2.2.2 理论研究

国内目前对于数据资产的理论研究也正在逐步展开。从中国知网（CNKI）上对关键字“数据资产”进行文献检索（学术期刊、学位论文、图书、学术辑刊）共获得670篇文献，从中选择引用数最高的100篇文献，对其发表年份、发表单位和关键字进行可视化分析。可以发现，在发表年份上，从2012年的21篇开始快速增长，在2017年超过100篇（见图2.2）；从研究机构来看，发表超过5篇论文的机构包括国家电网公司、中国人民大学、北京邮电大学、安徽南瑞继远软件有限公司、浙江省电力公司、北京交通大学和中国信息通信研究院（见图2.3）；从关键字的贡献分析来看，以“数据资产”和“大数据”为中心，涉及“大数据时代”“数据价值”“数据处理”“数据治理”“资产管理”等多个研究领域（见图2.4），在行业应用方面，可以看出“电网”方面的应用居多。

目前，国内在数据资产管理方面，中国信息通信研究院推出了数据资产管理框架，全国信息技术标准化技术委员会也提出了数据能力成熟度评价模型（DCMM）。数据资产管理框架4.0包含八个管理职能和五个保障措施，描述了数据资产管理的主要管理职能和保障措施。其中，八个管理职能为数据标准管理、数据模型管理、元数据管理、主数据管理、数据质量管理、数据安全管理、数据价值管理及数据共享管理，五个保障措施为战略规划、组织架构、制度体系、审计制度和培训宣贯。GB/T 36073—2018《数据管理能力成熟度评估模型》（Data Capability Maturity Model，DCMM）的制定，由北京大学、中国人民大学、清华大学、建设银行、光大银行、华为、阿里云等单位共同完成。该模型在制定过程中充分吸取了国内先进行业的发展经验（以金融业为主），并结合了国际上DAMA（国际数据管理协会）《数据管理知识体系指南（DMBOK）》中的内容。DCMM结合数据生命周期管理各个阶段的特征，对数据管理能力进行了分析、总结，提炼出组织数据管理的八大能力，定义了数据能力成熟度评价的八大能力域：数据战略、数据治理、数据架构、数据标准、数据质量、数据安全、数据应用、数据生命周期管理。同时，DCMM参考了DAMA发布的DMBOK中的先进经验和方法，并结合了国内数据管理整体的水平和现状，是国内企业进行数据管理的一个参照型标准。该标准的发布对于规范行业数据的管理、促进数据产业的发展有着重要的意义。

图2.2 关键字为“数据资产”的论文发表年份情况

图2.3 关键字为“数据资产”的论文发表机构情况

图2.4 关键字为“数据资产”的论文的共现关键字情况

综上所述，从发表论文情况来看，我国对于数据资产的理论研究起步较晚，且所覆盖的组织尚不全面。从数据资产管理相关理论来看，我国已经借鉴国外经验，发布了自己的数据资产管理框架和数据管理能力成熟度评估模型。不过目前关于数据资产的研究，更多的是集中在数据资产的管理、挖掘与应用上，缺乏对数据资产的估值研究。在数据资产评估方面，目前我国还缺少贯通性的理论支撑，尚未形成一套完善的数据资产价值评估理论体系，用于支持像美国的数据资产积分系统一样的评估平台，也还没有像澳大利亚一样为开展数据经济而建立一套数据资产价值评估的方法理论。因此，随着我国数据资产管理和流通活动的开展，数据资产评估相关理论有待进一步发展，不仅要学习国外先进的理论知识，也要注重我国的实际情况，分阶段、有步骤地推动数据资产评估的理论建设。