数据资产管理包括数据模型管理、数据标准管理、数据质量 管理等 10 个活动职能。
数据模型是指现实世界数据特征的抽象，用于描述一组数据的概念和定义。数据模型管理是指在企业架构 管理和信息系统设计时，参考逻辑模型，使用标准化用语、单词等数据要素设计数据模型，并在企业架构管理、 信息系统建设和运行维护过程中，严格按照数据模型管理制度，审核和管理新建和存量的数据模型。
数据模型管理的关键活动包括：
数据模型计划：确认数据模型管理的相关利益方；采集、定义和分析组织级数据模型需求；确定遵循数 据模型标准与要求，设计企业级数据模型（包括主题域数据模型、概念数据模型、逻辑数据模型）；
数据模型执行：参考逻辑数据模型开发物理数据模型，保留开发过程记录；根据数据模型评审准则与测 试结果，由数据模型管理的参与方进行模型评审，评审无异议后发布并上线模型；
数据模型检查：确定数据模型检查标准，定期开展数据模型检查，以确保数据模型与组织级业务架构、 数据架构、IT 架构的一致性；保留数据模型检查结果，建立数据模型检查基线；
数据模型改进：根据数据模型检查结果，召集数据模型管理的相关利益方，明确数据模型优化方案；持 续改进数据模型设计方法、模型架构、开发技术、管理流程、维护机制等。
数据标准是指保障数据的内外部使用和交换的一致性和准确性的规范性约束。数据标准管理的目标是通过 制定和发布由数据利益相关方确认的数据标准，结合制度约束、过程管控、技术工具等手段，推动数据的标准化， 进一步提升数据质量。
数据标准管理的关键活动包括：
数据标准管理计划：确定数据标准管理相关负责人与参与人，开展数据标准需求采集与现状调研，构建 组织级数据标准分类框架；制定并发布数据标准管理规划与实施路线；
数据标准管理执行：在数据标准分类框架的基础上，定义数据标准；依据数据资产管理认责体系，组织 相关人员进行数据标准评审并发布；依托平台工具，应用数据标准（包括数据模型设计与开发、数据质量稽核等）；
数据标准管理检查：对数据标准的适用性、全面性进行及时检查；依托平台工具，检查并记录数据标准 应用程度；
数据标准管理改进：通过制定数据标准维护与优化的路线图，遵循数据标准管理工作的组织结构与策略 流程，各参与方共同配合进行数据标准维护与管理过程优化。
数据质量指在特定的业务环境下，数据满足业务运行、管理与决策的程度，是保证数据应用效果的基础。 数据质量管理是指运用相关技术来衡量、提高和确保数据质量的规划、实施与控制等一系列活动。衡量数据质 量的指标体系包括完整性、规范性、一致性、准确性、唯一性、及时性等。
数据质量管理的关键活动包括：
数据质量管理计划：确定数据质量管理相关负责人，明确数据质量的内部需求与外部要求；参考数据标 准体系，定义数据质量规则库，构建数据质量评价指标体系；制定数据质量管理策略和管理计划；
数据质量管理执行：依托平台工具，管理数据质量内外部要求、规则库、评价指标体系等；确定数据质 量管理的业务、项目、数据范畴，开展数据质量稽核和数据质量差异化管理；
数据质量管理检查 / 分析：记录数据质量稽核结果，分析问题数据产生原因，确定数据质量检查责任人， 出具质量评估报告和整改建议；持续测量全流程数据质量，监控数据质量管理操作程序和绩效；确定与评估数 据质量服务水平；
数据质量管理改进：建立数据质量管理知识库，完善数据质量管理流程，提升数据质量管理效率；确定 数据质量服务水平，持续优化数据质量管理策略。
主数据（Master Data）是指用来描述企业核心业务实体的数据，是跨越各个业务部门和系统的、高价值 的基础数据。主数据管理（Master Data Management，MDM）是一系列规则、应用和技术，用以协调和管 理与企业的核心业务实体相关的系统记录数据。
主数据管理的关键活动包括：
主数据管理计划：依据企业级数据模型，明确主数据的业务范围、唯一来源系统与识别原则；定义主数 据的数据模型（或主辅数据源分布）、数据标准、数据质量、数据安全等要求或规则，并明确以上各方面与组 织全面数据资产管理的关系；
主数据管理执行：依托平台工具，实现核心系统与主数据存储库数据同步共享；
主数据管理检查：对主数据质量进行检查，保证主数据的一致性、唯一性；记录主数据检查的问题；
主数据管理改进：总结主数据管理问题，制定主数据管理提升方案，持续改进主数据质量及管理效率。
数据安全是指通过采取必要措施，确保数据处于有效保护和合法利用的状态，以及具备保障持续安全状态 的能力 4 。数据安全管理是指在组织数据安全战略的指导下，为确保数据处于有效保护和合法利用的状态，多 个部门协作实施的一系列活动集合。包括建立组织数据安全治理团队，制定数据安全相关制度规范，构建数据 安全技术体系，建设数据安全人才梯队等。
数据安全管理的关键活动包括：
数据安全管理计划：理解组织内外部数据安全需求与监管要求；制定数据安全管理制度体系，包括数据 安全工作的基本原则、数据安全管理规则和程序、内外部协调机制等，并且明确个人信息保护管理制度（包括 处理规则、合规审计制度、跨境传输安全评估体系等）；定义并发布数据分类分级标准规范；
数据安全管理执行：依托平台工具，识别敏感数据，应用数据安全分类分级标准规范；根据数据的敏 感级别，部署相应的数据安全防控系统或工具（如权限管控、数据脱敏、数据防泄露、安全审计等）；
数据安全管理检查：监控数据在采集、存储、传输、加工、使用等环节的安全、隐私及合规状况等；组 织进行内外部数据安全审计；
数据安全管理改进：总结数据安全问题与风险，评估数据安全管理相关标准规范的适用性、有效性，持 续优化数据安全管理过程。
元数据（Metadata）是指描述数据的数据。元数据管理（Meta Data Management）是数据资产管理 的重要基础，是为获得高质量的、整合的元数据而进行的规划、实施与控制行为。
元数据管理的关键活动包括：
元数据管理计划：明确元数据管理相关参与方，采集元数据管理需求；确定元数据类型、范围、属性， 设计元数据架构，技术元数据与数据模型、主数据、数据开发相关架构一致；制定元数据规范；
元数据管理执行：依托元数据管理平台，采集和存储元数据；可视化数据血缘；应用元数据，包括非结 构化数据建模、自动维护数据资产目录等；
元数据管理检查：元数据质量检查与治理；元数据治理执行过程规范性检查与技术运维；保留元数据检 查结果，建立元数据检查基线；
元数据管理改进：根据元数据检查结果，召集相关利益方，明确元数据优化方案；制定改进计划，持续 改进元数据管理的方法、架构、技术与应用等内容。
数据开发是指将原始数据加工为数据资产的各类处理过程。数据开发管理是指通过建立开发管理规范与管 理机制，面向数据、程序、任务等处理对象，对开发过程和质量进行监控与管控，使数据资产管理的开发逻辑 清晰化、开发过程标准化，增强开发任务的复用性，提升开发的效率。
数据开发管理的关键活动包括：
数据开发管理计划：制定数据集成、开发、运维规范；
数据开发管理执行：建设集成了数据集成、程序开发、程序测试、任务调度、任务运维等能力的一体化 数据开发工具；根据数据集成规范，进行逻辑或物理的数据集成；根据数据使用方的需求，进行数据开发；
数据开发管理检查：监控数据处理任务的运行情况，并及时处理各类异常；
数据开发管理改进：定期进行数据集成、开发、运维工作复盘，并以此为基础，对相关规范进行持续迭代。
对于组织而言，数据资产流通是指通过数据共享、数据开放或数据交易等流通模式，推动数据资产在组织 内外部的价值实现。数据共享是指打通组织各部门间的数据壁垒，建立统一的数据共享机制，加速数据资源在 组织内部流动。数据开放是指向社会公众提供易于获取和理解的数据，对于政府而言，数据开放主要是指公共 数据资源开放，对于企业而言，数据开放主要是指披露企业运行情况、推动政企数据融合等。数据交易是指交 易双方通过合同约定，在安全合规的前提下，开展以数据或其衍生形态为主要标的的交易行为。
狭义的数据价值是指数据的经济效益，广义的数据价值是在经济效益之外，考虑数据的业务效益、成本计 量等因素，我们聚焦于广义的数据价值。数据价值评估是指通过构建价值评估体系，计量数据的经济效益、业 务效益、投入成本等活动。数据价值评估是数据资产管理的关键环节，是数据资产化的价值基线。目前，国内 外相关标准化组织、财会领域组织、技术咨询服务企业均从多个视角开展积极探索研究。
当前业界对于数据价值评估主要聚焦于三个方面：一是数据资产估值，直接量化体现数据价值；二是数据 资产会计核算，作为企业的核心资产进入资产负债表；三是多角色参与数据要素生态，进入数据要素流通的大 循环中。
数据资产运营是指通过对数据服务、数据流通情况进行持续跟踪和分析，以数据价值管理为参考，从数据 使用者的视角出发，全面评价数据应用效果，建立科学的正向反馈和闭环管理机制，促进数据资产的迭代和完 善，不断适应和满足数据资产的应用和创新需求。
建立可共享可复用的数据资产体系，构建多层级数据资产目录，是开展数据资产运营的基础和前提。中国 移动打造了“共建共享共维”的数据资产体系，面向全集团提供了位置洞察、内容洞察、客户标签、统一指标 等核心数据能力，以及提供数据采集、数据储算、数据开发等工具能力和产品推荐、风控识别等算法能力。同时， 打造了多层级多场景的数据资产目录，提供完整的数据定义、数据说明、数据样例、数据责任人等业务、技术、 管理信息，增强数据可理解性，支持关键字、主题、业务标签、热度等多引擎检索，形成高并发 API、交互式 查询、文件服务、实时消息分发等多服务形态，数据可直接订购下单。目前已沉淀超过一万个高价值中间模型， API 月度调用量超过 40 亿次，赋能内外部超过 200 家单位近 500 个大数据项目。
