夏义堃 管 茜
(武汉大学信息资源研究中心，武汉，430072)
当今时代，数据已成为创新和经济发展的基础。“数据资产在数据治理中用于描述对组织有价值的任何数据元素或数据结构，并使组织能够执行其功能和运营活动”[1]。越来越多的国家充分认识到政府数据的资产价值，纷纷制定了加强数据资产管理的战略举措[2]，有关数据再利用、数据驱动型经济的内容已经在部分国家的开放政府数据战略、国家数字经济战略或安全战略等得到充分体现[3]。《美国联邦数据战略》《荷兰政府数据议程》《英国数据战略》等均从数据价值发现、价值实现等视角对政府数据资产问题予以强调。
当前，政府数据资产研究主题集中在以下方面：一是政府数据资产内涵特征研究[4-5]，参考会计准则，学界普遍认可政府数据资产是具有可控制、可计量、可变现并能够带来各种直接和间接经济效益的数据[6-8]，其中政府数据资产是否需要确权以及如何确权问题一直是学界争论的焦点，有学者主张数据财产权[9]，也有主张其兼具财产权和人格权[10]，还有学者认为其重点在于收益权、控制权、管理权的分配以实现利益平衡[11-12]；
二是价值管理研究，多参考数据生命周期理论，对政府数据资产进行底数盘查[13-14]、分级分类[15-16]等，以保证数据资产的质量和安全，并认为真实可靠的公共数据是构成国家数据资产的前提[17]；
三是价值评估与定价研究[18]，即综合考量政府数据资产人工、材料、间接费用、运维费用等成本因素，以及分类、使用次数和对象等效果因素综合评定其价格[19]，或者在初始计量采用历史成本法，后续计量采用公允价值与历史成本之间的较低者[18]；
四是价值创造研究，从数据资产交换共享[20]、商业支持应用程序[21]到开放式创新机会[22]，阐述了公共和私营部门创造价值的方式，Fredriksson[23]确定了数据创造社会价值的四个领域：公共部门数据、开放数据、智慧社区和医疗保健。无论是宏观上的数据资产内涵和权属，还是价值评估、定价方式等关键管理问题，都尚未在学术界形成统一认知，有必要对当前国外战略、政策体系中关于数据资产管理的举措进行系统性梳理，总结其共性举措，为我国政府数据资产管理的政策法规制定提供借鉴。
多层级治理(Multi-level Governance)是基于欧盟超国家体出现、新的治理体系正在形成的背景下提出，用以对欧盟政策结构进行分析的研究方法[24]，被广泛应用于气候治理、环境治理等公共治理的实证研究，用来分析不同层级之间如何通过政策网络实现集体决策。政府数据资产管理是政府数据治理的重要内容，构建跨越纵向政府科层关系和横向“政府力-市场力-社会力”的多维多层级综合治理框架，是实现政府数据资产优化配置的前提基础，需要从宏观(国家整体性的战略管理)、中观(实体机构实施方案与关键问题)和微观(参与者能力、技术等具体举措)三个层面，围绕政府数据资产管理的关键过程管理与要素管理进行深入分析(见表 1)，将国外政府数据资产管理的国家定位与部门举措、社会参与有机结合，形成紧密的逻辑关联和结构互补性，从而避免出现管中窥豹只见一斑的情况。
表1 政府数据资产管理的分析框架
发挥数据的核心作用需要有高层次的战略性政策视角，以平衡多个政策目标[25]。政府数据蕴含的多元价值特征、多方主体驱动、多维利益诉求、多层技术架构的交叉叠加决定了政府数据资产管理的复杂性、系统性、长期性，非单一科层组织或行业体系所能解决，需上升到宏观战略层面进行认知升华和规划布局，以增强数据资产管理的导向性和统筹性。
2.1 全面数据资产管理理念的确立
纵观各国数据战略、数据法规政策，世界各地的公共机构正越来越多地将数据视为决策制定、服务提供、组织管理和公共创新不可或缺的战略资产，积极探索如何培育数据驱动的公共部门[26]。总体而言，相较政府数据资源管理，各国政府数据资产管理的观念认知、目标追求主要体现在：
一是对数据资产属性认识的递进深化。伴随数字经济的发展，政府数据被许多国家视作驱动经济发展的催化剂。早在 2009 年，英国公共部门信息办公室就将包括政府数据在内的公共数据界定为“创新货币”和“知识经济的命脉[27]”，美国、英国、澳大利亚、新西兰等许多国家“数据即资产”观念的提出(见表 2)，表明政府数据管理工作重心已从传统的供给共享转向数据利用后的效益产出与成本控制，促使各国政府认识到要采用基于“资产(assets)”而非“资源(resource)”的方式来管理数据，否则不当的数据管理不仅不能创造新的价值还会增加机构负担并产生一系列负面影响[28]。将政府数据定位为重要的国家战略资产或战略基础设施，凸显了各国对政府数据资产属性的重视程度，进一步提升了数据资产管理的全局性、长远性，意即数据资产管理需要所有政府部门的全面谋划、全员参与和全过程管理，从而将数据资产理念融入政府业务。
二是对数据资产价值目标的明晰完善。一方面，数据资产的经济价值挖掘与产业效益实现成为政府聚焦点。从 2010 年《欧洲数字化议程》提出建立“欧盟数字单一市场”，到 2020 年欧盟《数据和人工智能战略》要建设“欧盟数据单一市场”，数据要素在数字经济发展中的作用越来越明显，决定欧盟能否取得全球数据经济领导地位[29]；
《英国数字战略》提出，要使英国成为世界领先的数据驱动型经济体，并利用数据为每个人提供经济和社会机会[30]；
美国则进一步提出数据经济价值和社会价值的共同实现，将“商业化、创新和公共用途”作为数据战略重点聚焦的四大领域之一，侧重于私营公司、研究人员或公民等不同群体政府数据利用，以促进经济发展、治理善政和社会价值的实现[31]。另一方面，各国专注于政府数据价值生态系统建设，将数据权益、数据质量等数据治理活动与数据价值创造紧密结合。《英国数据战略》关注数据在整个经济体中的可用、可访问和可提供，同时保护人们的数据权利和私营企业的知识产权；
欧盟进一步指出，要改善数据治理结构，增加可再利用的高质量数据资源，培育连贯的欧洲数据生态系统，刺激数据研究和利用的创新[32]，以便所有利益相关者在数字单一市场内无缝互动，更容易获得知识和资本。
表2 部分国家“数据即资产”观念阐释
2.2 全方位数据资产管理体系的战略布局
近几年来，美英等国在数据战略、人工智能战略等纲领性文件中进一步强化了政府数据资产管理的顶层设计，不断明确数据资产管理的重心与方法，并以生命周期管理、价值管理和安全管理为主轴，营造基于数据驱动、数据赋能的政府数据资产战略管理新格局。
(1)进行政府数据资产管理的全面部署
数字技术的快速发展凸显了数据资产的宏观性、全局性、综合性特征，需要以战略统筹的方式对政府数据供给、质量保障、交易流通等数据资产关键环节进行通盘谋划，以促进政策工具的一体化推进。一方面，将数据资产价值创造嵌入到政府数据生命周期管理的各环节。
2013 年澳大利亚《公共服务大数据战略》规定了政府持有的数据集是国有资产，而且提出要在大数据管理、大数据与隐私保护、大数据整合分析、大数据开放共享四个方面进行突破[42]；
新西兰将数据资产管理作为重点工作，旨在建立全生命周期的政府数据资产管理体系，提出要建构可操作的数据治理框架，通过数据质量监测、业务流程监控和商业模式开发等推进数据价值的实现[43]。另一方面，将数据资产管理的关键活动嵌入到政府数据生态体系。美国、新西兰和加拿大都在其行动路线中强调了组织结构、技术、能力的重要性，例如，英国《国防数据战略》既指明国防数据资产管理的主要业务环节与责任机构，也提出工作方式上应与政府、企业和学术界建立合作伙伴关系，共同进行数据整合，形成人、工作流程、数据和技术四要素有机结合的生态系统[37]。
从内容上看，各国政府数据资产价值实现的路线图各有侧重、各有特色(见表 3)。美国重视数据资产目录管理和数据资产整合，要求在 2020 年优先实现数据资产清单的编制，尤为关注人工智能、财务管理、地理空间三类数据资产的开发[34]；
澳大利亚则重视数据风险管理，《数字连续性政策 2020》规定必须考虑到业务需求和风险，负责任地创建、描述和存储数据才能增加政府数据的潜在和未来价值[38]。
表3 部分国家政府数据资产管理的重点内容
(2)激发政府数据资产的增值活力
从各国数据政策的脉络走向来看， 政府数据资产价值实现主要从基于开放共享的数据产品/服务增值开发和基于数据生态的企业数据赋能两个维度展开。一方面，立足于政府数据与市场数据、社会数据的融合，在流动和共享利用中释放数据价值。2018 年《加拿大数据战略路线图》提出一揽子行动建议，以确保政府数据可以与其他来源数据相融合，充分释放数据价值[46]；
美国《2020 年行动指南》提供了单一部门数据资源调配的“机构行动”、跨部门数据整合的“集体行动”和多部门数据集成的“共享行动”三种机构数据整合方案[34]。另一方面，着力培育数据市场、营造激活企业数据价值创造的积极生态。2019 年《加拿大数字宪章》强调要打造公平的市场竞争环境，加强政府在数据创新方面保持领先性等10项原则[47]，构建包括数据战略、数据专业人员、数据标准和数据基础设施在内的生态体系[48]，以求从根本上改变政府管理、利用和提供数据的方式；
2020 年的英国《国家数据战略》也将数据基础设施、数据技能、数据可用性、负责任的数据利用列为激活数据机遇的核心能力[28]。
(3)强化政府数据资产开发的安全保障
安全、可信的数据生态是数据资产开发的前提要件，各国不断加大隐私、安全立法力度，部分国家还将关键数据保护上升到国家战略层面，组合使用管理手段、技术手段和物理手段来平衡数据安全与数据开放共享间的矛盾。其中，管理手段上重在通过数据授权、数据监管来保障数据资产被恰当的利用。加拿大《数字运作战略规划 2018—2022》主张通过制定访问授权、数据保护、获取控制、风险管理等体系化的安全措施，建立一个安全、灵活的数字安全生态系统[49]；
韩国、丹麦、爱尔兰、葡萄牙和英国还要求在政府数据价值实现的生命周期内开展政策监管和评估[50]。技术手段则重在提供安全风险的预测和控制，例如，英国利用隐私增强技术促进数据安全共享，从而建立信任[28]。物理手段重在强化数据基础设施的安全性，并对政府信息系统保护、软件供应链安全等进行整体部署，如澳大利亚的关键基础设施提升计划、美国的“零信任架构”、英国的《数据可持续发展章程》等，均对硬件资产、软件资产、配置设置和漏洞等管理予以强调。
为最大限度地提升政府数据的资产价值，降低数据资产管理成本和风险，各国围绕数据资产价值链关键环节，建构贯穿数据供给端与需求端的全生命周期资产化开发利用体系，促进数据资产由行政系统内部小循环向市场化大循环转变。
3.1 需求驱动的数据盘点与价值预判
数据成为资产的前提是具有特定价值和功效。因而，中观层面的首要工作就是盘点资源、预判价值，妥善解决数据盘点与业务需求的有机衔接。对此，美国遵循业务优先原则，以业务需求预判数据价值并明确数据盘点范围，要求政府机构确定核心业务和关键问题所需数据，即数据资产是与需求相关的[34]。若数据已存在于联邦机构，则通过访问、交换、调用来获取，若不包括业务所需数据，则机构可扩大数据采集范围，根据需求找数据；
英国采取的则是数据盘点优先原则，即先调查机构拥有数据资源底数，再结合业务需求通过定性的“问题清单”来判定数据是否为资产[36]，要求机构据此明确数据的价值、成本、法律、声誉或财务影响、效率影响以及风险等关键问题。在数据盘点过程中分类粒度的选择上，澳大利亚提出根据内容分组，并注意到了分组过细可能导致的数据资产类别过多问题；
英国强调根据业务需求在一定粒度上解决这一问题，一般以一个资产单元为单位来评估[36]。
3.2 完整规范的数据资产目录管理
数据资产目录是识别并利用政府数据资产的有效工具，加拿大[51]、新西兰[52]的一些政府部门将数据资产登记、编目视为必要步骤，并制定了数据资产清单摘要以便后续开发利用。但在实践中往往阻力重重，澳大利亚的调查发现，76.9%的政府机构报告最困难的事情是建立和维护信息资产登记册[53]。为推进政府数据资产目录体系的建立，各国的主要做法包括：
(1)提供标准化的数据资产目录模板。一般由各国政府档案部门开发，主要包括数据资产名称、规模、保存位置、格式、责任人、开放利用权限等基本信息。澳大利亚国家档案馆开发的信息资产登记模板字段多达 39 个，可溯源政府数据，记录数据移动、变化和交互痕迹[54]；
美国规定数据资产清单包括数据资产的描述、名称、开放状况、访问方法、最近更新日期、维护机构、所有者以及使用限制、位置和其他元数据等 11 个字段[55]；
除基础信息外，英国国家档案馆的信息资产登记册模板(见表 4)还要求标注是否包含敏感的个人数据以及可能面临的风险、对组织的价值以及成本，此外，还要求建立相配套的软件目录和硬件目录，以此来保证数据资产的长期可用[56]。
表4 英国国家档案馆信息资产登记册[36]
(2)定期审核与更新数据资产登记册。澳大利亚强调既要审核目录中的数据资产，保证数据内容及时更新，还要审核目录，确保字段内容的最新[54]；
美国要求机构负责人至少每 90天内更新一次该机构的数据资产目录[55]；
英国的审核更新周期相对较长，要求至少每年审查一次政府数据资产目录，但理想状态是每 6个月审查更新一次[56]。为确保目录的唯一性和互操作性，针对一个数据可能逻辑上分属两个以上不同资产类别的情况，英国和澳大利亚均规定同一内容不应包含在多个资产目录中，可借助数据链接有效防止数据重复，降低数据管理成本。
3.3 高质量的数据资产供给
数据质量是描述数据状态的客观指标，共性的考察维度包括准确性、完整性、一致性、客观性、合理性、及时性、唯一性和有效性[57]。其中，数据分级分类、标准化和互操作性等构成政府数据资产质量管理的关键环节。
(1)实行数据分级分类，探索价值管理和风险管理的同步推进。许多国家确定了基于价值识别“关键数据资产”的方式。例如，美国根据政府机构数据能力的成熟度、机构业务关键问题、利益相关者需求和法律法规来综合判定数据资产价值，标记其中的优先数据资产(priority data assets)[34]。还有一些国家基于价值、风险的双重考量进行数据资产分级分类。英国的《安全政策框架》从信息安全的角度提出政府机构要制定资产得到适当分类和适当保护的机制和流程，根据数据的敏感性识别和评估数据价值，在成本和风险控制的基础上实行分级分类管理，并识别其中的高级资产(high-level assets)[58]。
(2)加快数据标准建设，促进数据资产规范化管理。数据标准化是营造安全有序的数据要素市场环境的基础，美国总务管理局、管理与预算办公室与国家标准与技术研究所合作开发数据标准库，以加快跨机构数据标准的创建和采用；
英国成立数据标准局，并制定具有强制执行效力的政府数据标准清单；
加拿大标准委员会在 2019 年设立了数据标准化协作组织，负责制定国家、区域和国际间可用的数据标准清单，重点是数据治理、数据收集、数据访问/共享和数据分析，并指明未来加拿大数据标准化工作的差距[59]；
挪威政府开发了一套成熟的基础数据注册网络，明确界定哪些单位负责政府数据管理、产权和价值链有关任务[60]。
(3)增进数据互操作性，推动数据资产跨机构交换共享。澳大利亚《建立公众信任的记录》要求政府机构之间建立具有标准化信息描述的互操作信息管理系统，评估交换和共享数据所需的互操作性成熟度[39]；
加拿大要求建立跨行业数据主题，包括制定特定行业的数据战略和创建允许跨部门共享数据的实施架构[61]；
欧盟提出成立欧洲数据创新委员会，明确规定要在现有欧洲、国际或国家标准基础上，加强数据互操作性以及不同部门和领域之间的数据共享服务[62]。
3.4 常态化的数据资产审计
数据审计是政府数据资产管理不可或缺的组成部分，澳大利亚将审计重点放在数据质量审计、价值审计和风险审计上。其中，质量审计的重心在于评估和提升互操作性以打破数据孤岛，实现业务效益最大化；
价值审计聚焦满足需求程度的评估，如明确数据资产包括了哪些数据、有哪些利益相关者、如何满足需求、保存时间和责任者以及潜在收益、使用效率等；
风险审计着眼于政府数据资产运营风险状况评估，不仅对隐私和安全等敏感因素进行预判，还包括数据资产滥用以及未被充分利用从而阻碍商业化发展的识别。总体而言，运用较多的是政府数据资产的安全合规审计。仍以澳大利亚为例，重点在于识别敏感数据管理与利用情况，侧重于单个数据资产及其业务系统，如了解系统的安全措施否适合数据资产的存储，检查数据资产获取利用的许可权限配置是否合理，主要通过焦点小组、员工调查等方式展开[63]。
3.5 日趋优化的数据资产定价模式
包括政府数据在内的公共数据的定价收费涉及到数据资产供给的可持续性与数据创新活力，一直受到高度关注。20世纪末，在商业化浪潮推动下，许多国家纷纷试行市场化收费、成本+利润收费、平均成本收费、边际成本收费等信息定价模式。随着数字化水平和政府数据开放程度的提升，常规数据获取趋向于免费或边际成本收费，高价值数据集可根据类别与利用目的分类定价，商业化再利用主要以会员费、订制服务费、咨询费等形式进行成本性收费乃至市场化收费。在欧洲，市场化收费主张由来已久，2006 年欧盟《关于委员会信息再利用》的立法建议指出，地理、气象等高价值数据集应以市场化价值取向为主导，2020 年的《欧盟数据治理法案》进一步区分了非商业性再利用和商业性再利用两种类型，提出非商业性再利用应以较低成本或免费提供，而对于中小型企业的商业性再利用应遵循合理、透明、在线公布和非歧视性的收费原则[62]。在实际运行中，各国对于利用公民个人数据开发获利仍存在较大争议，许多国家趋向于公共数据获取的边际成本定价。例如，欧盟《关于开放数据和公共部门信息的再利用指令》(EU/2019/1024)规定，无论是商业还是非商业目的的数据再利用都应免费或者按照边际成本定价[64]。
3.6 不断扩大的数据信托试点
为妥善解决数据主体与数据控制者之间权力关系的不平衡，确保数据资产流通中的隐私和安全保障，以英国为代表的部分国家积极开展数据信托试点，着力探索数据监管形式的创新。目前，各国数据信托试点的重心、目标与做法各有差异。有国家把数据信托视为数据资产市场化流通的可信模式，英国提出创建数据信托基金，实施可信且经过验证的数据治理框架[65]，以确保数据交换是互利和安全的，核心是在数据共享利用中培养数字信任；
欧盟主张“非排他性”“非歧视性”原则，即政府数据资产再利用要向市场上所有潜在参与者开放，政府机构不得与第三方企业签署专有权合同，对于为公共利益确需实施专有权的情况，应该每三年定期审查被授权机构[62]。还有国家把数据信托视为新的法律实体，以此强化数据主体对数据的实际控制，印度提出非个人数据治理框架，建议任命数据受托人，管理社区数据，并将其用于创业、创新、研究和决策等社会目的[66]；
澳大利亚《2020 年数据可用性和透明度法案》规定只有联邦机构才能成为公共数据保管人，通过与用户签订数据共享协议，明确共享范围和目的，实现对数据保管人的约束。
技术创新、数据能力、主体关系是决定政府数据资产循环流通和价值扩散的影响因素，既是数据资产运营管理最为直观、具体的着力点，也构成了微观层面数据从资源到要素、从工具到资产的能动变量，直接作用于数据生产加工、共享交换的全过程。
4.1 技术创新——数据资产效益提升的核心
(1)不断强化对技术创新的政策支持与研发投入。《欧洲数据战略》明确指出，欧洲数字化转型取决于数据处理技术、能力和数据利用效率，要求加大对人工智能、大数据分析、区块链等基础核心技术的研发投入，减少核心技术对外依存度，确保数据安全和基础设施供应链安全[29]。同时，宣布投资 40 亿欧元，用于开发数据分析、数据基础设施、数据共享工具、体系结构等关键技术与应用[67]；
加拿大政府认为所有经济部门都必须是数字部门，大胆采用数字平台技术将使我们能够超越其他国家[68]，并启动了创新与技能计划，旨在通过数字技术创新等助力加拿大成为全球创新的领导者。
(2)纷纷确定技术研发重点领域和行动路线。英国《国防数据战略》提出，要加强超大规模云技术、允许无缝访问数据的下一代网络技术和用户端的服务程序三项核心技术的创新以构建和开发数据主干[37]；
澳大利亚政府在《公共服务大数据战略》里明确要重点支持一批大数据试点工程，鼓励各部门积极追踪大数据分析的技术演进，并呼吁产业界、研究部门和专家提供技术更新情况，以推动大数据分析技术的发展。
(3)持续推进技术创新政策的深入实施。美国 2016年制定的《联邦大数据研发战略计划》指出，应建立持续的政策机制，通过去除技术和数据共享方面的官僚主义壁垒和制订可持续项目计划，加强各机构在大数据研发方面的合作，包括建立跨机构的沙箱或测试平台，加强各机构在技术开发和成果转化方面的合作[69]。
(4)积极推行技术资产登记管理。英国认识到数据资产的技术依赖性特性，要求相关部门把握数据资产流动轨迹、位置变化和软硬件环境，在信息资产登记表中给每个信息资产添加 IT 基础机构组件、存储库、软硬件设备、供应商和平台等信息，以此了解技术环境如何支持关键业务信息，并进行相应的风险控制、变化控制、安全控制、可用性控制[56]；
澳大利亚将系统治理作为数据资产的一种重要治理措施，定期检查系统和数据库的功能[70]。
4.2 伙伴关系——政府与企业、社会数据共享的神经网络
政府数据资产价值实现的默认逻辑假设是政府部门、企业、研究机构、社会团体以及公众等多利益主体均可从数据的自由流动与共享利用中创造价值，参与主体类型越多、规模越大、需求越广、更新越快，则数据资产管理的复杂度越强、协调频率越密集，相应的效益价值越加凸显。但在现实中，由于部门之间对数据共享的抵触以及共享技术的限制等原因，使得数据的价值挖掘遇阻[71]，有必要畅通政府数据价值转换网络，一是政府数据在行政系统内部的无障碍流转与共享，二是提供给企业、社会组织的数据开放和再利用。
首先，需要打造数据资产协同开发的利益共同体。美国、英国、加拿大、澳大利亚等都强调了政府与企业、学界和社会建立数据治理合作伙伴关系的重要性，并采取调查、访谈等形式识别需求。在政府系统内部，新西兰突出以“整体性治理”弥合领导、运营人员和操作人员的分歧并协调利益[72]，荷兰政府通过点对点学习和分享数据驱动价值创造的最佳实践来促进数据的再利用[73]。在强化政府与企业、社会数据沟通机制，营造开放协同的数据管理氛围方面，德国政府与不同的民间社会团体、企业经常举办多/双边会议，以了解各主体数据需求；
新西兰强调以“公众参与”构建数字信任，利用多个渠道征求公众意见、解答共性疑问，以便公众了解其个人数据如何被利用、如何创造效益，从而推动数据创新使用[40]。
其次，以市场化合作方式提升政府与企业数据交换共享水平。欧盟指出，企业与政府共享数据是迈向跨供应链数据共享这一更广泛目标的坚实的第一步[74]。为激活数据要素，提升企业数据再利用的经济效益，欧盟发布的《实现服务于公共利益的企业与政府间数据共享的欧洲战略》建议采取加强欧盟企业对政府数据共享治理，提升透明度、公民参与度和道德意识，开发运营模式、架构和技术工具等多方面措施，改善欧盟的数据共享[75]。在多元合作伙伴关系的协调上，英国以规范化合同管理保障多方利益，比如企业可能以外包的形式向政府机构提供数据处理服务、IT 服务等，要求在购买服务的过程中，维护和管理信息资产登记册(IAR)应包含在外部供应商的采购要求中，并包含在任何后续合同中[56]。
4.3 数据资产管理能力——政府数据价值实现的前提
美国《国家安全战略》指出，数据和能源一样将影响美国的经济繁荣和我们未来在世界的战略地位，利用数据的能力是美国经济持续增长的基础[76]。传统数据能力侧重于数据素养，强调获取、访问数据的基本能力，如新西兰将数据能力解释为有效处理和使用数据所需的一系列技能、流程和工具[40]。而政府数据资产管理能力在承继通用数据素养的基础上，强化了数据资产的风险防范能力和价值挖掘能力。例如，澳大利亚将数据资产管理能力解释为员工拥有必要的技能和知识，可以根据数据资产的价值来管理数据，并针对一般员工和信息管理专业员工构建了不同的能力目录，对一般员工、从业者、专家、领导等四个层次的员工提出了不同的要求，所有员工都必须掌握数据生命周期管理的基本能力、法律和政策能力、价值评估能力、专家沟通能力、数据素养、业务能力和服务能力[77]。
在数据资产管理能力的结构组成方面，英国国防部将数据分析、敏捷交付和网络安全等领域在内的新技能，连同国防数字和信息能力培养的通用化和专业化，视为需要具有的基本能力和主要任务[37]。美国总务管理局(GSA)制定数据技能学习目录[78]，以帮助机构提升将数据作为战略资产管理和数据驱动决策的能力，如针对数据资产从产生到使用的不同阶段，提出了“定义、协调、收集、策展、获取、分析、可视化、传播、实施和评估”九大核心能力要素，以此保障政府数据资产的安全，实现数据资产向不同类型用户的有序流动，并对“协调”能力提出了较高的要求，包括沟通规划能力、问题解决能力、商业敏锐度、数据标准知识、预算流程知识等专业能力。
在政府数据能力培养路径上，《欧洲数据战略》提出通过“技能强化”计划，提高欧盟内具备基本数据素养的人员比例[29]；
英国《数据战略》要求必须具备丰富的数据技能，需要教育系统提供合适的技能培训，确保人们可以继续发展所需的数据技能[28]。此外，国外积极开展贯通学前教育和职业教育的全社会数据技能教育。《欧洲社会权利行动计划支柱》和《数字教育行动计划》，旨在赋予欧盟全体人口基本的数字技能，并促进高性能数字教育生态系统的发展，提高数字化转型的数字技能和能力[79]。英国还十分重视对数据资产管理者的职业技能培训，要求信息资产所有者(Information Asset Owner，IAO)至少每年接受一次信息管理培训。
纵观国外政府数据资产管理实践，可从宏观、中观、微观三个层面总结其共性特征与基本经验，三者之间的上下贯通、紧密衔接，构成了政府数据资产开发运营的生态系统，决定了数据资产价值效益的整体水平。
宏观层面，重在强化政府数据资产管理的战略性。全面数据资产观的确立，体现了数据资产价值追求兼具政府与市场、经济与管理的综合性和长远性；
将数据资产目标与任务纳入数据战略，彰显了各国政府数据资产管理的前瞻性、全局性，强化了宏观调控的导向作用，实现了对数据价值识别、创造、监管的全过程、全领域规划；
将重心放在促进数据自由流动的开放共享和推动数据再利用的市场增值双重路径，揭示了政府数据资产管理直接效益和间接效益的相得益彰；
数据安全与隐私保护是各国数据资产管理体系不可或缺的组成部分，价值开发与风险管理并行是许多国家防范系统性数据资产安全风险的共性做法。
中观层面，重在突出政府数据资产管理的整体性。聚焦数据增值的生命周期，重心逐步从供给端政府数据资源采集、加工、共享、存储的部门化管理迈向与需求端有机结合的数据资产价值预判、资产目录编制、资产供给交换、资产审计的关键环节管理；
数据资产管理是承载数据流、业务流、资金流的中心节点，需要以数据资产目录规范来促进政府数据资产的可发现，以分级分类管理、标准化等措施构筑数据资产的质量保障体系，以数据安全风险审计筑牢数据资产流通的安全底座；
立足于整体效应的释放，更加重视政府数据开发利用场景的拓展和辐射范围的扩大，更加强调数据生产加工、质量控制与过程管理的系统性；
既要以规范、安全、标准的数据管理促进数据自由流动与共享开放，也要以定价许可、数据信托等有益手段激活数据要素价值，保障主体数据权利。
微观层面，重在提升政府数据资产管理的专业性。高度重视数字技术创新对政府数据资产管理的支撑保障与价值叠加，设定技术、平台、应用工具与数据方法创新突破的优先级，加强技术资产登记管理；
以制度化的沟通协调机制、公众参与机制、合同管理机制来培育社会外部激励与政府内生驱动相结合的数据资产利益共同体，补齐政企间数据共享交换短板，实现从“管好数据”向“用好数据”的转变；
加强政府数据资产管理能力建设，建立适应政府数字化转型与数据驱动型经济发展的能力结构与知识体系，开发面向不同群体、不同阶段的数据技能、数据资产增值的教育培训体系。
与过往研究集中在政府数据跨部门共享、开放不同，本文总结了数据资产管理秉持价值管理与风险控制并行的理念，依靠前端控制和关键过程管理举措，强调可信数据生态营造，为我国加快数据要素市场化、价值化进程，构建安全高效、统一完备的数据要素市场体系提供了可供参考的意见。同时，在政府数据资产交易运营规则、政府数据资产与企业数据资产共享交换等问题仍有进一步研究空间。
猜你喜欢 资产价值政府 守住硬核资产是“硬道理”中国外汇(2019年20期)2019-11-25知法犯法的政府副秘书长支部建设(2019年36期)2019-02-20轻资产型企业需自我提升商周刊(2018年19期)2018-10-26一粒米的价值文理导航·科普童话(2016年7期)2017-02-04“给”的价值小天使·四年级语数英综合(2016年11期)2016-11-29政府手里有三种工具中国卫生(2015年10期)2015-11-10关于资产减值会计问题的探讨现代企业(2015年4期)2015-02-28“政府信息公开”观察浙江人大(2014年6期)2014-03-20资产评估法:能否终结“多龙治水”浙江人大(2014年1期)2014-03-20小黑羊的价值学苑创造·A版(2009年6期)2009-12-07