2026年7月，DCMM 2.0（GB/T 36073-2025）正式实施。能力域从8个扩展到9个，新增"数据资产"域——这不是简单的分类调整，而是国家标准从"管好数据"到"让数据产生价值"的里程碑式升级。本文聚焦数据资产域的三大能力项（权属管理、价值评估、资产运营），分析其与财政部数据资源入表政策、"数据二十条"数据要素市场化的联动关系，并给出从数据治理到数据资产化的工程落地路径。
一、为什么 DCMM 2.0 要新增"数据资产域"
DCMM 2.0 的修订并非一次常规的标准更新。从2018年第一版到2026年7月正式实施，八年时间里中国数据要素市场发生了根本性变化。理解"数据资产域"被写入国家标准的原因，需要先看清楚推动这场变化的几股力量。
政策倒逼：数据从"成本项"变成"资产项"
2023年8月，财政部发布《企业数据资源相关会计处理暂行规定》（财会〔2023〕11号），明确企业合法拥有或控制的数据资源可以作为无形资产或存货计入财务报表，自2024年1月1日起施行。这是全球范围内较早将数据资源纳入会计准则的实践探索——此前，企业花在数据采集、清洗、存储上的投入，在财务报表上只能体现为费用或成本。入表政策让数据第一次在会计意义上成为"资产"。
几乎同时，中共中央、国务院于2022年底发布《关于构建数据基础制度更好发挥数据要素作用的意见》（"数据二十条"），建立了数据产权、流通交易、收益分配、安全治理四项基础制度框架。2023年12月，国家数据局等多部门联合印发《"数据要素×"三年行动计划（2024—2026年）》，明确了工业制造、现代农业、金融服务等12个重点领域的倍增目标。
这三份政策文件构成了一条清晰的逻辑链：数据二十条确立了数据可以作为要素参与分配的产权基础；数据要素×行动明确了数据流通产生的价值方向；而入表规定解决了"数据到底值多少钱"的计量问题。当数据既能确认产权归属、又能实现价值流通、还能进入财务报表时，摆在所有CDO和财务负责人面前的问题就变成了：什么样的数据可以算资产？我们的数据管理水平足以支撑数据入表吗？
标准驱动：从"能力建设"到"价值验证"
政策的推动需要标准的承接。DCMM 1.0（GB/T 36073-2018）的核心评估逻辑是：企业是否建立了数据管理的组织、制度、流程？它在八个能力域中逐一检查"有没有做"——有没有数据战略规划、有没有数据治理组织、有没有数据标准体系。这套框架在贯标初期有效地推动了大量企业从零开始建设数据管理能力。
但八年过去，问题变了。当超过一万家企业完成贯标后，新的追问自然浮现：能力建设了，然后呢？
DCMM 2.0（GB/T 36073-2025）对此给出的回答是新增"数据资产域"。这是一个信号：评估的重点从"过程合规"延伸到"结果验证"。企业不仅要证明"我们建了治理体系"，还要证明"治理体系产出了什么"——数据资产的规模、数据的质量水平、资产的运营效率。标准从"能力建设导向"向"价值创造导向"的转变，正是数据资产域被写入国标的深层逻辑。
竞争压力：贯标已从"加分项"变成"入场券"
这种转变不仅停留在标准文本里，也体现在市场竞争中。越来越多的行业招投标将DCMM等级作为评分项或准入条件；一些集团企业要求下属子公司分批完成贯标；在金融、能源等强监管行业，数据管理能力正在成为与合作方建立信任的前提。
三股力量——政策推动、标准升级、竞争驱动——最终汇聚在同一个点上：数据资产域。对于正在准备DCMM贯标或已经通过评估的企业而言，理解这个新域，已经不是"要不要关注"的问题，而是"怎么落地"的问题。
二、DCMM 2.0 数据资产域深度拆解
2.1 能力项全景速览
DCMM 2.0 在数据资产域下设置了三个能力项：权属管理、价值评估、资产运营。这三个能力项之间构成递进关系——先明确数据的产权归属和使用边界，再对数据资产的价值进行可量化的评估，最终实现数据资产的持续运营和价值释放。
为便于读者理解，本文从工程实践的角度将这一闭环展开为四个关键动作：资产盘点（权属管理的基础）、价值评估、资产运营、合规流通（权属管理的产出验证）。这四个动作环环相扣，覆盖了从"摸清家底"到"安全流通"的完整链路。
2.2 资产盘点：从"凭感觉"到"一本清账"
权属管理的第一件事是知道企业有哪些数据资产。资产盘点的核心诉求看似简单——回答"数据资产在哪里、有多少"——但落地时往往比预想中复杂得多。
大多数企业经过多年的信息化建设，数据分散在数十甚至数百个业务系统中。ERP里有财务数据，MES里有生产数据，CRM里有客户数据，SRM里有供应商数据，还有一些历史遗留系统中的数据几乎无人知晓。资产盘点首先要解决的不是"怎么管"，而是"管什么"。
DCMM 2.0 在这一能力项下考察几个关键点：数据资产目录的完整性、资产的分级分类是否科学、盘点流程是否制度化。换句话说，评估师不会只看企业有没有一个Excel表叫"数据资产清单"，而是会追问：这个清单是怎么出来的？覆盖了哪些系统？以什么标准分类？更新频率是多少？
从实践来看，一次有效的资产盘点通常需要三步：全系统扫描（自动化工具发现所有数据源）→ 业务规则筛选（剔除临时表、日志表等非资产数据）→ 标准化编目（统一命名、分级分类、建立检索）。以福建某交通投资集团（企业名称已脱敏，下同）的实践为例：该企业拥有上千张业务表，分散在收费系统、养护系统、路网监测系统等十余个业务平台中。项目实施团队通过自动扫描和业务规则筛选，将其梳理为标准化数据资产目录，并确定了一批具备入表条件的数据资产。这一过程中，仅"筛选出入表范围"这一个环节，就需要财务部门和IT部门反复对齐标准——来自收费记录的数据可以入表，但系统日志表就不可以，这个判断需要财务视角，不是技术人员能够单独决定的。
2.3 价值评估：从"说不清值多少"到"可量化可信"
有了资产清单，下一步是回答"值多少"。价值评估是数据资产域中最具挑战性的能力项——传统资产评估有成熟的成本法、收益法、市场法，但数据资产的复制性、非排他性和价值波动性使这些方法难以直接套用。
DCMM 2.0 在价值评估能力项下的考察重点包括：评估模型是否科学、评估流程是否规范、评估结果是否可审计。这里特别值得关注的是"可审计"三个字。当数据准备入表时，会计师事务所的审计师会追问每一个估值参数的来源和依据——"你说这批数据质量好，证据是什么？""你说评估模型经过了验证，验证记录在哪里？"
这引出了价值评估的前置条件：数据质量的可量化。GB/T 36344-2018《信息技术 数据质量评价指标》定义了六个评价维度——完整性、规范性、一致性、准确性、唯一性和可访问性。除可访问性主要面向技术运维外，其余五个维度直接影响数据的可用性和应用价值。在入表场景下，如果不能证明数据质量达到一定水平，估值就没有依据。
回到前述福建某交通投资集团的案例：该集团在启动入表工作前，先按照GB/T 36344框架进行了一次全面的质量评价，从完整性、规范性、一致性、准确性、唯一性五个维度设置了量化评价指标。经过数据清洗和质量整改后，核心数据资产的质量综合评分达到较高水平，为后续的价值评估和会计入表提供了可审计的质量依据。
2.4 资产运营：从"一次性盘点"到"持续运营"
资产盘点完成、价值评估通过，不等于数据资产化的工作结束了。恰恰相反——数据每时每刻都在产生、变化、流转。昨天盘点时的1000张表，今天可能变成了1008张；上周评估合格的客户数据，这周可能因为业务系统升级出现了字段缺失。如果资产目录是一份静态文档，三个月后它就会失去参考价值。
DCMM 2.0 在资产运营能力项下关注的是：资产标签是否持续维护、资产动态更新机制是否存在、资产使用率是否被追踪、数据是否以服务化的方式向外提供。资产运营的核心目标，是让数据资产从"一本放在抽屉里的清单"变成"一个持续运转的货架"——使用者可以随时检索、查看说明、调用服务。
江西某国有资本投资运营集团（企业名称已脱敏，下同）的实践提供了一个参照。该集团在下属数百家企业的数据治理项目中，建设了统一的数据资产目录，支持按业务域、数据来源、更新频率等多维度检索，并通过API服务让各子公司业务人员能够自助获取数据。在资产运营机制的支撑下，集团层面的监管看板不再依赖各子公司的定期人工报表，而是直接从数据资产目录中调用标准化数据服务。资产运营让数据资产从"IT部门的台账"变成了"全集团可用的资源池"。
从更宏观的视角看，资产运营是"资源化→资产化→资本化"三阶段演进中的关键一环——资源化解决"数据从哪来"，资产化解决"数据值多少"，而资产运营解决的是"数据怎么持续产生价值"。前两个阶段是建设性的（有明确的起止时间），资产运营则是持续性的（没有终点）。相当一部分企业在前两个阶段投入了大量资源，却在运营阶段缺乏持续的制度和工具支撑，导致资产价值逐步衰减。
2.5 合规流通：从"不敢共享"到"安全流通"
数据资产最终需要流通才能释放价值。合规流通是权属管理的另一面——如果说资产盘点解决的是"哪些数据的产权归我们"，合规流通解决的就是"我们享有产权的这些数据，在什么条件下可以对外共享或交易"。
DCMM 2.0 在这一维度上考察：数据确权的制度建设、安全审计的可举证性、外部流通的合规审批流程、数据登记制度的落实情况。"数据二十条"提出的数据产权结构性分置——持有权、加工使用权、经营权三权分置——为合规流通提供了制度框架，而DCMM 2.0 资产域则将其落实为可评估的管理能力要求。
前述福建某交通投资集团在完成资产盘点和质量评价后，经历了合规审核、数据产品登记等环节，最终获得了数据资产登记证书。这一过程涉及法律合规审查、数据安全评估、登记材料编制等多个环节——技术团队负责证明数据的质量和可用性，法务团队负责确认数据的产权清晰和无争议，财务团队负责判断入表的会计处理方式。数据资产域的合规流通，本质上是跨部门协作的制度化。
值得注意的是，合规流通的能力建设不是一次性的。随着数据要素市场的发展，流通场景会不断拓展——从内部共享到集团内跨法人流通，再到参与数据交易所的公开交易——对合规流通能力的要求也会持续升级。企业在建设DCMM 2.0 资产域时，需要为流通能力的持续演进预留空间。
三、DCMM 2.0 vs 1.0：不止多了一个域
理解了数据资产域的具体内容后再回头看DCMM 2.0与1.0的整体差异，会发现"新增一个域"只是最显性的变化，背后是整个评估逻辑的转向。
形式变化
| 对比维度 | DCMM 1.0（2018） | DCMM 2.0（2025） |
|---|---|---|
| 能力域数量 | 8个 | 9个（新增数据资产域，位于第4位） |
| 关键命名变更 | "数据应用" | "数据应用流通"——强调了流通维度 |
| 安全域能力项 | 数据安全策略/数据安全管理/数据安全审计 | 数据合规管理/数据安全防护/数据安全审计——能力项重组，合规要求显著升级 |
| 评估基准 | 无明确基准等级 | L2（受管理级）为基础基准 |
| AI技术融合 | 无相关考察 | L4量化管理级要求引入人工智能等先进技术提升数据管理效率 |
本质变化：从"过程合规"到"结果验证"
表格之外，更值得关注的是一条贯穿全文的逻辑变化：DCMM 1.0 本质上检查的是"我们管了"——有没有战略规划文档、有没有数据治理委员会、有没有制定数据标准。这些问题的答案可以来自PPT和制度汇编。DCMM 2.0 在保留这些"过程检查"的同时，通过新增数据资产域引入了"结果验证"——评估师会追问，"你们的数据资产有多少、质量是什么水平、这些资产在过去一年里被使用过多少次"。这些问题无法用PPT回答，必须有实际的平台数据和运营记录来证明。
这种变化对企业的影响是结构性的。过去，DCMM贯标可以在数据治理团队的主导下相对独立地完成——IT部门负责建平台、写制度、做评估。但在DCMM 2.0的框架下，资产域的评估天然需要财务部门（判断哪些数据可以入表、如何估值）、业务部门（确认数据资产的实际使用情况）和法务部门（确保合规流通）的深度参与。数据治理从IT部门的"内部工作"，变成了涉及多个职能条线的组织级协同。
为什么数据资产域排在第4位
DCMM 2.0 九大能力域的排列并非随意为之。数据资产域位于数据战略、数据治理、数据架构之后，数据标准、数据质量、数据安全、数据生存周期、数据应用流通之前。这个位次本身就在传递一个信息：
战略定方向 → 治理建组织 → 架构搭骨架 → 资产验证价值 → 标准/质量/安全保障执行 → 应用流通释放价值
换句话说，数据战略、治理和架构回答了"我们怎么管数据"，而数据资产域回答的是"管出来的数据值不值钱"。它既是前三域能力的"验收节点"，也是后续六域建设的"价值锚点"——如果资产域评估的结果不理想，说明前三域的投入可能没有真正转化为数据价值；如果跳过资产域直接追求应用流通，则可能导致"流通起来的数据质量堪忧、产权不清"。
四、"理采存管用"：数据资产化的工程落地路径
DCMM 2.0 告诉了企业"应该管到什么程度"，但标准本身不提供施工图纸。将标准要求转化为可执行的工程路径，需要一套能够映射到企业实际技术架构和组织流程的方法论框架。
DCMM、DAMA 与"理采存管用"的三角关系
三个框架之间的关系可以这样理解：
DCMM（GB/T 36073-2025） 说"管什么"——九大能力域是考核维度，评估企业数据管理处于什么水平
DAMA-DMBOK 说"该做什么"——11个知识领域定义了数据管理应该覆盖哪些专业工作
"理采存管用" 说"怎么落地"——五步方法论把标准要求和理论框架转化为有先后顺序的工程步骤
三者的互补关系不是替代，而是分工：DCMM是目标和标尺，DAMA是知识体系，理采存管用是实施路线。企业做DCMM贯标时，评估师看的是"九个域达到了什么等级"；企业在内部推动数据能力建设时，实际走的是"先摸清家底（理）、再汇聚数据（采）、建数仓（存）、做治理（管）、推向应用（用）"这个工程顺序。
数据资产域与"理采存管用"的对应关系
下表梳理了数据资产域各能力项在"理采存管用"框架中所对应的实施阶段。需要说明的是，此表为对应关系示意，并非严格一一对应——实践中，"理"的工作侧重战略、组织、制度和摸家底，资产盘点与"理"阶段的摸家底直接对应；价值评估横跨"采"的数据汇聚质量和"管"的质量管理工具；资产运营与合规流通主要在"用"环节落地，但也依赖"管"环节提供的安全和标准能力。
| 资产域核心动作 | 理采存管用阶段 | 关键工程动作 | 可验证产出 |
|---|---|---|---|
| 资产盘点 | 理（摸家底） | 全系统数据源扫描、业务规则筛选、分级分类、目录发布 | 数据资产目录 |
| 价值评估 | 管（质量管理）+ 采（数据汇聚） | 质量规则配置、六维度自动化评价、评估报告生成 | 数据质量评价报告 |
| 资产运营 | 用（促共享+重应用） | 资产标签维护、服务门户建设、使用率追踪 | API服务 + 资产门户 |
| 合规流通 | 用（促共享）+ 管（安全保障） | 确权登记、加密脱敏、审计溯源、流通审批 | 数据登记证书 + 合规报告 |
案例贯穿
前述两个案例恰好分别展示了这组对应关系的不同侧面。福建某交通投资集团覆盖了资产盘点（理——建立资产目录）→ 价值评估（管——质量评价和评分）→ 合规流通（用——合规审核和登记确权）的完整链条，重心在"让数据具备入表条件"。江西某国有资本投资运营集团则更多体现了资产运营（用——资产目录+API共享+自助用数）的持续能力，重心在"让数据资产在日常业务中被使用起来"。
两个案例合起来，构成了数据资产域在"理采存管用"框架下的一条完整参考路径：从标准诊断出发，经过资产盘点和质量评价的工程阶段，最终达到持续运营和合规流通的能力状态。
五、从标准到入表：数据资产化的实施路线图
理解了标准要求和工程方法之后，一个务实的问题自然浮现：如果企业今天决定启动数据资产化建设，应该从哪里开始？
入表与 DCMM 资产域的关系
首先需要澄清一个常见的认知偏差：数据资源入表不是数据资产化工作的终点，而是阶段性成果的正式确认。DCMM 2.0 资产域提供了这样一个前置检查框架——在把数据写进财务报表之前，先确认企业是否具备管理数据资产的组织能力和技术能力。
具体来说，DCMM 资产域要求企业能够证明：（1）数据资产的边界是清晰的（盘点能力）；（2）数据资产的质量是可评价的（评估能力）；（3）数据资产的状态是持续被管理的（运营能力）；（4）数据资产的产权是明确的（流通能力）。这四项恰恰对应了入表工作的核心前置条件。换一个角度说，DCMM 2.0 资产域的建设过程，本身就是为入表做准备的"热身阶段"。
分阶段实施建议
从多数成功案例来看，数据资产域建设不宜追求一步到位。下面是一个五阶段的参考路径，企业可以根据自身的DCMM评估等级、IT基础设施现状和业务紧迫性进行调整。
| 阶段 | 参考周期 | 核心动作 | 关键产出 | DCMM资产域对应 |
|---|---|---|---|---|
| 第一阶段：摸清家底 | 2-3个月 | 全系统数据源盘点、建立资产目录框架、筛选入表候选数据 | 数据资产目录（V1.0） | 资产盘点 |
| 第二阶段：质量保障 | 1-2个月 | 质量规则配置、自动化质量扫描、问题数据修复 | 数据质量评价报告 | 价值评估 |
| 第三阶段：确权登记 | 约1个月 | 数据产品登记申请、合规审查、登记材料编制 | 数据资产登记证书 | 合规流通 |
| 第四阶段：会计入表 | 约1个月 | 资产评估、会计确认、审计配合 | 入表审计报告 | 价值评估（输出） |
| 第五阶段：持续运营 | 长期 | 资产动态更新、使用率追踪、服务化交付 | 资产运营仪表盘 | 资产运营 |
这五个阶段不是严格串行的——第二阶段的质量保障和第一阶段的盘点在时间上可以有部分重叠，第五阶段的持续运营在第三阶段完成后就可以启动。关键在于不要跳过第一阶段直接做入表：哪些数据属于资产都还没搞清楚，入表范围就是一笔糊涂账。
三个常见偏差
在数据资产化实施过程中，有几个容易被忽视的要点：
其一，资产盘点不是"一次性工程"。 很多企业做完了第一轮盘点，整理出一个Excel表，就认为资产盘点做完了。但数据每天都在变——新系统上线、旧系统下线、业务逻辑调整——三个月后那张Excel就已经部分失效。资产盘点的理想状态是制度化、自动化的周期性盘点。
其二，价值评估不能仅由IT部门完成。 数据值多少钱，IT部门说了不算。成本法估值需要财务部门提供历史投入数据，收益法需要业务部门提供数据使用后的业务成果。IT部门能做的是提供质量评价的技术依据——证明数据是完整、规范、准确的——但估值本身需要跨部门的专业判断。
其三，组织协同不能等到最后一步。 DCMM 2.0 资产域天然涉及财务（入表）、业务（使用率）、法务（合规流通）多个部门。如果IT部门把前三个阶段全部做完才去找财务和法务，大概率会发现前面的工作方向需要调整——财务对"哪些数据可以入表"的判断标准可能与IT不同，法务对流通合规的要求也可能超出技术团队的预期。较为稳妥的做法是从第一阶段就拉上相关方参与。
六、工程支撑：数据资产域需要什么样的平台能力
DCMM 2.0 资产域的落地需要平台工具的支撑。资产盘点不能靠手工翻数据库、价值评估不能靠Excel打分、资产运营不能靠定期催各部门更新表格、合规流通更不能靠邮件审批。每个能力项都对应着一组工程化的平台功能需求。
市场上已有部分产品（如龙石数据中台）在这一方向上提供了较为完整的支持。在资产盘点层面，通过自动化扫描和业务规则筛选，将分布在数十个业务系统中的数据表快速梳理为可视化的数据资产目录，支持按业务域、数据来源、更新频率等多维度检索。在价值评估层面，配套的数据质量管理能力覆盖GB/T 36344六个评价维度，可自动生成质量评价报告，为入表前的质量核验提供可审计的依据——其中龙石数据质量管理平台·社区版可作为入表前的免费质量核验工具使用。在资产运营层面，资产标签管理、使用率追踪、服务门户等能力帮助数据资产从静态清单转为动态可用的资源池。在合规流通层面，API服务网关、数据脱敏、审计溯源等功能保障数据"能流通、可追溯"。
需要注意的是，DCMM 2.0 资产域评估的不只是平台功能是否完备，更关注组织是否真正具备了数据资产管理的能力。这意味着选择平台时，除了功能维度，还需要考量厂商是否提供配套的方法论导入、组织机制设计和持续陪跑服务——平台是工具，但让工具在组织内跑起来，需要的不只是安装部署。
结论
DCMM 2.0新增数据资产域不是标准文本的简单修订——它是国家标准在数据要素市场化大背景下的一次战略定调：数据管理的终极目标，是把数据变成可计量、可运营、可流通的资产。
对于CDO和财务负责人而言，数据资产域带来的改变是多维度的。评估逻辑从"有没有治理"升级为"能不能资产化"——过去只要证明数据治理体系已经建立，现在需要证明治理体系产出了可计量的资产价值。工作边界从IT部门的内部事务扩展为涉及财务、业务、法务的组织级协同——资产域的每一项能力都天然跨部门。时间要求从"贯标时做一次"变成"持续保持"——资产盘点不是搞一次就行，资产运营没有终点。
从多数企业的实践来看，较为稳妥的做法是以资产盘点为起点、质量评价为保障、持续运营为主线，而不是等"治理全部做完"再谈资产化。治理和资产化不是先后关系，而是并行推进、互相促进的两个维度——治理为资产化提供质量基础，资产化为治理提供价值反馈。
数据要素市场仍在快速发展之中，DCMM 2.0 的数据资产域也会在实践中不断被丰富和校准。对于企业而言，把握住这个窗口期，将数据资产能力建设纳入日常经营而非当作项目突击，是比较务实的选择。
参考文献
GB/T 36073-2025《数据管理能力成熟度评估模型》（DCMM 2.0）
GB/T 36073-2018《数据管理能力成熟度评估模型》（DCMM 1.0，已废止）
财政部，《企业数据资源相关会计处理暂行规定》（财会〔2023〕11号），2023年8月
中共中央 国务院，《关于构建数据基础制度更好发挥数据要素作用的意见》（"数据二十条"），2022年12月
国家数据局等，《"数据要素×"三年行动计划（2024—2026年）》，2023年12月
DAMA International, DAMA-DMBOK: Data Management Body of Knowledge (2nd Edition)
GB/T 36344-2018《信息技术 数据质量评价指标》
