这不是个例。DAMA 对数据管理的定义中，数据管理的目标是"在数据全生命周期内持续提升数据资产价值"[1]——注意，是提升价值，而不是积累条目。数据目录、治理平台都是实现这一目标的手段，但当手段被当成成果汇报时，价值就悬空了。
政策把"数据要素价值"推到了台前
过去几年，政策层面已经给"数据值钱"完成了三重确认。
一是数据可以入表。财政部财会〔2023〕11号《企业数据资源相关会计处理暂行规定》2024年正式施行，数据资源可以作为资产计入财务报表[2]，数据从成本项变成资产项，CFO 开始过问数据。
二是数据可以流通。国家数据局《"数据要素×"三年行动计划（2024—2026年）》推动数据要素市场化配置，强调数据在工业制造、现代农业、商贸流通等场景中发挥乘数效应[3]。
三是标准给"用"留出了位置。DCMM 2.0（GB/T 36073-2025，2026年7月1日实施）在九大能力域中，将"数据应用"更名为"数据应用流通"，数据价值实现环节被正式纳入能力评估[4]。
但政策解决的是"数据值钱"的合法性与方向，不解决价值本身。数据不会因为被确认为资产就自动产生价值，它只在使用场景里产生价值。这也是数据资产化路径上的共识：从资源化到资产化再到资本化，入表只是资产化阶段的里程碑，不是终点。
目录和平台回答不了"价值"问题
为什么很多企业建了目录、上了平台，依然说不清价值？核心在于：目录和平台是"管理数据"的产物，天然不回答"用得好不好"。
目录解决"找得到"，不等于"用得上"。 数据目录上架的是元数据描述，业务人员找到一张表，不等于会用、敢用、愿意用。有研究指出，数据目录是数据资产化的重要入口，但数据资产的价值不仅在于存储，更在于发现与使用[5]——入口有价值，入口不等于价值本身。
治理平台解决"管得住"，不等于"用得好"。 标准、质量、安全解决的是"数据可信"。可信的数据如果没有进入业务流程，依然不产生价值。不少企业把治理平台验收当作终点，恰恰漏掉了后半程。
更关键的是运营缺位。 很多企业的数据管理工作，指标还停留在"建了多少目录、管了多少张表、配了多少条规则"；而运营数据的指标是"数据被调用了多少次、进了几个业务场景、带来了什么业务改善"。指标没换，说明还停留在管理阶段。有观点认为数据中台不是项目、是能力，道理正在于此——能力要靠持续运营来兑现，项目验收只是起点。
价值落在五个场景、三类形态里
说"数据要产生价值"太抽象，落下来其实就五个场景：经营决策、业务协同、风险控制、产品创新、对外服务。判断标准其实很直接：数据有没有进入业务动作——是进入了决策依据、协同流程、预警机制、新产品，还是停留在目录里。
| 价值场景 | 数据怎么产生价值 | 具体落地点 |
|---|---|---|
| 经营决策 | 数据进入管理层决策依据，从"拍脑袋"到"看数据" | 经营驾驶舱、领导看板、AI 智能问数 |
| 业务协同 | 跨部门/跨公司数据打通，缩短协作周期 | 数据共享、API 服务、数据网关 |
| 风险控制 | 实时监测与预警，风险早发现早处置 | 风险预警模型、AI 自动发现异常 |
| 产品创新 | 数据驱动新产品、新服务 | 数据超市、AI 用数智能体 |
| 对外服务 | 数据产品化对外提供，直接创造收益 | 数据服务 API 输出、数据产品上架 |
五个场景的共同特征是：数据都进入了某个业务动作。从"管理数据"走向"运营和使用数据"，正是抓住这个共同特征的关键一步。
从"管理数据"走向"运营和使用数据"
管理数据，管的是表、目录、规则；运营和使用数据，盯的是场景、调用、改善结果。这是本文想强调的主线。
在龙石数据提出的"理采存管用"五阶段方法论中，"用"是价值兑现环节：理（定战略、建体系、摸家底）、采（聚数据）、存（绘模型）、管（管数据）四步都在为"用"做准备，促共享、重应用、支撑决策才是终点[6]。需要留意的是，数据资产目录、数据门户这类产品属于"用"环节，不是"管"环节——它们的使命是让数据被用起来，而不是让数据被管住。
从管理走向运营，有三个组织层面的动作绕不开：
设角色：明确数据责任人。谁对"这份数据被用了没有、用出了什么结果"负责，不能只对"这份数据维护得好不好"负责。
建机制：常态化使用评估。定期看调用次数、场景渗透率、业务改善结果，把评估结果反馈给目录优化和数据产品迭代。
闭环迭代：使用→反馈→改进。用户反馈进入数据产品调整，形成持续演进的能力。能力的成长路径通常是：认知建立→体系建设→平台建设→运营落地→组织自驱，运营落地之后才谈得上组织自驱。
三类落地点：数据服务、数据运营、AI 应用消费
主线之下，价值兑现还要落到具体的用数形态上，归纳下来有三类落地点。
数据服务，解决"申请难、等得久"。 用数从"申请排队、人工审批、等排期"变成"自助获取"。形态包括数据超市、数据门户、API 平台、数据共享。某 211 高校把数据底座升级为"数据超市"后，跨部门数据申请从"天/周级"缩短到"分钟级"在线自助获取，师生像逛淘宝一样取数。数据服务解决的是"用数渠道"问题。
数据运营，解决"上架了没人用"。 数据资产从"管起来"变成"用起来、用出结果"。形态包括调用次数监控、需求感知、使用反馈闭环、数据责任人机制。某国企数科的实践（详见下文样本一）说明：把用户需求聚成可量化的产品开发依据，长尾数据资源才会被激活。数据运营解决的是"用数动力"问题。
AI 应用消费，解决"会用的人少"。 业务人员用自然语言就能找数、问数、用数，不必学 SQL 和 BI 工具。AI 用数智能体覆盖"问知识、找数据、问数据、用数据"四类场景，提问后自动生成 SQL、返回结果和图表，全程零代码。AI 应用消费解决的是"用数门槛"问题。
一个场景是否真正落地，看它对应了哪类落地点、产生了什么使用指标，而不是看目录里多了多少条记录。市场上已有部分数据治理平台把这三类落地点做成了完整的产品形态：龙石数据中台的资源目录与数据门户对应数据服务，AI 用数智能体对应 AI 应用消费，数据资产管理功能支撑数据运营闭环[6]——工具是把三类落地点落地的载体，但工具本身不替代运营责任。
三个真实样本
样本一：某国企数科——用 AI 智能体把运营闭环跑起来。 该企业的数据要素流通平台资源丰富，但"找数难、用数难、运营难"并存。项目采用"感知—匹配—演进"三位一体方案：语义与模糊双模检索帮用户快速定位数据，"问完即申请"降低申请门槛；同时通过分析搜索失败记录、浏览中断点等行为自动识别潜在需求，定期输出需求洞察报告指导数据产品迭代。上线后，基础咨询工单量显著下降，检索耗时大幅缩短，多个高价值需求进入产品开发流程。客户评价说："以前推数据产品像蒙着眼睛打靶，智能体给了我们一杆瞄准镜。"这个样本印证：目录和门户只是起点，降低用数门槛加上运营闭环，数据才真正被用起来。
样本二：某国控集团——让数据进入决策与风控动作。 该集团原有 10 余套业务系统数据碎片化，报表靠人工汇总，监管数据"看不清、管不住、用不好"。统一数据中台建成后，数据资产目录与 API 共享服务让数据快速供给上层应用，国资监管综合看板、领导驾驶舱支持穿透钻取，AI 智能问数与风险预警让数据从"存储层面"走向"监管报表、决策建议"，业务人员工作量减少 60% 以上。数据进入了决策和风控动作，价值随之兑现。
样本三：某 211 高校——数据服务自助化的样板。 数据超市与数据网关让全校数据资源像商品一样陈列、点选即得，跨部门申请从"天/周级"压缩到"分钟级"，信息化部门实现自主运维。对教育行业而言，数据服务自助化就是"用"的落地形态。
三个样本恰好覆盖三类落地点：样本一是数据运营加 AI 应用消费，样本二是 AI 应用消费加数据服务，样本三是数据服务。这几个项目中，龙石数据分别承担了智能体建设、统一数据中台搭建与数据底座升级的主体工作。
给管理层、CIO 和数据资产负责人的三个动作
第一，换一套指标。把考核从"建了多少目录、管了多少表"换成"数据被调用了多少次、进了几个业务场景、带来了什么业务改善"。指标一变，组织注意力自然跟着变。
第二，选一个场景打透，配一类落地点。不要全线铺开，先选价值最高、最容易见效的场景：比如经营驾驶舱加 AI 智能问数，或者数据超市加自助服务，跑通"数据→业务动作→使用指标"的闭环，再横向复制。
第三，把运营责任落到组织。明确数据责任人，建立常态化使用评估与反馈机制。能力建设上，"产品+培训+陪跑"的模式可以帮助企业从平台建设走向组织自驱——培训建立认知，陪跑完成能力转移，最终实现企业自主运营。
常见问题
Q1：数据资产目录建好了，业务部门为什么还是不用？ 目录解决"找得到"，不等于"用得上"。价值释放要落在具体形态上：数据服务（自助门户、API）、AI 应用消费（用数智能体）、数据运营（反馈闭环），具体做法见第四、五节。
Q2：数据要素价值怎么量化？ 从管理指标切换到运营指标：调用次数、场景渗透率、业务改善结果（决策效率、协同周期、风险预警命中率）。不必一步到位算出"数据值多少钱"，先建立使用侧的度量体系，价值自然可被观察。
Q3：数据资产入表和数据要素价值落地是什么关系？ 入表解决"数据值钱"的确认问题，价值落地解决"数据值钱"的实现问题。入表是资产化阶段的里程碑，不是终点——第六节的三个动作就是入表之后让价值继续兑现的具体做法。
Q4：中小企业也要做数据运营吗？ 规模可以轻，逻辑不能缺。哪怕只有一个数据责任人、一个核心场景、一类落地点——先上一个数据门户或一个问数智能体——也要有"使用→反馈→改进"的闭环。工具的引入可以从轻量起步，市面上也有免费可用的数据质量工具可供摸底。
数据要素的价值不在目录里，不在平台上，而在业务动作里。目录和平台解决的是"有没有、好不好"，价值解决的是"用没用、用出了什么"。企业从管理数据走向运营和使用数据，补上的不是一套新系统，而是一套以场景为锚、以使用为尺的运营方式。这步迈过去，数据才真正从成本变成资产。
参考来源
[1] DAMA International, "What is Data Management", https://dama.org/about-dama/what-is-data-management/
[2] 财政部，《企业数据资源相关会计处理暂行规定》（财会〔2023〕11号）
[3] 国家数据局，《"数据要素×"三年行动计划（2024—2026年）》
[4] 国家市场监督管理总局、国家标准化管理委员会，《信息技术 数据管理能力成熟度评估模型》（GB/T 36073-2025，DCMM 2.0）
[5] arXiv:2402.05211，数据目录（Data Catalog）相关研究
