基于文獻計量方法的國內數據資產管理可視化分析*

李亞琴 魏 瑾

(揚州大學商學院,江蘇 揚州 225127)

0 引言

近年來,數據已成為關鍵生產要素和戰略性資源,是數字經濟深化發展的核心引擎?！丁笆奈濉睌底纸洕l展規劃》提出,要強化高質量數據要素供給,充分發揮數據要素作用。此外,《中共中央、國務院關于構建數據基礎制度更好發揮數據要素作用的意見》強調,從數據產權、流通交易、收益分配、安全治理等方面搭建我國數據基礎制度體系,旨在讓高質量數據要素“活起來、動起來、用起來”。這些都離不開對數據資產進行有效管理。良好的數據資產管理是釋放數據要素價值、推動數據要素市場發展的前提和基礎[1]?；诖?分析數據資產管理研究領域合作特征,對于當前深化數據資產管理應用和研究顯得尤為重要。為了多維度、全面地分析數據資產管理研究現狀,本文運用文獻計量分析工具,從作者和機構的發文量、合作關系,以及關鍵詞共現等方面對樣本文獻進行可視化分析,以期能對數據資產管理的后續研究和實踐提供借鑒。

1 數據來源與研究方法

1.1 數據來源

學術期刊是學術研究成果公開發表的主要媒介,也是文獻計量分析的重要研究對象[2]。本文選取中國知網(CNKI)數據庫中的核心期刊為數據來源,于2023年2月初以“數據資產管理”為檢索主題,共檢索出2013—2022年有效學術論文樣本104篇。

1.2 研究方法

為深入探析國內關于數據資產管理研究領域的總體研究現狀和合作特點,本文主要采用經典的文獻計量方法,并結合文獻研究主題進行相應的內容分析。主要運用具有文獻計量功能的SATI(Statistical Analysis Toolkit for Informetrics)文獻題錄信息統計分析工具[3]處理數據。SATI 4.0網絡版免費、開源、共享,具有對期刊全文數據庫題錄信息進行一般計量分析、共現分析等數據分析功能,并能呈現可視化數據結果。

2 數據資產管理研究文獻計量分析

2.1 發文量時間分布特征

數據資產管理與社會各界對數據、數據管理、數據資產的認知、技術的應用及發展演變緊密相連,發文量的時間分布可在一定程度上反映某研究主題所處的研究階段、研究深度和研究趨勢。從發文量的時間分布來看,數據資產管理相關研究始于2013年,2020年發文量快速上升,當前正處于研究的初步上升階段(圖1)。未來,關于數據資產管理研究將會日益引起學術界和實務界的密切關注。國家出臺的一系列相關政策也在一定程度上推動了我國數據資產管理相關研究的發展。2019年11月,黨的十九屆四中全會首次將“數據”列為生產要素,提出了“健全勞動、資本、土地、知識、技術、管理、數據等生產要素由市場評價貢獻、按貢獻決定報酬的機制”。2022 年 12 月,中共中央、國務院出臺《關于構建數據基礎制度更好發揮數據要素作用的意見》,從數據產權制度、數據流通交易制度、數據收益分配制度、數據安全治理制度四個方面初步搭建我國數據基礎制度體系,并提出二十條政策舉措。這些相關政策營造的良好宏觀環境,將會進一步推動我國數據資產管理的理論研究和實踐探索。

圖1 2013—2022數據資產管理研究發文量分布

2.2 核心作者及合作關系

2.2.1 核心作者研究

通過研究某一學科領域的核心作者,從而高效地追蹤相應核心文獻,有利于新手快速了解該領域研究的深度、廣度及其最新動態[4]。表1為在數據資產管理研究領域發文數不少于2篇的作者分布,共18位高產學者,其中,關楊、夏義堃、崔金棟和朱磊4位學者發文數最多。由表1可知,數據資產管理研究領域核心作者主要集中在圖書情報檔案和計算機軟件與應用等學科領域,主要來自東北電力大學、中國人民大學、武漢大學等國內高校。值得一提的是,在數據資產管理研究領域高產作者中也有來自實務界的專家,如德勤華永會計師事務所的朱磊、中國電子科技集團的王靜、袁翔、趙文成和韓立斌等,這與數據資產管理具有很強的實踐應用性在關。

為進一步探析數據資產管理研究領域高頻作者在學術社交網站的活躍度,本文以知名學術社交網站研究之門(researchgate.net,以下簡稱RG)為例,對高頻作者進行了檢索,發現除了余鵬和袁勤儉在RG上注冊外,其余作者均未在RG上注冊交流。這表明目前數據資產管理研究領域高頻作者利用在線學術社交平臺進行互動合作交流還非常少。

表1 數據資產管理研究領域知網發文數TOP18作者分布

研究論文被引次數的高低,可在一定程度上反映研究論文和作者的學術影響力。表2為數據資產管理研究主題相關論文被引頻次不少于30次的文獻。由表2可知,數據資產管理研究領域核心文獻主要集中在政府、高校、企業數據治理等數據管理方面的研究主題。部分高影響力作者也出現在表1高頻作者中,如余鵬、李艷、夏義堃等,這表明多數高頻作者往往也是高影響力學者。從高被引文獻發表的期刊來看,主要分布在圖書情報、計算機軟件與應用領域,這與表1結論相似,且高影響力作者也有不少來自實務界。值得一提的是,高影響力作者中除了郭兵在RG上注冊且活躍度較高外,其余均未使用RG進行合作交流。表明在數據資產管理研究領域無論是高影響力學者還是高頻作者,社交網絡學術互動交流均較少。

表2 數據資產管理研究主題相關論文主要被引文獻分布

2.2.2 高產作者合作分析

在104篇樣本文獻中,作者總數為284位,平均每篇2.73位作者,表明在數據資產管理研究領域作者間的合作研究已比較普遍,但合著人數并不多,一般為兩三人的合作。由于數據資產管理主題自身的綜合性和跨學科特征,相較于現有非人文社會科學領域而言,作者間的合作程度還不夠深。

為深入探析數據資產管理研究領域高產作者間的合作廣度和深度,有必要分析該領域高產作者間的合作網絡[5]。本文選取發文數TOP50作者進行合作共現分析,部分結果如圖2所示。作者共現圖譜出現眾多孤立的節點,再次表明高頻作者間的合作還較少;存在眾多小合作團隊,表明作者間即使存在合作,也多為1次的偶爾合作,合作深度還不夠。值得一提的是,在當前數據資產管理研究還處于初步階段,作者合作圖譜中已出現2個相對較大的合作團隊,一個是以關楊和崔金棟為核心的合作團隊;另一個是以袁翔、趙文成、韓立斌、王靜為核心的合作團隊。

圖2 發文數TOP50作者合作共現圖譜(部分)

2.3 主要研究機構合作分析

關于數據資產管理研究,發文機構相對較分散,多數機構僅發文1篇。發文數前3名的機構分別是中國人民大學信息資源管理學院、東北電力大學經濟管理學院和南京大學信息管理學院,且均集中在情報學學科領域。在104篇樣本文獻中,總機構數為179個,平均每篇1.72個機構,表明同一機構內部合作相對占比較高。圖3為發文機構合作圖譜,表明機構間合作程度非常有限,還未形成較大的合作網絡,僅形成1個相對較大的合作機構群,其余多數為單個機構的發文,非常分散,這與數據資產管理主題自身的多元跨學科性、多部門協同性特征不匹配。

圖3 發文機構合作圖譜(部分)

2.4 研究學科領域集中程度

從研究文獻發表的期刊分布,可以初步判斷該主題研究學科領域的集中程度。關于數據資產管理研究相關文獻主要發表在69個核心期刊上,發文數TOP8的核心期刊為《情報科學》《中國金融》《會計之友》《電子政務》《財務與會計》《圖書情報工作》《檔案學研究》《稅務研究》,主要集中在圖書情報檔案、財務會計稅務、銀行金融、電子政務等學科領域。這表明目前關于數據資產管理的跨學科交叉研究特征還不明顯。

2.5 數據資產管理研究熱點與趨勢分析

2.5.1 關鍵詞詞頻分析

關鍵詞詞頻分析可在一定程度上發現某個研究主題的熱點和趨勢。詞頻分析結果表明,目前研究者除了關注數據資產、數據治理、數字化轉型、數據管理、數據安全、數據中臺、數據質量等數據管理職能及數字經濟熱點外,已開始關注數據資產管理價值問題。隨著數字經濟的發展,為促進數據的開放共享和交易流通,數據資產定價、數據資產價值評估方法、數據安全等相關研究已成為數據資產管理研究和實務領域關注的熱點。

2.5.2 關鍵詞共現圖譜分析

關鍵詞共現圖譜通過不同關鍵詞之間不同程度的關聯,能夠有效識別某研究領域潛在的研究主題、熱點和前沿動態[6]。由圖4可知,當前數據資產管理研究主要形成數據資產、數據治理、數據安全、數據質量管理和數據價值評估5個研究主題域。

圖4 TOP50關鍵詞共現圖譜

從研究視角和內容來看,有的從政府、企業和個人維度,有的從信息生態維度,有的從數據中臺、系統設計與應用維度,有的從數據資產管理的方法論、模型和機理維度,也有的從政府治理和法治基礎等維度展開數據資產管理研究[7-16]。從關鍵詞詞頻和共現圖譜分析來看,數據資產管理模式和方法及數據管理責任、數據資產權屬確認和利益分配,數據治理、數據質量、數據安全、數據資產管理技術、數據倫理、數據資產價值評估、數據管理能力評估、數據開放共享、數據交易流通、數據交易信任、數據資產會計處理和數據資產審計等主題將是今后持續研究的熱點和趨勢。

3 研究結論與展望

研究結果表明,近年來,國內數據資產管理研究熱度迅速增多,但作者、機構及不同學科之間的合作研究程度有限,學術研究滯后于數據資產管理實踐。當前數據資產管理研究側重于從技術側面提升數據資產管理職能,如數據治理、數據質量、數據安全等數據管理功能。

在數據資產管理政策環境持續優化的大時代背景下,我國數據資產管理能力整體盡管還處于發展初期。但從實務來看,通信、電力、銀行三個行業處于相對領先水平[1],學術界和實務界應借鑒先進企業數據資產管理的成功做法,深入研究數據資產管理的理論基礎,以更好地指導實踐。與此同時,數據資產管理的研究需要學術界和實務界進行充分的全面協同合作,從業務、經濟、管理、會計、審計、法律、技術、人文和服務等不同領域和視角進行深入探索,深入開展數據資產管理的理念、模式、效率、技術、安全等方面的研究,形成協同敏捷的一體化數據資產管理方式,促進組織數據資產管理能力的持續提升和數據資產保值增值。同時,加強數據資源監管和行業自律,以進一步推動數據要素市場健康有序發展。