信息技术变革的重点由“T”（技术）转向“I”（信息），技术已经发展到一定程度，大量信息可以被廉价地捕捉和记录，现在则开始更关注信息本身。
传统意义上的数据和信息具有一定区别。数据是信息的载体，信息是有背景的数据。现代意义上的数据范畴则比信息要大，包含信息和知识，数据逐渐成为数字、文本、图片、视频等的统称。
在大数据时代，所有数据均有价值。长期以来数据支持交易的作用被掩盖，数据价值通常只是被视为附属于企业经营业务。现在数据的价值从其较为基本的用途转变为未来的潜在用途。数据的价值并不仅限于特定用途。它可以为了同一目的而被多次使用，也可以用于其它目的。所有可能用途的总和是数据的价值即数据的潜在价值。
数据潜在价值的释放方式包括数据基本再利用、数据集重组整合、数据用途扩展、数据折旧更新、数据废弃利用、政府数据开放。
数据再利用是指对收集或控制着大型数据集但目前却很少使用的公司而言，可从数据二次利用等再利用中获利，让数据的价值再大些，当并不急需使用也并不擅长再次利用数据时可通过汇总、共享等方式让数据再次利用变得更有价值。
在数据集重组整合方面，有时处于休眠状态的数据的价值只能通过与另一个截然不同的数据集结合才能释放出来。重组数据的总和比部分数据更有价值。将多个数据集的总和重组在一起时，重组总和本身的价值比单个总和更大。
在数据用途扩展方面，促成数据再利用的方式之一是从开始就设计好其可扩展性，鼓励相同数据集的多种用途，使一项纯粹成本支出成为一项可以增加收入的投资。
在数据折旧更新方面，随着时间的推移，大多数数据均会失去一部分基本用途。继续依赖于旧的数据不仅不能增加价值反而会破坏新数据的价值。需不断地更新数据库并淘汰无用数据，但并非所有数据都会贬值。
数据废弃利用用来描述人们在网上留下的数据轨迹。它是用户在线交互的副产品，包括浏览的页面、停留的时间、鼠标光标停留的位置、输入的信息等。多数公司通过系统设计使自己能够得到数据废弃并循环利用，将不断地“从数据中学习”的原则应用到诸多服务中。数据废弃利用可以成为公司的巨大竞争优势，也可以成为对手的强大进入壁垒。
而在政府数据开放方面，政府是大规模信息的原始采集者。
因此，数据的潜在价值是似乎无限的潜在用途选择的总和，不是将其基本用途简单加总。数据大部分价值都是潜在的，并在于它的使用而不是占有本身。
《电子商务数据资产评价指标体系》规定，数据资产评价的一级指标包括数据资产成本价值和数据资产标的价值。数据资产标的价值是指数据资产持续经营所带来的潜在价值即数据资产能够产生的价值。同时，数据资产可能具有期权即选择权。
对此，笔者构建了数据资产潜在价值评估公式，即V=Vc+Vu+C，V代表数据资产潜在价值；Vc表示数据资产成本价值，即采用成本途径评估的价值；Vu代表数据资产使用价值，即采用收益途径评估的价值；C则表示数据资产期权价值。
常用的期权定价模型包括布莱克—舒尔斯模型、二项树模型等。数据资产应主要是增长期权，且宜采用二项树模型来量化。
一是数据安全保障。数据交易存在潜在的收益损失风险，比如竞争对手获得了该数据如客户数据等对数据资产提供方造成的间接损失、侵权索赔难的风险等，这是最大的顾虑。
二是数据变现定价公允性。数据产品按什么价格交易的问题，即数据产品公允定价。
三是数据成本的界定口径。数据产品在财务上较难准确归集、分摊。财务通常是按照数据项目核算的。而项目涉及投入的费用类别较多，应该归集到数据产品上，在口径上有时是相差比较大的。
此外，包括数据供需双方沟通渠道不畅、数据贡献方间的利益分配、数据赋能效应的归因分析、数据合理有效的考核体系等都是需面对的挑战。
当前，企业数据以自用为主，潜在价值主要通过以用户为中心的挖掘使用来间接体现。
数据资产使用价值评估的收益路径具体模型包括超额收益法、增量收益法（有无对比法）、许可费使用法、绿地法。从操作可行性出发，数据资产收益途径具体模型应先考虑增量收益法的适用性，然后分析超额收益法、绿地法、许可费使用法的适用性。
企业在数据资产赋能后，通常可以体现为营业收入的增加、成本费用的减少或二者的结合。在此基础上，再进行增量收益贡献因素的归因分析，因为增量收益除数据资产外还可能有软件、管理等方面的贡献。
