移動互聯、云計算、物聯網等技術快速發展，數據總量呈現出指數型的增長態勢，數據來源也越來越多樣化，大數據的概念開始進入公眾視野。在“互聯網+“行動計劃、大數據發展行動綱要、“中國制造2025”等政策的推動下，中國企業紛紛開啟數字化轉型之路，大數據由概念走向落地。現如今，大數據已經不再被視為一種新興技術，而是被廣泛應用于精準營銷、金融風控、供應鏈管理等諸多實踐領域中。
　　大數據時代下非結構化數據爆發式增長，對數據加工的復雜度和速度要求更高，傳統的數據管理已經無法適應當下企業對數據管理的需求。大數據資產管理是對傳統數據管理的擴充和升級，通過降低企業數據使用的成本，提高以數據指導管理決策的效率，數據資產管理已然成為大數據時代中企業競爭力的重要來源。
　　數據資產管理為大數據提供價值體現的前提
　　數據資產管理(Data Asset Management, DAM)是規范、控制和提供數據及信息資產的一組業務職能，包括開發、執行和監督有關數據的計劃、政策、方案、項目、流程、方法和程序，從而控制、保護、交付和提高數據資產的價值。數據資產管理面向數據的全生命周期，其核心思路是將數據對象以資產的標準和要求進行管理。 　　在數據資產管理的能力中，數據管理層為大數據從采集到應用提供輔助支撐，由早期以元數據和數據模型為核心的數據治理向數據安全管理、數據生命周期等能力拓展。隨著數據源日益豐富，數據采集逐漸成為大數據能力框架中的單獨層次，通過數據資產管理平臺，企業既能夠獲得離線和實時的內部數據，還可以取得互聯網公共數據和第三方數據。數據倉庫層基于傳統數據倉庫技術，提供數據集市的構建、公共數據的匯總等能力；數據整合層則需要依賴數據資產管理所提供的大數據技術，實現離線數據整合與實時數據整合。數據服務層重點解決數據本身的問題，包括提供數據查詢接口、數據交換和數據共享等能力。大數據的價值最終體現在數據的分析和應用過程中，因此數據資產管理是大數據分析和應用的前提條件。
　　通用型大數據產品是現階段發展的重點
　　大數據市場上存在著通用型和定制型兩大類產品。通用型大數據產品要求對數據需求具備抽象能力，提供普適性的處理和分析功能，典型產品如數據資產管理、數據挖掘、數據分析、數據可視化等。通用型產品的使用門檻相對比較低，能夠以較低的成本獲得大量的用戶群體，通過規模效應實現數據產品本身的增值。隨著企業用戶對大數據應用和需求的增加，通用型大數據產品會在短期內取得快速發展。
　　隨著大數據產品與諸多應用場景相結合，大數據應用的爆發催生了定制化的大數據需求。定制化產品是基于用戶的最終需求，如行業特性、業務流程、數據情況等，制定的符合用戶實際情況的解決方案。定制化大數據產品因為更加貼合用戶自身的特點，能夠給用戶帶來更高的效益，有利于后續的升級和擴展。但定制化的實施周期長、成本高，對產品提供方的項目經驗和開發水平都有非常高的要求。部分大數據廠商針對行業共性提供面向行業的定制化產品，以增強企業的差異化競爭能力。
　　數據價值日益凸顯，數據資產管理發展空間可觀 　　自2012年以來，中國大數據軟件和服務行業市場規模增長迅猛。2016年，大數據軟件市場規模72.6億元，同比增長47.7%；大數據服務市場規模41.5億元，同比增長51.1%。軟件市場占比高于服務市場的原因是用戶更習慣于軟件許可授權的付費模式。企業逐漸認同數據作為無形資產存在的價值，并意識到大數據對企業發展的重要性。以BAT為代表的互聯網公司通過不斷的挖掘沉淀大數據，利用大數據驅動自身業務的增長。信息化建設相對完善的金融和電信行業同樣是大數據領域的先行者。面對互聯網金融的沖擊，金融機構積極采用大數據分析來進行客戶管理、營銷管理、風險管理以及內部的運營優化；移動流量的激增對電信運營商實時的數據處理能力、網絡優化能力等提出更高要求，其大數據應用主要集中在流量運營、精準營銷等領域。此外，政府和傳統制造業也在積極加強大數據建設，與各行各業的結合讓大數據的應用場景越來越豐富，推動了大數據產業規模的增長。
　　大數據產業的繁榮帶動對數據資產管理需求的升級。一方面，數據加工的復雜度和速度要求增加，另一方面，數據交換、轉讓、租賃、交易等創新模式出現。企業不斷暴露出系統煙囪化、數據碎片化、管理標準缺乏、價值變現困難等問題，傳統的數據管理方式已經很難適應大數據時代的需要。數據資產管理通過集中整合企業內外部數據，建立標準化的數據管理體系，并面向業務運營提供數據服務能力作為支撐，既降低了企業數據使用的成本，又提高了以數據指導管理決策的效率。同時，數據資產管理的深化為整個大數據產業的良性發展奠定了基礎。數據資產成為企業的核心戰略資產，為數據交易市場提供了廣闊的發展空間，高質量的數據又反過來促進大數據應用及后續商業價值的實現。
　　未來四年，大數據軟件和服務市場將繼續保持高速增長。考慮企業服務付費觀念的形成，大數據服務市場的占比會逐漸增加，增速會略高于軟件市場。預計到2020年，大數據軟件市場規模將達到268.2億元，年復合增長率38.6%；大數據服務市場規模將達到165.9億元，年復合增長率41.4%。
　　大數據軟件和服務發展方向：數據資產管理
　　互聯網等新興行業對大數據的運用已經不再限于以數據輔助決策，而是可以更加直接的從大數據當中獲取收益。數據變現價值的加速顯現讓數據管理的重要性日益凸顯，作為大數據應用和變現的必經渠道，數據資產管理市場未來將處于快速上升階段。
　　伴隨著企業內部業務區隔的劃分與數據量的高速膨脹，海量分散的數據加大了數據資產利用和管理的難度，企業外部業務所產生的數據與內部核心數據不能夠很好的融合。異構化的數據體系使得數據治理成為數據資產的基礎環節。采用數據治理的手段，企業能夠消除數據的不一致性，建立規范的數據標準，提高數據質量，進而發揮數據資產的商業價值。數據治理涉及元數據管理、主數據管理、數據質量、數據集成、監控與報告等方面，其中元數據管理是數據治理成功的關鍵。賦予數據上下文和含義的參考框架，元數據管理能夠有效管理復雜數據集成環境中的變化，交付安全、可信的數據。
　　大數據時代數據資產的安全問題變得越來越重要，數據泄露不僅會造成數據資產的流失，更可能威脅到公司的生存。大數據技術的發展導致傳統以防御為核心的安全策略無法應對時代變化，信息安全顯然是現階段數據資產管理當中的重要課題。同時，大數據的應用給隱私保護帶來了更大的困難。在保留原始特征的基礎上改變數值的數據脫敏技術，既可以保護敏感數據免于未經授權的訪問，又能夠允許企業進行相關的數據處理和分析，正在成為數據資產管理中的一項核心內容。
　　大數據軟件和服務發展方向：數據可視化
　　數據可視化可以降低大數據的使用門檻，讓大數據走向平民化。通過專業的統計數據分析系統，建立數據不同維度數據之間的聯系，發現數據背后的內在規律；通過整合多視圖的大屏展示，直觀清晰的呈現數據，高效準確、精簡全面的傳遞信息。隨著大數據產業發展的不斷深入，企業對大數據的需求已經不再停留于對歷史數據的處理和分析，越來越多的企業開始實時動態處理數據。大數據的可視化也會順應這一發展趨勢，由靜態的歷史數據呈現，轉向能夠獲取實時動態數據的交互式可視化。
　　大數據軟件和服務發展方向：機器學習
　　機器學習是大數據軟件和服務行業向下一階段發展的關鍵詞。大數據和機器學習的關系是相互依存和促進的：一方面，機器學習是數據挖掘當中的重要工具；另一方面，大數據應用可以提升機器學習模型的準確性。當前機器學習技術不斷取得突破，未來的大數據產業勢必會與機器學習深度融合。運用機器學習不僅能夠幫助企業減少人力資本的投入，快速有效地對海量數據（603138）進行處理分析，更可以讓大數據在預測分析方面發揮出巨大的作用。盡管目前企業在大數據預測分析方面的應用還比較少，但是預測分析能夠為企業帶來實際的效率提升和效益增加。以大數據風控為例，機器學習技術在自動化審批、區分精準度、開發效率等領域比傳統的風控統計方法更有優勢，未來將為金額風控領域帶來全新的技術變革。