Page 12 - 新时代资产管理高质量发展的理论和实践

新时代资产管理高质量发展的理论和实践
Theory and Practice of High Quality Development of Asset Management in the New Era

在实现数据资产管理的过程中，应根据自身实际情况，避免盲从，合理引进创新
技术以提高数据挖掘准确性和挖掘效率，节省人力成本。
正所谓：“工欲善其事，必先利其器！”一套好的数据治理工具，能让企业

的数据治理工作事半功倍。数据治理本质是盘点数据资产、治理数据质量，实施
数据全生命周期的管理，根据不同的项目特点，会用到不同的技术或工具，一般
来说，数据治理产品或工具主要包含以下组件：元数据管理、数据质量管理、数
据标准管理、主数据管理、数据安全管理、数据服务平台。

（三）着眼业务应用，释放数据价值
数据资产化进程给各类企业带来重生、颠覆和创新，企业应重点关注、顺势
而为，建立起符合自身业务和数据特点的数据资产化体系和能力，数据资产管理
人员不能只限于数据资产管理工作，还应紧密联系业务，只有明确了前端业务需

求，才能做到数据资产管理过程中的有的放矢，张弛有度。数据的价值体现在决
策精准、敏锐洞察，数据资产管理能够使管理具流程化、规范化，结合业务应用
的数据资产管理不仅使数据保值增值，还将会给企业带来更加巨大的经济效益和

社会效益。
（四）加强数据合规，注重风险风控
在数据资产管理的过程中，综合考虑困难及挑战，并全面管控风险，要基于
行业模型、行业标准等积累完整、准确的内外部数据以保证数据合规性，进而规
避风险。数据资产管理是一项持之以恒的工作，不可能一蹴而就，需要一个循序

渐进的过程分阶段进行。要做好充分的长期作战准备，就一定要加强数据合规操
作，避免安全漏洞，及时风险风控。
（五）持续迭代完善，形成良性闭环

一步到位建立一套完美的数据资产管理体系是很困难的。主要原因是业务需
求会随着市场环境不断变化，技术手段也在不断革新，因此数据资产管理体系不
是一劳永逸、一蹴而就的，需要建立一个小步迭代的数据资产管理循环模式。

·4·