英国数据资产框架不仅提出了数据资产管理的整套方法论体系，而且还开发了具体的管理工具，对数据资产管理实践具有一定的示范性。数据资产框架的核心是数据审计框架，数据审计框架是DAFD（Data Audit Framework Development）项目的研究成果，数据审计对数据资产进行审查，审计结果保存在管理工具的一个组件寄存器中，寄存器中存储数据资产清单，登录寄存器就可以利用数据资产。
（1）数据资产框架研究方法及工具。英国数据资产框架的主体是高等教育机构科研部门及研究者，其客体是高等教育机构产生的科研档案。它主要采用的研究方法是结构性访谈和问卷调查，主要工具是资产审计软件。问卷调查是通过机构相关人员了解数据资产基本情况的有效方式，而访谈可以获得更为详细的信息。调查问卷主要包括两个方面：一是个人信息；二是科研及科研数据具体信息，如数据类型、数据大小、数据所有权、数据重要程度、数据保管期限、是否经常更新和备份、是否有数据专门保管人、是否制订正式数据资产管理计划等。访谈主要包括5个方面：研究中会产生哪些数字化资料；这些资料如何产生并保管；在管理过程中曾遇到哪些问题；所在单位的电子文件管理现状与需求如何；数字化资源管理及服务有哪些要求。开发的数据资产审计软件主要包含两个元素：一个是关于数据资产政策及管理实践的问卷调查；另一个是数据资产登记簿，每条数据资产记录都包括内容、技术及获取三方面信息。
（2）数据审计框架具体实施流程。数据审计框架是一种适用于各种类型机构及其数据的自审计方法。数据审计正是对数据资产的一种客观评估的过程，也是数据资产管理的有效手段和工具。它的具体内容及实施流程见表5-1。
表5-1 数据审计框架具体实施流程
数据审计框架于2008年10月在英国科学院（British Academy）召开的新闻发布会上被宣布正式投入使用。这在数据管理领域引起了广泛讨论，主要是考虑如何把这个工具嵌入机构现有的科研工作流程及对科研工作者的培训中。数据审计框架的应用对象为办公室人员、档案人员、图书管理员、计算机人员和科研人员，应用最多的领域为英国高等教育机构的科研档案管理。
2.层次分析法
（1）层次分析法的定义。层次分析法（Analytical Hierarchy Process，AHP）是美国著名的运筹学家T.L.Saaty在20世纪70年代提出的一种将定性和定量分析相结合的多准则决策方法。层次分析模型是把复杂的问题分成若干个组成因素，并按支配关系分组形成层次结构。然后通过两两比较的方式，综合决策者的判断，确定决策方案重要性的总排序。具体步骤如下：
①分析各因素的关系，建立层次结构模型。
②对同一层次的多个元素，关于上一层中某一准则的重要性进行两两比较，构建比较判断矩阵。
③由判断矩阵计算被比较元素对于该准则的相对权重，并检验一致性。
④计算合成权重，即全局权重。(www.daowen.com)
（2）数据资产价值构成。数据资产评估涉及数据的内在价值、业务价值、绩效价值、成本价值、市场价值及经济价值，同时数据还会产生数据的费用。为便于研究，将数据资产价值评估概括为数据生产成本和数据应用成本两个方面，数据资产价值评估层次结构如图5-4所示。
图5-4 数据资产价值评估层次结构
（3）数据资产价值评估模型。数据资产价值评估是通过适宜的数据方法对影响运营数据资产价值的主要因素量化处理，最终得到合理的评估值。数据资产价值评估模型构建方法的操作步骤如图5-5所示。
图5-5 数据资产价值评估模型构建方法的操作步骤
3.会计评估法
会计资产评估主要有3种方式，即成本法、收益法和市场法。数据资产个性化特征明显，多数数据资产无法在公开市场调查中收集到相同或类似的案例作为参照物，故多数数据资产不适宜用市场法来评估。因此，数据资产主要通过成本法和收益法来进行评估。
从成本法来看，有以下3种方法。一是原始成本法。该方法是根据历史成本计价的原则，将企业数据资产取得、维护、更新过程中实际支出进行资本化计价的方法。该方法具有客观可验证性的特点，适用于有意收回数据资产原始投资额的一般性企业。二是重置成本法。该方法是假设在当前的物价条件下，对数据资产按照取得、维护、更新过程中全部支出进行资本化计价的方法。该方法反映了企业在当前市场条件下所凝结在现有数据资产上的全部投资，这样在企业收入中所收回的是数据资产的现时重置成本。该方法对在物价变动情况下力图使数据资产保值和增值的企业尤为适用。三是机会成本法。这种方法是考虑经营决策时采用一个最优数据方案而放弃另一个次优方案的成本法。它将已放弃的方案可能获得的收益看作被选用最优方案的机会成本，能够对最优数据方案的经济效益做出全面的评价。
从收益法来看，数据资产的时效性不同，适用的价值确定方法也不同。有些数据资产能够给企业带来长期价值增值，而有些数据资产只能在短期内甚至一次性给企业带来超额价值。收益法的应用实际上就是对被评估数据资产未来预期收益进行折现和本金化的过程，一般来说分为两种情况。一是数据资产的未来收益有限。在数据资产的未来收益具有特定期限的情况下，通过预测有限时期内各期的收益额，以适当的折现率进行折现，各年预期收益折现值之和，即为数据资产的评估值。二是数据资产的未来收益无限。
4.大数据资产的盘活
企业大数据资产的盘活，关键在建立数据回路。数据回路是指将数据获取、整合、应用和创新等4个环节有机连接，形成正反馈，以不断提高数据资产的价值。如果数据资产没有形成回路，没有流动起来，难以发挥价值，也极有可能变成一种负资产。数据获取是指保障数据获取的稳定性和标准化，为数据整合做铺垫；数据整合是指结合数据的特征和应用场景，保障数据质量，为数据应用做铺垫；数据应用是指利用数据解决实际问题，并发掘更广阔的数据应用前景，为数据创新做铺垫；数据创新是指创造性地解决更多的实际问题，产生更多有价值的数据，扩展数据资产的获取来源。
免责声明：以上内容源自网络，版权归原作者所有，如有侵犯您的原创版权请告知，我们将尽快删除相关内容。
