为了更好地促进数据价值的释放，以体系化的方式实现数据的可得、可用、好用，亟须构建一套完整的资产运营体系。通常将企业数据资产运营过程分为三大环节：
数据资产识别：面向全公司数据的资产化登记，通过厘清资产范围，规范属性，对存量数据资产集中式盘点，对增量数据资产自动化注册，实现数据资产的准确、有效识别。数据资产维护：建立对数据资产属性框架、数据资产目录、数据资产内容以及数据资产访问权限的规范化维护流程，实现数据资产的动态更新。数据资产服务：针对资产检索，资产分析，资产大屏展示等应用场景，构建智能化、可视化、个性化的资产服务体系，提升资产使用效率。1. 数据资产识别针对企业海量数据，首先需要厘清数据资产范围。数据资产是企业所拥有或控制的，可为带来经济收益的，在数据采集、加工、应用和管理过程中产生的一切数据资源。企业通常将基础数据、指标数据、标签数据、挖掘模型等纳入数据资产的范围。
明确资产范围之后，需要对数据资产制定属性描述框架。根据资产类型的不同，其描述框架的内容也有所差异，但原则上需要明确每项资产的业务定义，技术规范和管理对象。以基础数据资产的属性描述框架为例：
图2：基础数据资产属性框架示例
在描述框架中，分别对资产项的业务属性、技术属性和管理属性分别进行了定义。通过描述框架，为每项数据资产统一了中英文命名规则，制定了存储字段类型的和格式要求，定义了数据资产业务描述，明确了管理责任部门和使用权限，为后续的有效使用奠定了基础。
在明确数据资产范围和属性框架之后，需要对企业全量数据进行梳理，以实现企业内数据资源的资产化记录。按照梳理方式的不同，可以分为存量数据资产盘点和增量数据资产注册。
存量数据资产盘点：特点是工程量大，技能要求高，因此，一方面建议采用分阶段集中性的盘点形式，按照“急用先行，先易后难”的原则，对存量数据进行盘点。另一方面，建议借鉴业内成熟的
增量数据资产注册：特点是涉及面广，流程相对固定。因此，需要在数据采集、数据入湖，数据加工等产生数据资产的各个环节设置注册节点，并通过系统接口完成自动注册动作。以某银行为例，在数据入湖流程中部署相应资产注册节点，通过在入湖接口的开发部署时自动捕捉元数据信息，完成数据资产的自动注册。
2. 数据资产维护针对已经形成的数据资产，需要构建一套完整的资产维护机制，对数据资产的定义，数据资产的内容以及数据资产权属进行持续更新，以保证资产信息的完整可信。
数据资产的对数据资产及时地更新和自动维护，提升查找及使用数据的效率，为开展高效数据资产运营提供基础支撑。根据资产属性，主要分为对资产内容的维护，对资产结构的维护和对资产权限的维护。借助数据资产管理平台，实现自动化，实时化的资产属性更新：
数据内容维护：通过定期同步元数据信息实现资产内容技术属性的自动更新，数据资产的业务属性和管理属性信息定期收集，经过业务属主确认后，同步至数据资产管理平台。由数据资产管理人员对已下线的数据资产在平台内进行失效处理。
数据资产目录与属性框架维护：由数据资产管理人员新增和更改目录结构，维护资产属性框架和公共标签。
数据访问权限维护：由数据资产管理人员和数据属主共同负责进行数据资产底层数据预览权限管理，权限类型包括全公司公开、条线公开、私密。
3. 数据资产服务数据资产服务是数据资产价值实现的主要载体，通过梳理常用的资产应用场景，完善资产服务体系，借助数据中台提供服务，帮助业务提升数字生产效率。常见的数据资产服务包括：
数据资产检索类服务: 通过建设多视角的数据资产标签以及资产内容预览等功能，引导用户全面检索、理解、获取想要的高价值数据。数据资产分析类服务：从业务视角自动生成取数脚本，灵活筛选提取的数据资产，跳转BI平台进行联动分析。数据资产展示类服务：通过数据大屏、血缘分析等可视化工具，展示全量数据资产规模，分布以及关联关系等信息。数据资产估值类服务：构建数据资产量化评价体系，从成本，收益，市场价值等维度对不同类型数据资产价值的量化评估。数据资产互动类服务：对数据进行点赞、点踩、评论、星级打分和自定义分组收藏，建立数据资产共享共用生态。以某银行数据资产管理平台为例，用户在浏览查询的数据资产时，可以对其进行点评，包括提出问题、建议、使用经验、心得和评价等，同时还可查阅历史所有的数据资产点评内容。通过此类数据资产互动服务，既增加资产用户的参与积极性，又通过用户点评结果不断改进优化资产内容。