由于数据应用都是独立建设的，没有从全局考虑，企业在数据应用的过程中，经常会遇到标准口径不一致、内容重复建设，各业务数据无法融合产生更大的价值、企业数据价值无法被业务快速应用等问题。因此企业开始考虑从全企业视角进行数据能力的输出，有些企业把这个定义为企业数据资产建设，以数据来驱动企业升级转型。
这个过程涉及汇聚各类企业数据资产、消除物理孤岛、通过Mapping能力将数据进行融合、消除逻辑孤岛，构建企业统一的数据资产，并进行数据治理，使数据资产符合生产要求，通过数据服务化的能力快速服务于业务。同时，过程中针对数据资产的使用和内容进行运营优化，以使得企业数据资产越用越有价值，真正成为企业的核心资产。我们把这种能力的建设定义为数据中台。
企业数据中台完成数据资产建设后，需要保障数据资产在日常生产过程中真实、稳定、准确、可用和高效，以实现数据资产价值最大化。而实现这一目标之前，企业首先要满足以下5个条件：
第一，能够追溯数据资产的形成过程，包括涵盖了哪些数据来源，经过了怎样的加工环节，涉及哪些业务环节和部门等;
第二，能及时获取到数据资产当前的状态，尤其是数据质量和安全情况，如更新频率、合规性、空值率等;
第三，能够指导数据资产被哪些业务调用了，以通过建立数据闭环了解和追溯数据资产所带来的业务价值;
第四，能够对整个数据中台从数据采集到数据应用的整个链路建立监控体系，便于及时发现和排除故障，保障数据资产的稳定性;
第五，建立丰富的数据内外部共享和服务渠道，实现数据价值的释放和交换。
只有同时满足上述5个条件时，企业才有足够的信息来源来支撑整个数据资产的运营及迭代优化。为此，部分企业已经开始通过数据资产管理工具以及数据资产视图的建设来应对上述问题，同时从组织架构层面成立单独的数据资产管理委员会来统筹数据资产的管理工作，包括牵头制定数据资产的管理政策，拟定数据资产运营规划并监督各部门执行，同时负责整个数据资产平台的运营、组织和协调工作。从而最终实现数据资产在企业内外部报销、稳定地流转并持续为业务带来价值。
总体而言，该阶段主要是企业在大数据和人工智能等相关技术的基础上，逐步完善，构建一套完整的、体系化的数据处理以及服务流程，建立一套源源不断地把数据变成资产并服务于业务的一种可持续让企业数据用起来的机制，构建数据应用闭环，通过运营优化持续发挥数据业务价值。
