這種方式體現了數據資產的經濟價值，并允許其作為企業資本的一部分。

數據資產作為非貨幣財產出資入股，需要滿足會計準則中對資產的定義。能夠作價入股的數據資產應是企業合法擁有或控制的，預期能帶來經濟利益的數據資源，并且數據資產價值要能夠通過某種方法進行貨幣化評估，數據資產的全生命周期合法合規，權屬清晰。據新浪財經報道，在“2023智能要素流通論壇暨第三屆DataX大會”上，青島華通智能科技研究院有限公司、青島北岸數字科技集團有限公司、翼方健數（山東）信息科技有限公司三方舉行了數據資產作價投資入股簽約儀式，約定青島華通智能科技研究院有限公司把基于醫療數據開發的數據保險箱（醫療）產品，以作價100萬元入股的方式，與青島北岸數字科技集團有限公司、翼方健數（山東）信息科技有限公司組建成立新公司。

（6）數據資本創新

數據不僅僅是信息載體，它已經逐漸具備資產屬性，并蛻變為一種資本。數據資本的核心在于通過金融創新和技術手段，有效利用數據資產，將其轉化為具有實際經濟價值的資本，并在資本市場上實現保值、增值與流通。在數據資本化的過程中，數據不再只是資源或產品，還成為可以交易、投資、增值的重要經濟要素。數據資本的核心在于實現數據的可量化和可貨幣化，使其具備經濟價值并推動企業業務增長。

第13章將從數據資本的概念開始，全面剖析數據資本化的過程，探討數據資本估值、數據資產并購、市值管理、數據投行、數據資產通證化和證券化等前沿話題。

1.3.3 基礎支持模塊

數據素養是企業數據資產運營的基礎支持，這里指的是企業在數據領域所擁有的4項核心能力，包括數據人才、數據技術、數據平臺和數據安全。只有建立健全的數據素養體系，不斷提升企業在數據領域的基礎能力，才能更好地實現數據資產運營的價值最大化，推動企業持續發展和創新。

1.數據人才能力

在數據資產運營過程中，企業需要擁有具備數據素養和專業技能的數據人才團隊。通過培養和招聘具備數據分析、數據挖掘、數據科學等專業技能的人才，企業可以更好地挖掘和利用數據，推動數據驅動的業務發展，實現企業的數字化轉型和創新發展。

2.數據技術能力

在數據資產運營過程中，企業需要具備先進的數據技術能力，并通過掌握最新的數據技術工具和方法，更高效地管理和利用數據，實現數據驅動的業務決策和創新。例如：數據采集技術，能有效、準確地收集不同來源和格式的數據；數據存儲技術，采用合適的數據庫和存儲解決方案，確保數據的可訪問性和持久性，以及具有一定的成本優勢；數據處理技術，進行數據清洗、轉換、整合等操作，以提高數據質量；數據挖掘技術，運用統計學、機器學習等方法對數據進行深入分析，挖掘數據的潛在價值；數據可視化技術，將復雜數據轉換為直觀的圖表和報告，幫助理解數據和做出決策。

3.數據平臺能力

在數據資產運營過程中，企業需要一個強大的數據平臺，包括數據倉庫、數據湖、數據集市和數據可視化等組件。通過建設統一的數據平臺，企業可以實現數據的集中管理和共享，提升數據的可訪問性和可用性，支持企業各部門的數據需求和業務應用。同時，一個強大的數據平臺還應具備良好的可擴展性，支持多種數據格式和協議，具備異構數據資源集成能力、易于用戶使用的數據民主化能力等，有的數據平臺還具有DataOps能力。

4.數據安全能力

企業在數據資產運營過程中，需要特別重視數據安全，在數據收集、存儲、傳輸和使用過程中確保數據的機密性、完整性和可靠性。建立健全數據安全策略和控制措施，做到有效防范數據的未授權訪問、泄露、篡改或丟失，并形成數據備份和恢復、數據監控和安全審計等能力，可以有效提升企業在數據資產安全方面的風險防范水平。

數據素養的提升是一個持續的過程，需要企業在戰略層面給予重視，并在組織文化、技術工具、培訓資源等多方面進行投入和支持。通過提升自身數據素養，企業可以更好地開展數據資產運營工作。