數據治理行業市場需求與投資規劃

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。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。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。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。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。建設一體化大數據資源中心（一）深化基礎平臺建設深化基礎數據庫建設，推進法人、自然人、自然資源和空間地理、電子證照、信用、物聯感知等數據歸集。建設主題數據庫，構建重點領域業務模型，建立跨領域自動化、語義一致化的主題數據庫共建共享架構。推動建筑信息模型（BIM）技術與工程建造技術深度融合應用，構建高精度城市信息模型（CIM）平臺。（二）強化數據目錄管理構建數據圖譜，梳理各部門、各行業非涉密數據數量、類型、更新周期、產生來源、支撐應用等情況，分行業、分地域構建覆蓋人、企、事、車、地、物等主體的數據圖譜，形成數據一張圖。堅持需求導向，深入實施三清單制度，梳理數據共享需求，落實數據共享責任，完善數據目錄，實現數據應享盡享。（三）推進公共數據開放依法推動公共數據最大限度開放，構建各部門公共數據開放清單，定期更新公共數據開放目錄，持續拓展公共數據開放廣度。完善公共數據開放系統，擴展數據服務功能，支撐數據開發利用。鼓勵和支持利用開放的公共數據開展科學研究、咨詢服務、產品開發、數據加工、數據服務等活動，引導各類社會力量開展公共數據應用創新，發揮數據資源效益。（四）打造數據治理能力中臺持續提升大數據資源中心數據處理和治理能力，建成集數據可視化、地理信息系統（GIS）集成展現、數據疊加、數據沙箱、隱私計算、區塊鏈、數據脫敏工具等技術和控件庫、服務庫的數據治理能力平臺，為數據開發應用提供共性技術、業務協同等支撐。加強元數據管理、數據生命周期管理、數據交換與共享管理、數據安全管理等，提升數據治理能力。梳理跨層級、跨地域、跨系統、跨部門、跨業務大數據應用共性需求，強化集約化、組件化應用支撐，持續豐富數據中臺服務能力。（五）持續提升數據質量建立數據質量閉環管理制度，明確數據采集、匯聚、存儲、共享等各環節數據質量和職責要求。開展數據標準化巡查、清洗、去重、校驗、修復等質量提升工作，推進覆蓋公共數據、社會數據的數據清洗和比對加工。建立跨部門的數據質量糾錯反饋機制，按照一數一源原則，對各部門共享的數據進行規范性檢查、前后一致性比對、綜合校驗。構建數據質量評估指標體系，開展數據質量監測評估，提升數據的完整性、準確性、時效性和可用性。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。總結而言，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。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。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