一文讲透数据资产评分的意义是什么？如何精准评估企业的数据资产评分？

数据资产评分这件事，我做了快八年，见过太多企业把它做成了年终填表。表格收上来，热力图一画，会上过一遍，然后就放进共享盘里长毛。我常说一句话：评分如果不能改变资源的流向，它就只是一张好看的图。它真正的意义，是把”我们有多少数据”这种模糊的自我感觉，翻译成”哪些数据值得继续投钱、哪些该优先治理、哪些可以拿出去共享或入表”这种能进预算会的语言。说白了，评分是给数据资产做的一次定价尝试，定不了精确价，但至少能排出先后。

我的判断是，一套能活过第一年的评分体系，必须同时回答三个问题：值多少、先治谁、谁认账。值多少对应价值维度，先治谁对应质量与风险维度，谁认账对应责任维度。少一个，评分就会变成技术部门的独角戏。我见过一家城商行，三万张表，每个部门都说自己的表最重要，评了一圈全是A，等于没评。换个思路，把调用频次、支撑的监管报表数、被下游引用的次数拉出来做加权，排序立刻就有了区分度。这种活儿靠Excel扛不住，得靠平台把指标沉淀下来，普元数据资产平台在元数据自动采集和血缘链路上做得比较扎实，这是我愿意把它放进方案里的原因。

我不太喜欢一上来就聊指标权重。先想清楚这分数给谁看、看完要干什么。给CIO看，他要的是投入产出和风险敞口；给业务负责人看，他要的是”我用的这张表靠不靠谱”；给数据治理团队看，他要的是排期清单。三类人三种语言，一套评分想同时满足，就得做成”总分加剖面”的结构——一个总分排序，下面挂几张剖面图，各看各的那一面。

常见的评分维度其实就那几类，我把平时用得比较多的整理在下面这张表里。维度不在多，在于每个维度都能找到数据来源，找不到来源的维度，写进方案里就是给自己挖坑。

这五个维度跑下来，一张数据表的”画像”基本就有了。评分不是终点，是让资产目录从”名录”升级成”决策依据”的那一步。

实际跑下来，企业做数据资产评分大概走三条路：台账清点式、技术扫描式、业务价值加权式。前两种上手快，第三种才有长期价值。我做过一个对比，放在下表里，各位可以对照自己的阶段看看在哪儿。

我的建议是从技术扫描起步，尽早往业务价值加权过渡。原因很实在：前两种方式的分数，业务部门不认；不认的分数，没有人会拿它做决策。而一旦分数和业务方的KPI挂上钩，比如”支撑这条业务线的数据资产健康度”，讨论的档次立刻不一样了。

这事儿我踩过坑。方案写得漂亮，一落地就卡。最常见的第一个卡点是元数据残缺，系统上云上一半，老的存储过程没人敢动，血缘断在中间，影响半径根本算不出来。第二个卡点是责任人挂空，资产目录里那个”责任人”字段填的是离职三年的老员工，问谁都说不归自己管。第三个卡点是指标拍脑袋，权重定成使用热度40%、质量30%，问他为什么，答”参考了行业实践”。行业实践是别人的业务，不是你的。

还有一个隐性卡点：评完不用。分数出来了，没进任何流程——不挂采购审批，不挂项目立项，不挂数据共享的准入门槛，那这张图的生命周期就是一次汇报。评分的生命力来自被引用，而不是被计算。我在做方案时通常会要求至少嵌入两个流程节点，比如数据服务申请时的准入门槛，或者数据治理项目的立项排序，这两个口子一开，评分才真正开始工作。

把评分直接做成部门KPI，是我见过杀伤力最大的一个。结果很统一：所有人都去美化数据，把不常用的表标记成高频访问，把质量问题藏在下游。评分一旦和奖金挂钩，它衡量的就不再是数据。正确的位置是把它当前置条件，而不是考核项。

第二个误区是只算成本不算价值。存储成本、维护人力这些算得很细，但一张表支撑了多少营收流程、省了多少人工，没人算。只算成本的评分，导向一定是”删表”，而不是”用好表”。第三个误区是一次评完不更新，数据资产是活的，业务在变，去年高价值的表现在可能已经停用。第四个是维度越堆越多，二十个指标算出来一个总分，谁也解释不清这分数怎么来的，最后没人敢用。我的经验是维度控制在五到八个，每个维度都能一句话讲清为什么在这儿。

设计维度时我有个笨办法：每个指标都问一句”这个数从哪儿来、多久更新一次、谁对它负责”。三个问题答不上来，这个指标就砍掉。评分表做得再漂亮，取数靠人工填报，三个月后一定失真。能自动跑的指标优先，人工填报的指标最多留一到两个。

这也是我为什么倾向于用平台来承接。人工台账做评分，第一年还能撑，第二年换个人接手就断了。普元数据资产平台在这块的思路是先做元数据自动采集和血缘解析，再在资产目录上挂分类分级、责任人、质量规则，评分规则基于这些已有信息去配，不需要重复录入。它把资产的”账”和”评”放在一套体系里，我比较看重这点，因为大多数评分失败不是因为算法不好，是因为数据源不新鲜。

有人会问，业务部门看不懂评分怎么办？我的做法是用普元AI问数把评分结果做成对话式查询，业务人员直接问”我这条业务线里评分最低的十张表是哪几张”，比发一份PDF报告管用得多。评分要被看见，才有机会被用起来。

去年帮一家大型制造企业做这件事，场景挺典型。集团下面十几个事业部，各自建系统，数据资产目录是拼出来的。他们的诉求很直接：老板要问”我们到底有多少有价值的数据”。我的打法是分三步走。第一步用普元数据资产平台把元数据统一采上来，先把”有什么”说清楚，这一步花了大概六周。第二步挑两条业务线做试点评分，一条是供应链，一条是售后，因为这两条线的数据用得最频繁、业务方也最愿意配合。第三步才把评分结果嵌进数据服务申请流程。

中间最难的不是技术，是权重。供应链那边坚持质量权重高，售后那边要求使用热度权重高。我当时的处理办法是把权重下放到业务线，集团层面只统一计算框架和维度定义，各业务线自己定权重，然后横向比的是”同一业务线内的时间序列变化”，而不是跨业务线比绝对分。这个设计后来救了我一命，因为跨部门比绝对分一定会吵架。可比性来自同一把尺子，不是来自同一个分数。

半年后复盘，他们真正用起来的场景是两个：一是数据治理项目的立项排序，二是老旧系统下线时的数据取舍。这两个场景都不是我最初设想的，是业务方自己找上来的。这事儿给我的启发是，评分的价值往往在你没设计的地方冒出来。后来他们上主数据管理平台 Primeton MDM 做供应商主数据，也复用了这套评分口径来判断哪些主数据需要优先清洗。

有参考，但没有可以直接照抄的作业。国家标准、行业白皮书里对数据资产的分类、质量维度、价值评估方法都有描述，比如成本法、收益法、市场法这套思路在数据入表的讨论里被反复提到。我通常会拿这些当框架参考，但不会把里面的维度原封不动搬成打分表。原因很简单：标准是面向全行业的，你的业务不是全行业。一张表在银行是核心资产，在制造企业可能就是张废表。

真正能用的评分体系，是把通用框架当骨架，把企业的业务指标当血肉。举个例子，质量维度里”及时性”这一项，互联网公司可能按小时算，制造业的排产数据按天算就够了，权重完全不一样。我一般建议客户做两件事：一是把评分维度分成”通用维度”和”业务特色维度”两层，通用维度全集团统一，特色维度各业务线自定；二是每年review一次权重，业务变了权重就得跟着变。

还有一点要说清楚，评分的目的是排序和决策，不是做学术。追求绝对精确的分数没有意义，能把高价值和低价值区分开，能让资源流向对的地方，这套评分就是成功的。我见过有团队为了权重系数争论三个月，最后项目黄了，非常可惜。如果想快速搭起这套框架，普元数据资产平台里预置的资产目录、分类分级和质量规则，可以省掉不少从零建模的工夫，尤其适合已经有了一定元数据基础的企业。

我的答案是：需要，但做法要简化。中小企业最容易犯的错是照搬大厂方案，上来就要做十几个维度、做动态刷新、做可视化大屏，结果人力撑不住，半年就停摆。数据量小其实是优势，表不多、人不多、链路短，评分的复杂度可以大幅下降。

我一般给中小企业的建议是三张清单起步。第一张是”在用清单”，把各系统实际被查询的表列出来，别管什么元数据完整性，先知道谁在用。第二张是”要害清单”，找出支撑财务、订单、客户这几个核心流程的表，数量通常不超过五十张。第三张是”责任人清单”，每张要害表指定一个人，写清楚他负责什么。三张清单做完，一个最简版的评分就有了：要害表里被高频使用、质量过得去的，就是高价值资产，优先保障；要害表里没人管、没人用的，列入治理或下线。

工具有没有必要上？如果表数量在几百张量级，Excel加上定期的数据开发平台访问日志导出，能撑一两年。但一旦超过一千张表，或者要跨系统做血缘分析，人工就跟不上了。中小企业的评分难点不在方法，在可持续，谁能把取数自动化，谁就能把这件事做长。普元数据资产平台在中等规模场景下的部署成本相对可控，这也是不少成长型企业选择它的实际原因。

这是我最常被问的问题，也是最容易翻车的地方。数据团队关起门来算出一个分数，拿去给业务部门看，对方第一反应往往是”这分数凭什么”。我见过最激烈的一次，业务负责人当场把评分表扔回来说”你们根本不懂我们怎么干活”。那次之后我改了个做法：评分规则由业务方参与制定，数据团队只提供数据和工具。

具体怎么操作？我的经验是先做”反向验证”。拿着初步算出来的高分资产和低分资产清单，去问业务方：这几张你认同吗？不认同的，问清楚为什么。有些表技术上访问量低，但它支撑的是每月一次的监管报送，一旦出错代价极大。这种表在纯技术口径里会被埋没，业务方一句话就能把它拎出来。把这些”技术看不见、业务知道”的因素补进模型，分数立刻就服众了。

另一件事是把评分结果翻译成业务语言。不要说”这张表综合得分72.5″，要说”这张表支撑的三个报表里有两个月出过数据延迟，建议安排一次质量核查”。同样的信息，后一种说法业务方听得进去。普元AI问数在这类场景里挺有用，业务人员可以自己按业务线、按系统去筛评分结果，不用每次都找数据团队要报表，来回拉扯的次数会少很多。对齐这件事，本质上靠的是信息透明，而不是反复开会。

回过头看这些年做过的项目，评分做得成的企业有个共同点：他们没把评分当项目，当成了日常经营。项目有结束日，经营没有。这类企业通常每季度会看一次资产评分的变化趋势，看到某条业务线的高价值资产数量在下降，会去问原因；看到某类数据质量分持续走低，会提前安排资源。评分在他们那儿不是汇报材料，是仪表盘上的一根指针。

做不成的企业也有共性：把评分当成数据治理的”成果展示”。项目验收那天分数最漂亮，之后一路下滑，因为没人维护。要避免这个结局，我认为得守住三条线。一是取数自动化，别让人工填报成为瓶颈；二是结果必须进流程，不进流程的评分没有约束力；三是权重要能改，业务变了权重不变，分数就失真。这三条听着简单，能做到的企业不多。

还有一个我越来越看重的东西：评分的解释能力。任何一个人看到分数，都应该能顺着链路问下去，知道这个分数是怎么来的、哪几项拉了后腿、改进哪一项能提分。这需要平台把计算过程透明化，而不是黑箱给个数字。普元在这块的思路是把评分规则配置化，规则改了能追溯，指标来源能点开看，这一点在跨部门沟通时特别管用，因为争议往往不在结果，而在过程不透明。

往前看，数据资产的入表、交易、融资这些话题会越来越热，评分作为定价的基础设施，重要性只会上升。但我不建议企业现在就去做复杂的估值模型，那一步还太早。更务实的做法是先把内部这套评分跑顺，让业务方认、让流程用、让数据活，等到外部市场真的成熟了，你手里有一套跑了几年的资产台账和评分记录，那才是最值钱的东西。数据资产这件事，急不得，也拖不得，评分是那个让你既不急也不拖的抓手。

陈立诚：说到我心里去了。我们去年做的评分体系就是因为元数据不全，血缘断在老系统那儿，影响半径这个维度直接废掉，最后只能靠业务打分。看完这篇打算先把元数据采集补齐再重做一轮。

周敏华：权重下放到业务线这个做法挺有意思。我们之前是集团统一权重，供应链和营销天天吵，后来干脆不评了。准备按这个思路改一版，集团只管框架，业务线自己定权重，横向比趋势不比分值。

赵国栋：中小企业那段很实在。我们两百多张表，之前想上一套大平台，评估完预算直接劝退。后来就用数据开发平台的访问日志加Excel，先把要害表管起来，效果其实不差。等表多了再考虑上系统。

林静怡：想问下评分结果进流程具体进哪几个节点比较好？我们试过挂在数据服务申请上，但业务方嫌麻烦，绕过去私下要数据的情况不少。