數據資產運營，是指對數據資產的所有權、使用權和收益權等權益及相關活動進行管理的過程，包括數據資產確權、資產購置、營銷、服務、結算、資產處置等，以及配套的數據資產成本管理，質量、活性及價值等一系列評估，分析、統計、監督等活動。其目的是盤活公司數據資產，通過數據開放、數據交易、數據合作等方式促進數據資產流通和價值變現。
關于如何讓大數據變現，Precog的聯合創始人John De提到了兩塊：數據驅動的流程(data-driven processes)和數據驅動的產品(data-drivenproducts)。
本文將從以下三個方面展開討論，探討如何實現數據資產變現。同時，文末還列舉了七個造成數據資產變現困難重重的原因。
當你要改造外部公司的流程時，或者自己內部頻繁出現的某類流程優化過程，往往需要將大數據的價值整合起來，通過一款數據產品表現出去。比如，淘寶為賣家提供量子恒道產品，幫助賣家更好的經營自己的店鋪；比如電商網站內部頻繁出現的交叉銷售需求，可以給予用戶的行為數據打造個性化推薦系統。
根據各方參與度和界限的不同，數據產品可以有很多模式，最簡單的，直接出售自己的數據；或者在自己數據的基礎上“深加工”再出售；也可以購買多家的數據，自己整合后提供更優質的某種服務，提供諸如定向廣告、廣告效果監測等；或者不提供數據服務，只提供計算能力，比如類似百分點的推薦引擎；也可以眾包模式采集數據，匯集后形成數據交易市場。
這一類別中，成熟的產品類型是搜索、推薦、計算廣告，這三個方向更需要大數據技術專家，同時具備一定的商業觀、產品觀的人才；而此外，還有一些相對不成熟的或短期內沒有形成強技術壁壘模式的產品類型，比如上面說的量子恒道、比如大量的第三方微博營銷平臺，不是說這些產品不需要高深的技術，而且在當前階段，更需要的是滿足客戶的“溫飽需求”，未來逐漸加重技術驅動的比重。
大數據對企業流程的優化已經可以滲透到幾乎各個環節，諸如營銷流程、會員管理流程、產品管理流程、人力資源優化等等都可以看到他們的身影。
你可以預測未來的銷量，以更好的分配資源；你可以為商品找到潛在的喜好用戶，以開展主動營銷活動；你也可以細分既有用戶的各種行為模式，以為產品的優化提供參考；你還可以看看什么員工更穩定、哪些員工會離職……
這些管理、運營流程的改進主要集中為兩個詞：效率、效果，驅動的源頭便是在這個兩個詞的環節上出現了越來越嚴重的問題。
在這個環節中，數據挖掘應用建模者的需求會高一些。
之所以把這一類單獨提出，主要是這類產品的用戶往往是C端，他們大都不會去考慮企業經營、流程層面的問題，而更關注產品的功能及體驗。而這類產品和普通的互聯網產品的區別在于是否是大數據技術密集型產品，還是人力密集型的產品。
舉個例子，要打造一款餐飲服務產品，用傳統的“掃街”或積累用戶評價的模式就顯得人力密集一點；而如果基于用戶在特定網站的瀏覽軌跡進行內容挖掘，進而得到用戶的餐飲相關標簽(口味、位置、消費力)，基于此推出餐飲服務產品則更像我們說的數據驅動的服務產品。
再比如傳統門戶模式vs個性化閱讀模式也是類似；包括第二類中的個性化推薦模式，從用戶側看也可以視為數據驅動的服務產品。
或許，未來的所有服務產品都會是大數據驅動的，但目前來看大數據這個市場還非常的不成熟，還有很長的路要走。
據不完全統計，國內已經成立了二十多個大數據交易中心和數據交易所，但是幾乎都非常慘淡，交易量極少。那么，數據資產變現為什么這么難，困難何在？
究其原因，主要有以下七個方面：第一，對數據無止境的收集；第二，非法數據交易猖獗；第三，用“巨量”掩蓋個性化；第四，在“因果性”和“相關性”中走極端；第五，數據共享陷阱難以跨越；第六，數據人才缺失嚴重；第七，數據價值不易標準化。
