数据资产化展现形式与概念

导读：

从厂商侧来看，数据处理是最重要的环节，其次是数据采集和源数据。但从需求侧来看，数据处理仍是最重要环节，其次则是数据存储、数据采集。 

数据资产化发展阶段：可划分为四个环节两大阶段，现大部分企业处于第一阶段

数据资产化可以粗略的划分为两个阶段，分别是数据资产形成阶段和数据资产管理与变现阶段。数据资产形成阶段则分为两个环节，分别是数据基础能力和业务数据化两个环节，主要是以源数据建设、数据采集、数据分析与应用等为主，市场大部分最终用户都处于第一阶段，甚至较大比例最终用户处于数据基础能力建设环节。数据资产管理与变现阶段，则包括数据资产化和数据资产变现两个环节，包括数据全流程治理、数据分析、可视化、数据决策应用和数据营销变现等。

数据资产化展现形式与概念 

数据资产化将大数据市场各环节整合成一体，作为资产进行管理

数据资产化业务价值链分析：价值链主要有五大环节，数据采集、数据存储和数据处理是战略环节

数据资产化业务价值链分析：需求侧更关注数据处理和存储，供给侧则关注数据处理和采集环节

从厂商侧来看，数据处理是最重要的环节，其次是数据采集和源数据。但从需求侧来看，数据处理仍是最重要环节，其次则是数据存储、数据采集。 

由此可见，供需两端均将数据处理和数据采集作为重要战略环节，另外供给侧更注重源数据环节，需求侧则更注重数据存储环节。因此，像百分点这 种注重全流程数据治理的企业会更受最终用户欢迎，同时像日志易、明途科技这种在数据采集方面优势突出的企业也具有较好的发展。

数据资产化价值链中的典型工具

数据要素的全流程整合过程称之为数据资产化，而将数据资产化过程中所需要的源数据、数据采集、存储、处理、应用的一切软件产品和服务，统称为数据资产化工具。

数据资产化工具包含了最终用户在数据要素管理过程中的全部软件产品和服务，在各个数据资产化的价值链中都有典型的工具，例如数据存储类有数据库、数据仓库等，数据处理类有用户分析平台等，决策应用类有数据中台、商业智能BI等。

数据资产化价值链中的核心角色：

互联互通社区

互联互通社区-IT智库，是互联互通社区IT架构、前沿技术平台。包含科技趋势、总体架构、产业架构、技术架构、系统架构、业务架构等内容，内容简练，皆属干货，合作请+微信：hulianhutongshequ.