數據治理新模式

按照數據性質完善產權性質，建立數據資源產權、交易流通、跨境傳輸和安全等基礎制度和標準規范，健全數據產權交易和行業自律機制。制定數據要素價值評估框架和評估指南，包括價值核算的基本準則、方法和評估流程等。在互聯網、金融、通信、能源等數據管理基礎好的領域，開展數據要素價值評估試點，總結經驗，開展示范。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。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。大數據產業發展目標（一）產業保持高速增長到2025年，大數據產業測算規模突破3萬億元，年均復合增長率保持在25%左右，創新力強、附加值高、自主可控的現代化大數據產業體系基本形成。（二）價值體系初步形成數據要素價值評估體系初步建立，要素價格市場決定，數據流動自主有序，資源配置高效公平，培育一批較成熟的交易平臺，市場機制基本形成。（三）產業基礎持續夯實關鍵核心技術取得突破，標準引領作用顯著增強，形成一批優質大數據開源項目，存儲、計算、傳輸等基礎設施達到國際先進水平。（四）產業鏈穩定高效數據采集、標注、存儲、傳輸、管理、應用、安全等全生命周期產業體系統籌發展，與創新鏈、價值鏈深度融合，新模式新業態不斷涌現，形成一批技術領先、應用廣泛的大數據產品和服務。（五）產業生態良性發展社會對大數據認知水平不斷提升，企業數據管理能力顯著增強，發展環境持續優化，形成具有國際影響力的數字產業集群，國際交流合作全面深化。大數據產業面臨形勢搶抓新時代產業變革新機遇的戰略選擇。面對世界百年未有之大變局，各國普遍將大數據產業作為經濟社會發展的重點，通過出臺數字新政、強化機構設置、加大資金投入等方式，搶占大數據產業發展制高點。我國要搶抓數字經濟發展新機遇，堅定不移實施國家大數據戰略，充分發揮大數據產業的引擎作用，以大數據產業的先發優勢帶動千行百業整體提升，牢牢把握發展主動權。呈現集成創新和泛在賦能的新趨勢。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。構建新發展格局的現實需要。發揮數據作為新生產要素的乘數效應，以數據流引領技術流、物質流、資金流、人才流，打通生產、分配、流通、消費各環節，促進資源要素優化配置。發揮大數據產業的動力變革作用，加速國內國際、生產生活、線上線下的全面貫通，驅動管理機制、組織形態、生產方式、商業模式的深刻變革，為構建新發展格局提供支撐。大數據產業發展基本原則（一）價值引領堅持數據價值導向和市場化機制，優化資源配置，充分發揮大數據的乘數效應，采好數據、管好數據、用好數據，激發產業鏈各環節潛能，以價值鏈引領產業鏈、創新鏈，推動產業高質量發展。（二）基礎先行堅持固根基、揚優勢、補短板、強弱項并重，強化標準引領和技術創新，聚焦存儲、計算、傳輸等重要環節，適度超前布局數字基礎設施，推動產業基礎高級化。（三）系統推進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。（四）融合創新堅持大數據與經濟社會深度融合，帶動全要素生產率提升和數據資源共享，促進產業轉型升級，提高政府治理效能，加快數字社會建設。（五）安全發展堅持安全是發展的前提，發展是安全的保障，安全和發展并重，切實保障國家數據安全，全面提升發展的持續性和穩定性，實現發展質量、規模、效益、安全相統一。（六）開放合作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。大數據產業發展成效十三五時期，我國大數據產業快速起步。據測算，產業規模年均復合增長率超過30%，2020年超過1萬億元，發展取得顯著成效，逐漸成為支撐我國經濟社會發展的優勢產業。政策體系逐步完善。圍繞數字經濟、數據要素市場、國家一體化大數據中心布局等作出一系列戰略部署，建立促進大數據發展部際聯席會議制度。有關部委出臺了20余份大數據政策文件，各地方出臺了300余項相關政策，23個省區市、14個計劃單列市和副省級城市設立了大數據管理機構，央地協同、區域聯動的大數據發展推進體系逐步形成。產業基礎日益鞏固。數據資源極大豐富，總量位居全球前列。產業創新日漸活躍，成為全球第二大相關專利受理國，專利受理總數全球占比近20%。基礎設施不斷夯實，建成全球規模最大的光纖網絡和4G網絡，5G終端連接數超過2億，位居世界第一。標準體系逐步完善，33項國家標準立項，24項發布。產業鏈初步形成。圍繞數據資源、基礎硬件、通用軟件、行業應用、安全保障的大數據產品和服務體系初步形成，全國遴選出338個大數據優秀產品和解決方案，以及400個大數據典型試點示范。行業融合逐步深入，大數據應用從互聯網、金融、電信等數據資源基礎較好的領域逐步向智能制造、數字社會、數字政府等領域拓展，并在疫情防控和復工復產中發揮了關鍵支撐作用。生態體系持續優化。區域集聚成效顯著，建設了8個國家大數據綜合試驗區和11個大數據領域國家新型工業化產業示范基地。一批大數據龍頭企業快速崛起，初步形成了大企業引領、中小企業協同、創新企業不斷涌現的發展格局。產業支撐能力不斷提升，咨詢服務、評估測試等服務保障體系基本建立。十三五時期我國大數據產業取得了重要突破，但仍然存在一些制約因素。一是社會認識不到位，用數據說話、用數據決策、用數據管理、用數據創新的大數據思維尚未形成，企業數據管理能力偏弱。二是技術支撐不夠強，基礎軟硬件、開源框架等關鍵領域與國際先進水平存在一定差距。三是市場體系不健全，數據資源產權、交易流通等基礎制度和標準規范有待完善，多源數據尚未打通，數據壁壘突出，碎片化問題嚴重。四是安全機制不完善，數據安全產業支撐能力不足，敏感數據泄露、違法跨境數據流動等隱患依然存在。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。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。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