3点产生必要
1. 数据资产可复用
标签类目体系是中台概念的核心落地点
前台,中台,后台三者之间的关系
后台就像海面以下部分的海岛，有些可以连接，有些天然就无法连接。企业的业务库、信息库、资源库等就是企业的后台，数据库、计算引擎、信息技术、硬件设备等有些可以兼容，有些无法兼容。很多企业，特别是大型集团企业在采购底层支撑系统和服务时，会刻意选择不同厂家的产品，防止构成对某一家企业产品的强依赖而陷自身于不利位置。前台由业务、应用等组成。随着近几年互联网技术的发展，数字化转型的深入，消费者诉求的转变以及市场竞争的日趋激烈，前台业务形态逐渐向场景化、灵活化、精细化转变。传统的流程型组织系统（ERP、OA、CRM等）已经无法适应变化多端的前台业务需求，企业迫切需要一种新型的组织系统来承载前台业务随着场景不同而快速形成的资源间的柔性组合。哪家企业的前台业务能真正做到随市场和客户而动，响应迅速，哪家企业就能真正占领市场，赢得消费者，具有更强的生命力。
前台和后台之间的某些属性是相矛盾的。
- 前台要灵动，后台要稳定
- 前台要连接打通，后台资源有时天然不打通
- 前台越拆越小，要的是速度，因此叫小前台；后台越建越大，要的是全面，因此叫大后台
数据中台的两大要义
- 中台最核心的目的就是完成前台业务对后台资源的快速调用、快速试错。那些经常会被调用、可复用的资源能力可以从后台中提炼出来，存放到中台中，并通过良好的接口预留，实现与前台的无缝对接。
- 当中台使用标签对可复用的数据资源进行沉淀并提供快速运用时，就能保障数据中台第二个要点的平稳落地：前台业务通过选取标签、配置所需的数据服务，将数据资产转化为对前台业务赋能的数据应用。
- 当一家企业要正式构建数据资产时，就需要使用标签类目体系方法对数据资源进行完整梳理和规划。当企业发展到众多业务都需要数据服务支撑，特别是到了交叉数据源的开放共享阶段，就必须在标签方法论的基础上构建上层业务对数据资产的应用机制。
- 随着企业对数据价值认知的不断深入，数据自然需要资产化，即对数据资源进行标签封装：从命名、规范、质量、安全等维度对每一项数据资源进行标注、说明、定义。数据不能再像以前面向单一场景时那样怎么快怎么用：数据没有备注，或只有数据操作者自己看得懂，甚至只要系统能跑通，业务上能使用起来，数据端没有注解都没关系。数据资产化的最终目的就是让业务人员也能阅读、理解、方便地使用数据，因此将数据资产转化为可阅读、易理解的载体就是把数据资源标签化。
2. 面向业务可理解
想要更具价值的数据资产
数据资产之所以称为资产，是因为它是从价值出发，经整理、管理、优化，对业务真正有帮助、能带来效益的数据资源。那些扔在数据库中、不知道是什么的原始数据项并不是真正意义上的数据资产。即使经过了数据开发者大量的治理工作，数据项如果不是业务上可用想用的，那么也只能称为数据负累。
好数据资产设计办法的特征
- 好的数据资产设计办法是桥接数据和业务的中间逻辑层，让数据变得可阅读、易理解。
- 好的数据资产设计办法是一种统一的对象数据描述办法，应该把个体刻画升级为群体刻画。
- 好的数据资产设计办法具有第一性原理，通过学习方法论+演绎推导即可构建具体的企业资产，而非经过大量实践后再归纳总结。
数据资产必然走向业务导向
真正能够发挥数据价值的地方在业务前线。必须以数据的最终价值来驱动数据的全链路运营过程。真正持久的数据资产建设一定不是从治理出发，干的都是苦活累活但是效果却不显著，业务并不为苦劳埋单，而要从价值倒推，让业务部门通过收获数据红利来反向促动数据部门治理和优化数据，并按需主动提供新的数据源。
数据操作系统下的数据资产流向
如何让业务人员能够快速使用数据资产去产生价值，缩短业务部门和数据部门之间的距离？其中包括加深对对方部门的理解（例如让业务部门理解数据，让数据部门理解业务），让后端计算引擎等数据技术资源良好匹配前端业务性能要求等?
试想一下，有一天业务人员只需要对着数据操作系统说一句“我要A公司全体员工的性别分布，以饼图呈现”，系统就会自动地先将语音转成文字，将语义解析为多条指令，再从员工资产库中选取“性别”和“所属公司”这两个标签，配置分析服务引擎进行数据加工运算，最后通过饼图可视化组件呈现满足要求的数据交互界面，以供业务人员使用
当前业内提到的数据资产构建方法其实有两大派系：一种是技术派系，类似数仓建模理论、数据治理方法等，目的是使海量数据能够稳定、高效地运转，属于技术半程范畴；而另一种就是本书所倡导的以标签作为数据资产价值载体的标签类目体系方法论，其目的是激发业务诉求，寻找并发挥数据价值，是面向业务半程的。
3. 数据价值衡量
什么是数据商业化
据资本化的核心前提是数据商品化，如何将数据切割清楚、组织封装、服务配套成独立的商品单元，并形成数据商品售卖、使用、售后等全链路的运营闭环
数据价值分配模式
标签是数据商品最适合的颗粒度???
数据商品全流程运营
