数据资产评估，掌握这些技术很重要！

众所周知，数据从企业经营产生的基础信息，到成为能够创造出“公认价值”的数据要素，要经过数据资产评估的过程。

数据资产评估，是每一个数字化转型企业，从对内进行降本增效、业务赋能，转向对外的数据资源开放共享的必由之路！

从定义上看，数据资产评估是指：

“资产评估机构及其资产评估专业人员，在法律、行政法规和资产评估准则的框架下，根据委托对评估基准日特定目的下的数据资产价值进行评定和估算，并出具资产评估报告的专业服务行为”。

数据资产是指企业在运营活动中形成的，由企业拥有，在数据的产生、获取、处理、存储、传输和应用全过程可控的，并能够给企业带来价值的数据资源。

数据资产评估，是当前数字产业化中具有极大增长潜力的业务形态！为了有效推动企业数据资产化过程，提供高效率的数据资产评估服务，必须依赖可靠的数据科学技术保障。

这些技术保障主要包括以下方面：

一是集成并提供科学、客观数据资产评估方法。

相关技术主要围绕数据资产评估模型的设计和优化，目的是对影响数据资产价值的主要因素进行量化计算，得到合理的数据资产评估值。

常见的数据资产评估模型主要有：基于重置成本的动态博弈法、基于回归算法的市场价值法、基于数据知识图谱的关联分析法等。

二是保证数据在收发、处理和评估的过程中，不受数据泄露、数据遗失、数据篡改等风险威胁。

相关技术主要包括区块链技术和智能合约技术，旨在保证数据在安全链上完成评估过程，实现数据资产评估的全流程的可信、可监控、可追溯。

其中，通过引入数据标记与追踪、区块链与智能合约、加密与防复制、环境监测技术等，可以有效确保数据资产评估结果的唯一性。

三是解决数据资产质量确定、市场价值回归分析、数据集的分类规整，以及数据资源与业务相关性的量化等需求。

相关技术主要包括知识图谱、机器学习等技术，可在数据价值挖掘和分析方面将发挥重要作用，从“业务增长”视角对数据质量及相关性形成结论。

知识图谱技术通过业务数据关联与全局校验，可以精准挖掘数据质量与数据服务的业务价值点的相关性，为数据治理工作提供关键的“数字能效”业务洞察。

此外，建立基于数据资产血缘图谱模型，记录任一数据资产的产生和被利用的数据链，辅助分析数据资产变化时的相关影响深度和广度，从而加强对数据资产使用的管理。

机器学习，一方面可解决数据资产市场价值回归分析、数据集的主题分类、数据分布（如数据维度、数量规模、统计特征）的自动测算问题。

另一方面，可以为数据资产评估的指标查询和关键信息推荐提供有价值的决策支撑。

例如：面向数据产品加工的全生命周期，进行数据质量评估指标溯源分析，为数据质量提升的关键流程节点定位，以及数据质量指标优化策略设计提供参考信息。

关于数据资产评估，还有什么技术值得关注呢？ 欢迎在评论区留言交流 ...

数易达科技，长期关注数据价值开发和应用场景构建的前沿AI技术，希望通过大数据工具和平台帮助企业快速建立成熟的数据资产管理体系（了解更多）。

本文来自微信公众号 “大话数字化转型”（ID：dataminingxmz），作者：数字化刘老师，36氪经授权发布。