信息生态视角下企业数据资产管理机理研究〔摘要〕数据资产的有效管理是企业开展大数据应用、实现数据化运营转型的必然选择。以信息生态为基本理念，从数据质量管理的维度着手将其与企业数据资产管理的实际情况相结合，构建出适用于企业数据资产管理的信息生态模型，对相关角色群体的不同任务和目标进行功能性划分，进而对数据资产管理的角色进行合理分配；同时分析数据资产管理信息生态模型的运行机理与具体功能，旨在提高企业数据资产管理的效率和实现数据资产价值的深入挖掘，解决在隐性和业务层面上的可操作性问题。〔关键词〕信息生态；企业数据资产；运行机理；价值挖掘DOI：10.3969/j.issn.1008-0821.2017.12.004〔〕G302〔文献标识码〕A〔〕1008-0821（2017）12-0024-06〔Abstract〕Aneffectivemanagementofdataassetsisaninevitablechoiceforenterprisestocarryoutlargedataapplicationsaswellastorealizedataoperationtransformation.Thepapertooktheinformationecologyasthebasicidea，startedwiththedimensionsofdataqualitymanagement，combinedthemwiththeactualsituationofenterprisedataassetmanagement，constructedaninformationecologymodelwhichissuitableforenterprisedataassetmanagement，andthendividedthetasksandgoalsoftherelevantrolesintofunctionalcategories，distributedtheroleofdataassetmanagementinareasonablewayfurther；Atthesametime，itanalyzedtheoperationalmechanismandspecificfunctionofthedataassetmanagementinformationmodel，aimedtoimprovetheefficiencyofenterprisedataassetmanagementandtodigintothevalueofdataassets，finallyitsolvedtheoperationalproblemsatthehiddenandoperationallevel.〔Keywords〕informationecology；enterprisedataassets；operationmechanism；valuedigging?稻葑什?管理贯穿现代企业生产及管理的各个环节，对数据资产管理的深入研究将会为政府管理、企业经营带来深远的影响。而数据资产管理作为企业在信息化建设这一洪流推动下的必然产物，是开展大数据应用、实现数据化运营转型的必要途径。企业数据资产若要实现生态化的可持续流转，离不开信息生态流程的支撑，一个均衡、稳定、绿色的信息生态系统不但能使企业中的信息资源得到合理分配，而且能够使企业经济效益有所提升，甚至还能进一步拉动其他相关行业的良性发展。因此，企业中数据信息生态系统能否良性发展显得尤为重要。笔者从信息生态的视角出发研究企业数据资产管理的运行机制，同时对其演化机理进行阐述，旨在为企业数据资产管理提供建设性的对策建议。1数据资产管理研究综述现有的数据资产管理是在数据质量测度的基础上对数据资产进行有效地评估与价值挖掘，高质量的数据是数据资产形成与使用的先决条件。数据质量的测量维度通常包括数据信息的精度、细度、可靠性、重要性、一致性、及时性、可理解性、简洁性、可用性以及可信度[1]，这些维度相互关联，但也相互冲突。因此，后续又有学者对上述测量维度进行深入研究，以形式化的方法定义出现今数据质量最常用的测量维度：数据信息的一致性、正确性、完整性、最小性和可信性[2]，可信度往往作为数据质量测量的重要依据之一。经过数据使用、重新计算、分析模型和资产化管理等操作后[3]，具有“可信度”的数据即高质量的数据便能进一步形成数据资产，通过为使用者提供有价值的数据信息而实现增值。然而在大多数企业中，数据资产的管理却不被视为核心业务活动，管理者只依赖于传统的组织信息源来管理数据信息，由于缺乏对源数据的管理、筛选与关注[4]，导致数据集成方案昂贵而费时，最终常常以失败告终。只依赖于传统的信息组织方法产生或是提供的数据质量往往不佳[5]，并且可能对企业经营造成重大的负面影响：1）对于企业常规战术中规定所需完成的任务，丧失原有生产率且生产的错误率较高；2）无法通过直接处理或业务活动监视等举措交付研究成果。因此，管理者需要将企业中的数据质量管理工作视为核心业务，而不是可有可无的附加工作，及时从控制系统[6]、维护系统[7]、采购系统、物流系...