數據治理產業發展前景預測與投資戰略規劃

新一輪科技革命蓬勃發展，大數據與5G、云計算、人工智能、區塊鏈等新技術加速融合，重塑技術架構、產品形態和服務模式，推動經濟社會的全面創新。各行業各領域數字化進程不斷加快，基于大數據的管理和決策模式日益成熟，為產業提質降本增效、政府治理體系和治理能力現代化廣泛賦能。堅持產業鏈各環節齊頭并進、統籌發展，圍繞數字產業化和產業數字化，系統布局，生態培育，加強技術、產品和服務協同，推動產業鏈現代化。夯實產業發展基礎（一）完善基礎設施全面部署新一代通信網絡基礎設施，加大5G網絡和千兆光網建設力度。結合行業數字化轉型和城市智能化發展，加快工業互聯網、車聯網、智能管網、智能電網等布局，促進全域數據高效采集和傳輸。加快構建全國一體化大數據中心體系，推進國家工業互聯網大數據中心建設，強化算力統籌智能調度，建設若干國家樞紐節點和大數據中心集群。建設高性能計算集群，合理部署超級計算中心。（二）加強技術創新重點提升數據生成、采集、存儲、加工、分析、安全與隱私保護等通用技術水平。補齊關鍵技術短板，重點強化自主基礎軟硬件的底層支撐能力，推動自主開源框架、組件和工具的研發，發展大數據開源社區，培育開源生態，全面提升技術攻關和市場培育能力。促進前沿領域技術融合，推動大數據與人工智能、區塊鏈、邊緣計算等新一代信息技術集成創新。（三）強化標準引領協同推進國家標準、行業標準和團體標準，加快技術研發、產品服務、數據治理、交易流通、行業應用等關鍵標準的制修訂。建立大數據領域國家級標準驗證檢驗檢測點，選擇重點行業、領域、地區開展標準試驗驗證和試點示范，健全大數據標準符合性評測體系，加快標準應用推廣。加強國內外大數據標準化組織間的交流合作，鼓勵企業、高校、科研院所、行業組織等積極參與大數據國際標準制定。數據治理保障措施加強規劃有效實施的各類資源要素保障，著眼數據聚通用，著力激活數據、深度挖掘數據、充分利用數據，加快形成數據要素高效集聚、互聯互通、開放共享的良好局面。（一）加強組織協調建立健全數據治理統籌協調和推進機制，加強跨地域、跨部門、跨層級的協同聯動，研究數據治理發展戰略和政策措施，協調解決數據治理中的重點難點問題，確保相關工作扎實有效推進。（二）強化人才支撐支持和引導高等院校、職業學校開設數據治理相關專業，優化專業、課程設置，積極開展校企合作，培養創新型、應用型、融合型人才。引進高層次、高學歷、高技能以及緊缺人才，完善人才引進、培育、評價、激勵機制。支持各部門加強對數據治理用工服務的指導，保障從業人員合法權益。（三）做好資金保障支持推動數字技術創新應用、數據治理等相關工作，完善投融資服務體系，拓寬融資渠道，發揮政府引導基金作用，重點支持數據治理領域重大項目建設和重點企業發展。鼓勵金融機構創新金融產品和服務，加大對數據要素市場主體提供貸款、融資擔保等金融服務的支持力度。數據流通擴大開放工程構建集自然語言處理、視頻圖像解析、數據可視化、語言智能問答、多語言機器翻譯、數據挖掘分析等功能的大數據通用算法模型庫和控件庫，定期開展數據演習，建設面向公共衛生、自然災害、國防戰備等重大突發事件處置的國家級數據靶場，為重大突發事件開展決策研判和調度指揮提供支撐。規范數據入場交易，培育數據要素交易市場。建設涵蓋數據資產評估、登記確權、交易撮合、評估定價、可信流通等方面的全流程數據要素流通交易平臺和數據授權存證、數據溯源和數據完整性檢測平臺，提供數據交易、結算、交付、安全保障、資產管理等綜合配套服務。數據治理發展形勢從國際看，當今世界正經歷百年未有之大變局，進入以數字化生產力為主要標志的數字時代，數字重新定義一切、云計算服務一切、網絡連接一切、AI賦能一切，以互聯網、大數據、人工智能、物聯網等為代表的信息技術廣泛滲透到經濟社會各領域，世界各國都已將大數據作為重要戰略任務。隨著科技革命、產業變革縱深推進，抓住數據這一關鍵要素，充分釋放數字化發展的放大、疊加、倍增效應，是搶占新一輪發展制高點的關鍵。從國內看，我國已成為全球數據量最大、數據類型最豐富的國家之一，數據日益對經濟發展、社會治理、人民生活產生重要影響。近年來，印發了《促進大數據發展行動綱要》《數字經濟發展戰略綱要》等系列重要文件，對大數據發展管理作出全面部署。深入實施國家大數據戰略，形成新發展格局中實現更大作為。數據治理發展目標數據共享開放質量顯著提升，數據治理與利用能力持續增強，數據聚通用發展水平大幅提升，一體化數據協同治理與安全防護體系全面建成。加快培育數據要素市場，持續優化大數據應用發展生態，推動數字化高質量發展。以數據共享、數據開放、數據質量、數據安全、數據運營、數據交易、數據要素市場培育等政策法規、標準規范為補充，構建全方位、專業化的數字規則體系，數據治理體系建設的法治化、規范化再上新臺階。新型智慧城市運行管理中心全面建成，數據疊加、建模、分析等數據治理支撐能力顯著增強，推動數字化應用全業務覆蓋、全流程貫通、跨部門協同，實現一網統管、一網通辦、一網調度、一網治理。在城市運行、基層治理、交通出行等領域，打造一批在全國有影響力的智慧應用新范例。基本構建權責清晰的數據要素市場化配置規則、組織架構和監管機制。數據要素市場規范有序發展，數據要素配置科學合理，數據要素市場主體持續活躍，數據治理服務相關產業集聚能力顯著增強。數據安全法規制度更加健全，數據安全管理平臺全面建成，數據共享開放、融合應用、跨境流通的數據安全風險管控能力顯著增強，數據安全保障水平顯著提高，形成規范有序、高效流通、安全可控的數據治理體系。一體化大數據資源中心工程（一）城市大數據資源中心完善數據目錄管理、供需對接、交換等功能。升級公共數據開放系統，完善目錄發布、指引發布、便捷檢索、統計分析、應用展示等功能。建設數據中臺，利用建模、映射、對標檢查、同態加密、數據標簽或水印等技術，開發數據元管理、數據模型、數據標準、數據質量、數據安全及審計等工具。（二）城市信息模型（CIM）以三維空間數據底座為核心，匯聚融合建筑、道路、軌道、隧道、橋梁、水體、地下空間等基礎設施，以及資源調查、規劃管控、公共專題、工程建設項目、物聯感知等數據，統籌建設時空基礎數據庫、資源調查數據庫、規劃管控數據、工程建設項目數據庫、公共專題數據庫、物聯感知數據庫等主題數據庫，形成融合共享、開放協同的GIS＋BIM＋IoT數據資源體系。數據治理概念建設數字中國，加快發展數字經濟，促進數字經濟和實體經濟深度融合，打造具有國際競爭力的數字產業集群。數據二十條隨即出臺，提出構建數據產權、流通交易、收益分配、安全治理等制度，初步形成我國數據基礎制度的四梁八柱，將充分激活數據要素價值，賦能實體經濟。在數字經濟時代背景下，數據儼然已成為企業的核心生產要素之一。而企業數字化轉型則是以數據為中心，通過數據驅動業務發展、管理協同和運營。因此數字化轉型關鍵在于數據，數據治理則需先行。從而更好激發數據生產要素潛能，實現業務數據化、數據價值化，助力企業數字化轉型。（一）DAMA數據治理體系國際數據管理協會（DataManagementAssociation，又名DAMAInternational，以下簡稱DAMA）在其《DAMA數據管理知識體系指南（第2版）》一書中將數據治理進行了定義，即數據治理是對數據資產管理行使權力、控制和共享決策（規劃、監測和執行）的系列活動。此外，DAMA還將數據治理作為數據管理十大知識領域的中心，負責知識領域的平衡和一致性。DAMA提到數據治理的目標有三點：提升企業數據資產管理能力；定義、批準、溝通和實施數據管理的原則、政策、程序、指標、工具和責任；監控和指導政策合規性、數據使用和管理活動。可以看出，DAMA給出了比較全面的解釋，但是距離企業可落地的數據治理還是距離較遠，更像是綱領性的介紹，因此對于如何進行數據標準的制定以及如何進行數據資產的評估都缺少具體的描述。（二）信通院數據治理服務商成熟度模型（DGS）數據治理服務商成熟度模型（DGS）由中國信通院提出，以數據治理服務項目實施運維的流程為主線，融合數據治理核心能力，包括6大能力域、21個能力項，其中6大能力域遵循一般性數據治理項目流程。1）需求管理能力域：提供方通過采集需求方的業務需求、數據需求、技術需求等，明確數據治理目標和范圍，并評估實施數據治理可行性。2）資源評估能力域：提供方通過對數據來源、數據規模、數據分類、數據關系、數據時效性、專業軟件工具、存儲計算環境以及硬件資源等主要影響因素進行分析，以提升數據治理項目任務分解的準確性，指導識別項目中的潛在風險。3）實施保障能力域：提供方通過制定實施規劃，建立組織保障，開展風險管理，確保數據治理項目的順利實施，降低風險和成本。4）方案設計能力域是數據治理項目的核心環節，提供方通過制定相關規范體系和設計文檔，形成滿足甲方需求的數據治理體系。5）方案實施能力域提供方通過依托相關平臺工具，實現方案的落地。6）成果交付能力域包括試運行、成果驗收2個能力項。DGS從服務商的角度出發，對數據治理的方方面面進行了解釋，給出了模型規范和評估標準。對于企業來說，不管是想自己做數據治理，還是通過服務商來實現部分數據治理工作，DGS都提供了一套相對全面的參考指南。整體來看，目前數據治理提供商的數據工程服務能力優勢集中于數據資源評估、數據質量、數據標準等能力項。（三）數據治理規范國家標準《信息技術服務治理第5部分：數據治理規范》（GB/T34960．5-2018）中，為了促進組織有效、高效、合理地利用數據，有必要在數據獲取、存儲、整合、分析、應用、呈現、歸檔和銷毀過程中，提出數據治理的相關規范。規范中提出了數據治理的定義，即數據資源及應用過程中相關管控活動、績效和風險管理的集合。規定了數據治理的頂層設計、數據治理環境、數據治理域及數據治理過程的要求，從而實現運營合規、風險可控和價值實現的目標。（四）數據中臺大數據時代，大量結構化、非結構、半結構數據量暴增，計算難度幾何式遞增。同時數據復雜、數據類型龐雜等導致數據處理復雜度也大大提升。傳統數據倉庫的不足也逐漸暴露，數據孤島、重復開發、數據共享難等問題日益加劇。在人工智能、大數據等技術發展和企業數字化轉型加速的雙重驅動下，2019年，數據中臺在眾多賽道中脫穎而出，成為行業焦點。艾瑞咨詢《2022年中國數據中臺行業研究報告》指出，數據中臺是一種數字化綜合解決方案。狹義來看，數據中臺是一套實現數據資產化和服務復用的工具；廣義來看，數據中臺是一套運用數據推動企業數字化轉型升級的機制和方法論。全國首個數據中臺團體標準《數據中臺元數據規范》（T/ZAII035-2022）也指出，數據中臺是一套通過產品技術、解決方案、規范標準、團隊組織的整合，實現數據匯聚、治理、運營的架構。這與艾瑞咨詢的觀點不謀而合。總結而言，數據中臺是一套可持續的讓數據產生價值的機制，是一種戰略選擇和組織形式，是依據企業特有的業務模式和組織架構，通過有形的產品和實施方法論支撐，構建的一套持續不斷把數據變成資產并服務于業務的機制。（五）數據治理與數據中臺數據治理是針對數據資產管理的控制、決策規范，它將嚴密性和紀律性植入企業的數據管理、規劃、監測、使用和保護過程中。而數據中臺也是一種數據資產管理機制，采集、計算、存儲和處理海量數據，保證數據的標準統一和口徑一致，建立全域級、可復用的數據存儲能力中心和數據資產中心，提高數據共享和復用能力，靈活高效地解決數據應用需求。對比來看，數據中臺和數據治理都是體系性的工作。雖說數據治理與數據中臺涉及的絕大部分領域相同，但數據中臺并不僅僅是數據治理工作的放大升級版，而是數據治理工作的深化，它強化了數據治理的深度和廣度，并拓展了數據治理不涉及的數據應用領域。換言之，數據中臺真正實現了企業內部數據的閉環。因此，數據中臺是數據治理實現的一種高效方式，是當下最為適合企業數字化轉型的模式。首先，從頂層設計出發，開展數據管理的戰略規劃和機制建設，為數據治理工作開好局。其次，引入數據治理工具，通過數據標準管理、數據架構和模型管理、數據開發、元數據管理、數據質量管理、數據生命周期管理、數據安全管理、主數據管理等八大數據治理專題夯實數據管理各項基礎工作。最后，基于數據治理工具提升數據管理的自動化水平，最終促進數據資產的對內對外開放使用，實現數據資產的價值與變現能力全面提升。發揮大數據特性優勢（一）加快數據大體量匯聚支持企業通過升級信息系統、部署物聯感知設備等方式，推動研發、生產、經營、服務等全環節數據的采集。開展國家數據資源調查，繪制國家數據資源圖譜。建立多級聯動的國家工業基礎大數據庫和原材料、裝備、消費品、電子信息等行業數據庫，推動工業數據全面匯聚。（二）強化數據多樣性處理提升數值、文本、圖形圖像、音頻視頻等多類型數據的多樣化處理能力。促進多維度異構數據關聯，創新數據融合模式，提升多模態數據的綜合處理水平，通過數據的完整性提升認知的全面性。建設行業數據資源目錄，推動跨層級、跨地域、跨系統、跨部門、跨業務數據融合和開發利用。（三）推動數據時效性流動建立數據資源目錄和數據資源動態更新機制，適應數據動態更新的需要。率先在工業等領域建設安全可信的數據共享空間，形成供需精準對接、及時響應的數據共享機制，提升高效共享數據的能力。發展云邊端協同的大數據存算模式，支撐大數據高效傳輸與分發，提升數據流動效率。（四）加強數據高質量治理圍繞數據全生命周期，通過質量監控、診斷評估、清洗修復、數據維護等方式，提高數據質量，確保數據可用、好用。完善數據管理能力評估體系，實施數據安全管理認證制度，推動《數據管