注： 本文作为数据驱动型银行的专题文章，是《
数据驱动型银行的第一本秘籍出现了……
》、《
二论数据驱动型银行的构建
》的延续篇，读者朋友们如果没有读过前两篇，可以先浏览完后再来阅读本篇。本篇将主要围绕数据资产价值评估展开探讨。
大数据热潮兴起以后，数据资产的概念就出现了，甚至有人说数据是信息技术时代的新石油，既然数据已经成为资产了，数据为什么没有列入企业的资产负债表，主要问题在于我们不知道该如何去评价数据资产的价值。有朋友可能会问，评价数据资产资产价值与构建数据驱动型银行似乎没有什么关系？小编认为科学衡量数据资产价值是做好数据资产管理的重要一环。单从资产管理的角度来说，资产管理除了保证资产的安全，不流失，还要保障资产的有效保值和增值。只有对数据资产价值进行科学的评估，才能在价值导向下，管理好数据资产。
然而，目前，业界并没有一套关于数据价值的评估方法，为什么会没有呢 ？我们需要回顾下一般资产的价值评估，市场上同类资产的交易价格是其主要的参考依据。而数据资产的价值评估缺乏类似的市场形成机制，原因在于一是数据交易标准尚未确立。国内尚未形成统一的数据交易标准，哪些数据能交易、怎么交易等问题依然存在，导致数据交易不畅，数据交易市场并未成熟。二是数据产品标准尚未建立。与其他产品相比，数据作为产品差异化较大，很难类比。比如，电视机作为一种产品就是可视化的视频、图像播放，带来精神的愉悦，不管是海尔、长虹还是其他什么品牌的电视，其最终给用户带来的效用是差不多的。而数据产品则复杂的多，以银行的数据和互联网的行为数据为例，应用在不同的场景，其产生的效果是不一样的，而且这种效果还有赖于用户对数据的理解及应用水平。因此，数据产品需要建立细化分类的标准，才能实现可比较、可衡量的目标。所以，通过市场形成机制的方式来评估数据资产价值，目前来看还有很长的路要走。
虽然没有市场价格可供参考，我们是否可以从定义一些大的维度入手，指导我们更好的做好数据资产的管理，避免出现诸如数据资产流失等问题呢？虽然纯粹的数据交易价格形成机制远未成熟，但是，从部分公司的股票市值对比来看，一个现象值得我们关注，一些轻资产的互联网巨头的市值却远超一些重资产的公司，比如，截止美国东部时间2018年1月26日收盘，阿里巴巴的市值达到了5265亿美元，已经大幅超越了宇宙第一大行工商银行的市值（截止2018年1月29日收盘，工商银行市值约为4188亿美元）。
股票市场似乎已经给予了数据资产相应的估值，那我们就需要研究下阿里巴巴在数据方面的成功之处：一是数据的生态连接，经过多年的发展，阿里巴巴已经建立起了商业交易、金融、出行、物流、线下零售等多种业务场景，并基于数据连接，形成了生态的闭环。二是数据的广泛积累。基于阿里巴巴的生态，沉淀了海量的客户网络行为数据、商业交易数据、物流数据、金融数据等各种维度的数据，同时，基于旗下的芝麻信用，阿里不断扩展数据外延，扩充数据的广度。三是数据的深度应用。阿里巴巴是诞生于互联网的企业，天生与数据打交道，数据是其引客、获客、活客、管客的根本，具有天然的数据基因，因此，阿里在数据的应用上具有深厚的沉淀，深挖掘、多创新是其显著的特点。
相比之下，银行尤其是像工行这样的宇宙大行虽然也有不少数据，但与阿里相比，无论是数据生态、数据的积累、数据的广度、数据的应用方面都与都存在不小的差距，在大数据时代，这种差距也逐步的体现在了股票市值上。
因此，基于上文的分析，我们可以尝试来定义数据资产价值的评价维度，也就是数据能产生价值的视角，以指导我们在构建数据驱动型银行过程中，做好数据资产管理，盘活数据资产价值，小编认为应该至少考虑以下几个方面：
一是数据的广度。大数据意味着越广泛、越多维的数据越能释放价值。因此，数据驱动型银行要跳出银行的数据来看数据，从全维的视角去管理数据资产，构建数据资产拼图，清晰记录已有数据，定义薄弱数据，弥补缺失数据。
二是数据的生态。相比单纯的购入数据，自有生态下的数据是活的场景数据，是可以即时获取、深度掌控、提前预判的数据，是最具生命力的数据，数据驱动型银行的数据资产管理要有生态化的思维，实施购建并举的策略弥补自身数据短板。
三是数据的应用。数据只有应用起来才能产生价值，否则，只是一堆占用存储空间的数据而已。阿里在数据应用上的优势在于快、深、新，快是数据的时效性高、应用迭代迅速，深是数据的应用无所不在，新是对数据的大胆创新应用。因此，数据驱动型银行要在数据的应用上下功夫，在让数据资产高效的流动应用起来。
延伸阅读：
二论数据驱动型银行的构建
数据驱动型银行的第一本秘籍出现了……
集中与前置相结合是银行大数据应用的最佳组织模式
做好大数据分析项目的四项基本原则
商业银行引进外部数据的三个验证要点
