數據治理工作方案

立足新發展階段，完整、準確、全面貫徹新發展理念，構建新發展格局，以推動高質量發展為主題，以供給側結構性改革為主線，以釋放數據要素價值為導向，圍繞夯實產業發展基礎，著力推動數據資源高質量、技術創新高水平、基礎設施高效能，圍繞構建穩定高效產業鏈，著力提升產業供給能力和行業賦能效應，統籌發展和安全，培育自主可控和開放合作的產業生態，打造數字經濟發展新優勢，為建設制造強國、網絡強國、數字中國提供有力支撐。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，完善機制、流程，進一步細化數據管理職責；數據資產層面，完成全域數據資產建設，構建強壯的數據模型體系，完成企業數據標準建設，不斷完善數據資產體系；平臺工具層面，大數據平臺能力逐步向算法能力轉移，智能推薦算法模型開發成為常態化的需求，數據治理平臺逐步完善功能，協助企業智能化數據質量、數據標準、數據資產及主數據等模塊，企業真正進入運營決策智慧化階段。（四）數據治理項目交付步驟1、數據治理項目交付組織建議專業的交付團隊，是項目成功的關鍵，依托于專業的數據治理服務團隊和知識沉淀，開展項目實施工作。首先客戶的CIO或CDO是項目順利進行的關鍵角色，可以更高效地推動實施團隊與業務的融合。其次是項目的項目經理，負責項目的管理和資源調度，各階段人員及工作安排，項目計劃制定、進度控制、項目風險管理、項目質量把關等；技術負責人、系統架構師、項目管理專員是項目團隊的智囊團和質量保障；根據項目需求，安排不同崗位職能人員開展實施及售后工作，包括但不限于業務架構師、業務分析師、數據架構師、數據開發工程師、測試工程師、技術支持、運維工程師、產品專家、產品經理、客戶成功專員等。2、數據治理項目交付步驟項目交付主要分為4個步驟，以需求調研為切入點，以方案設計為規劃核心，以開發實施為交付重點，以上線運維為服務保障，依次穩步開展保證項目的順利實施。第一步是需求調研：通過業務調研切入，以收集資料和訪談調研為抓手，了解客戶的業務流程和痛點，深挖根本原因。以數據調研作為后續方案設計的開端，結合業務調研的痛點與根本原因，了解客戶數據系統的現狀后，以數據角度切入整體解決方案。第二步是方案設計：以數據標準方案為基石，以場景規劃方案為需求原點，以數據架構方案為綱領，進行整個數據治理方案設計；以客戶實際需求為主，形成規范的組織架構、管理制度，參考國標及行標，形成數據標準方案，為后續實施打下堅實基礎；通過需求調研整理客戶實施的場景范圍，輸出原型設計及指標清單，與客戶確認后輸出場景規劃文檔，以此確定客戶整體需求范圍；根據整體需求范圍和數據系統現狀，搭建數據架構，劃分業務域及數據域，規劃后續開發實施的整體框架。第三步是開發實施：確定整體方案后，進行產品部署、數據探查、數據同步工作，根據場景規劃和架構設計方案，遵循數據標準方案，進行數據開發與數據治理。第四步是上線運維：整體開發完成后進行試運行，同步開展產品測試工作，均通過后進行產品驗收及正式上線，質保期間由運維部門進行巡檢及售后工作。3、數據治理項目交付成果項目交付成果與交付步驟緊密相關，需求調研階段以調研會議紀要、數據資產清單為主，方案設計階段以產品需求文檔、數據架構設計文檔、數據標準方案為主，開發實施階段以數據模型設計、需求變更清單為主，上線運維階段以試運行報告、驗收報告、售后運維方案為主，結合客戶實際需求，交付相應的數據治理成果。數據治理平臺工具數據開發與治理一體化是將數據治理的過程融入到數據開發的全生命周期中，強調先設計、后開發、先標準、后建模的原則，其目標就是將數據治理的流程與數據開發的全生命周期相融合，在數據開發過程中完成數據治理。通過指標和數據標準的定義實現規范即設計，設計即開發，開發即治理的開發治理一體化理念。通過元數據管理、數據標準規范設計、數據質量提升、數據熱度和成本計算，優化數據生產成本、量化數據收益價值，廣泛應用于數據中臺建設的中后期階段。平臺覆蓋了日常數據治理過程中的核心資產管理模塊。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。大數據產業指導思想立足新發展階段，完整、準確、全面貫徹新發展理念，構建新發展格局，以推動高質量發展為主題，以供給側結構性改革為主線，以釋放數據要素價值為導向，圍繞夯實產業發展基礎，著力推動數據資源高質量、技術創新高水平、基礎設施高效能，圍繞構建穩定高效產業鏈，著力提升產業供給能力和行業賦能效應，統籌發展和安全，培育自主可控和開放合作的產業生態，打造數字經濟發展新優勢，為建設制造強國、網絡強國、數字中國提供有力支撐。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。打造繁榮有序產業生態（一）培育壯大企業主體發揮龍頭企業研制主體、協同主體、使用主體和示范主體作用，持續提升自主創新、產品競爭和知識產權布局能力，利用資本市場做強做優。鼓勵中小企業專精特新發展，不斷提升創新能力和專業化水平。引導龍頭企業為中小企業提供數據、算法、算力等資源，推動大中小企業融通發展和產業鏈上下游協同創新。支持有條件的垂直行業企業開展大數據業務剝離重組，提升專業化、規模化和市場化服務能力，加快企業發展。（二）優化大數據公共服務建設大數據協同研發平臺，促進政產學研用聯合攻關。建設大數據應用創新推廣中心等載體，促進技術成果產業化。加強公共數據訓練集建設，打造大數據測試認證平臺、體驗中心、實訓基地等，提升評測咨詢、供需對接、創業孵化、人才培訓等服務水平。構建大數據產業運行監測體系，強化運行分析、趨勢研判、科學決策等公共管理能力。（三）推動產業集群化發展推動大數據領域國家新型工業化產業示范基地高水平建設，引導各地區大數據產業特色化差異化發展，持續提升產業集群輻射帶動能力。鼓勵有條件的地方依托國家級新區、經濟特區、自貿區等，圍繞數據要素市場機制、國際交流合作等開展先行先試。發揮協會聯盟橋梁紐帶作用，支持舉辦產業論壇、行業大賽等活動，營造良好的產業發展氛圍。數據治理目標與價值構建數據標準體系的目標是通過統一的數據標準制定和發布，結合制度約束、系統控制等手段，實現企業內部數據的完整性、有效性、一致性、規范性、開放性和共享性管理，為數據治理工作打下堅實的基礎，為數據資產管理活動提供規范有效依據。數據標準化的過程是通過數據管理平臺實現數據標準，并將各個系統產生的數據通過清洗、轉換、加載到整合平臺的數據模型中，實現數據標準化的過程。首先，通過要求數據語義遵循確定規則來減少源數據的不確定性、減輕數據交換的障礙。其次，數據標準的兼容性為企業相互共享提供可能，在不同場景和環境中使用數據產品或服務，可以使數據產品或服務正常流轉運行。數據標準體系的建立可有效提升企業數據治理的效率，降低數據治理成本。（一）提升企業數據治理數據質量數據作為產生業務價值和實現業務目標的基石，數據質量已成為企業實現業務目標的一個極其重要的因素。數據的質量問題在一定的角度上反映出企業數據治理過程中存在的一些問題，分析數據質量問題可以幫助企業找到問題的源頭。高質量的數據對管理決策，業務支撐都有極其重要的作用。企業的數據質量與企業經營業績之間有著直接的關系。高質量的數據可以保持公司的競爭力，在企業市場競爭時期立于不敗之地，而低質量數據往往會導致錯誤的業務決策。提升數據質量能夠為企業提供結構清晰的數據，是企業開發業務系統、提供數據服務、發揮數據價值的必要前提。（二）推動數據安全體系建設企業數據安全體系建設是數據治理和信息生命周期管理的基礎，通過對企業內部的數據全生命周期的盤點梳理，可以幫助確定企業數據所有權的適當分配及建立完善的權責制度，滿足監管及合規要求。在企業數據治理過程中，數據安全能力的提高成為數據價值共享的關鍵，推動數據安全體系建設是企業數據治理的必要環節。企業根據數據資產對企業的重要程度，為數據打上不同的標簽，對敏感數據進行分級分類，根據數據所屬的級別，明確數據的使用范圍、開放方式、不同等級的數據在不同場景使用不同的安全策略。企業可以采取數據泄露防護、加密、權限管理等技術手段，對企業機密數據提供進一步的保護，從而降低數據泄露帶來的風險。（三）推動數據資產體系建設與管理數據治理是實現數據資源向數據資產轉變的重要載體，基于數據治理形成的數據資產體系作為企業各業務數據服務的提供方，在建設過程中需匹配企業戰略規劃，從全局維度將自身平臺能力與數據能力賦能業務。同時，數據源不斷地向數據資產平臺輸出數據，即業務產生數據，數據服務業務，形成業務數據化、數據資產化、資產服務化、服務業務化、業務智能化的一套閉環、高效的數據資產體系與數據服務能力。企業如何進行數據資產管理、提升數據質量、挖掘數據價值并通過數據賦能業務，已成為企業數據治理的核心問題。企業通過建設統一的數據資產管理平臺，綜合管理所有數據資產，可實現數據資產的智能化管理，充分發揮數據的潛在價值。數據資產平臺作為一體化的數據資產管理工具，通過制定元數據模型、數據標準等規范，采集并建立完整的數據資產目錄體系，打通數據關系網絡，實現數據的標準化和資產化管理。（四）推動數據管理組織體系建設數據管理組織體系涉及業務、IT、管理等方方面面，僅僅依靠技術部門來推動和開展數據管理工作無法取得成功，只有來自更高層管理者的驅動力，建立自上而下的跨部門、跨業務條線的組織體系，才能保證企業內部的高效協作，推進數據治理各項任務的有效執行。實踐證明企業的數據管理辦公室、數據管理部可協助企業制定公司級的數據管理制度、流程、機制，建立并維護企業級數據架構，監控數據質量，披露重大數據問題，建立專業任職資格管理體系，提升企業數據管理能力，推動企業數據治理制度文化的建立和傳播。（五）促進數據應用及共享數據治理的主要目標之一是推動數據有序、安全地流動，以便最大程度地挖掘和釋放數據價值。數據流動則需要推動數據的開放分享，實現數據的匯聚、建模、共享。數據的開放共享的核心在于數據匯聚，打破數據孤島，實現數據價值的流通；重構數據獲取及應用方式，重塑從數據供應到消費的鏈條；建立高效、規范的自助消費數據應用。數據治理可有效促進數據應用及數據共享，使更多的企業組織充分地使用已有數據資源，減少信息收集、數據采集等重復勞動和相應費用，而把精力重點放在開發新的數據應用及系統集成上。數據應用及共享可以為企業組織帶來降低運營成本、增強業務能力、提高效率、集中訪問數據以減少重復數據集、促進組織間的溝通與合作，加強參與組織之間的聯系等益處。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