随着大数据时代的到来，“数据资产”的概念逐渐普及。在很长一段时间里，“数据”结合“资产、资源、资本、经济”等形成了多组名词。数据相关概念的演变反映出人们对数据的认识在不断加深，从中折射出经济、技术、社会条件的变迁。司库信息系统是司库管理的重要支撑，数据则是司库信息系统中至关重要的资产。数据质量决定了司库信息系统价值的创造，因而在司库体系建设过程中需要重视数据治理工作。
为了建设科学的数据体系，企业管理者需要厘清数据资产化的路径，并且选用合适的数字技术及架构模式，重塑企业的数据管理流程并充分与企业外部公共数据交互，形成可持续的数据生态。
普华永道发布的《数据要素视角下的数据资产化研究报告（2023年）》显示，数据资产化的实现路径包括数据资源化、产品化、资产化三个阶段，最终实现数据资产应用（图）。
图 数据资产化的实施路径
原始数据来源于企业或机构信息系统的输出，需要经过一系列加工处理才能成为具有潜在使用价值的、具有一定规模的要素性数据资源。数据资源化需要在数据战略的指导下，构建数据能力体系，建立企业数据治理体系，从而在企业及机构内部形成与数据驱动型业务模式相适配的人才、技术、组织安排和系统等。数据生产要素是指以电子形式存在的、通过计算的方式参与到生产经营活动中并发挥重要价值的数据资源。数据资源之所以成为生产要素，是因为其不仅能被生产数据的企业自身所用，还能够通过流通渠道被外部企业所用，这就需要数据资源进一步转化为可流通、可交易的数据产品。
数据产品化即数据资源到数据产品的转变过程，过程中需要企业进行大量的分析工作，重点包括以下四项。其一，建立数据资源可能的应用价值图谱。企业需要将视角从价值链转换到价值网络上来。价值网络从商业生态系统的视角出发，更加关注价值创造系统中的各方如何通过合作来共同创造价值。这需要企业从全新的视角看待自己与其他利益相关方的连接方式，尽量考虑多方共同参与进行数据价值挖掘，因为数据的共享价值是无限的，远远大于数据的原始价值。其二，分析目标客户的数据需求及应用场景。当企业转变为数据赋能的服务/解决方案提供商时，服务客户的方式和目标客户都会发生变化，因此往往需要根据数据需求和应用场景重新进行客户细分，例如有一些长尾客户在数字技术的支持下开始变得有价值。其三，选择合适的测试客户。由于数据产品对原始数据的组合方式非常依赖于对场景需求的理解，企业在开发数据产品时需要得到测试客户的及时反馈，因此需要选择合适的测试客户。其四，共同组织数据产品及其技术开发。在确定测试客户后，企业需要和客户紧密合作，完成产品的商业原型开发，获取客户反馈，并在实践中验证此前的各种假设。
数据资产化是数据产品形成价值和价值兑现的重要参考依据。在数据资产价值变现的过程中，企业首先需要建立明确的数据资产化战略。目前有四种主要的数据资产化战略——内部专用、对外共享、数据交易、对外开放。
其次，企业需要构建数据资产管理体系。在数据资产化战略的指导下，企业需要以数据生命周期为主线，构建一整套数据资产管理体系，包括数据资产确权、登记（认定）、价值评估、资产处置和隐私保护等一系列管理活动。通过打造统一的数据资产管理平台，帮助企业以数据治理为支撑，不断发掘数据能够解决问题的领域，实现数据资产的保值和增值，完成对数据资产价值传递的推进作用。
再次，企业需要谋求数据资产经营战略和组织落实。数据资产经营是实现从数据资产供给端到消费端的闭环管理过程。以用户需求为中心，以市场为导向，通过数据产品销售或服务增值来获取收入，进而盘活企业数据资产，实现价值变现。数据资产经营战略的制定需要企业对数据产品经营所面临的优势、劣势、机会与挑战等方面展开分析，将数据资产经营提升到战略管理的高度，不断明确数据资产经营的战略目标、方针重点、阶段对策等。此外，建立全方位、跨部门、跨层级的数据资产管理组织架构，是实施组织级统一化、专业化数据资产管理的基础，也是数据资产管理责任落实的保障。
最后，企业需要执行数据资产的经营管理。具体需要考虑数据产品的定价机制和服务模式的选择，明确营销渠道和促销方式，制定数据交付技术方案，确定收益分配与激励机制等。
