基于文献计量方法的国内数据资产管理可视化分析*

李亚琴 魏 瑾

(扬州大学商学院,江苏 扬州 225127)

0 引言

近年来,数据已成为关键生产要素和战略性资源,是数字经济深化发展的核心引擎。《“十四五”数字经济发展规划》提出,要强化高质量数据要素供给,充分发挥数据要素作用。此外,《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》强调,从数据产权、流通交易、收益分配、安全治理等方面搭建我国数据基础制度体系,旨在让高质量数据要素“活起来、动起来、用起来”。这些都离不开对数据资产进行有效管理。良好的数据资产管理是释放数据要素价值、推动数据要素市场发展的前提和基础[1]。基于此,分析数据资产管理研究领域合作特征,对于当前深化数据资产管理应用和研究显得尤为重要。为了多维度、全面地分析数据资产管理研究现状,本文运用文献计量分析工具,从作者和机构的发文量、合作关系,以及关键词共现等方面对样本文献进行可视化分析,以期能对数据资产管理的后续研究和实践提供借鉴。

1 数据来源与研究方法

1.1 数据来源

学术期刊是学术研究成果公开发表的主要媒介,也是文献计量分析的重要研究对象[2]。本文选取中国知网(CNKI)数据库中的核心期刊为数据来源,于2023年2月初以“数据资产管理”为检索主题,共检索出2013—2022年有效学术论文样本104篇。

1.2 研究方法

为深入探析国内关于数据资产管理研究领域的总体研究现状和合作特点,本文主要采用经典的文献计量方法,并结合文献研究主题进行相应的内容分析。主要运用具有文献计量功能的SATI(Statistical Analysis Toolkit for Informetrics)文献题录信息统计分析工具[3]处理数据。SATI 4.0网络版免费、开源、共享,具有对期刊全文数据库题录信息进行一般计量分析、共现分析等数据分析功能,并能呈现可视化数据结果。

2 数据资产管理研究文献计量分析

2.1 发文量时间分布特征

数据资产管理与社会各界对数据、数据管理、数据资产的认知、技术的应用及发展演变紧密相连,发文量的时间分布可在一定程度上反映某研究主题所处的研究阶段、研究深度和研究趋势。从发文量的时间分布来看,数据资产管理相关研究始于2013年,2020年发文量快速上升,当前正处于研究的初步上升阶段(图1)。未来,关于数据资产管理研究将会日益引起学术界和实务界的密切关注。国家出台的一系列相关政策也在一定程度上推动了我国数据资产管理相关研究的发展。2019年11月,党的十九届四中全会首次将“数据”列为生产要素,提出了“健全劳动、资本、土地、知识、技术、管理、数据等生产要素由市场评价贡献、按贡献决定报酬的机制”。2022 年 12 月,中共中央、国务院出台《关于构建数据基础制度更好发挥数据要素作用的意见》,从数据产权制度、数据流通交易制度、数据收益分配制度、数据安全治理制度四个方面初步搭建我国数据基础制度体系,并提出二十条政策举措。这些相关政策营造的良好宏观环境,将会进一步推动我国数据资产管理的理论研究和实践探索。

图1 2013—2022数据资产管理研究发文量分布

2.2 核心作者及合作关系

2.2.1 核心作者研究

通过研究某一学科领域的核心作者,从而高效地追踪相应核心文献,有利于新手快速了解该领域研究的深度、广度及其最新动态[4]。表1为在数据资产管理研究领域发文数不少于2篇的作者分布,共18位高产学者,其中,关杨、夏义堃、崔金栋和朱磊4位学者发文数最多。由表1可知,数据资产管理研究领域核心作者主要集中在图书情报档案和计算机软件与应用等学科领域,主要来自东北电力大学、中国人民大学、武汉大学等国内高校。值得一提的是,在数据资产管理研究领域高产作者中也有来自实务界的专家,如德勤华永会计师事务所的朱磊、中国电子科技集团的王静、袁翔、赵文成和韩立斌等,这与数据资产管理具有很强的实践应用性在关。

为进一步探析数据资产管理研究领域高频作者在学术社交网站的活跃度,本文以知名学术社交网站研究之门(researchgate.net,以下简称RG)为例,对高频作者进行了检索,发现除了余鹏和袁勤俭在RG上注册外,其余作者均未在RG上注册交流。这表明目前数据资产管理研究领域高频作者利用在线学术社交平台进行互动合作交流还非常少。

表1 数据资产管理研究领域知网发文数TOP18作者分布

研究论文被引次数的高低,可在一定程度上反映研究论文和作者的学术影响力。表2为数据资产管理研究主题相关论文被引频次不少于30次的文献。由表2可知,数据资产管理研究领域核心文献主要集中在政府、高校、企业数据治理等数据管理方面的研究主题。部分高影响力作者也出现在表1高频作者中,如余鹏、李艳、夏义堃等,这表明多数高频作者往往也是高影响力学者。从高被引文献发表的期刊来看,主要分布在图书情报、计算机软件与应用领域,这与表1结论相似,且高影响力作者也有不少来自实务界。值得一提的是,高影响力作者中除了郭兵在RG上注册且活跃度较高外,其余均未使用RG进行合作交流。表明在数据资产管理研究领域无论是高影响力学者还是高频作者,社交网络学术互动交流均较少。

表2 数据资产管理研究主题相关论文主要被引文献分布

2.2.2 高产作者合作分析

在104篇样本文献中,作者总数为284位,平均每篇2.73位作者,表明在数据资产管理研究领域作者间的合作研究已比较普遍,但合著人数并不多,一般为两三人的合作。由于数据资产管理主题自身的综合性和跨学科特征,相较于现有非人文社会科学领域而言,作者间的合作程度还不够深。

为深入探析数据资产管理研究领域高产作者间的合作广度和深度,有必要分析该领域高产作者间的合作网络[5]。本文选取发文数TOP50作者进行合作共现分析,部分结果如图2所示。作者共现图谱出现众多孤立的节点,再次表明高频作者间的合作还较少;存在众多小合作团队,表明作者间即使存在合作,也多为1次的偶尔合作,合作深度还不够。值得一提的是,在当前数据资产管理研究还处于初步阶段,作者合作图谱中已出现2个相对较大的合作团队,一个是以关杨和崔金栋为核心的合作团队;另一个是以袁翔、赵文成、韩立斌、王静为核心的合作团队。

图2 发文数TOP50作者合作共现图谱(部分)

2.3 主要研究机构合作分析

关于数据资产管理研究,发文机构相对较分散,多数机构仅发文1篇。发文数前3名的机构分别是中国人民大学信息资源管理学院、东北电力大学经济管理学院和南京大学信息管理学院,且均集中在情报学学科领域。在104篇样本文献中,总机构数为179个,平均每篇1.72个机构,表明同一机构内部合作相对占比较高。图3为发文机构合作图谱,表明机构间合作程度非常有限,还未形成较大的合作网络,仅形成1个相对较大的合作机构群,其余多数为单个机构的发文,非常分散,这与数据资产管理主题自身的多元跨学科性、多部门协同性特征不匹配。

图3 发文机构合作图谱(部分)

2.4 研究学科领域集中程度

从研究文献发表的期刊分布,可以初步判断该主题研究学科领域的集中程度。关于数据资产管理研究相关文献主要发表在69个核心期刊上,发文数TOP8的核心期刊为《情报科学》《中国金融》《会计之友》《电子政务》《财务与会计》《图书情报工作》《档案学研究》《税务研究》,主要集中在图书情报档案、财务会计税务、银行金融、电子政务等学科领域。这表明目前关于数据资产管理的跨学科交叉研究特征还不明显。

2.5 数据资产管理研究热点与趋势分析

2.5.1 关键词词频分析

关键词词频分析可在一定程度上发现某个研究主题的热点和趋势。词频分析结果表明,目前研究者除了关注数据资产、数据治理、数字化转型、数据管理、数据安全、数据中台、数据质量等数据管理职能及数字经济热点外,已开始关注数据资产管理价值问题。随着数字经济的发展,为促进数据的开放共享和交易流通,数据资产定价、数据资产价值评估方法、数据安全等相关研究已成为数据资产管理研究和实务领域关注的热点。

2.5.2 关键词共现图谱分析

关键词共现图谱通过不同关键词之间不同程度的关联,能够有效识别某研究领域潜在的研究主题、热点和前沿动态[6]。由图4可知,当前数据资产管理研究主要形成数据资产、数据治理、数据安全、数据质量管理和数据价值评估5个研究主题域。

图4 TOP50关键词共现图谱

从研究视角和内容来看,有的从政府、企业和个人维度,有的从信息生态维度,有的从数据中台、系统设计与应用维度,有的从数据资产管理的方法论、模型和机理维度,也有的从政府治理和法治基础等维度展开数据资产管理研究[7-16]。从关键词词频和共现图谱分析来看,数据资产管理模式和方法及数据管理责任、数据资产权属确认和利益分配,数据治理、数据质量、数据安全、数据资产管理技术、数据伦理、数据资产价值评估、数据管理能力评估、数据开放共享、数据交易流通、数据交易信任、数据资产会计处理和数据资产审计等主题将是今后持续研究的热点和趋势。

3 研究结论与展望

研究结果表明,近年来,国内数据资产管理研究热度迅速增多,但作者、机构及不同学科之间的合作研究程度有限,学术研究滞后于数据资产管理实践。当前数据资产管理研究侧重于从技术侧面提升数据资产管理职能,如数据治理、数据质量、数据安全等数据管理功能。

在数据资产管理政策环境持续优化的大时代背景下,我国数据资产管理能力整体尽管还处于发展初期。但从实务来看,通信、电力、银行三个行业处于相对领先水平[1],学术界和实务界应借鉴先进企业数据资产管理的成功做法,深入研究数据资产管理的理论基础,以更好地指导实践。与此同时,数据资产管理的研究需要学术界和实务界进行充分的全面协同合作,从业务、经济、管理、会计、审计、法律、技术、人文和服务等不同领域和视角进行深入探索,深入开展数据资产管理的理念、模式、效率、技术、安全等方面的研究,形成协同敏捷的一体化数据资产管理方式,促进组织数据资产管理能力的持续提升和数据资产保值增值。同时,加强数据资源监管和行业自律,以进一步推动数据要素市场健康有序发展。