數據治理發展規劃

建立健全數據全生命周期安全管理制度，明確數據采集、匯聚、存儲、共享、開發利用等各環節安全責任主體和具體要求。建立數據安全監測預警制度，對安全監測信息、監督檢查信息和通報信息進行分析研判和風險評估，發布安全風險預警。建立數據安全評估制度、安全責任認定機制和重大安全事件及時處置機制，完善數據全生命周期安全保障措施。編制數據安全應急預案，明確應急處置的組織機構及其職責、安全事件分級、應急響應程序、處置措施等。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。強化數據安全管理（一）完善數據安全管理制度建立健全數據全生命周期安全管理制度，明確數據采集、匯聚、存儲、共享、開發利用等各環節安全責任主體和具體要求。建立數據安全監測預警制度，對安全監測信息、監督檢查信息和通報信息進行分析研判和風險評估，發布安全風險預警。建立數據安全評估制度、安全責任認定機制和重大安全事件及時處置機制，完善數據全生命周期安全保障措施。編制數據安全應急預案，明確應急處置的組織機構及其職責、安全事件分級、應急響應程序、處置措施等。（二）強化數據安全防護開展數據安全技術創新研究和數據安全關鍵技術攻關，加強安全可靠技術和產品推廣應用，增強數據安全預警和溯源能力，持續提升數據隱私保護水平，確保數據安全自主可控。提升大數據資源中心安全防護能力，開展數據安全評估、應急演練，確保重要數據基礎設施運行安全穩定。建設安全領先、整體合規的密碼基礎設施和密碼服務體系，加強國產瀏覽器、國產閱讀器等軟件推廣應用，實現密碼在網絡安全等級保護三級及以上信息系統、關鍵信息基礎設施等重要網絡和系統中的全面應用。健全數據安全宣傳培訓制度，開展數據安全法規標準宣傳貫徹、教育培訓和技能考核，提升數據安全從業人員數據安全防范意識和防護能力。（三）加強個人信息保護貫徹落實個人信息保護相關法律法規，建立個人信息授權許可制度，完善個人信息統一授權機制，通過單獨授權、明示授權等多種方式切實保護個人信息安全。常態化開展互聯網平臺違法違規收集個人信息治理，嚴格規范個人信息收集使用行為，強化數據采集、分析、存儲、使用等方面的安全防護舉措，完善個人信息保護長效工作機制。建立健全個人信息違法違規行為聯合執法機制，強化個人信息保護管理。推進個人信息保護社會化服務體系建設，加強個人信息保護第三方評估、認證工作，形成源頭治理、綜合治理、系統治理的工作格局。（四）落實數據安全監管建立數據安全常態化監管工作機制，建設數據安全監管平臺，加強數據資源、數據流通、跨境數據流動安全監管。研究建立獨立合規評估規則和工具，提供數據流通合規過程證明存證及專家支持服務，加強對大數據資源中心、互聯網平臺等數據流通載體監管。探索監管沙盒機制，支持數據流通創新實踐在安全可靠和風險可控的環境中先行先試，形成數據流通溯源體系。建立第三方評估機制，對數據運營合規及成效進行評估，輔助監管機構有效開展管理。數據治理保障體系（一）數據治理組織體系保障建立全方位、跨部門、跨層級的數據治理組織架構，是實施組織級統一化、專業化數據管理的基礎，是數據管理責任落實的保障。一般來說，數據治理組織架構包括決策層、組織協調層、管理層、工作執行層四個層級。決策層作為數據決策方，由組織CIO或CDO擔任，負責制定數據治理決策、戰略和考核機制。組織協調層由虛擬的數據治理委員會承擔，負責統籌管理和協調資源，細化數據治理的考核指標。管理層由數據治理辦公室承擔，作為數據治理的主要實體管理部門，負責構建和維護組織級架構（包括業務架構、數據架構、IT架構），制定數據治理制度體系和長效機制，定期開展數據治理檢查與總結，并向組織協調層和決策層匯報。工作執行層由業務部門和技術部門共同承擔，負責在數據項目中落實數據治理工作，與管理層協同參與各項活動。（二）數據治理制度體系保障為了保障數據治理工作和組織架構正常運轉，需要圍繞數據治理流程建立一套覆蓋數據引入、加工、使用、服務等整個數據生產運營過程的制度規范，對數據治理領域各工作環節主要活動進行說明，為各業務部門開展數據管理工作提供參考依據，從制度上保障數據治理工作有據、可行、可控。數據治理制度體系通常分層次設計，依據管理的顆粒度，制度體系可劃分為總體規定、管理辦法、實施細則和操作規范四個層次。總體規定從決策層和組織協調層視角出發，包含數據戰略、角色職責、認責體系等，闡述數據治理的目標、組織、責任等。管理辦法從管理層視角出發，規定數據治理各活動職能的管理目標、管理原則、管理流程、監督考核、評估優化等。實施細則從管理層和執行層的視角出發，圍繞管理辦法相關要求，明確各項活動職能執行落實的標準、規范、流程等。操作規范從執行層的視角出發，依據實施細則，進一步明確各項工作需遵循的工作規程、操作手冊或模板類文件等。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。筑牢數據安全保障防線（一）完善數據安全保障體系強化大數據安全頂層設計，落實網絡安全和數據安全相關法律法規和政策標準。鼓勵行業、地方和企業推進數據分類分級管理、數據安全共享使用，開展數據安全能力成熟度評估、數據安全管理認證等。加強數據安全保障能力建設，引導建設數據安全態勢感知平臺，提升對敏感數據泄露、違法跨境數據流動等安全隱患的監測、分析與處置能力。（二）推動數據安全產業發展支持重點行業開展數據安全技術手段建設，提升數據安全防護水平和應急處置能力。加強數據安全產品研發應用，推動大數據技術在數字基礎設施安全防護中的應用。加強隱私計算、數據脫敏、密碼等數據安全技術與產品的研發應用，提升數據安全產品供給能力，做大做強數據安全產業。構建穩定高效產業鏈（一）打造高端產品鏈梳理數據生成、采集、存儲、加工、分析、服務、安全等關鍵環節大數據產品，建立大數據產品圖譜。在數據生成采集環節，著重提升產品的異構數據源兼容性、大規模數據集采集與加工效率。在數據存儲加工環節，著重推動高性能存算系統和邊緣計算系統研發，打造專用超融合硬件解決方案。在數據分析服務環節，著重推動多模數據管理、大數據分析與治理等系統的研發和應用。（二）創新優質服務鏈圍繞數據清洗、數據標注、數據分析、數據可視化等需求，加快大數據服務向專業化、工程化、平臺化發展。創新大數據服務模式和業態，發展智能服務、價值網絡協作、開發運營一體化等新型服務模式。鼓勵企業開放搜索、電商、社交等數據，發展第三方大數據服務產業。圍繞診斷咨詢、架構設計、系統集成、運行維護等綜合服務需求，培育優質大數據服務供應商。（三）優化工業價值鏈以制造業數字化轉型為引領，面向研發設計、生產制造、經營管理、銷售服務等全流程，培育專業化、場景化大數據解決方案。構建多層次工業互聯網平臺體系，豐富平臺數據庫、算法庫和知識庫，培育發展一批面向細分場景的工業APP。推動工業大數據深度應用，培育數據驅動的平臺化設計、網絡化協同、個性化定制、智能化生產、服務化延伸、數字化管理等新模式，規范發展零工經濟、共享制造、工業電