本书深入探讨了在数字化转型浪潮下，金融业如何构建可持续的数据资产管理体系，以驱动业务创新、提升决策效率与市场竞争力。本书通过理论与实践相结合的方式，系统阐述了数据资产化的全过程，以及数据资产管理体系的构建与运营策略。
本书不仅提供了构建数据资产管理体系的一整套方法论，还详尽剖析了数据资产实际建设中的关键要点与实施指导，旨在助力读者实现从理论到实践的衔接与落地推进。
本书主要面向以下核心读者群体：数据资产咨询领域专业人士（如战略规划师、数据咨询顾问及解决方案架构师）、数字化转型决策层（如企业CIO/CTO、部门负责人及项目总监）、一线技术实施人员（如数据工程师、系统架构师及DevOps专家），以及数据科学与信息技术相关专业的学生及研究学者。
1.一五三体系
系统提出以一个管理对象(数据资产)、五大任务(数据资产服务、运营、开发、运维和治理)、三大支撑(组织团队、制度流程、平台工具)为核心的数据资产管理体系。
2.数据资产化全流程详解
从开发、治理、运维到运营与服务，提供端到端的方法论与管理策略，实现数据资产价值闭环，
3.数据驱动业务实战指南
围绕怎么做，系统阐述建设原则、关键要点、实施策略与项目类型，推动业务创新落地。
杜啸争
毕业于北京航空航天大学系统工程专业，北京大学光华EMBA。现任中电金信研究院副院长兼商业分析事业部总经理，兼任CCF数据治理发展委员会常委、大数据专委会执委，DAMA大中华区理事。曾先后任职于阿里云、联想集团、Teradata等企业，具备深厚的行业数据平台、数据治理与数据中台建设经验。在金融领域，曾主导多家大型国有银行、股份制银行及中小型银行的数据平台与治理项目；在政府与央企领域，亦深度参与多项大型数据治理与数字化建设项目。带领团队连续九年蝉联IDC数据智能解决方案市场榜前列，其成果有力推动了行业数据赋能创新与实践。
目 录
第 1 章 数据资产建设的必要性 001
1.1 数字经济与数据要素 001
1.2 金融业数字化转型 002
1.2.1 数字技术 003
1.2.2 数据化 003
1.2.3 数字化转型的内容与措施 003
1.3 数据能力是数字化转型的基础 005
1.4 金融业数据能力建设历程概述 007
1.4.1 数据整合能力的建设 007
1.4.2 数据应用能力的建设 009
1.4.3 数据治理能力的建设 011
1.5 数据需求 012
1.6 小结 014
第 2 章 金融业数据资产概述 015
2.1 数据资源与数据产品 015
2.1.1 数据资源与数据资源化 016
2.1.2 数据产品和数据产品化 016
2.2 会计视角的数据资产 017
2.2.1 数据资产的会计规定 017
2.2.2 数据资产的三性原则 018
2.3 经济学视角的数据资产 019
2.3.1 数据资产的有用性 019
2.3.2 数据资产的稀缺性 020
2.4 实践视角的数据资产 020
2.4.1 结构上：目录与卡片，账实一致 021
2.4.2 功能上：用户自主，能力复用 022
2.4.3 管理上：权责明确，闭环完整 023
2.5 数据资产建设历史 024
2.6 小结 025
第 3 章 “一五三”数据资产管理体系 026
3.1 一个管理对象 027
3.1.1 数据资产目录的特征 028
3.1.2 数据资产卡片的信息模型 028
3.1.3 元数据不是数据资产卡片 029
3.1.4 数据资产管理体系与数据应用的关系 031
3.2 五大任务 031
3.2.1 数据资产服务 032
3.2.2 数据资产运营 032
3.2.3 数据资产开发 033
3.2.4 数据资产运维 033
3.2.5 数据资产治理 034
3.3 三大支撑举措 034
3.3.1 组织团队方面 034
3.3.2 制度流程方面 035
3.3.3 平台工具方面 035
3.4 建设数据资产管理体系的抓手 036
3.5 小结 037
第 4 章 数据资产服务平台建设 039
4.1 数据资产服务概述 039
4.2 数据资产服务场景 040
4.2.1 资产使用者涉及的场景 041
4.2.2 资产维护者涉及的场景 046
4.3 数据资产服务平台的架构和功能 048
4.3.1 数据资产服务平台的架构 048
4.3.2 数据资产服务平台的功能 050
4.4 数据资产服务平台的建设要点 053
4.4.1 AI多模态检索能力深化 054
4.4.2 资产共享模式创新 054
4.4.3 用户体验优先 055
4.4.4 数据安全合规体系强化 056
4.5 数据资产服务案例 057
4.5.1 案例背景 057
4.5.2 建设内容 058
4.5.3 成果价值 062
第 5 章 数据资产开发平台建设 064
5.1 数据资产开发概述 064
5.2 数据资产开发的难点及流程 065
5.2.1 数据资产开发的难点 065
5.2.2 数据资产开发流程 067
5.3 数据资产开发平台功能框架 076
5.3.1 数据资产开发平台概述 076
5.3.2 数据资产开发平台的应用场景 077
5.4 数据资产开发平台的建设要点 080
5.4.1 数据资产的平台架构 080
5.4.2 数据架构与数据模型 084
5.4.3 数据资产开发与数据治理 086
5.4.4 数据资产开发的成本管理 087
5.4.5 数据资产开发平台的智能化升级 089
5.5 数据资产开发案例 090
5.5.1 案例背景 090
5.5.2 解决方案的目标 091
5.5.3 方案设计 091
5.5.4 方案优势 093
5.5.5 成果 093
第 6 章 数据资产运营平台建设 094
6.1 数据资产运营概述 094
6.2 建设企业级数据资产运营平台的必要性 095
6.3 数据资产运营平台功能框架 097
6.3.1 维护数据资产目录，提供一站式数据资产全景视图 098
6.3.2 推动自主运营分析，实现数据资产全天候“保鲜” 100
6.3.3 评估数据资产价值，促进数据流通和交易 103
6.3.4 集成其他平台，完善数据资产
管理体系 104
6.4 数据资产运营平台的建设要点 105
6.4.1 数据资产分类编目设计 105
6.4.2 数据资产卡片设计 107
6.4.3 数据资产盘点实施 108
6.4.4 数据资产价值评估和成本计量 109
6.4.5 资产任务运营机制设计 111
6.5 数据资产运营案例 112
6.5.1 案例背景 113
6.5.2 主要问题 113
6.5.3 方案设计 114
6.5.4 关键要点 116
6.5.5 取得成果 119
第 7 章 数据资产治理平台建设 121
7.1 数据资产治理概述 121
7.2 数据资产治理重点与新需求 123
7.2.1 基础类数据资产治理重点 123
7.2.2 服务类数据资产治理重点 126
7.2.3 数据资产治理的新需求 126
7.3 数据资产治理平台功能框架及交互 128
7.3.1 数据资产治理平台主要模块 129
7.3.2 数据资产治理平台的内外部交互 135
7.4 影响数据资产治理建设的关键因素 136
7.4.1 数据资产治理的组织架构 137
7.4.2 数据资产治理的流程和制度 139
7.4.3 数据标准的更新及落标 141
7.4.4 数据确权 142
7.5 数据治理案例 143
7.5.1 案例背景 143
7.5.2 数据资产治理解决方案 144
7.5.3 治理成效 145
7.5.4 核心创新点 146
第 8 章 数据资产运维平台建设 147
8.1 IT运维简介 147
8.2 数据资产对IT运维的新要求 150
8.3 数据资产运维平台功能框架 152
8.3.1 运维指标体系 153
8.3.2 数据资产血缘分析 155
8.3.3 数据资产状态监控 159
8.3.4 数据资产生命周期管理 163
8.3.5 数据资产运维平台与其他平台的交互 166
8.4 运维技术架构及定制化建设 167
8.4.1 数据资产运维平台的技术架构及其建
设要点 167
8.4.2 数据资产运维平台的建设步骤 169
8.4.3 数据资产运维平台的关键要素 170
8.5 案例 170
8.5.1 案例背景 171
8.5.2 重难点问题 171
8.5.3 解决方案 171
8.5.4 数据血缘关系探查场景案例 172
8.5.5 建设成效 174
第 9 章 数据资产管理体系的建设 175
9.1 数据资产建设前的测评 175
9.1.1 数据管理能力成熟度评估模型 175
9.1.2 数据资产成熟度模型 177
9.2 数据资产建设的原则、要点及策略 179
9.2.1 数据资产建设原则 179
9.2.2 数据资产建设要点 180
9.2.3 数据资产建设策略 181
9.3 全面类数据资产建设项目 183
9.3.1 项目的典型内容 183
9.3.2 项目建设过程 184
9.3.3 项目建设成果 184
9.4 优化类数据资产建设
项目 186
9.4.1 项目的典型内容 186
9.4.2 项目建设过程 187
9.4.3 项目建设成果 187
9.5 银行数据资产建设案例 187
9.5.1 需求提出与初步查找 188
9.5.2 需求分析 189
9.5.3 数据资产开发 189
9.5.4 数据资产服务 194
9.5.5 数据资产运营 195
9.5.6 数据资产应用 195
9.5.7 数据治理 197
9.5.8 数据资产运维 198
9.6 小结 199
第 10 章 数据资产管理未来展望 200
10.1 企业层面，数据资产全面赋能 200
10.2 行业层面，数据要素深耕生态 202
10.3 内容层面，非结构化数据方兴未艾 203
10.3.1 非结构化数据的定义与特征 203
10.3.2 非结构化数据的挑战 204
10.3.3 非结构化数据的管理架构 204
10.3.4 非结构化数据的四大趋势 206
10.4 关于金融业数据资产领域的十大预测 208
10.5 小结 209
附录 术语解释 210
书单推荐
