1.2.3 数据资产化的三个阶段

数据只有经过资产化过程才能拥有数据资产特征。数据资产发展至今经历了不同的发展阶段，不同学者从不同角度对数据资产的发展阶段做了总结（见表1.1）。

本书综合不同学者的研究，将数据资产的发展历程分为业务数据化、数据资源化和数据资产化三个阶段（见图1.2）。在业务数据化阶段，数据仅仅是对业务和事物的描述；而对数据进行进一步的价值挖掘后，就实现了数据资源化；数据资源经过资产化的过程，成为数据资产。

1.2.3.1 业务数据化阶段

业务数据化是指将数据作为一种载体，采用数据描述大千世界的业务或事物。业务数据化阶段主要生成数据，沉淀数据素材。

按照数据生成的来源，可以将数据分为三种类型，如图1.3所示。

第一方数据是指企业通过自身的生产经营活动直接获得数据，是企业所拥有的一系列数据。这类数据主要来源于企业本身，如淘宝、京东等电商平台通过日常销售所掌握的消费者基础数据，或通过进一步的处理、挖掘和集成，所掌握的消费者行为数据、市场需求数据等，或基于特定目标获取的第一手数据，如科研观测实验数据、政府公共部门数据、问卷调查数据及行业部门数据等。有效利用经过处理的第一方数据会为企业带来利益。

第二方数据是产业进一步细化分工的结果。当大企业更多地将重点聚焦于企业自身的优势竞争力时，会将部分运营管理的数据交由其他公司进行专业化的处理，由此产生了如百分点、数据堂和聚合数据这种提供大数据应用与技术支持的专业服务商。通过为各行业企业提供技术服务，这些大数据服务商积累了大量的行业数据、广告营销数据及用户行为数据。这类数据也是企业可以控制的，但是在来源、搜集、交易方面，在一定程度上依赖其他企业的协议约定，相对具有局限性。

第三方数据主要是指通过网络爬虫、文本挖掘工具甚至黑客手段从互联网、各类公开或非公开的文件中所获取的数据，这类数据并不是由搜集企业自身的交易和项目形成的，但确实会为相关数据的搜集者带来一定的经济利益。除了各个企业或相关主体的行为，百度等爬虫系统的搜索数据严格来说也属于这类数据。现阶段，虽然部分数据标记有明确的版权声明，但是绝大多数的数据都处于模糊声明的状态。在这种情况下，限于我国目前相关的立法现状，这类数据的所有权并不明晰，特别是涉及个人隐私的数据尤其敏感，经常会造成企业之间的纠纷。

业务数据化阶段通常以第一方数据为主，该类数据一般产生于企业的业务系统，如ERP、CMS、营销系统等，是在运营过程中产生并由业务系统记录的数据，属于基础数据、原生数据、明细数据，机构或企业会将数据融入业务流程中。

1.2.3.2 数据资源化阶段

在数据资源化阶段，数据脱离了业务，做进一步价值挖掘。该阶段包含数据管理、数据治理、价值挖掘和融合应用等。

数据往往具有多源异构、多流程和多场景等特点，对第一阶段生成的数据通过有效的治理、管理和融合应用能够使数据更加规范和标准。数据资源化贯穿数据采集、存储、应用和销毁整个生命周期全过程，可以促进数据在“内增值，外增效”两个方面的价值变现，同时控制数据在整个管理流程中的成本消耗。

数据资源化从业务、技术和管理角度，可分为不同类型。从业务角度，可将数据整理分析后形成可以对外服务的数据，不过不同应用领域数据的价值和作用不同。例如，同样是电商数据，有人会关注其购买内容以研究不同商品间的关联关系，用于进行商品推荐；有人会关注下单流程，以研究人的决策过程及其影响因素。从技术角度，数据资源化主要包括海量数据采集、存储、分布式计算、突发事件应对等，并且要求具备对各种格式、类型的数据进行加工、处理、识别、解析等能力。从管理角度，数据资源化包括数据共享管理、数据价值管理、数据安全管理、数据质量管理、主数据管理、元数据管理、数据模型管理、数据标准管理、制度体系和组织架构等方面。由于数据在不同业务、不同系统中流动，数据资源化必须实现跨系统、跨业务的端到端治理，需要有机构统筹规划、决策、协调与推进，确保数据保值增值。

1.2.3.3 数据资产化阶段

数据资产化是数据社会化的过程，将数据作为一种资产分离出来，可以在社会上独立流转，通过交易、流通、抵押、融资等方式使数据资源向数据资产跃迁，实现价值变现。

数据资产化阶段是数据应用和挖掘的最高境界。只有当数据被精准应用于民生治理、金融风控、用户画像、健康医疗、供应链管理等诸多实践领域中，并反哺数据的采集与再生成，打造可持续的数据资产创新生态，方能最终落地，使每个人的数据都变成资产的一部分，促进大数据产业的持续繁荣。

随着数据量的增加和数据应用场景的丰富，数据间的关系变得更加复杂，问题数据也隐藏于数据湖中难以被发觉。智能化地探索梳理结构化数据间、非结构化数据间的关系将节省巨大的人力，快速发现并处理问题数据也将极大地提升数据的可用性。在数据交易市场尚未成熟的情况下，通过扩展数据使用者的范围，提升数据使用者挖掘数据价值的能力，将最大限度地开发和释放数据价值。

不过目前，数据资产化在概念上还没有形成统一认识，一方面是因为条件不成熟，另一方面从客观上讲，数据资产价值评估没有得到共识，在价值认定方面还有分歧，需要理论、方法和技术等方面的保障，让价值认定得到更广泛的认同和实现，从而不仅可以实现数据的内部流转，还可以使数据在社会上进行流转。