随着数字时代的来临，数据的作用日益凸显，数字化能有效提高企业的运作效率。据调查统计, 数据领先型企业的指标比数据感知型企业领先50%左右。各界对数据治理的关注度逐年攀升，并且呈现经济越发达，越重视数据治理的态势。越来越多的企业开始意识到：数据价值的加速显现让数据管理的重要性日益凸显，作为数据应用和变现的必经渠道，数据资产管理未来将处于快速上升阶段。
数据资产管理（Data Asset Management, DAM）是规范、控制和提供数据及信息资产的一组业务职能，包括开发、执行和监督有关数据的计划、政策、方案、项目、流程、方法和程序，从而控制、保护、交付和提高数据资产的价值。数据资产管理面向数据的全生命周期，其核心思路是将数据对象以资产的标准和要求进行管理。
一、三步厘清企业数据资产
如今，数据量呈现指数级上涨，数据种类和来源也在不断扩展，非结构化数据正变得与结构化数据一样有意义，数据资产的妥善使用和恰当管理变得异常重要。尽管数据资产化管理作为企业经营者的必修课，已成为行业共识，但在企业实际的数据资产管理过程中仍存在诸多难题。
1、识别与定义
当下，“数据即资产”的认识深入人心，大部分企业拥有海量的数据资源，但真正能够发挥价值，通过实际的落地应用带来收益的并不多，如何正确识别并定义自身的数据资产是企业在进行数据资产管理时需要明确的必要前提。在定义数据资产的时候，企业需要结合自身实际考虑公司内部拥有什么样的数据资产，这些数据分别源自哪里，经由哪些业务部门负责，分别代表何种业务含义，能在具体的企业业务中产生什么样的价值？
2、判断与评估
作为一种新型的无形资产，数据资产的评估问题一直是企业估值的重要组成部分。在进行数据资产评估的过程中，企业需要综合考量数据的来源和路径，贯穿数据全生命周期管理，掌握数据源头、质量、可用性、业务价值、审查与监控、合规程度等必要细节，完成数据资产的整体评估。
3、管理与使用
当数据资产被评估好之后，如何统筹数据资产，打通各单元系统间的数据壁垒，通过数据共享，赋能不同业务部门实现数据资产价值最大化，并做好数据资产维护与安全，才是企业管理与加速数据资产价值提升的最佳方式。
二、数据资产管理的基石：企业数据目录
数据作为企业数字化转型的核心要素，一旦用户无法快速定位所需的正确数据，企业的数字化转型将会更加困难。企业数据目录旨在借助AI技术将企业内外部的技术元数据与其对应的业务场景、用户注释、数据关系、数据质量和用途通过统一的视图关联起来，帮助企业的业务和IT用户实现数据资产价值的最大化。
全面盘点数据资产：针对不同环境（企业内部、外部或云端）、不同形式（结构化或非结构化）、不同类型（业务数据、主数据、数据字典、日志、多媒体）的数据，无论是分布在业务系统、ODS、数据仓库或是第三方获取的数据，全部自动采集分类，并对所有数据的业务含义进行统一关联，形成一套企业数据资产的清单，帮助数据分析师、数据架构师、数据管理专员和其他数据用户根据业务目标更好的查找和理解相关数据资产。
多维评估数据价值：围绕数据流向、各自关系和相互影响进行分析，评估数据质量（完整性、唯一性、可否为空、重复性……）的同时，记录资产关注度和使用频率，形成完整的数据资产评估体系，有助于数据用户在使用数据集进行分析之前可以直观了解数据质量状况。
智能管理与使用数据资产：打造所有数据资产的企业级目录，以业务术语为主线，面向业务用户提供摘要性沿袭视图；通过下钻式沿袭视图，不同粒度展现技术元数据的血脉关系；依托AI技术实现数据标签和自动推荐，打造百度般检索体验；针对资产安全、资产定位、业务/技术融合等场景，提供智能化辅助功能，帮助企业实现数据资产化运营。
三、AI助力数据资产管理智能化升级
发现数据只是开端，充分了解数据才是核心。值得一提的是，人工智能技术在其中起到了关键作用。在AI的驱动下企业数据目录可针对不同维度数据资产的元数据管理，按需浏览数据资产、通过语义搜索查询相关数据，根据数据集关联发掘数据关系，定位目标资产，帮助不同用户带来提升：
自主分析：针对数据分析师、数据科学家提供一键式资产检索、可视化血脉、360度关系视图、可信的数据分析和数据获取；
数据资产管理：面向架构师和开发人员提供分析字段级别血脉关系、变更影响分析、查看转换逻辑和实时的资产使用情况；
数据治理：为数据管理员提供技术元数据与业务元数据关联、核查技术和业务元数据血脉关系，跟踪核心数据实体的合规性。
依托AI人工智能技术，企业数据目录方能智能解析并定位重要数据，筛选企业数据目录和文件系统，自动收集元数据标记，完成编目与索引，实现数据智能检索、数据自动识别分类和自动推荐功能，让企业数据目录在无需人工干预的情况下完成自动填充与更新，并时常保持最新状态，以允许业务用户快速找到他们所需的信息源。
