En el campo de los grandes datos industriales, el problema clave para descubrir el valor de los datos no radica en superar los cuellos de botella formados por los métodos de análisis y los algoritmos de minería de datos, sino en la dificultad de proporcionar recursos de elementos de datos que satisfagan las necesidades de análisis empresarial. Debido al aumento en el volumen de datos y a la creciente dependencia de las empresas en la toma de decisiones basada en datos, las estrategias futuras de gestión de datos están evolucionando constantemente para satisfacer requisitos de mayor calidad y eficiencia. Los recursos de metadatos de datos que satisfacen las necesidades de análisis empresarial requieren integración de datos de alta calidad, estandarización y gestión de metadatos. La clave radica en garantizar la consistencia y disponibilidad de datos para respaldar un análisis y toma de decisiones precisos. Al aprovechar la automatización y el aprendizaje automático, las organizaciones pueden integrar y gestionar de manera más efectiva los recursos de metadatos de datos, mejorando así la calidad de los datos y las capacidades analíticas. El espacio de datos de cadena de valor múltiple es una plataforma ecológica digital para organizar y gestionar grandes datos industriales. La investigación sobre la optimización del suministro de sus recursos de datos comerciales es un tema significativo. Este artículo estudia el sistema de índices de evaluación de calidad de datos y utilidad de datos, construye una matriz de evaluación de recursos de datos comerciales y aborda los problemas de dispersión de datos y arranque en frío en los cálculos de evaluación a través de un modelo de evaluación de recursos de datos comerciales basado en calidad de datos-utilidad. Investiga un algoritmo de recursos de datos comerciales basado en filtrado colaborativo, formando un conjunto de recomendaciones de recursos de datos de calidad-utilidad similares para proporcionar a los usuarios de análisis de datos. Finalmente, utilizando conjuntos de datos de producción reales, el artículo valida el modelo de evaluación de recursos de datos comerciales, compara el rendimiento y la efectividad de tres algoritmos de recomendación de recursos de datos comerciales basados en filtrado colaborativo, demuestra empíricamente la precisión de recomendación y el rendimiento de estabilidad del algoritmo de filtrado colaborativo de calidad-utilidad mejorado combinado (CFA-DQU) y proporciona recomendaciones de investigación técnica para la optimización de recursos de datos comerciales.