數據治理可行性研究

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。數據治理發展短板（一）數據治理規則尚不完善數據治理統籌協調、分類推進機制不健全，碎片化、分散化治理現象一定程度存在，數據融合應用、協同治理、安全管控等相關政策法規、標準規范仍需進一步深化，與數據要素市場的高效流動性相適應的新型監管模式亟待建立。（二）數據聚通尚不充分數據共享匯聚尚不充分。數據開放效果尚不明顯，開放數據的類型、數量、可用性尚不能滿足企業數據運用需求。已共享開放數據的完整性、準確性、時效性、可用性等仍有待進一步提升。（三）數據治理應用尚有差距應用倒逼數據治理的成果不顯著，基于應用需求推動業務流程再造、技術融合、業務融合、數據融合不足，跨部門、跨行業、跨系統的應用場景較少，運行監測、預測預警、實時調度、輔助決策等智能應用作用發揮還不夠。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。數據產業發展保障措施（一）提升數據思維加強大數據知識普及，通過媒體宣傳、論壇展會、賽事活動、體驗中心等多種方式，宣傳產業典型成果，提升全民大數據認知水平。加大對大數據理論知識的培訓，提升全社會獲取數據、分析數據、運用數據的能力，增強利用數據創新各項工作的本領。推廣首席數據官制度，強化數據驅動的戰略導向，建立基于大數據決策的新機制，運用數據加快組織變革和管理變革。（二）完善推進機制統籌政府與市場的關系，推動資源配置市場化，進一步激發市場主體活力，推動有效市場和有為政府更好結合。建立健全平臺經濟治理體系，推動平臺經濟規范健康持續發展。統籌政策落實，健全國家大數據發展和應用協調機制，在政策、市場、監管、保障等方面加強部門聯動。加強央地協同，針對規劃落實，建立統一的大數據產業測算方法，指導地方開展定期評估和動態調整，引導地方結合實際，確保規劃各項任務落實到位。（三）強化技術供給改革技術研發項目立項和組織實施方式，強化需求導向，建立健全市場化運作、專業化管理、平臺化協同的創新機制。鼓勵有條件的地方深化大數據相關科技成果使用權、處置權和收益權改革，開展賦予科研人員職務科技成果所有權或長期使用權試點，健全技術成果轉化激勵和權益分享機制。培育發展大數據領域技術轉移機構和技術經理人，提高技術轉移專業服務能力。（四）加強資金支持加強對大數據基礎軟硬件、關鍵核心技術的研發投入，補齊產業短板，提升基礎能力。鼓勵政府產業基金、創業投資及社會資本，按照市場化原則加大對大數據企業的投資。鼓勵地方加強對大數據產業發展的支持，針對大數據產業發展試點示范項目、DCMM貫標等進行資金獎補。鼓勵銀行開展知識產權質押融資等業務，支持符合條件的大數據企業上市融資。（五）加快人才培養鼓勵高校優化大數據學科專業設置，深化新工科建設，加大相關專業建設力度，探索基于知識圖譜的新形態數字教學資源建設。鼓勵職業院校與大數據企業深化校企合作，建設實訓基地，推進專業升級調整，對接產業需求，培養高素質技術技能人才。鼓勵企業加強在崗培訓，探索遠程職業培訓新模式，開展大數據工程技術人員職業培訓、崗位技能提升培訓、創業創新培訓。創新人才引進，吸引大數據人才回國就業創業。（六）推進國際合作充分發揮多雙邊國際合作機制的作用，支持國內外大數據企業在技術研發、標準制定、產品服務、知識產權等方面開展深入合作。推動大數據企業走出去，在一帶一路沿線國家和地區積極開拓國際市場。鼓勵跨國公司、科研機構在國內設立大數據研發中心、教育培訓中心。積極參與數據安全、數字貨幣、數字稅等國際規則和數字技術標準制定。數據治理基本原則（一）堅持統籌規劃強化總體設計、創新引領、共建共享、互聯互通，構建一體化數據協同治理體系。（二）堅持依法治數持續深化數據資源體制機制改革，以大數據發展管理立法為契機，建立健全大數據法規制度和標準規范體系，全面提升數據治理體系建設的法治化、專業化水平。（三）堅持應用牽引以住業游樂購全場景集的應用需求為牽引，打造三融五跨智能化應用場景，促進數據共享開放、業務互聯互通，切實提升數據治理能力，助力運行管理智能化。（四）堅持融合發展以數據為關鍵生產要素，促進新技術、新模式、新服務、新業態融合創新，驅動生產方式、生活方式和治理方式變革，深化數據要素市場配置體制機制改革，營造大數據應用發展良好生態。（五）堅持安全底線統籌發展與安全，按照合法正當必要、誰收集誰負責、誰持有誰負責、誰管理誰負責、誰使用誰負責原則，全面落實數據安全責任，開展數據分類分級管理，實行數據全生命周期安全保護。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《數據管理能力成熟度評估模型》（以下簡稱DCMM）、數據安全管理等國家標準貫標，持續提升企事業單位數據管理水平。強化數據分類分級管理，推動數據資源規劃，打造分類科學、分級準確、管理有序的數據治理體系，促進數據真實可信。（五）促進數據高價值轉化強化大數據在政府治理、社會管理等方面的應用，提升態勢研判、科學決策、精準管理水平，降低外部環境不確定性，提升各類主體風險應對能力。強化大數據在制造業各環節應用，持續優化設計、制造、管理、服務全過程，推廣數字樣機、柔性制造、商業智能、預測性維護等新模式，推動生產方式變革。強化大數據在信息消費、金融科技等領域應用，推廣精準畫像、智能推介等新模式，推動商業模式創新。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。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。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