|
权属管理
|
概述
|
权属管理是明确数据资产定义和确定权属关系的过程。权属管理包括数据权属管理制度、数据资产识别与认定、数据资产分类、数据资产权属确认、数据资产目录管理和数据资产授权管理等活动。
|
|
过程描述
|
a）制定数据权属管理制度，明确数据资产定义、数据权属分类和权属界定规则；
b）数据资产识别与认定，基于数据资产的定义，分析数据资产内部赋能与外部应用场景，制定数据资产清单与场景目录；
c）数据资产分类，分析数据资产的来源和应用场景，将数据资产划分为个人数据、企业数据、公共数据等类型；
d）数据资产权属确认，对数据采集、加工和应用过程进行梳理，分析和确认数据资产权属，包括持有主体、使用主体和经营主体等权属信息；
e）数据资产目录管理，对数据资产进行编目和注册，形成组织统一的数据资产目录并更新维护；
f）数据资产授权管理，依据数据权属管理制度，对相关主体进行授权并跟踪记录权属变更情况。
|
|
过程目标
|
a）构建数据权属管理体系，保障数据资产的合规使用和价值实现；
b）构建数据授权运营机制，建立多方协同的产业生态。
|
|
初始级
|
在项目中识别数据资产并明确数据权属管理。
|
|
受管理级
|
1）在部门层面制定数据资产认定方法，指导数据权属管理相关工作；
2）在部门层面开展数据资产识别并确认数据权属关系；
3）在部门层面建设数据资产目录并更新维护。
|
|
稳健级
|
1）在组织层面制定统一的数据资产识别、数据资产分类和数据权属管理制度，明确数据资产定义、数据权属分类和权属界定规则；
2）分析数据资产内部赋能与外部应用场景，制定组织级统一的数据资产清单与场景目录；
3）分析数据资产来源和应用场景，将数据资产划分为个人数据、企业数据和公共数据等类型；
4）对数据采集、加工和应用过程进行梳理，在组织层面分析和确认数据资产权属，包括持有主体、使用主体和经营主体等信息；
5）在组织层面开展数据权属风险评估工作并出具评估报告；
6）基于数据资产分类对其进行编目和注册，形成组织统一的数据资产目录并更新维护；
7）在组织层面明确授权运营条件，依法合规开展授权运营工作，及时跟踪记录权属变更情况；
8）在组织层面建立定期评估和调整机制，根据市场运营效果，调整或收回运营授权。
|
|
量化管理级
|
1）设定量化指标，跟踪评价数据资产权属管理过程并持续改进；
2）采用人工智能技术开展数据权属风险评估，提升数据权属风险管理效率；
3）参与数据资产权属管理相关国家标准，主导行业标准的制定。
|
|
优化级
|
1）通过数据授权运营建立安全可控的产业链上下游协同机制，实现数据资产流通与协同创新；
2）参与数据资产权属管理相关国际标准，主导国家标准的制定；
3）在国际和国家层面分享最佳实践，成为行业标杆。
|
|
价值评估
|
概述
|
价值评估是指通过系统化的方法和工具，依据会计处理规范及评估方法框架，对组织内部的数据资产进行量化评估，以确定其经济价值。价值评估包括设计评估方法、数据资产成本核算、数据资产价值评估、数据资产定价机制和数据资产投入产出分析等活动。
|
|
过程描述
|
a）设计评估方法，明确数据资产评估的基本原则、评估方法和评估流程。评估方法应涵盖市场法、成本法和收益法等核心方法，根据数据资产的特点和应用场景灵活选择适用方法；
b）数据资产成本核算，依据数据资产会计处理规范与成本分摊规则，开展数据全生存周期成本归集、核算和分摊，支撑数据资产估值和入表核算等管理场景；
c）数据资产价值评估，按统一的评估方法分析数据资产的应用场景，评估数据资产的经济价值，评估因素包括数据资产的质量、规模、稀缺性和合规性；
d）数据资产定价机制，梳理对外流通的数据产品情况，根据市场供需、竞争格局和政策影响等方面因素，建立数据产品定价框架，指导数据产品定价；
e）数据资产投入产出分析，整合成本、收益和市场多维度评估结果，构建数据资产投入产出分析模型。建立成本收益分析矩阵，针对不同类别数据资产制定差异化策略，形成数据资产价值分析报告。
|
|
过程目标
|
a）规范数据资产的价值评估过程，提供管理决策依据并促进数据资源的资产化；
b）建立数据资产效益评价体系，定期分析数据资产价值与成效，推动数据资产向高价值场景倾斜。
|
|
初始级
|
在项目中记录数据资产成本信息。
|
|
受管理级
|
1）在部门层面制定数据资产价值评估的方法，明确评估的基本原则和流程；
2）在部门层面分别制定数据资产的成本归集和核算；
3）在部分业务领域开展数据资产价值评估工作。
|
|
稳健级
|
1）制定组织统一的数据资产评估方法、流程，指导组织的数据资产价值评估；
2）在组织层面建立财务、业务和数据管理部门的联合管理机制，规范数据资产价值管理工作；
3）在组织层面依据数据资产会计处理规范与成本分摊规则，建立数据资产成本台账，开展数据资产全生存周期的成本归集、核算和分摊，支撑数据资产估值和入表核算等管理场景；
4）在组织层面按统一的评估方法分析数据资产的应用场景，评估数据资产的经济价值，评估因素包括数据资产的质量、规模、稀缺性和合规性；
5）在组织层面梳理对外流通的数据产品情况，建立数据产品定价框架，指导数据产品定价；
6）在组织层面构建数据资产投入产出分析模型，针对不同类别数据资产制定差异化价值评估策略，制定并发布数据资产价值分析报告。
|
|
量化管理级
|
1）引入外部机构开展数据资产价值评估，提升数据资产价值评估的合理性、规范性和合规性；
2）设定量化指标，跟踪评价数据资产价值评估过程并持续改进；
3）设定成本核算量化指标，对数据资产成本台账量化评价，使成本信息可追溯和可管理；
4）采用人工智能技术持续提升成本核算的准确性和价值评估的效率；
5）参与数据资产价值评估相关国家标准，主导行业标准的制定。
|
|
优化级
|
1）参与数据资产价值评估相关国际标准，主导国家标准的制定；
2）在国际和国家层面分享最佳实践，成为行业标杆。
|
|
资产运营
|
概述
|
资产运营聚焦数据资产价值转化全过程管理，构建覆盖流通策略制定、运营实施、收益分配和权益保障的标准化运营体系，实现数据资产的市场化配置与风险可控流转，开展运营效益评估，共建数据资产产业链，促进数据资产价值持续释放。数据资产运营包括制定数据资产运营制度、组建数据资产运营团队、建设数据资产运营流通系统、数据资产收益分配和数据资产权益保障等活动。
|
|
过程描述
|
a）制定数据资产运营制度，明确数据资产运营目标，构建数据资产运营机制，搭建覆盖运营组织、流程设计和执行监控的运营框架，指导运营工作的开展；
b）组建数据资产运营团队，明确数据资产运营职责范围，包括产品研发、生态运营和合规审查等职能，常态化开展数据资产运营工作；
c）建设数据资产运营流通系统，构建实现供需对接、合约执行、产品交付、流通结算和溯源存证的可信流通系统；
d）数据资产收益分配，设计基于数据贡献度的收益分配模型，分析各个参与方在数据产品供给链路中的投入情况，开展数据资产收益的分配；
e）数据资产权益保障，建立覆盖数据资产流通全过程的权益保护机制，对各方在数据资产生存周期各个阶段的行为进行管理，分析可能存在的问题并处理权益纠纷。
|
|
过程目标
|
a）建立全面的数据资产运营体系，推动数据资产安全可信地流通应用；
b）通过数据资产运营促进组织和产业链上下游数据的整合，构建数据产业生态。
|
|
初始级
|
在项目中开展数据资产运营。
|
|
受管理级
|
1）在部门层面建立数据资产运营制度并组建运营团队；
2）在部门层面建立收益分配机制，根据实际情况适时调整；
3）在部门层面建立数据资产效益评价指标和评价流程，用以指导本部门数据资产常规效益评价。
|
|
稳健级
|
1）在组织层面建立数据资产运营制度，搭建覆盖运营组织、流程设计和执行监控的运营框架，指导运营工作的开展；
2）在组织层面明确数据资产运营的归口管理部门和专职运营团队；
3）在组织层面建设支撑数据资产运营的可信流通系统，实现数据资产的供需对接、合约执行、产品交付、流通结算和溯源存证的全过程支撑；
4）在组织层面设计基于数据贡献度的收益分配模型，分析各个参与方在数据产品供给链路中的投入情况，开展数据资产收益的分配；
5）在组织层面建立覆盖数据资产流通全过程的权益保护机制，对各方在数据资产生存周期各个阶段的行为进行管理，分析可能存在的问题并处理权益纠纷；
6）定期开展数据资产运营团队培训。
|
|
量化管理级
|
1）设定量化指标，定期开展数据资产运营评价和效益评价，形成数据资产评价报告；
2）可信流通系统采用人工智能、隐私计算和区块链等先进技术，实现数据流通的可管、可测量和可追溯；
3）参与数据资产运营相关国家标准，主导行业标准的制定。
|
|
优化级
|
1）促进组织和产业链上下游数据的整合，构建数据产业生态；
2）参与数据资产运营相关国际标准，主导国家标准的制定；
3）在国际和国家层面分享最佳实践，成为行业标杆。
|
