数据是指任何以电子或者其他方式对信息的记录。

按照《数据安全法》，第三条有明文说明：数据是对客观事件进行记录并存储在媒介物上的可鉴别符号，是对客观事物性质、状态以及相关关系等进行记载的物理符号或物理符号组合，是一种客观存在的资源，实务中往往根据不同的管理和利用方式、适用场景等进一步分类描述。

一般来讲：

根据数据结构分为:结构化数据、半结构化数据、非结构化数据。其中结构化数据就是我们在数据库中保存的数据，非结构化数据就是常见的文本文件或者视频，半结构化就是介于二者之间状态的数据，比如结构比较清晰的文本。

根据数据安全分为:核心数据、重要数据、一般数据

根据加工程度分为:原始数据、衍生数据、数据产品

02   第二阶段-数据资源化

——————————————————

数据资源是指在一定规模下，具有潜在价值的数据集合。这些数据不仅能够记录和反映事务信息，还能够通过进一步的挖掘和分析，发挥更大的作用。当数据积累到一定程度时，它们就不再仅仅是简单的信息记录，而是转变成了具有战略意义的数据资源。

数据资源的特点在于，它们具有以下几方面的价值实现途径：

数据挖掘：通过对大量数据进行深入分析，可以发现数据之间的关联性、规律性和趋势性，从而为企业决策提供有力支持。数据挖掘可以应用于市场分析、用户画像、风险评估等多个领域。

流通交易：数据资源可以在合法合规的前提下，通过交易市场进行买卖。企业之间可以共享数据资源，实现互利共赢。例如，电商平台可以通过分析用户购物数据，为商家提供精准营销方案。

创新应用：数据资源可以为新技术、新业务提供源源不断的创新动力。例如，人工智能、大数据等技术的发展，离不开丰富多样的数据资源作为支撑。

广义上，数据资源是指对企业具有价值的数据集合。这些数据通常存储在企业的数据仓库或软件系统的数据库中，包括但不限于以下几类：

客户数据：如用户基本信息、消费记录、行为习惯等。

运营数据：如企业生产、销售、库存等业务数据。

财务数据：如收入、成本、利润等财务指标。

竞争对手数据：如市场占有率、产品特点、营销策略等。

然而，并非所有的数据资源都可以转化为数据资产。数据资产是指能够为企业带来经济利益的数据资源，具有明确的所有权、可控性和可计量性。要将数据资源转化为数据资产，需要经过筛选、整合、加工和评估等过程，确保数据具有实际应用价值和商业潜力。因此，在管理和利用数据资源时，企业需关注数据质量、安全性和合规性，以充分发挥数据资源的价值。

03   第三阶段-数据产品

——————————————————

数据产品是一种以产品形态为载体的数据服务，它是由数据资源中开发出来的，旨在为用户提供有价值的信息和洞见。数据产品将复杂的数据转化为易于理解和使用的形式，帮助用户做出更明智的决策，提高工作效率，或者创造新的商业价值。

数据产品的产生过程通常包括以下几个步骤：

数据汇聚：收集和整合来自不同来源的数据，包括内部数据和外部的公开数据、第三方数据等。

数据处理：对原始数据进行格式化、标准化和结构化处理，以便于后续的分析和挖掘。

数据清洗：识别并纠正数据中的错误、重复和不一致之处，确保数据的质量和准确性。

数据分析：运用统计方法、数据模型等对数据进行深入分析，提取关键指标和趋势。

数据挖掘：通过算法和模型发现数据中的模式、关联性和预测性信息。

数据产品的展现形式多样，主要包括以下几种：

数据集：提供原始或经过处理的数据集合，供用户下载或直接在平台上进行分析。

API（应用程序编程接口）：允许其他软件系统通过编程方式访问和使用数据产品的功能。

图表：通过图形化的方式展示数据的分布、趋势和比较，便于用户快速理解信息。

报告：提供详细的分析报告，包含文字描述、数据表格、图表等，用于深入解读数据。

模型：构建数学模型或算法，用于预测、分类、推荐等高级数据分析任务。

算法：提供特定的算法实现，用于解决特定的问题或优化特定的流程。

04   第四阶段-数据资产

——————————————————

数据资产是指企业在合法拥有或控制的前提下，预期能够为企业带来经济利益的数据资源。这些数据资源不仅需要满足企业会计准则中关于无形资产或存货等相关资产的确认条件，而且应当具备以下特征：

根据财政部《企业数据资源相关会计处理暂行规定》，数据资产具有以下特点：

合法性：数据资产必须是企业合法拥有或控制的，这意味着企业对数据拥有使用权、处置权和收益权。

经济利益：数据资产预期会给企业带来经济利益，这种利益可以是直接的经济收入，也可以是间接的，如提高运营效率、降低成本、增强市场竞争力等。

会计确认：数据资产需要满足企业会计准则中的相关资产确认条件，包括可识别性、可控性、可计量性等。

中国资产评估协会《数据资产评估指导意见》中对数据资产的定义进一步强调了以下几个方面：

特定主体：数据资产属于特定的主体，即企业或其他组织，它们对数据资产拥有所有权或控制权。

货币计量：数据资产能够进行货币计量，这意味着其价值可以通过一定的方法进行量化，以便于在财务报表中进行体现。

直接或间接经济利益：数据资产能够为拥有者带来直接的经济收入或间接的经济效益，如通过数据驱动的决策支持、产品创新等。

根据GB《信息技术 大数据 数据资产价值评估》(征求意见稿)，数据资产的定义还包括以下内容：

数据为载体：数据资产以数据为载体和表现形式，这是其区别于其他类型资产的重要特征。

可计量性：数据资产的价值应当是可计量的，这要求企业能够对其价值进行评估和报告。

为组织带来利益：数据资产不仅限于为企业带来经济利益，还包括为其他类型的组织，如政府机构、非营利组织等，带来直接或间接的利益。

总的来说，数据资产是企业重要的战略资源，它通过有效的管理和利用，可以转化为企业的核心竞争力，为企业的长期发展提供动力。随着大数据、人工智能等技术的发展，数据资产的价值越来越受到企业的重视。

05   数据资产运营框架

——————————————————

会上提出了数据资产运营框架，包括三个方面，即数据资源化，产品化和资产化三方面互为支撑的框架。分别对应数据治理体系，数据产品体系和数据资产管理体系。

06   数据产品层次

——————————————————

对于数据产品的层次，鼹鼠哥之前也有文章提到，大家基本也是按照这个分类层次来分的。

[数据概念]大模型时代演进的DIKW模型【1】

[数据概念]大模型时代演进的DIKW模型【2】

[数据概念]大模型时代演进的DIKW模型【3】

DIKW模型将数据、信息、知识、智慧纳入到一种金字塔形的层次体系，每一层比下一层都赋予的一些特质。原始观察及量度获得了数据、分析数据间的关系获得了信息。在行动上应用信息产生了知识。智慧关心未来，它含有暗示及滞后影响的意味。

DIKW模型可以很好的帮助我们理解数据（Data）、信息（Information）、知识（Knowledge）和智慧（Wisdom）之间的关系，向我们展现了数据是如何一步步转化为信息、知识、乃至智慧。

数据：想象一下，我们手头的那些未经雕琢的宝石——它们就是数据。这些原始素材，如数字、图像、声音等，就像一颗颗未经打磨的矿石，本身并不闪耀，也不具备特定的意义。数据，就像世界的度量衡，用事实、信号、符号来呈现这个世界的各种现象。比如，我们记录下的“室外温度为2度”这一数据，它只是单纯的事实记录。

数据的特性有三：

• 可靠性：它就像是一把精确的尺子，多次测量后得到的数据应该保持一致。

• 有效性：它确保我们测量的对象正是我们想要了解的对象，比如测量室外的温度，而不是室内的。

• 完整性：数据的完整性确保了所有记录的数据都是真实、准确的，没有遗漏或偏差。

信息：当数据经过整理、加工，就像宝石经过切割、打磨后焕发出璀璨的光芒，它就变成了信息。信息不仅为我们提供了数据本身，还为我们揭示了数据背后的意义。比如，“室外温度为2度”这一数据，经过加工后就变成了“室外很冷”这一信息。信息为我们解答了“谁”、“什么时间”、“哪里”、“做了什么”的问题，它是有结构的、有意义的，可以帮助我们做出简单的决策。

知识：知识则是信息的升华。它不仅仅是信息的堆积，更是对信息进行解释、解析和归纳后，形成的结构化、有逻辑联系的知识体系。比如，当我们知道“最近立夏了，天气变热，要换薄衣服”时，这就变成了知识。知识是信息的高级形态，它包含了对事物的理论和应用，能够引导我们做出正确的预测和判断。有价值的信息经过沉淀和结构化后，就形成了知识。

智慧：在知识的海洋中，智慧是那最璀璨的明珠。它不仅仅是知识的堆积，更是对知识的深刻理解和灵活运用。智慧是知识的选择，是我们在面对复杂问题和不确定情境时，能够基于已有知识进行分析、对比、演绎，从而找出最佳解决方案的能力。比如，在面对“天气变热”这一信息时，我们不仅仅知道要换薄衣服，还能根据天气预测、个人体质等因素，选择最合适的衣物搭配。这就是智慧。

DIKW的联系：数据、信息、知识和智慧，它们之间紧密相连，层层递进。数据是基石，信息是桥梁，知识是宝藏，而智慧则是引领我们前行的灯塔。它们共同构成了我们认识世界、理解世界、改造世界的强大工具。从“室外温度为2度”这一数据出发，我们经过信息的提炼、知识的积累，最终达到了智慧的境界——能够灵活应对各种复杂情境，做出明智的决策。