數據治理產業調研報告

堅持引進來和走出去，遵循產業發展規律，把握全球數字經濟發展方向，不斷完善利益共享、風險共擔、兼顧各方的合作機制。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。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。健全綜合全面的數字規則（一）制定數據治理與管理制度規則建立健全數字規則，圍繞數據聚通用、要素流通，推動數據管理、數據安全等規則建設。深入落實《中華人民共和國網絡安全法》《中華人民共和國數據安全法》《中華人民共和國個人信息保護法》《關鍵信息基礎設施安全保護條例》等法律法規，推動出臺大數據發展管理地方性法規，實施數字規則意見，開展大數據發展管理領域立法先行先試，全面建立數據收集、匯聚、共享、開放、應用、交易、安全、執法監管等制度。（二）健全公共數據治理與管理規則推動與群眾利益密切相關的醫療、教育、供水、供電、供氣、通信、環境保護、公共交通等公共企事業單位數據采集、匯聚、共享、開放、利用等納入公共數據管理體系。（三）建立行業數據治理與管理規則建立行業主管部門與大數據主管部門協調配合機制，推進行業數據聯合治理、管理常態化。推進工業、交通、衛生健康、教育、金融等行業主管部門制定符合本行業特點的數據分類分級管理制度，依法依規加強行業數據全生命周期監管。發揮行業協會組織協調作用，推動行業數據相關自律規范、自律公約建立，規范會員行為。積極推動無人駕駛、數字金融、在線醫療、APP數據采集等領域的規則制定。（四）構建數據要素市場管理規則構建數據要素市場化配置制度規則，制定數據要素市場化配置改革行動方案，提高數據要素市場配置效率，促進數據要素健康有序流動。推動出臺數據交易管理辦法，加快數據交易中介服務、數據權屬確認、數據價值評估、數據交易收益分配等配套制度建設，探索建立數據產品和服務進場交易機制。（五）優化完善數據標準規范加快推動數據開放、數據安全、數據治理、行業應用、質量評級等標準建設。聚焦基層治理、民生服務、城市治理、政府管理、產業融合、生態宜居等應用領域，推動制定一批地方、團體、企業標準和規范，鼓勵相關標準規范試點示范和應用推廣，持續推進大數據標準體系建設。貫徹國家大數據綜合標準規范，推動《數據管理能力成熟度評估模型》（DCMM）貫標試點。積極參與制定大數據領域國際規則、國家標準、行業標準。推動數據資源融合應用（一）建設全面感知的智能中樞依托新型智慧城市運行管理中心，搭建CIM＋多場景應用，構建全面感知、數據匯集融合、智能分析計算、統籌決策的城市智能中樞，推動跨層級、跨地域、跨系統、跨部門、跨業務的協同管理。推動遷移上云應遷盡遷、系統整合應合盡合、系統接入應接盡接、數據匯聚應聚盡聚和能力共享應享盡享，實現城市運行一網統管、服務一網通辦、應急管理一網調度、基層服務一網治理，全面提升城市運行管理數字化、智能化水平。加快構建數字技術輔助政府決策機制，提高基于高頻大數據的精準動態監測預測預警水平。（二）構建智慧便捷的數字社會圍繞交通、醫療、養老、撫幼、就業、教育、旅游、文體等重點領域建設主題數據庫，打造智能化公共服務應用場景，提升數字化服務普惠應用水平。聚焦住業游樂購全場景集，推動購物消費、居家生活、旅游休閑、交通出行等各類場景數字化，打造智慧共享、和睦共治的新型數字生活。深化三農大數據應用，提升三農大數據服務能力，推動鄉村管理服務數字化，加快數字鄉村建設。推進以社會保障卡、居民身份證為載體的一卡一碼集成應用，在衛生健康、疫情防控、交通出行、文化旅游、信用服務、金融服務、財政補貼等領域推行一卡通用、一碼通行。推進智慧停車建設，提升停車設施智能化水平，優化停車信息管理，推廣智能化停車服務，鼓勵停車資源共享。（三）培育廣泛深入的應用環境推動數據資源開發利用規范化和制度化，以衛生健康、社會保障、交通、科技、通信、企業投融資、普惠金融等領域為重點，探索數據資源開發利用模式，創新數據服務模式，推進公共數據和社會數據深度融合應用。鼓勵通過政策引導、政府購買服務、社會資本引入、應用模式創新、數據應用競賽、優秀案例推廣等方式促進政府和企業的數據融合，營造數據融合應用良好氛圍。鼓勵掌握數據的自然人、法人和非法人組織與政府開展合作，提高數據開發利用水平。數據融合應用工程（一）一網統管數據融合應用工程建立綜合性城市管理主題數據庫，匯聚行業全領域、全過程實時數據，共享規劃自然資源、住房城鄉建設、公安、交通、生態環境、市場監管等行政管理部門和燃氣、電力、通信等公共服務單位的相關城市管理信息資源，整合市、區縣、街道三級城市管理網格數據資源，打造城市管理地理信息一張圖，實現對城市管理與運行狀態的自動實時感知，指導工程組織實施、應急處置。（二）一網調度數據融合應用工程建立消防安全、道路運輸安全、城市運行安全、特種設備安全等安全專項整治專題數據庫，建立洪旱災害防治、地質地震災害防治、森林草原火災防治、氣象災害防治等專題數據庫，匯聚應急、公安、交通、民政、水利等多個部門的風險監測預警、安全生產專項整治、自然災害綜合防治等領域數據資源，實現應急管理事前、事中、事后全流程化、數據化、智能化。（三）一網治理數據融合應用工程建立公共服務、便民服務、物業服務、養老服務等領域基層治理主題數據庫，匯聚整合公安、民政、衛生健康等業務系統數據，推動基層治理數字化。（四）智慧監管數據融合應用工程建立市場主體全生命周期數據鏈，加快匯集市場監管業務全量數據資源，完善市場監管基礎數據庫，實現市場主體全集畫像和空間可視、監管對象精準推送和監管工作留痕可溯及全程監督。（五）智慧交通數據融合應用工程集中管控交通管理外場設備，匯聚整合道路交通管理相關數據資源，強化對城市交通的全域實時感知。推進公共停車場智能化設施設備改造，建立停車設施基礎信息數據庫，持續更新停車設施建設、管理、布局及停車泊位使用、收費標準等數據，增強城市公共停車在線監管和智能調度能力。匯聚交管、交運、停車等綜合交通數據及相關空間信息，實現交通綜合信息共享服務。（六）智慧醫療數據融合應用工程推動公立醫療衛生機構醫療信息、檢查檢驗等數據上云，整合公安、民政、醫保、藥品流通等領域業務數據，建設健康醫療主題庫，實現健康醫療大數據全面匯聚和標準化、衛生健康數據互聯互通和業務協同共享、居民全生命周期健康管理和醫療衛生全流程智能服務。（七）三農數據融合應用工程匯聚農田土壤墑情數據、農村土地權屬數據、農村產業數據、農村相對貧困戶數據、農民征信數據、農村科技能手和鄉賢數據、農業土、肥、水、種、密、保、管、工相關數據，支撐農情分析、農業氣象信息服務、產業監測服務、農產品和農資信息服務、農技推廣服務、農業在線教育服務。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?；緲嫿嘭熐逦臄祿厥袌龌渲靡巹t、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。培育數據要素市場（一）健全數據流通制度研究制定數據交易管理辦法，建立健全數據權益、交易流通和安全保護等基礎性制度規范，明確數據主體、數據控制方、數據使用方權利義務，保護數據主體權益。健全數據市場定價機制，以數據應用需求為導向，完善數據市場流通環境，精準對接市場供給。建立數據交易協同監管機制，構建數據流通監管平臺，加強數據交易流通全過程安全監管，確保數據流通過程可追溯、使用范圍可明確、合法合規可審計、安全風險可防范、法律責任可追訴。（二）營造數據要素市場發展生態加強大數據產業協同創新統籌協調，引導和支持科研機構、高等院校、企業加強協同攻關，共同開展數據交易流通、數據基礎前沿研究、關鍵共性技術研究。支持數據采集、存儲、處理、分析等企業做大做強，帶動大數據產業發展。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?？偨Y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。數據治理新模式（一）數據治理架構隨著世界經濟由工業經濟向數字經濟轉型，數據逐步成為關鍵的生產要素，企業開始將數據作為一種戰略資產進行管理。數據從業務中產生，在IT系統中承載，要對數據進行有效治理，需要業務充分參與，IT系統確保遵從，這是一個非常復雜的系統工程。實踐證明，企業只有構筑一套企業級的數據治理綜合體系，明確關鍵數據資產的業務管理責任，依賴規范的制度流程機制，構建有效的管理平臺及工具，數據的價值才能真正發揮出來。構筑數據治理體系的過程，即以數據應用為核心打造良性循環的閉環數據治理管理體系的過程。各IT系統獲取業務活動產生的各類數據后，經過系統的數據治理、管理，不斷挖掘、變現數據價值，拓展、深入數據應用場景，指導業務決策，同時在不斷應用數據過程中基于發現的數據問題，通過數據治理、管理的過程不斷修訂，推動業務系統全面升級，真正優化業務流程管理機制及規范，最終構建數據獲取→管理→變現→發現→應對→修正的閉環管理機制。以數據應用核心，數據治理平臺工具為支撐，在數據治理組織/制度保障下，不斷通過數據治理手段，推動實現數據標準化及業務標準化，實現業務、技術、管理、平臺的有效聯動。在數據治理綜合體系內，數據治理核心模塊包括數據治理規劃、數據治理職能及數據治理平臺工具，數據治理規劃是指數據治理體系與規劃、數據治理組織與職責、數據治理制度及流程，是數據治理規范化管理的核心模塊；數據治理職能包括數據標準管理、數據質量管理、數據架構及模型管理、數據開發、元數據管理、主數據管理、數據生命周期管理、數據安全管理八大職能，實際過程中，企業通常會合并管理；數據治理平臺工具包括數據開發平臺、數據資產管理平臺、數據質量管理平臺、數據服務平臺，通常數據治理平臺工具基于數據治理的階段功能并不完全一致，實踐中平臺工具通常綜合多方面功能，而不是單平臺功能。三大模塊互為動力，數據治理規劃指導數據治理職能的全面發揮，數據治理各項職能通過數據治理平臺工具協助管理，數據治理平臺工具支撐數據治理規劃的落地及優化，數據治理規劃各層面逐步固化在數據治理平臺上，數據治理平臺輔助數據治理各項職能的管理，通過數據治理各項職能不斷落實和完善數據治理規劃，實現組織數字化轉型，固化管理機制及流程體系。未來企業通過構筑數據治理綜合體系，逐步建立數據治理機制，完成組織轉型，數據治理職能將成為企業管理的重要組成部分，良性循環的管理體系將推動企業實現更廣、更深層次的數據應用，數據決策將成為企業人思考的習慣，企業決策將更加科學、有效。未來企業數據治理藍圖架構中，業務系統、數據治理及數據應用互為動力，共同推動企業數字化轉型的實現。（二）數據治理模式1、數據治理基本模式數據治理模式是指企業基于不同的數據治理目標，根據企業組織、系統、數據應用的現狀，以何種數據治理策略開展數據治理活動。通常數據治理模式包括三種基本模式。模式一：自下而上，以數據架構為重，開展數據治理。這種模式重在數據架構，層層向上治理數據，至數據應用層。這種模式從底層數據切入，基于現有數據基礎，盤點、建設、治理、應用層層展開，對企業整體的數據思維、數據治理水平要求較高，通常適用于數據量重、業務應用輕大型技術型企業，或政府機構，或新建、自研系統較多的企業。模式二：自上而下，以明確的數據應用為重，開展數據治理。這種模式即單點應用式，通常以現有應用需求為核心開展數據治理。聚焦各個業務領域的數據應用、數據治理需求，在有需求、有資源、有驅動力的前提下，按需組織推進數據治理工作。只有業務部門的深入參與才能做好數據治理，只有針對業務自身需求進行的治理，才能得到業務部門的認可和支持。此模式通常圍繞數據應用的需求進行數據治理，比如升級架構、更換平臺等涉及數據應用遷移時，或聚焦監管、上報類等明確數據應用時，圍繞數據應用進行數據治理。此模式通常適用于數據應用較強、業務部門較為強勢、但整體數據認知較弱的企業。這種模式的數據治理切入相對較為簡單，實踐證明，大部分企業數字化轉型初期會這種模式，慢慢探索企業的數據治理道路，這種模式有助于拉齊數據部門、業務部門的認知，提升企業整體數據認知，為未來數據治理的開展提供基石。模式三：大規劃模式，從數據應用規劃入手，治理現狀，規劃未來，基于數據資產的未來開展數據治理。這種模式需要企業全面梳理業務的現狀痛點及業務未來暢想，盤現狀、規劃未來，基于業務現在及未來的需求規劃分析應用場景，在應用場景藍圖規劃的范圍內，全面的梳理數據的現狀、規劃數據的未來，針對藍圖規劃中的數據需求，制定全方位策略。這種模式通常是企業的戰略項目，由高層推進開展，對數據、業務協同性要求較高，整個過程涉及系統改造升級、業務流程優化再造，是企業全面升級的過程。組合模式一：模式一&模式二組合，即全域數據治理+明確應用場景規劃。這種模式兼顧底層數據與上層應用，可對沖底層數倉重建的部分風險，同時可有效地闡述數據價值，整體可行性較高。組合模式二：模式一&模式三組合，即全域數據治理+全面應用場景規劃。這種模式從現在、未來的角度全面開展數據治理，業務、數據全面覆蓋，返工重建風險小，同時有助于推動業務系統、數據全面升級，業務價值較高，但對組織協同要求高，且成本投入高、耗時久，對執行團隊要求高，復合型人才需求大，屬于高風險高收益模式，需要企業高戰略、高執行的推進落地。2、數據治理模式對比三大數據治理模式開展方式、適用場景、優劣勢、資源投入各不相同。模式一，自下而上，切入方便，成本可控，重架構，但脫離應用，對執行團隊架構能力要求較高，成效慢。模式二，自上而下，目的明確，切入方便，成本可控，重應用，但輕治理，容易造成面子工程，出現重復治理的風險。模式三，大規劃模式，規劃的眼光，覆蓋業務、數據雙層面，重建風險小，聚焦業務，有利于充分挖掘數據價值，但對組織的協同性要求較高，同時需要高質量復合型人才配合團隊執行，整體落地風險較大，成本較大。三大數據治理模式各有優劣，而組合模式在某種程度上對沖單一模式的風險，可以更好地滿足企業數據治理的需求和目的。企業應基于面臨的現狀，選擇適合的自己的治理模式。3、數據治理模式選擇不同的數據治理模式，對企業的數據治理水平、組織協同程度要求不同。自下而上的模式一是基于底層數據治理的，對數據治理水平要求較高，數據治理水平包括數據基礎（數據量、數據質量等）以及數據治理能力，數據治理能力主要體現在數據治理團隊專業度以及數據治理體系（組織、制度及流程）完善度。這種模式對組織協同度要求相對較低，主要靠數據治理團隊推動進行。自上而下的模式二是基于明確數據應用進行數據治理的，相較于自下而上的模式一，組織的協同性要求會更高，需要業務部門、數據部門配合實現，但整體以需求為主，對數據治理的水平要求一般。大規劃的模式三既治理現狀，又規劃未來，對組織協同性及數據治理水平均有極高要求。該模式需要動員企業的業務部門、技術部門、數據部門，同時需要企業各階層（高層、中層、基層員工）的人員共同配合，全面盤點業務的痛點及未來規劃，同時梳理數據現狀，規劃數據未來，通常為戰略項目、高層領導共同將企業數據治理水平推向一個新水平，同時完成數字化組織的轉型。組合模式在組織協同性、數據治理水平上會疊加單一模式的要求，如模式一&模式三的組合模式對組織協同性、數據治理水平要求最高。各模式對企業的組織協同性、數據治理水平的要求，基于各模式對企業組織協同、數據治理水平的要求不同，企業應充分盤點企業的組織現狀、數據現狀、應用現狀，初步評估企業數據治理水平、組織協同度，結合數據治理的目標，評估可行性，選擇最佳模式。企業數據治理是個復雜而漫長的過程，通常在不同的發展階段，企業選擇數據治理模式并不同，基于面對的組織、數據、應用現狀，企業需要均衡目標與現狀，選擇當下最合適的數據治理模式。企業數據治理并不是一蹴而就的，它需要企業不斷地進行規劃、治理、監測、優化，通過數據治理不斷完善企業的組織、制度、流程管理體系，同時不斷提升企業數據治理管理水平，包括數據標準、數據質量、數據架構及模型、數據應用等模塊的管理水平提升。數據治理是一個持續循環的過程，需通過不斷地改進提升及完善。PDCA循環不是在同一水平上循環，而是呈階梯式推動上升，每次循環將推進企業的數據治理水平及組織協同性向新的、更高的層級進階，最終實現企業數字化轉型。（三）數據治理實施路徑企業數據治理實施路徑通常包含三個階段。第一階段：起步階段，業務運營數字化階段。這個階段主要是梳理企業面臨的現狀，響應痛點，探索業務場景化。企業逐步開始由信息化向數字化轉型，這個階段企業會重新審視原有的數據治理策略，重構數據治理戰略及實現路徑，逐步開始搭建數據治理框架、數據治理體系框架，升級原有的數據處理、應用模式，搭建大數據平臺，構建大數據采集、匯集、存儲、計算、服務的基礎能力，逐步整合各系統的數據，打破數據孤島，沉淀數據資產，探索業務場景化。第二階段：深入拓展階段，數據賦能常態化階段。這個階段數據應用成為重點，企業開始深挖數據價值，提高數據應用覆蓋。數據應用的范圍，由核心KPI指標的實現，逐步覆蓋全部核心業務，搭建完善的分析框架和洞察體系，不斷地提升業務決策質量。大數據平臺持續發揮大數據處理的能力，企業納入更多、更廣的數據內容，不斷擴大數據應用的廣度及深度，初步形成企業的數據資產地圖，數據標準體系逐步搭建，數據應用的效率大大提升，初步完成由經驗主義向數據主義的轉型，數據決策成為企業決策主要決策方式。這個階段，企業開始全面建立數據管理權限體系，完善數據治理機制，優化數據治理流程及制度體系，由原有的粗放式管理升級為精細化管理，數據質量不斷提升，企業數據管理能力升級，逐步通過數據質量平臺、數據資產平臺、數據治理平臺工具等實現智能管理，企業數據思維認知全面提升。第三階段：智能應用階段，運營決策智慧化階段。這個階段企業實現洞策合一，智慧場景應用成為常態，全面完成數字化轉型，探索數字業務，開啟新篇章。這個階段以智能應用為主，AI賦能成為常態，企業不斷地挖掘數據的價值、激發創新，開始為企業戰略性分析提供準確的數據依賴，在這個階段，有些企業甚至在原有商業模式上，激發新的業務模式。數據管理層面，由數據治理體系建設逐步向數據治理體系優化進階，完善