就像其他有形資產貨幣化一樣，企業資料和服務在資產負債表上也具有財務價值。透過資料資產管理從企業資料和服務中提取商業價值 – 推動資料創新，促進資料經濟中新資料產品和服務的推出–以及競爭績效計劃（CAP），可提供增強的運營績效和加速的業務成果。

每天，在每個組織中，依靠從企業資料中獲得的分析和見解所提供的大量決策和行動，正日益受到新的和不斷髮展的資料資產管理框架，資料架構和技術平臺的推動。

在各行各業，公司都在爭奪獨特的資料資產並開發資料利用方法以期待超越同樣在挖掘資料價值的競爭對手們。那些不將資料視為核心企業資產或無法制定資料資產管理策略的公司面臨下降的危險，並最終冒著業務失敗的風險。

現在，許多組織正在透過資料資產管理（DAM）改變其設計和管理業務和技術產品組合，規劃，設計和執行其資料業務轉型計劃和專案的方式，從而提供了一種更成功，更有效的方式來持續改進核心運營和流程的日常執行和結果。理論上只要有足夠的資金，計劃和組織，資料資產管理就可能透過業務戰略支援在每個公共和社會企業中產生重大的業務影響。

資料資產管理體系結構，方法和技術，資料服務和平臺支援資料創新，以建立新穎的資料產品和服務，並可以推動競爭力成就計劃（CAP）來提高業務績效。

資料資產管理的範疇主要包括以下八個方面：資料資產模型–企業和域級別的資料，服務和資訊模型資料架構–業務和技術資料架構和路線圖資料技術平臺–社交，移動，分析和雲平臺數據資產管理框架–企業資料和服務框架快速資料裝置– 包括記憶體/視訊記憶體計算（GPGPUs）以及高速磁碟（SSD）等大資料平臺– Hadoop叢集，Spark（Cloudera，Hortonworks，MAPR）資料科學平臺–傾向性和預測模型，分析和見解人工智慧平臺–人工智慧（AI）/機器學習 在DAM的另一個成熟度模型中我們可以看到透過觀測、取樣可以獲取資料，透過比照從資料中獲取資訊，進而提煉知識並實現行業洞察。

資料資產即企業資料和服務既不是豐富的資源，也不是隨時可用的資源。資料資產可能會分解為大量稀缺，獨特，有價值且經常來之不易的資料點和應用程式。每個資料點均由其共享的元資料（格式）及其特定的內容（值）定義。

資料點出現的特徵可以是結構化的事務性，基於事件的資料，包括時間（歷史）和空間（地理），個人（人口），位置（地點），財政（貨幣），條件（狀態）和事務性（事件）資料項值-或描述為非結構化的文字，影象，音訊和影片流資料內容。

每個資料點都與自己特定的一組應用程式（資料服務），源，成本和收益相關聯。正如企業無法在沒有必要的種子資金或資本化的情況下參與新的資料市場和經濟一樣，同樣，這些企業也無法在沒有資料和演算法支援的情況下產生新的傾向模型或定價計劃。

從上圖可以看出，資料資產管理的框架可以包含以下六個領域：

資料管理戰略（Data Management Strategy）：包括溝通計劃，資料管理職能分配，商業案例以及資金供給；資料治理（Data Governance）：包括業務字典和元資料管理；資料質量（Data Quality）：資料質量戰略包括資料剖析，資料質量評估和資料清洗；資料運維（Data Operations）：包括對資料要求的定義，資料生命週期管理以及資料來源管理；平臺及架構（Platform & Architecture）：包括資料架構的演進規劃，架構標準，資料管理平臺建設，資料整合以及歷史資料歸檔；流程支援（Supporting Processes）：包括資料的評估和分析流程，管理流程，質保流程，風險管理以及配置管理。

DAM以及支援DAM的資料體系結構和技術平臺，包含一組企業資料框架，這組框架由執行企業資料管理任務和決策的方法，技術和過程組成。

資料資產管理支援對速度，可變性和容量的關鍵企業資料要求，從而可以將傳統的託管本地企業應用程式（ERP，CRM，DWH和BI）轉換為一組強大，有彈性和可靠的SMAC（社交，移動，供應商可從市場上購買的分析工具，雲）資料服務–易於購買，安裝，實施，使用和利用。

這些新的SMAC資料資產透過Internet交付，並作為公共，私有或混合雲服務託管。SMAC資料資產還必須與舊版企業解決方案整合才能有效。某些傳統的企業資料中心可能會被重新發明-私有云透過新的和重新配置的SMAC資料資產提供現有的遺留功能。

SMAC資料集釋放的增強的功能和容量不僅將極大地提高運營效率，而且還釋放了進一步的戰略競爭優勢機會。競爭優勢是透過部署資料科學/大資料/快速資料，為分析和洞察力提供動力，API服務訪問雲計算和其他第三方消費者平臺來推動的：

SMAC資料技術棧包括但不限於以下內容：

社交媒體|使用者內容移動平臺|智慧終端|智慧應用分析|資料科學|大資料平臺（Hadoop，Spark等）|快速處理器（GPGPU, SSD等）雲服務平臺（AWS, Azure, Salesforce, 阿里雲等等）車載資訊系統（邊緣端驅動）|自動資料流|物聯網4D地理資料模型|地理人口統計|GIS地圖和空間分析

隨著資料和平臺的多樣化，DAM越來越需要整合混合雲體系結構，並依賴開源軟體和商業軟體之間的協作，為資料服務的擴散提供新機制，包括資料呈現，流程執行，資料管理和整合，分析見解等。但是，所有這些都需要大量投資。由於資料資產管理方法釋出了新的標準，許多企業開始著手投資研發新的DAM體系。

除了針對標準，DAM還應提供訪問內部和外部資料市場的可能性，這些市場可以滿足對新智慧產品和擴充套件資料消費的現場需求。與內部和外部資料湖的視覺和圖形介面使資料科學家和其他主要利益相關者能夠以與在任何電子商務站點上購買商品的方式相同的方式瀏覽和訪問新資料集。視覺化地發現，分析，轉換，組合和顯示內部和外部資料的資料應用程式現在使探索新風險因素或商業機會的實際成本低於未能調查問題的機會成本。

許多國外公司收集可能與其他組織共享的資料，可能經過進一步處理後進行了處理-擴充和增強（與其他資料來源結合或“混搭”）或匿名化（清除專有和個人標識資訊）。其中的某些資料可能對其貿易伙伴或供應鏈中的其他相關方非常重要。其他資料可能對無關的外部組織（包括人口統計資料彙總商（Sky IQ，Experian，Dunnhumbey或CACI）或政府機構）具有商業價值。

一言以蔽之，資料資產將擴充套件演算法分析和見解的影響力，從而從根本上改善人工決策的結果。隨著管理人員將更多資料納入其決策過程，更多的問題/機會都將暴露出其嵌入式的資料邏輯。那些曾經被嚴格認為是人類的選擇將成為機器的重擔。今天主要在實驗中使用的資料演算法（例如基因工程，知識圖譜），明天將成為常規程式。