随着数据要素市场建设的快速推进，数据资产管理进入快速发展阶段。2023年12月31日，国家数据局等17个部门联合印发了《“数据要素×”三年行动计划（2024—2026年）》，明确提出到2026年底数据要素应用总体目标。同一天，财政部印发《关于加强数据资产管理的指导意见》，针对数据资产开发利用、价值评估、收益分配、信息披露等方面作出了明确规定，目的是促进数据资产合规高效流通使用，更好释放数据资产价值，提高全要素生产率。

金融业是《“数据要素×”三年行动计划（2024—2026年）》所聚焦的十二个行业和领域之一。金融业数据资产管理正处于攻坚阶段，同时也面临诸多挑战。其中包括核心数据模型的梳理难题、数据资产目录与底层数据的打通问题、海量数据资产的高效管理难题、业务人员的用数难题等。

基于此，IDC对中国金融业数据资产管理市场进行研究，并发布《IDC PeerScape : 中国金融业数据资产管理实践与案例，2024：盘点快速落地，运营需求上升》报告。

数据资产管理在中国金融业的发展最早萌芽于 2019 年前后，但是其在中国金融业的蓬勃发展是从 2022 年下半年开始的。原因是经过前期的摸索之后，2021 年业内几个标杆案例落地，如南京银行、渤海银行等。从 2022 年下半年开始，落地数据资产管理平台的机构看到了该平台对于业务的真正价值——可以实现数据资产的可见、可用。

当前，金融业数据资产管理实践重点在数据资产的盘点、使用阶段。在大多数金融机构，数据资产目录与底层数据的打通正在攻坚。数据资产的入表、价值评估、流通、交易等方面也已经开始了前沿性研究。对于数据资产管理中面临的棘手问题，越来越多的探索正在获得成功经验。

业务部门用数门槛不断降低。目前，数据资产管理已经跳出过去数据治理的范畴，开始从业务视角对数据进行盘点，这使得数据不是按照其所归属的系统、归属的部门进行分类展示，而是根据其在业务流程当中的位置和价值进行展示，并且展示在统一的数据门户当中。这会使得业务人员使用数据越来越方便。

关于数据资产入表、数据交易的探索已经初步开始。数据资产入表、数据交易当中，都需要相应的技术支持。例如，数据资产入表过程中，需要确定数据资产业务归属部门、进行成本评估分拆等，这其中需要技术支持。数据交易当中，需要联邦学习等隐私计算技术的支持。

数据资产运营的需求正在逐步上升。数据资产管理的目的是促进数据的使用，从而使其对业务产生价值。数据资产盘点完成之后，业务人员能够真正将数据用起来才算成功。因此，前期数据资产盘点逐步完成之后，金融机构需要开启“以用促管”的良性循环。数据资产运营需求的上升，已经是看得见的市场机会，并且该领域的实践创新已经开启。

金融业数据安全、数据确权会迎来新的市场机会。数据安全的保障、数据确权问题的解决，是数据资产流通的前提，因此金融业数据安全市场与数据资产管理市场的发展会相伴前行。

人工智能技术可以帮助数据资产管理多个环节提升效率。例如，人工智能技术可以应用在数据资产盘点阶段，提升盘点的自动化程度。另外，在数据分析应用环节，大模型将可以提供对话式分析，业务人员用语言表达来获得分析结果，这可以大幅提升数据分析工具的易用性，促进数据在业务当中的应用。

IDC 中国金融行业研究部研究经理温泉表示，2024年，中国金融业数据资产管理将继续快速发展。目前，头部金融机构数据资产目录与底层数据的打通正在攻坚期，数据资产的充分应用、变现还需要时间，但实践中的创新已经开始。数据资产入表和数据业务价值的显现将逐步成为数据资产管理发展的有力助推剂。”