要做好数字化资产评估，可以从以下几个方面入手：

建立科学的数据资产评估方法

设计和优化数据资产评估模型，如基于重置成本的动态博弈法、基于回归算法的市场价值法、基于数据知识图谱的关联分析法等，以量化计算影响数据资产价值的主要因素。

确保数据的安全性

利用区块链技术和智能合约技术，保证数据在收发、处理和评估过程中的安全性，实现数据资产评估的全流程可信、可监控、可追溯。引入数据标记与追踪、加密与防复制、环境监测技术等，确保数据资产评估结果的唯一性。

解决数据资产质量问题

利用知识图谱和机器学习技术，解决数据资产质量确定、市场价值回归分析、数据集的分类规整及数据资源与业务相关性的量化等问题。通过业务数据关联与全局校验，精准挖掘数据质量与数据服务的业务价值点的相关性。

数据资产识别与评估

明确哪些数据是有价值的，识别数据的来源、类型和存储位置。评估数据质量，包括准确性、完整性、一致性和可靠性，并通过数据清洗、数据校验等方法来实现。

数据价值量化

通过统计分析、经济模型等方法，量化数据的市场价值、业务影响和稀缺性。例如，业务价值可以通过公式：业务价值 =Σ 业务相关性 p* 有效性 * 准确性 * 时效性 来计算。

风险评估与管理

评估数据泄露风险、合规性问题等，确保数据资产的安全和合法性。与企业法律顾问合作，制定数据资产的管理和优化策略，包括数据治理、数据安全等。

评估结果的透明度和可追溯性

评估过程和结果应充分公开，供利益相关者审查和理解。披露所有假设、方法和数据来源，确保评估结果的可追溯性。

遵循评估原则与标准

遵循独立、客观、无偏见的评估原则，确保评估结果的可靠性。使用明确的假设、方法和数据，并充分披露，以保证透明度和可验证性。

通过以上步骤和方法，可以有效推动企业数据资产化过程，提供高效率的数据资产评估服务。