在2023年7月召开的“2023全球数字经济大会”上，有关专家提到，2022年中国数字经济规模超过50万亿元，总量稳居世界第二，预计到2026年数据量将达到23.5ZB，位居全球第一，中国数字经济年均复合增长14.2%，是同期美、中、德、日、韩5国数字经济总体年均复合增速的1.6倍。数据已成为与土地、劳动力、资本、技术并列的第五大生产要素，成为影响经济和社会发展的重要变量。银行拥有大量的数据，这些数据不仅反映出银行的经营表现，也影响着银行的管理决策。银行对数据进行分析处理可以形成生产力、产生现金流，因此经过治理的数据可以称为“数据资产”。就像其他金融资产一样，数据资产同样也具有价值，所有资产价值加总在一起，就是银行的整体资产价值。

当前，数据治理成为各家银行数字化转型的重要抓手，但如果不能明确数据治理的最终目标，不能找到数据治理的正确方法，就会事倍功半或“误入歧途”。因此，本文分析讨论一种新的数据治理顶层设计，以数据资产价值最大化为目标推动数据治理发展。

一、数据资产价值提升的方法

数据资产价值最大化是组织和个人追求的最终目标，要想实现数据资产价值最大化，做好数据治理尤为重要。数据治理是决定数据资产价值高低的根基，同时数据资产价值是评价数据治理好坏的标准。数据治理是一种组织和管理数据的过程，通过数据治理提升数据资产价值的方法有如下几类。

一是数据质量管理：其目标是确保数据的准确性、可靠性和一致性，包括建立数据清洗、数据标准化以及监控和维护数据质量的机制。

二是数据安全和隐私保护：其目标是确保数据受到适当的保护，包括防止未经授权访问、数据泄露和其他安全风险;同时，应遵守适用的隐私法规，确保个人数据的合规性。

三是数据分类和标签化：对数据进行分类和标签化，以便更好地管理和利用数据。数据分类和标签化可以帮助组织更好地理解和管理数据，并在需要时快速找到所需的信息。

四是数据访问和共享：通过创建适当的访问控制策略，确保只有授权的用户才能访问数据;同时，实施数据共享机制，使数据可以在组织内部和合作伙伴之间进行分享和利用。

五是数据生命周期管理：确保数据在其整个生命周期内得到适当的管理，包括数据的创建、存储、使用、归档和销毁等。

六是数据治理框架和流程：通过建立有效的数据治理框架和流程，明确责任，确保数据治理实践得到有效执行。

七是数据分析和洞察力：通过对数据的分析和洞察，发现数据中的模式、趋势，并将其应用于业务决策和创新中。

二、数据资产的价值衡量：估值和入表

数据资产价值最大化需要科学正确地衡量数据资产价值，数据资产有对外价值和对内价值。数据资产对外的价值体现在将数据转化为经济价值的过程，通过一系列方法对数据资产进行评估和定量计算，通过数据交易所进行数据使用权交易买卖。对外价值反映在企业的经营收入上;数据资产对内价值体现在数据资产入表上，是将数据资产纳入组织资产负债表或财务报表的过程，以便对其价值进行跟踪和评估。对内价值反映在企业的股票市值上。

1.数据资产估值方法

数据资产估值方法主要有三种，需要根据不同的行业属性、公司特点、业务场景、产品结构等采用不同的估值方法，并随着时间和具体情况的变化进行调整，来计算数据资产价值。

(1)市场价值法。该方法通过研究相似的数据资产在市场上的交易价格来确定数据资产的价值，包括分析数据市场上的成交价格、竞争情况和市场需求等因素。

(2)收益法。该方法基于数据资产对组织的预期盈利能力来估算其价值，通常通过分析数据对组织业务的影响，包括提高销售额、降低成本等来预测数据资产的收益潜力。

(3)成本法。该方法通过估算数据资产的获取、处理和维护成本来确定其价值，包括数据的采集、清洗、存储、安全和更新等方面的成本。

除了上述方法外，还可以结合其他因素对数据资产进行估值，比如数据质量、数据的稀缺性、数据的时效性、数据的安全性等，这些因素也会对数据资产的价值产生影响。

2.数据资产入表步骤

数据资产入表是指在数据资产估值的基础上，在公司财务上对数据资产进行确认。数据资产入表主要包括以下5个步骤。

(1)识别和分类数据资产。需要明确组织中的数据资产，并根据其性质和用途进行分类，如客户数据、销售数据、市场数据等。

(2)确定数据资产的价值。根据估值方法(如市场价值法、收益法或成本法)来确定数据资产的经济价值。

(3)录入财务报表。在资产负债表或财务报表中，创建相应的账户或项目来记录数据资产的价值。

(4)定期更新和调整。数据资产的价值可能随着时间和业务的变化而变化，因此需要定期更新和调整数据资产的价值，以确保财务报表的准确性和完整性。

(5)考虑其他因素。入表时需考虑其他因素，如数据质量、法律法规合规要求等，这些因素可能将影响数据资产的价值和报告方式。

需要注意的是，将数据资产入表是对数据在财务方面的评估，并不代表数据的全部价值。数据还可能具有战略意义、创新潜力等非财务价值，在数据资产管理中需要综合考虑。

通过估值和入表等科学量化手段评估企业的数据价值是国内外先进机构采用的普遍做法，具有可行性、拓展性、创新性。估值和入表不仅可以衡量数据资产的价值，还可以为评价数据治理水平、考核数据治理人员、引领数据治理改进方向、制定数据治理发展战略等提供重要参考。

三、数据治理面临的挑战和机遇

1.主要挑战

(1)组织文化和意识的挑战。数据治理需要全员参与和支持，而组织内部可能存在数据治理意识不强的问题。培养和建立数据驱动的文化需要时间和努力，需要改变组织成员对数据的看法和价值观。

(2)数据治理责任和所有权的挑战。确定数据治理的责任和所有权是一个复杂的过程。不同部门和业务单位之间可能存在数据所有权争议，导致数据治理流程和决策的延迟或阻碍。

(3)数据质量和一致性的挑战。数据质量是数据治理的核心问题之一。数据质量问题包括数据准确性、完整性、一致性等，但是要想确保数据质量，其过程可能会很复杂，成本也很高昂。此外，不同数据源和系统之间的数据一致性也是需要面对的挑战。

(4)数据隐私和安全的挑战。随着数据泄露和隐私侵犯事件的增加，组织需要确保数据的安全性和隐私保护。数据治理需要设定和执行安全策略和隐私控制机制，以确保敏感数据不被未经授权的人员获取和使用。

(5)技术和工具的挑战。有效的数据治理需要技术和工具的支持。然而，选择和实施适合组织需求的数据治理技术和工具将是一项复杂的工作。此外，技术的更新和变革也可能需要对数据治理策略和架构进行调整和改进。

(6)复杂的数据生态系统的挑战。现代组织的数据环境通常非常复杂，涉及多个数据系统、数据源和数据格式。在这样的数据生态系统中实施数据治理可能面临诸如数据集成、数据流动和数据血缘等挑战。

2.机遇

当前，数据治理在面临较大挑战的同时也存在很多机遇，可以帮助组织实现多个方面的效益。

(1)数据资产价值最大化。这是数据治理面临的最大机遇，通过有效的数据治理，组织可以准确地了解自己的数据资产，充分利用数据的潜力，从数据中发现新的洞见和机会，促进业务的增长和创新，提升数据资产的价值。

(2)捕捉商业机会。数据治理可以为组织带来全面、准确、及时的数据视图，帮助组织更好地识别和捕捉商业机会。通过对数据的集成和分析，组织可以更好地了解市场趋势、客户需求和竞争态势，做出更明智的战略决策。

(3)降低风险和确保合规性。数据治理可以确保组织合规性和信息安全，减少数据泄露、隐私侵犯和违规行为的风险。通过制定和执行数据隐私保护、数据访问控制和数据备份等策略，组织可以维护数据的完整性和可靠性，增强在合规方面的竞争力。

(4)提高决策质量。数据治理可以提供高质量、一致性的数据，为组织的决策提供可信的基础。通过对数据进行清洗、整合和标准化，组织可以更好地理解数据的现状和趋势，为决策者提供有力的支持，提高决策的准确性和效果。

(5)提升数据协作和共享水平。通过数据治理，组织可以建立数据共享和协作机制，并确保数据安全和可信，以促进组织内部各个部门和业务单位之间的数据交流和协作，提升业务创新和流程的效率。

(6)增强客户关系和提升客户体验。通过数据治理，组织可以更好地了解客户需求和偏好，提供个性化和定制化的产品和服务，增强客户关系，提升客户体验。

通过分析当前数据治理的目标、挑战和机遇，可以看出只有将数据资产价值最大化作为顶层设计的核心目标，才能有效推动数据治理价值的提高，通过数据资产价值的增减来逆向评价数据治理水平的高低，不断修正和改进低效、错误的数据治理，让高质量数据治理成为企业在大数据时代下增加营收和市值的抓手。

四、数据治理对数据资产价值的重要影响

1.短期影响分析

数据治理对数据资产价值有着重要的影响，从短期来看，数据治理对数据资产价值的提升具有如下积极意义。

(1)改善数据质量。数据治理可以帮助组织识别和纠正数据中的错误、缺失和不一致之处，通过数据清洗、验证和修复等措施提升数据的准确性和完整性，从而提高数据的可靠性和可用性，使数据资产的价值在短期内得到显著提升。

(2)提升数据可访问性。数据治理通过制定访问控制策略和权限管理机制，改善数据的安全性和可访问性，帮助正确的人员在正确的时间获取所需的数据，促进数据的共享和协作。在短期内，这将使决策和业务流程更加高效，进一步提升数据资产的价值。

(3)确保数据的一致性和标准化。数据治理可确保数据在不同系统和部门之间的一致性和标准化。通过建立数据管理规范和数据词汇表，可以更好地整合和集成数据资产。这将减少重复工作和数据冲突，提高数据分析的效率和一致性，在短期内为组织节省时间和资源，提升数据资产的价值。

(4)增强合规性和提升风险管理能力。数据治理强调数据的合规性和风险管理。它确保数据符合相关的法规和标准，并采取适当的安全措施来降低数据泄露和安全风险。在短期内，数据治理有助于减少组织面临的合规性和安全风险，在数据资产的价值保护方面起到积极的作用。

2.长期影响分析

从长期来看，数据治理可从以下几个方面对数据资产的价值产生积极的影响。

(1)数据资产价值最大化。数据治理可帮助组织更好地理解和利用数据资产的价值潜力。通过数据分类、标准化和分类管理，数据资产可以被更好地组织和管理，从而更容易被发现、理解和利用。长期来看，这将使数据分析和洞见挖掘更加深入，为组织提供持续的业务创新和决策支持。

(2)数据资产质量持续提升。持续的数据清洗、验证和修复措施，以及数据质量监控和改进机制，可确保数据的准确性、完整性和一致性得到长期的保持和改善，增强数据的可信度，提高数据的可靠性和可用性，从而提升数据资产的长期价值。

(3)数据资产共享和协作加强。通过建立数据共享机制和协作平台，数据治理可促进组织内外部的数据共享和协作。长期来看，这将加强组织内部不同部门和业务单位之间的数据共享和协作，促进知识和经验的交流和共享，进一步提升数据资产的价值，并激发创新和业务流程的改进。

(4)数据法规合规性保证。数据治理可确保数据资产符合相关法规和标准的要求，并采取相应的安全措施来保护数据。在长期内，数据治理将帮助组织建立和维护良好的数据法规合规性，降低法律和监管风险，增强数据资产的合规性，进一步提升数据资产的长期价值。

综上，数据治理对数据资产的价值有重要影响。短期内，数据治理可改进数据要素质量、建立数据分类标准、保证数据安全合规等;长期内，数据治理可让数据资产价值最大化、数据资产协作共享、提升数据长期价值等。

五、推动数据治理发展的具体措施

银行可以数据资产价值最大化为目标推动数据治理发展，通过提升数据质量、安全性、使用率和价值，建立科学的管理流程和监测体系，促进企业数据治理发展和数字化转型，同时全面提升数据资产的价值。

1.做好数据资产价值最大化顶层设计

确定数据资产价值最大化的具体方案和目标，从顶层到底层、从宏观到微观，开展数据摸排检查，找到有价值的数据源以及数据的业务应用场景;建立数据治理的标准化和规范化流程，解决数据质量问题，根据数据资产估值方法进行数据分层归类和分级划分，明确需要哪些数据信息进行数据资产估值和入表，并联合大数据中心制定具体方案和管理办法。

2.设计数据资产管理体系和流程

建立完整的数据资产管理体系，根据业务和场景进行更新，随时做好数据分类、标注、归档等更新流程;确保数据资产的统一命名、标识和管理，以便更好地跟踪和使用数据。

3.建立数据资产价值评估机制

制定数据资产价值的评估方法和指标体系，定期对数据资产进行评估。可根据评估结果，发现数据治理的问题和不足，例如，数据的质量和准确性有待提升、数据可访问性和可发现性有待提高、数据的分析和挖掘能力有待增强、数据信息不足等;可对数据治理定期开展指导和评估，对估值较低的数据开展分析，其目标是提升估值较低的数据资产的价值。

4.实施数据资产绩效和监测

建立数据资产绩效评估和监测机制，通过指标和报告的形式评估数据资产的价值，及时反映数据治理问题，对数据治理问题进行整改;定期监测数据的使用情况和价值变化，根据估值结果提出相应建议，及时调整和改进数据治理策略。

5.建立数据资产共享机制

鼓励跨部门的数据共享和协作，提高数据的可访问性和可重复利用性，为数据使用创造更多业务场景、形成更多创新产品，提升数据资产的现金流;制定数据共享政策和规则，确保数据的安全性和合规性，通过数据资产的协同使用提升数据资产的价值。

六、数据资产的价值前景

1.数据资产本身具有市场价值

数据资产包括客户数据资产、销售数据资产、市场数据资产等，对企业的商业价值、市场地位、竞争力和未来发展潜力都具有重要的影响。通过将数据资产纳入企业的资产负债表中，使其产生市场价值，增加企业的总资产，提升企业股票价格，降低企业融资成本，为企业股东创造更多投资收益;通过将数据资产纳入企业的财务报表中，能够更好地体现企业的资产价值，为企业的估值和投资决策提供参考依据。良好的数据资产可以提供准确、及时和全面的信息，帮助企业管理层做出更好的财务决策。例如，数据资产可以提供销售趋势、客户需求、成本分析等关键数据，使管理层能够更好地理解企业的财务状况和业务运营情况，从而做出更明智的决策。

2.数据资产可以给银行创造更多业务价值

当前，银行业重点发展科创金融、普惠金融等新型业务，大量科技型、创新型、中小微、“三农”等企业缺少土地、劳动力、资本、技术等生产要素，但拥有可观的数据资产。如何利用好这些数据资产开展银行业务，创新银行产品，做好数据风控，成为银行业新的竞争点。科创金融和普惠金融是银行业大力发展的新方向，推动新型“科技—产业—金融”盈利模式替代原有“土地—房地产—金融”盈利模式，是“数据资产金融”替代“传统资产金融”的新场景。数据在科创金融和普惠金融体系下扮演着核心角色，使用数据资产价值来衡量科创企业和普惠企业的价值成为新的授信抓手，使用数据资产价值服务评估科创企业和普惠企业成为下一步的应用落地方向。银行业可开发“科创企业全生命周期数据资产投贷管理系统”和“普惠企业全生命周期数据资产投贷管理系统”，通过分析企业数据要素形成企业数据资产，根据企业数据资产价值判断企业价值和预测未来价值，从而提升金融服务科创企业和普惠企业的能力。

责任编辑：王煊