数据资产管理伴随着数据理念与技术的演变而不断发展。
数据管理概念主要诞生于上世纪八十年代，为 方便存储和访问计算机系统中的数据，优化数据随机存储技术和数据库技术的使用，数据管理多从技术视角出 发。信息化时代，数据被视为业务记录的主要载体，数据管理与业务系统、管理系统（包括企业资源规划系统 ERP、自动办公系统 OA、管理信息系统 MIS、客户关系管理系统 CRM、人力资源管理系统 HRM 等）的建设 和维护相结合，数据管理具备一定的业务含义，数据管理工作多集中于局部业务领域的流程改善。大数据时代， 数据意识与数据价值的逐步提升，数据规模持续增加，技术成本投入下降，越来越多的组织搭建大数据平台， 实现数据资源的集中存储和管理，组建数据管理团队，数据管理的重要性和必要性日益凸显，数据管理推动组 织业务发展的作用逐步显现。数据要素化时代，数据作为资产的理念正在共识，数据管理演变为对数据资产的 管理，以提升数据质量和保障数据安全为基础要求，围绕数据全生命周期，统筹开展数据管理，以释放数据资 产价值为核心目标，制定数据赋能业务发展战略，持续运营数据资产。
数据资产管理的理论框架逐步成熟。国际上，麻省理工学院两位教授于 90 年代启动全面数据质量管理 计划（TDQM），提出了聚焦于质量管理的数据资产管理框架。国际数据治理研究所（The Data GovernanceInstitute，DGI）于 2004 年提出了数据治理框架（Data Governance Institute, DGI），国际数据管理协会（DAMA， Data Management Association International）于 2009 年发布了数据管理知识体系 2 ，并于 2017 年对数据管 理模型进行了更新 3 。此外，Gartner、IBM 等企业纷纷提出了数据管理能力评价模型。我国于 2018 年发布《数 据管理能力成熟度评估模型》（GB/T 36073-2018）国家标准，是国内数据管理领域的第一个国家标准，该标 准全面定义了数据管理活动框架，包含 8 个能力域、28 个能力项。
整体来看，目前数据管理理论框架之间有很强的相似性，主要从数据管理的技术侧或管理侧出发，明确 数据管理的活动职能和管理手段，并按照一定标准对组织的数据能力进行等级评定。但是，多数框架未特别强 调数据资产价值性，忽略了数据资产价值实现路径。
