數據治理專題調研報告

加快建設行業大數據平臺，提升數據開發利用水平，推動行業數據資產化、產品化，實現數據的再創造和價值提升。打造服務政府、服務社會、服務企業的成熟應用場景，以數據創新帶動管理創新和模式創新，促進金融科技、智慧醫療等蓬勃發展。持續開展大數據產業發展試點示范，推動大數據與各行業各領域融合應用，加大對優秀應用解決方案的推廣力度。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。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。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。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。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。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。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