数据资产运营，是指对数据资产的所有权、使用权和收益权等权益及相关活动进行管理的过程，包括数据资产确权、资产购置、营销、服务、结算、资产处置等，以及配套的数据资产成本管理，质量、活性及价值等一系列评估，分析、统计、监督等活动。其目的是盘活公司数据资产，通过数据开放、数据交易、数据合作等方式促进数据资产流通和价值变现。
关于如何让大数据变现，Precog的联合创始人John De提到了两块：数据驱动的流程(data-driven processes)和数据驱动的产品(data-drivenproducts)。
本文将从以下三个方面展开讨论，探讨如何实现数据资产变现。同时，文末还列举了七个造成数据资产变现困难重重的原因。
当你要改造外部公司的流程时，或者自己内部频繁出现的某类流程优化过程，往往需要将大数据的价值整合起来，通过一款数据产品表现出去。比如，淘宝为卖家提供量子恒道产品，帮助卖家更好的经营自己的店铺；比如电商网站内部频繁出现的交叉销售需求，可以给予用户的行为数据打造个性化推荐系统。
根据各方参与度和界限的不同，数据产品可以有很多模式，最简单的，直接出售自己的数据；或者在自己数据的基础上“深加工”再出售；也可以购买多家的数据，自己整合后提供更优质的某种服务，提供诸如定向广告、广告效果监测等；或者不提供数据服务，只提供计算能力，比如类似百分点的推荐引擎；也可以众包模式采集数据，汇集后形成数据交易市场。
这一类别中，成熟的产品类型是搜索、推荐、计算广告，这三个方向更需要大数据技术专家，同时具备一定的商业观、产品观的人才；而此外，还有一些相对不成熟的或短期内没有形成强技术壁垒模式的产品类型，比如上面说的量子恒道、比如大量的第三方微博营销平台，不是说这些产品不需要高深的技术，而且在当前阶段，更需要的是满足客户的“温饱需求”，未来逐渐加重技术驱动的比重。
大数据对企业流程的优化已经可以渗透到几乎各个环节，诸如营销流程、会员管理流程、产品管理流程、人力资源优化等等都可以看到他们的身影。
你可以预测未来的销量，以更好的分配资源；你可以为商品找到潜在的喜好用户，以开展主动营销活动；你也可以细分既有用户的各种行为模式，以为产品的优化提供参考；你还可以看看什么员工更稳定、哪些员工会离职……
这些管理、运营流程的改进主要集中为两个词：效率、效果，驱动的源头便是在这个两个词的环节上出现了越来越严重的问题。
在这个环节中，数据挖掘应用建模者的需求会高一些。
之所以把这一类单独提出，主要是这类产品的用户往往是C端，他们大都不会去考虑企业经营、流程层面的问题，而更关注产品的功能及体验。而这类产品和普通的互联网产品的区别在于是否是大数据技术密集型产品，还是人力密集型的产品。
举个例子，要打造一款餐饮服务产品，用传统的“扫街”或积累用户评价的模式就显得人力密集一点；而如果基于用户在特定网站的浏览轨迹进行内容挖掘，进而得到用户的餐饮相关标签(口味、位置、消费力)，基于此推出餐饮服务产品则更像我们说的数据驱动的服务产品。
再比如传统门户模式vs个性化阅读模式也是类似；包括第二类中的个性化推荐模式，从用户侧看也可以视为数据驱动的服务产品。
或许，未来的所有服务产品都会是大数据驱动的，但目前来看大数据这个市场还非常的不成熟，还有很长的路要走。
据不完全统计，国内已经成立了二十多个大数据交易中心和数据交易所，但是几乎都非常惨淡，交易量极少。那么，数据资产变现为什么这么难，困难何在？
究其原因，主要有以下七个方面：第一，对数据无止境的收集；第二，非法数据交易猖獗；第三，用“巨量”掩盖个性化；第四，在“因果性”和“相关性”中走极端；第五，数据共享陷阱难以跨越；第六，数据人才缺失严重；第七，数据价值不易标准化。
