数据治理产业发展前景预测与投资战略规划分析

数据治理产业发展前景预测与投资战略规划

新一轮科技革命蓬勃发展，大数据与5G、云计算、人工智能、区块链等新技术加速融合，重塑技术架构、产品形态和服务模式，推动经济社会的全面创新。各行业各领域数字化进程不断加快，基于大数据的管理和决策模式日益成熟，为产业提质降本增效、政府治理体系和治理能力现代化广泛赋能。坚持产业链各环节齐头并进、统筹发展，围绕数字产业化和产业数字化，系统布局，生态培育，加强技术、产品和服务协同，推动产业链现代化。夯实产业发展基础（一）完善基础设施全面部署新一代通信网络基础设施，加大5G网络和千兆光网建设力度。结合行业数字化转型和城市智能化发展，加快工业互联网、车联网、智能管网、智能电网等布局，促进全域数据高效采集和传输。加快构建全国一体化大数据中心体系，推进国家工业互联网大数据中心建设，强化算力统筹智能调度，建设若干国家枢纽节点和大数据中心集群。建设高性能计算集群，合理部署超级计算中心。（二）加强技术创新重点提升数据生成、采集、存储、加工、分析、安全与隐私保护等通用技术水平。补齐关键技术短板，重点强化自主基础软硬件的底层支撑能力，推动自主开源框架、组件和工具的研发，发展大数据开源社区，培育开源生态，全面提升技术攻关和市场培育能力。促进前沿领域技术融合，推动大数据与人工智能、区块链、边缘计算等新一代信息技术集成创新。（三）强化标准引领协同推进国家标准、行业标准和团体标准，加快技术研发、产品服务、数据治理、交易流通、行业应用等关键标准的制修订。建立大数据领域国家级标准验证检验检测点，选择重点行业、领域、地区开展标准试验验证和试点示范，健全大数据标准符合性评测体系，加快标准应用推广。加强国内外大数据标准化组织间的交流合作，鼓励企业、高校、科研院所、行业组织等积极参与大数据国际标准制定。数据治理保障措施加强规划有效实施的各类资源要素保障，着眼数据聚通用，着力激活数据、深度挖掘数据、充分利用数据，加快形成数据要素高效集聚、互联互通、开放共享的良好局面。（一）加强组织协调建立健全数据治理统筹协调和推进机制，加强跨地域、跨部门、跨层级的协同联动，研究数据治理发展战略和政策措施，协调解决数据治理中的重点难点问题，确保相关工作扎实有效推进。（二）强化人才支撑支持和引导高等院校、职业学校开设数据治理相关专业，优化专业、课程设置，积极开展校企合作，培养创新型、应用型、融合型人才。引进高层次、高学历、高技能以及紧缺人才，完善人才引进、培育、评价、激励机制。支持各部门加强对数据治理用工服务的指导，保障从业人员合法权益。（三）做好资金保障支持推动数字技术创新应用、数据治理等相关工作，完善投融资服务体系，拓宽融资渠道，发挥政府引导基金作用，重点支持数据治理领域重大项目建设和重点企业发展。鼓励金融机构创新金融产品和服务，加大对数据要素市场主体提供贷款、融资担保等金融服务的支持力度。数据流通扩大开放工程构建集自然语言处理、视频图像解析、数据可视化、语言智能问答、多语言机器翻译、数据挖掘分析等功能的大数据通用算法模型库和控件库，定期开展数据演习，建设面向公共卫生、自然灾害、国防战备等重大突发事件处置的国家级数据靶场，为重大突发事件开展决策研判和调度指挥提供支撑。规范数据入场交易，培育数据要素交易市场。建设涵盖数据资产评估、登记确权、交易撮合、评估定价、可信流通等方面的全流程数据要素流通交易平台和数据授权存证、数据溯源和数据完整性检测平台，提供数据交易、结算、交付、安全保障、资产管理等综合配套服务。数据治理发展形势从国际看，当今世界正经历百年未有之大变局，进入以数字化生产力为主要标志的数字时代，数字重新定义一切、云计算服务一切、网络连接一切、AI赋能一切，以互联网、大数据、人工智能、物联网等为代表的信息技术广泛渗透到经济社会各领域，世界各国都已将大数据作为重要战略任务。随着科技革命、产业变革纵深推进，抓住数据这一关键要素，充分释放数字化发展的放大、叠加、倍增效应，是抢占新一轮发展制高点的关键。从国内看，我国已成为全球数据量最大、数据类型最丰富的国家之一，数据日益对经济发展、社会治理、人民生活产生重要影响。近年来，印发了《促进大数据发展行动纲要》《数字经济发展战略纲要》等系列重要文件，对大数据发展管理作出全面部署。深入实施国家大数据战略，形成新发展格局中实现更大作为。数据治理发展目标数据共享开放质量显著提升，数据治理与利用能力持续增强，数据聚通用发展水平大幅提升，一体化数据协同治理与安全防护体系全面建成。加快培育数据要素市场，持续优化大数据应用发展生态，推动数字化高质量发展。以数据共享、数据开放、数据质量、数据安全、数据运营、数据交易、数据要素市场培育等政策法规、标准规范为补充，构建全方位、专业化的数字规则体系，数据治理体系建设的法治化、规范化再上新台阶。新型智慧城市运行管理中心全面建成，数据叠加、建模、分析等数据治理支撑能力显著增强，推动数字化应用全业务覆盖、全流程贯通、跨部门协同，实现一网统管、一网通办、一网调度、一网治理。在城市运行、基层治理、交通出行等领域，打造一批在全国有影响力的智慧应用新范例。基本构建权责清晰的数据要素市场化配置规则、组织架构和监管机制。数据要素市场规范有序发展，数据要素配置科学合理，数据要素市场主体持续活跃，数据治理服务相关产业集聚能力显著增强。数据安全法规制度更加健全，数据安全管理平台全面建成，数据共享开放、融合应用、跨境流通的数据安全风险管控能力显著增强，数据安全保障水平显著提高，形成规范有序、高效流通、安全可控的数据治理体系。一体化大数据资源中心工程（一）城市大数据资源中心完善数据目录管理、供需对接、交换等功能。升级公共数据开放系统，完善目录发布、指引发布、便捷检索、统计分析、应用展示等功能。建设数据中台，利用建模、映射、对标检查、同态加密、数据标签或水印等技术，开发数据元管理、数据模型、数据标准、数据质量、数据安全及审计等工具。（二）城市信息模型（CIM）以三维空间数据底座为核心，汇聚融合建筑、道路、轨道、隧道、桥梁、水体、地下空间等基础设施，以及资源调查、规划管控、公共专题、工程建设项目、物联感知等数据，统筹建设时空基础数据库、资源调查数据库、规划管控数据、工程建设项目数据库、公共专题数据库、物联感知数据库等主题数据库，形成融合共享、开放协同的GIS＋BIM＋IoT数据资源体系。数据治理概念建设数字中国，加快发展数字经济，促进数字经济和实体经济深度融合，打造具有国际竞争力的数字产业集群。数据二十条随即出台，提出构建数据产权、流通交易、收益分配、安全治理等制度，初步形成我国数据基础制度的四梁八柱，将充分激活数据要素价值，赋能实体经济。在数字经济时代背景下，数据俨然已成为企业的核心生产要素之一。而企业数字化转型则是以数据为中心，通过数据驱动业务发展、管理协同和运营。因此数字化转型关键在于数据，数据治理则需先行。从而更好激发数据生产要素潜能，实现业务数据化、数据价值化，助力企业数字化转型。（一）DAMA数据治理体系国际数据管理协会（DataManagementAssociation，又名DAMAInternational，以下简称DAMA）在其《DAMA数据管理知识体系指南（第2版）》一书中将数据治理进行了定义，即数据治理是对数据资产管理行使权力、控制和共享决策（规划、监测和执行）的系列活动。此外，DAMA还将数据治理作为数据管理十大知识领域的中心，负责知识领域的平衡和一致性。DAMA提到数据治理的目标有三点：提升企业数据资产管理能力；定义、批准、沟通和实施数据管理的原则、政策、程序、指标、工具和责任；监控和指导政策合规性、数据使用和管理活动。可以看出，DAMA给出了比较全面的解释，但是距离企业可落地的数据治理还是距离较远，更像是纲领性的介绍，因此对于如何进行数据标准的制定以及如何进行数据资产的评估都缺少具体的描述。（二）信通院数据治理服务商成熟度模型（DGS）数据治理服务商成熟度模型（DGS）由中国信通院提出，以数据治理服务项目实施运维的流程为主线，融合数据治理核心能力，包括6大能力域、21个能力项，其中6大能力域遵循一般性数据治理项目流程。1）需求管理能力域：提供方通过采集需求方的业务需求、数据需求、技术需求等，明确数据治理目标和范围，并评估实施数据治理可行性。2）资源评估能力域：提供方通过对数据来源、数据规模、数据分类、数据关系、数据时效性、专业软件工具、存储计算环境以及硬件资源等主要影响因素进行分析，以提升数据治理项目任务分解的准确性，指导识别项目中的潜在风险。3）实施保障能力域：提供方通过制定实施规划，建立组织保障，开展风险管理，确保数据治理项目的顺利实施，降低风险和成本。4）方案设计能力域是数据治理项目的核心环节，提供方通过制定相关规范体系和设计文档，形成满足甲方需求的数据治理体系。5）方案实施能力域提供方通过依托相关平台工具，实现方案的落地。6）成果交付能力域包括试运行、成果验收2个能力项。DGS从服务商的角度出发，对数据治理的方方面面进行了解释，给出了模型规范和评估标准。对于企业来说，不管是想自己做数据治理，还是通过服务商来实现部分数据治理工作，DGS都提供了一套相对全面的参考指南。整体来看，目前数据治理提供商的数据工程服务能力优势集中于数据资源评估、数据质量、数据标准等能力项。（三）数据治理规范国家标准《信息技术服务治理第5部分：数据治理规范》（GB/T34960．5-2018）中，为了促进组织有效、高效、合理地利用数据，有必要在数据获取、存储、整合、分析、应用、呈现、归档和销毁过程中，提出数据治理的相关规范。规范中提出了数据治理的定义，即数据资源及应用过程中相关管控活动、绩效和风险管理的集合。规定了数据治理的顶层设计、数据治理环境、数据治理域及数据治理过程的要求，从而实现运营合规、风险可控和价值实现的目标。（四）数据中台大数据时代，大量结构化、非结构、半结构数据量暴增，计算难度几何式递增。同时数据复杂、数据类型庞杂等导致数据处理复杂度也大大提升。传统数据仓库的不足也逐渐暴露，数据孤岛、重复开发、数据共享难等问题日益加剧。在人工智能、大数据等技术发展和企业数字化转型加速的双重驱动下，2019年，数据中台在众多赛道中脱颖而出，成为行业焦点。艾瑞咨询《2022年中国数据中台行业研究报告》指出，数据中台是一种数字化综合解决方案。狭义来看，数据中台是一套实现数据资产化和服务复用的工具；广义来看，数据中台是一套运用数据推动企业数字化转型升级的机制和方法论。全国首个数据中台团体标准《数据中台元数据规范》（T/ZAII035-2022）也指出，数据中台是一套通过产品技术、解决方案、规范标准、团队组织的整合，实现数据汇聚、治理、运营的架构。这与艾瑞咨询的观点不谋而合。总结而言，数据中台是一套可持续的让数据产生价值的机制，是一种战略选择和组织形式，是依据企业特有的业务模式和组织架构，通过有形的产品和实施方法论支撑，构建的一套持续不断把数据变成资产并服务于业务的机制。（五）数据治理与数据中台数据治理是针对数据资产管理的控制、决策规范，它将严密性和纪律性植入企业的数据管理、规划、监测、使用和保护过程中。而数据中台也是一种数据资产管理机制，采集、计算、存储和处理海量数据，保证数据的标准统一和口径一致，建立全域级、可复用的数据存储能力中心和数据资产中心，提高数据共享和复用能力，灵活高效地解决数据应用需求。对比来看，数据中台和数据治理都是体系性的工作。虽说数据治理与数据中台涉及的绝大部分领域相同，但数据中台并不仅仅是数据治理工作的放大升级版，而是数据治理工作的深化，它强化了数据治理的深度和广度，并拓展了数据治理不涉及的数据应用领域。换言之，数据中台真正实现了企业内部数据的闭环。因此，数据中台是数据治理实现的一种高效方式，是当下最为适合企业数字化转型的模式。首先，从顶层设计出发，开展数据管理的战略规划和机制建设，为数据治理工作开好局。其次，引入数据治理工具，通过数据标准管理、数据架构和模型管理、数据开发、元数据管理、数据质量管理、数据生命周期管理、数据安全管理、主数据管理等八大数据治理专题夯实数据管理各项基础工作。最后，基于数据治理工具提升数据管理的自动化水平，最终促进数据资产的对内对外开放使用，实现数据资产的价值与变现能力全面提升。发挥大数据特性优势（一）加快数据大体量汇聚支持企业通过升级信息系统、部署物联感知设备等方式，推动研发、生产、经营、服务等全环节数据的采集。开展国家数据资源调查，绘制国家数据资源图谱。建立多级联动的国家工业基础大数据库和原材料、装备、消费品、电子信息等行业数据库，推动工业数据全面汇聚。（二）强化数据多样性处理提升数值、文本、图形图像、音频视频等多类型数据的多样化处理能力。促进多维度异构数据关联，创新数据融合模式，提升多模态数据的综合处理水平，通过数据的完整性提升认知的全面性。建设行业数据资源目录，推动跨层级、跨地域、跨系统、跨部门、跨业务数据融合和开发利用。（三）推动数据时效性流动建立数据资源目录和数据资源动态更新机制，适应数据动态更新的需要。率先在工业等领域建设安全可信的数据共享空间，形成供需精准对接、及时响应的数据共享机制，提升高效共享数据的能力。发展云边端协同的大数据存算模式，支撑大数据高效传输与分发，提升数据流动效率。（四）加强数据高质量治理围绕数据全生命周期，通过质量监控、诊断评估、清洗修复、数据维护等方式，提高数据质量，确保数据可用、好用。完善数据管理能力评估体系，实施数据安全管理认证制度，推动《数据管