从“资源”到“资产” 用数据资产管理解锁数据新价值

从“资源”到“资产”

用数据资产管理解锁数据新价值

□盘和林

日前，《南方电网公司数据资产管理体系建设研究报告》（以下简称《研究报告》）在广州通过评审。《研究报告》在基于国际数据管理协会（DAMA）发布的DM-BOK和国家数据管理能力成熟度模型（DCMM）的数据管理体系的基础上，首次提出了“责权利、量本利”的指导思想与策略路径，率先构建了基于数据要素化、资产化特征的数据资产管理体系框架并推动落地。

具体来看，这套数据资产管理体系框架以数据价值再挖掘为目标，以数据资产管理的“定责、确权、享利”和“拓量、优本、创利”为主线，围绕数据资产的全生命周期管理展开，定义了一套环环相扣、务实可行的管理体系。具体包括数据战略、数据治理、数据运营、数据流通四大管理职能模块，以及外部协同、组织机制、技术支撑三个支撑模块，具备较好的协同性、开放性和扩展性。

这是供电企业在数据管理方面的一次重大突破，也是在电网数字化、企业数字化、服务数字化和产业数字化推动下的必然产物。南方电网公司此次实践和探索具有一定开创性，对于引领企业从“资源”到“资产”的数据管理观念转变，促进企业数据资产管理优化具有较好的引领性和示范性。

尤其值得一提的是，《研究报告》中还提及了下一步的重点内容与实施路径，对未来3年数字资产管理的实施路径和即将开展的19项重点任务进行了具体规划，对数据资产化、价值化乃至数据资产流通做更为具体的实践探索，从而为我国能源数据资产化积累宝贵经验。不过，应该指出的是，由于全国乃至全球数据资产的应用渠道和管理手段总体尚处于探索阶段，在此过程中仍会不可避免的面对一些难题，数据资产管理的常态化、规范化和安全化仍将会是一个“干中学”的过程。 

“数据回报率”越来越决定企业核心竞争力

与实物资产、无形资产一样，数据资产首先表现为是一种资源。也就是说，并非所有的数据资源都可以升级为数据资产。作为“资产”的数据资源，大体表现为以下两种形式：一是可以通过合理应用创造出新的价值。二是通过加工处理，可帮助现有产品实现价值的提高或利润的增加。2019年，中国信息通信研究院发布的《数据资产管理实践白皮书（4.0版）》中从资产的概念出发，规范明确了数据资产的范畴，具体是指由企业拥有或控制的、能够为企业带来未来经济利益的、以物理或电子方式记录的数据资源，如电子数据、文件和相关资料等。可以看出，无论是从表现形式还是基本定义出发，数据资产的概念已基本成为行业共识。相比之下，数据资产的应用渠道和管理手段尚处于探索阶段，数据资产的管理仍面临着诸多挑战。

资源基础理论认为企业是各种资源的集合体，企业竞争的优势来源于特殊的异质资源。同其他资源一样，数据的产生、存储、维护、管理也是需要成本的。与资产回报率相比，未来企业的“数据回报率”越来越决定着企业的核心竞争力和长久发展的能力。一方面，随着数字经济与实体经济深度融合的趋势日益明显，市场对数据资源的获取、搜集、存储、分析和应用等方面的需求与投入大幅提升，数据愈发成为企业组织生产、运营与交易全流程的基础性战略资源。另一方面，单就数据本身而言还难以直接形成企业核心竞争力，数据从资源转变为资产需要对数据进一步挖掘。然而现实中，企业的数据资源往往以数据孤岛的形式分散在多个部门和业务系统中，数据统计标准和观测维度的不统一也降低了数据的利用效率。这也直接导致企业决策者和业务人员无法敏锐感知到数据的分布与更新情况，更难以对数据实现深度的挖掘。在这样的背景下，实现数据资产化管理、挖掘数据资产的潜在价值，是实现企业数字化转型的先决条件，也是进一步发挥企业竞争优势、提升企业发展质量的重要途径。

数据资产管理要以价值创造为导向

从根本上讲，数据资产管理要以价值创造思维为导向，即将数据资产作为与实物资产、知识资产、人才资产同等地位的能为企业不断创造价值的核心资产。这便要求企业构建完善、统一的管控架构对其进行管理，在遵循成本与效率原则的前提下，聚焦企业核心市场、核心业务与核心资源，全企业协同开展数据资产盘点、确权、价值评估和运营流通等工作。不仅如此，在“数据资源管理”向“数据资产管理”转变的过程中，若要解锁数据新价值，还需要从管理队伍、业务部门和风险部门出发，确保数据资产管理的常态化、规范化和安全化。

一是需要培养管理队伍的数据意识能力。恰当的数据资产管理可以增强数据价值，虽然数据资产能够为企业提供发展新思路，但与数据资产相匹配的管理制度和组织架构也要有相应的调整。这样做的根本目的是减少由于不完全样本、不完全数据、不完全信息或者不完全事实引发“盲人摸象”的错误决策。要实现这一目标，企业的决策者和管理层需要转变对数据资产价值的认知和意识，提升数据资产管理的核心理念和方法，在企业运营及管理中逐步建立起数据资产价值体系，由上及下实现数据资产管理的需求导向，以降低企业的试错成本，提高企业决策效率和管理效率。

二是需要锻炼业务团队的开发应用能力。量变导致质变，企业数据资产管理的目的在于实现企业资源的最佳配置。数据只有通过业务团队的充分挖掘，发现潜在价值关联和利润机会，才能增加先前忽略的商业价值。如农业数据资产管理，需要充分挖掘植物与气候数据，注重农作物的产量和品质提升。工业数据资产管理需要充分挖掘设备和设施数据，注重机器设备的功能和效率的提升。服务业数据资产管理需要充分挖掘产品和客户数据，注重客户体验和服务优化。这种对离散数据资产化的过程，将使数据价值得到充分释放，为企业数字化转型提供强劲动力，为企业创造数字化价值。

很显然，数据来源于管理的需要又终将服务于管理的需要，目前已经成为企业进行市场创新的重要战略资源。但需要注意的是，数据安全意识不够、安全防护不足容易导致数据泄露等危害企业的事件，这便要求企业相关的安全部门提升风险管理能力，警惕数据风险。有趣的是，数据风险管理同样需要依靠数据技术来解决。企业需要根据自身规模找出发展的薄弱环节，调整数据资产风险评估流程，并通过优化理念、提升技术，不断提高企业控制风险的能力，更好地应对数字经济时代对企业运营带来的考验。期待更多的企业像南方电网一样在数据资产管理方面做出更多的实践与探索，这对于数字经济、数据要素市场化配置都有着极其重要的意义。

（作者系中南财经政法大学数字经济研究院执行院长、教授）