本文运用CiteSpace可视化软件对上述已检索到的613份有效英文文献进行梳理和统计分析，总结了现有国外文献中对数据资产相关理论及方法的研究进展，以关键词作为文本检索对象。在此选择了出现频率最高的十个关键词，以出现年份和中心性进行关联分析，有关国外文献的高频关键词分布见表1。根据表中的关键词统计结果显示，共有578个关键词节点，945条节点连线，中心性都较为显著。其中“data management”出现频次最多，次数为432，中心性为0.73，位列高频关键词分布之首，结果表明2020年是国外数据资产相关研究产出的高峰年份，研究大多聚集于数据资产管理。在十个关键词的时间分布中，2016年和2021年的时间节点均出现两次。其中2016年的研究主题聚焦于大数据的运用，以深度学习的机器语言方式应用于数据资产的管理研究；2021年更加注重对数据资产的价值测度，将数据置于数据市场中，以定价的方式体现数据资产的应用价值。

表1. 国外高频关键词分布

关键词聚类是对主要关键词的聚集分类，可将多个紧密相关的词划分为几个聚类主题，用图谱的形式显示各聚类间的关联程度，从此更深层次地挖掘数据资产的研究热点。聚类中包含的关键词越少，该聚类序号的数字越大。反之，聚类数字越小。根据聚类主题，CiteSpace可视化软件根据社会网络中关键词出现的频率及中心性，提供了模块值Q值和平均轮廓值S值，其中此研究的Q值为0.4908，S值为0.7614，表示聚类结果显著。通过对相关有效英文文献的聚类分析，共得出8个聚类主题，各关键词聚类的结果见图1。结合聚类情况，将国外文献研究主要分为三个层次，主要从宏观、中观和微观三个层次进行国外文献的分类研究。

从宏观层面来看，将数据纳入生产要素中，成为区别于传统资产的新型资产，需发挥这一新型生产要素在社会经济发展中的作用。该层面包含的聚类有#6 data elements。数据要素是蕴含重要资产信息的关键要素，内涵包括数据要素的具体价值体现。Gold Finger (1997)是最早将图片音像等信息数据作为无形资产进行研究的学者 [ 1 ] ，后来Chirs (2010)将信息作为被资产价值化的资产，以无形资产的概念定义对其进行研究 [ 2 ] 。

从中观层面来看，主要强调借助先进的数字化互联网技术和模型进行数据资产的相关研究。该层面包含的聚类有#0 internet of things、#2 machine learning和#3 ecosystem services。通过工业互联网的概念，利用物联网实现数据的共享状态，最终实现数据资产的协作。Younan Mina等人(2021)利用物联网进行数据挖掘 [ 3 ] ，Attar-Khorasani Sima和Chalmeta Ricardo (2022)利用物联网进行数据的可视化分析 [ 4 ] ，可见物联网在数据资产前期的数据挖掘和后期的数据分析都有广泛的应用。

从微观层面来看，数据资产的研究采用具体方法和模型对其进行管理相关的研究，主要体现在对其价值实现。包含聚类有#1 asset pricing、#4 capital asset pricing model、#5 data model和#7 data management。主要集中于构建具体模型，对相应数据资产的进行定价和计量。

图1. 国外文献关键词聚类图谱

本文运用CiteSpace软件对上述已检索到的389份有效中文文献进行主要关键词的共现分析，共得到276个关键词节点，637条节点连线，以“数据资产”为中心的连线密集且复杂，与其他节点交织连接，说明数据资产的相关研究以“数据资产”为研究核心，聚焦于数据的运用，应用场景广泛。以关键词图谱总结出国内高频关键词分布表，详情见表2。结合频次和中心性可以初步判断，在2022年是国内数据资产相关研究的产出高峰年份，“数据资产”是该研究领域中的核心，频次出现为183次，中心性为0.68，说明以“数据资产”为中心的相关数据要素发展连接密切，国内需求理论和应用场景发展逐渐繁荣。根据国内数据资产的高频关键词和共现分析结果，可将国内数据资产的研究视角分为三个方面：第一，以数据资产的理论探究为研究视角；第二，以数据资产的产生为研究视角；第三，以数据资产的应用为研究视角。通过国内高频词的指引，以共现分析中不同的研究视角为基础，为聚类分析的主题分类提供了参考。

表2. 国内高频关键词分布

数据资产热点内容一直被国内相关数据研究学者广泛讨论，且国内数据资产正处于发展阶段，资产类型分类众多。因此，如何进行数据资产的主题分类研究对相关数据资产的发展具有重要作用。借助关键词聚类分析图谱，详情见图2。其中此研究的Q值为0.6164，S值为0.8808，聚类结果显著。根据分类的8个聚类主题，将整体聚类主题分为两大研究主题，即数据资产构成和数据资产管理。

数据资产构成该主题中包含的聚类有#0数据资产、#2数据要素、#3大数据和#7数据资源。数据资产构成要素众多，根据现有参考文献进行分类，大致可分成三种类型的数据资产，即个人数据资产、社会数据资产、经济数据资产和企业数据资产。由于数字科技的不断发展，个人作为社会发展中的独立个体，以个人或群体活动为中心的活动与社会生产密不可分，所以相关个人数据资产的挖掘和应用逐渐成为新的热点话题。许宪春等人结合互联网平台的个人数据资产评估实例，对个人数据资产价值链进行整体剖析，重点发挥个人数据资产作为关键生产要素对经济社会发展的作用 [ 5 ] 。社会经济数据资产涵盖种类众多，涉及社会生活的方方面面，在此主要研究政府数据。在充分挖掘政府数据资产价值的基础上，夏义堃和管茜对政府数据资产的内涵进行深入探究，构建以“四位一体”的具体要素框架 [ 6 ] 。金融数据资产是经济数据资产的重要体现。随着国内数字经济与实体经济的深度融合，金融数据资产的应用逐渐广泛，有效提升金融数据资产的治理能力也成为经济持续健康发展的核心议题 [ 7 ] 。企业是数据资产的承载主体，在大数据发展的影响下，传统企业数据资产进行数字化转型升级，如林杰、刘志杰借助大数据，探索出版业新的价值与运营途径 [ 8 ] ；王柯元等人创新传统的电力数据交易系统，以区块链技术实现电力系统的交易设计和数据资产化 [ 9 ] 。各类数据要素丰富了数据资产的构成，在充分挖掘数据要素潜力的前提下，发挥数据资产的价值建设属性。

图2. 国内文献关键词聚类图谱

数据资产管理该主题中包含的聚类有#1数据治理、#4价值评估和#6数据管理。数据资产具有潜在价值已经成为普遍共识，而如何进行数据资产的测度已成为众多学者关注的问题。通过总结近几年各学者的研究成果，从已筛选的国内文献中选择具有代表性的文献，按照属性和方法，大致将数据资产的管理形式分为以下几个方面。多属性数据资产管理的形式见表3，主要分类依据是根据数据资产从概念范围确定到价值实现的整体流程，表明国内各学者对数据资产的不同研究方向。从理论基础层面来看，确权理论构成了数据资产管理的研究理论基础，为进一步进行数据资产的价值探索提供了统计与核算依据；从内容方法层面来看，多以传统的评估方法和综合评价方法来拓展数据资产管理的实施路径。

表3. 多属性数据资产管理

通过CiteSpace的时间线图谱可以更加直观的了解研究文献的高频词分布情况，其中图中圆圈的大小代表关键词的发文量和影响力，弧线代表关键词的研究时间跨度。可以将圆圈和弧线作为预测变化趋势的参照点之一，比如在现阶段数据资产及有关数据资产管理相关的概念是学界研究的重点；从时间段中关键词出现的种类和密度，也可以看出相关数据资产的不同研究阶段。

从图3的时间线图谱中，可将国内数据资产相关研究的时间跨度分为“兴起期”(2006~2012)、“探索期”(2013~2015)和“发展期”(2016~2023)三个阶段。“兴起期”关于数据资产相关的发文量较少，主要集中于“数据资产”和“数据安全”的理论研究，在此阶段学者们逐渐关注到数据资产的发展潜力；在“探索期”有关数据资产的相关发文量大幅增大，研究主题也愈加丰富，“大数据”和“数据治理”成为该阶段学者研究的重点；“发展期”关于数据资产的研究相对集中，“数据交易”等数据资产的价值实现成为研究重点，目前国内数据资产研究正处于蓬勃发展的阶段。随着数字化技术的提升，数据资产的相关内涵提升及价值实现将会成为未来发展的重点。

图3. 国内文献关键词聚类时间线图谱