数据治理产业调研报告分析

数据治理产业调研报告

坚持引进来和走出去，遵循产业发展规律，把握全球数字经济发展方向，不断完善利益共享、风险共担、兼顾各方的合作机制。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。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。健全综合全面的数字规则（一）制定数据治理与管理制度规则建立健全数字规则，围绕数据聚通用、要素流通，推动数据管理、数据安全等规则建设。深入落实《中华人民共和国网络安全法》《中华人民共和国数据安全法》《中华人民共和国个人信息保护法》《关键信息基础设施安全保护条例》等法律法规，推动出台大数据发展管理地方性法规，实施数字规则意见，开展大数据发展管理领域立法先行先试，全面建立数据收集、汇聚、共享、开放、应用、交易、安全、执法监管等制度。（二）健全公共数据治理与管理规则推动与群众利益密切相关的医疗、教育、供水、供电、供气、通信、环境保护、公共交通等公共企事业单位数据采集、汇聚、共享、开放、利用等纳入公共数据管理体系。（三）建立行业数据治理与管理规则建立行业主管部门与大数据主管部门协调配合机制，推进行业数据联合治理、管理常态化。推进工业、交通、卫生健康、教育、金融等行业主管部门制定符合本行业特点的数据分类分级管理制度，依法依规加强行业数据全生命周期监管。发挥行业协会组织协调作用，推动行业数据相关自律规范、自律公约建立，规范会员行为。积极推动无人驾驶、数字金融、在线医疗、APP数据采集等领域的规则制定。（四）构建数据要素市场管理规则构建数据要素市场化配置制度规则，制定数据要素市场化配置改革行动方案，提高数据要素市场配置效率，促进数据要素健康有序流动。推动出台数据交易管理办法，加快数据交易中介服务、数据权属确认、数据价值评估、数据交易收益分配等配套制度建设，探索建立数据产品和服务进场交易机制。（五）优化完善数据标准规范加快推动数据开放、数据安全、数据治理、行业应用、质量评级等标准建设。聚焦基层治理、民生服务、城市治理、政府管理、产业融合、生态宜居等应用领域，推动制定一批地方、团体、企业标准和规范，鼓励相关标准规范试点示范和应用推广，持续推进大数据标准体系建设。贯彻国家大数据综合标准规范，推动《数据管理能力成熟度评估模型》（DCMM）贯标试点。积极参与制定大数据领域国际规则、国家标准、行业标准。推动数据资源融合应用（一）建设全面感知的智能中枢依托新型智慧城市运行管理中心，搭建CIM＋多场景应用，构建全面感知、数据汇集融合、智能分析计算、统筹决策的城市智能中枢，推动跨层级、跨地域、跨系统、跨部门、跨业务的协同管理。推动迁移上云应迁尽迁、系统整合应合尽合、系统接入应接尽接、数据汇聚应聚尽聚和能力共享应享尽享，实现城市运行一网统管、服务一网通办、应急管理一网调度、基层服务一网治理，全面提升城市运行管理数字化、智能化水平。加快构建数字技术辅助政府决策机制，提高基于高频大数据的精准动态监测预测预警水平。（二）构建智慧便捷的数字社会围绕交通、医疗、养老、抚幼、就业、教育、旅游、文体等重点领域建设主题数据库，打造智能化公共服务应用场景，提升数字化服务普惠应用水平。聚焦住业游乐购全场景集，推动购物消费、居家生活、旅游休闲、交通出行等各类场景数字化，打造智慧共享、和睦共治的新型数字生活。深化三农大数据应用，提升三农大数据服务能力，推动乡村管理服务数字化，加快数字乡村建设。推进以社会保障卡、居民身份证为载体的一卡一码集成应用，在卫生健康、疫情防控、交通出行、文化旅游、信用服务、金融服务、财政补贴等领域推行一卡通用、一码通行。推进智慧停车建设，提升停车设施智能化水平，优化停车信息管理，推广智能化停车服务，鼓励停车资源共享。（三）培育广泛深入的应用环境推动数据资源开发利用规范化和制度化，以卫生健康、社会保障、交通、科技、通信、企业投融资、普惠金融等领域为重点，探索数据资源开发利用模式，创新数据服务模式，推进公共数据和社会数据深度融合应用。鼓励通过政策引导、政府购买服务、社会资本引入、应用模式创新、数据应用竞赛、优秀案例推广等方式促进政府和企业的数据融合，营造数据融合应用良好氛围。鼓励掌握数据的自然人、法人和非法人组织与政府开展合作，提高数据开发利用水平。数据融合应用工程（一）一网统管数据融合应用工程建立综合性城市管理主题数据库，汇聚行业全领域、全过程实时数据，共享规划自然资源、住房城乡建设、公安、交通、生态环境、市场监管等行政管理部门和燃气、电力、通信等公共服务单位的相关城市管理信息资源，整合市、区县、街道三级城市管理网格数据资源，打造城市管理地理信息一张图，实现对城市管理与运行状态的自动实时感知，指导工程组织实施、应急处置。（二）一网调度数据融合应用工程建立消防安全、道路运输安全、城市运行安全、特种设备安全等安全专项整治专题数据库，建立洪旱灾害防治、地质地震灾害防治、森林草原火灾防治、气象灾害防治等专题数据库，汇聚应急、公安、交通、民政、水利等多个部门的风险监测预警、安全生产专项整治、自然灾害综合防治等领域数据资源，实现应急管理事前、事中、事后全流程化、数据化、智能化。（三）一网治理数据融合应用工程建立公共服务、便民服务、物业服务、养老服务等领域基层治理主题数据库，汇聚整合公安、民政、卫生健康等业务系统数据，推动基层治理数字化。（四）智慧监管数据融合应用工程建立市场主体全生命周期数据链，加快汇集市场监管业务全量数据资源，完善市场监管基础数据库，实现市场主体全集画像和空间可视、监管对象精准推送和监管工作留痕可溯及全程监督。（五）智慧交通数据融合应用工程集中管控交通管理外场设备，汇聚整合道路交通管理相关数据资源，强化对城市交通的全域实时感知。推进公共停车场智能化设施设备改造，建立停车设施基础信息数据库，持续更新停车设施建设、管理、布局及停车泊位使用、收费标准等数据，增强城市公共停车在线监管和智能调度能力。汇聚交管、交运、停车等综合交通数据及相关空间信息，实现交通综合信息共享服务。（六）智慧医疗数据融合应用工程推动公立医疗卫生机构医疗信息、检查检验等数据上云，整合公安、民政、医保、药品流通等领域业务数据，建设健康医疗主题库，实现健康医疗大数据全面汇聚和标准化、卫生健康数据互联互通和业务协同共享、居民全生命周期健康管理和医疗卫生全流程智能服务。（七）三农数据融合应用工程汇聚农田土壤墒情数据、农村土地权属数据、农村产业数据、农村相对贫困户数据、农民征信数据、农村科技能手和乡贤数据、农业土、肥、水、种、密、保、管、工相关数据，支撑农情分析、农业气象信息服务、产业监测服务、农产品和农资信息服务、农技推广服务、农业在线教育服务。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。培育数据要素市场（一）健全数据流通制度研究制定数据交易管理办法，建立健全数据权益、交易流通和安全保护等基础性制度规范，明确数据主体、数据控制方、数据使用方权利义务，保护数据主体权益。健全数据市场定价机制，以数据应用需求为导向，完善数据市场流通环境，精准对接市场供给。建立数据交易协同监管机制，构建数据流通监管平台，加强数据交易流通全过程安全监管，确保数据流通过程可追溯、使用范围可明确、合法合规可审计、安全风险可防范、法律责任可追诉。（二）营造数据要素市场发展生态加强大数据产业协同创新统筹协调，引导和支持科研机构、高等院校、企业加强协同攻关，共同开展数据交易流通、数据基础前沿研究、关键共性技术研究。支持数据采集、存储、处理、分析等企业做大做强，带动大数据产业发展。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。数据治理新模式（一）数据治理架构随着世界经济由工业经济向数字经济转型，数据逐步成为关键的生产要素，企业开始将数据作为一种战略资产进行管理。数据从业务中产生，在IT系统中承载，要对数据进行有效治理，需要业务充分参与，IT系统确保遵从，这是一个非常复杂的系统工程。实践证明，企业只有构筑一套企业级的数据治理综合体系，明确关键数据资产的业务管理责任，依赖规范的制度流程机制，构建有效的管理平台及工具，数据的价值才能真正发挥出来。构筑数据治理体系的过程，即以数据应用为核心打造良性循环的闭环数据治理管理体系的过程。各IT系统获取业务活动产生的各类数据后，经过系统的数据治理、管理，不断挖掘、变现数据价值，拓展、深入数据应用场景，指导业务决策，同时在不断应用数据过程中基于发现的数据问题，通过数据治理、管理的过程不断修订，推动业务系统全面升级，真正优化业务流程管理机制及规范，最终构建数据获取→管理→变现→发现→应对→修正的闭环管理机制。以数据应用核心，数据治理平台工具为支撑，在数据治理组织/制度保障下，不断通过数据治理手段，推动实现数据标准化及业务标准化，实现业务、技术、管理、平台的有效联动。在数据治理综合体系内，数据治理核心模块包括数据治理规划、数据治理职能及数据治理平台工具，数据治理规划是指数据治理体系与规划、数据治理组织与职责、数据治理制度及流程，是数据治理规范化管理的核心模块；数据治理职能包括数据标准管理、数据质量管理、数据架构及模型管理、数据开发、元数据管理、主数据管理、数据生命周期管理、数据安全管理八大职能，实际过程中，企业通常会合并管理；数据治理平台工具包括数据开发平台、数据资产管理平台、数据质量管理平台、数据服务平台，通常数据治理平台工具基于数据治理的阶段功能并不完全一致，实践中平台工具通常综合多方面功能，而不是单平台功能。三大模块互为动力，数据治理规划指导数据治理职能的全面发挥，数据治理各项职能通过数据治理平台工具协助管理，数据治理平台工具支撑数据治理规划的落地及优化，数据治理规划各层面逐步固化在数据治理平台上，数据治理平台辅助数据治理各项职能的管理，通过数据治理各项职能不断落实和完善数据治理规划，实现组织数字化转型，固化管理机制及流程体系。未来企业通过构筑数据治理综合体系，逐步建立数据治理机制，完成组织转型，数据治理职能将成为企业管理的重要组成部分，良性循环的管理体系将推动企业实现更广、更深层次的数据应用，数据决策将成为企业人思考的习惯，企业决策将更加科学、有效。未来企业数据治理蓝图架构中，业务系统、数据治理及数据应用互为动力，共同推动企业数字化转型的实现。（二）数据治理模式1、数据治理基本模式数据治理模式是指企业基于不同的数据治理目标，根据企业组织、系统、数据应用的现状，以何种数据治理策略开展数据治理活动。通常数据治理模式包括三种基本模式。模式一：自下而上，以数据架构为重，开展数据治理。这种模式重在数据架构，层层向上治理数据，至数据应用层。这种模式从底层数据切入，基于现有数据基础，盘点、建设、治理、应用层层展开，对企业整体的数据思维、数据治理水平要求较高，通常适用于数据量重、业务应用轻大型技术型企业，或政府机构，或新建、自研系统较多的企业。模式二：自上而下，以明确的数据应用为重，开展数据治理。这种模式即单点应用式，通常以现有应用需求为核心开展数据治理。聚焦各个业务领域的数据应用、数据治理需求，在有需求、有资源、有驱动力的前提下，按需组织推进数据治理工作。只有业务部门的深入参与才能做好数据治理，只有针对业务自身需求进行的治理，才能得到业务部门的认可和支持。此模式通常围绕数据应用的需求进行数据治理，比如升级架构、更换平台等涉及数据应用迁移时，或聚焦监管、上报类等明确数据应用时，围绕数据应用进行数据治理。此模式通常适用于数据应用较强、业务部门较为强势、但整体数据认知较弱的企业。这种模式的数据治理切入相对较为简单，实践证明，大部分企业数字化转型初期会这种模式，慢慢探索企业的数据治理道路，这种模式有助于拉齐数据部门、业务部门的认知，提升企业整体数据认知，为未来数据治理的开展提供基石。模式三：大规划模式，从数据应用规划入手，治理现状，规划未来，基于数据资产的未来开展数据治理。这种模式需要企业全面梳理业务的现状痛点及业务未来畅想，盘现状、规划未来，基于业务现在及未来的需求规划分析应用场景，在应用场景蓝图规划的范围内，全面的梳理数据的现状、规划数据的未来，针对蓝图规划中的数据需求，制定全方位策略。这种模式通常是企业的战略项目，由高层推进开展，对数据、业务协同性要求较高，整个过程涉及系统改造升级、业务流程优化再造，是企业全面升级的过程。组合模式一：模式一&模式二组合，即全域数据治理+明确应用场景规划。这种模式兼顾底层数据与上层应用，可对冲底层数仓重建的部分风险，同时可有效地阐述数据价值，整体可行性较高。组合模式二：模式一&模式三组合，即全域数据治理+全面应用场景规划。这种模式从现在、未来的角度全面开展数据治理，业务、数据全面覆盖，返工重建风险小，同时有助于推动业务系统、数据全面升级，业务价值较高，但对组织协同要求高，且成本投入高、耗时久，对执行团队要求高，复合型人才需求大，属于高风险高收益模式，需要企业高战略、高执行的推进落地。2、数据治理模式对比三大数据治理模式开展方式、适用场景、优劣势、资源投入各不相同。模式一，自下而上，切入方便，成本可控，重架构，但脱离应用，对执行团队架构能力要求较高，成效慢。模式二，自上而下，目的明确，切入方便，成本可控，重应用，但轻治理，容易造成面子工程，出现重复治理的风险。模式三，大规划模式，规划的眼光，覆盖业务、数据双层面，重建风险小，聚焦业务，有利于充分挖掘数据价值，但对组织的协同性要求较高，同时需要高质量复合型人才配合团队执行，整体落地风险较大，成本较大。三大数据治理模式各有优劣，而组合模式在某种程度上对冲单一模式的风险，可以更好地满足企业数据治理的需求和目的。企业应基于面临的现状，选择适合的自己的治理模式。3、数据治理模式选择不同的数据治理模式，对企业的数据治理水平、组织协同程度要求不同。自下而上的模式一是基于底层数据治理的，对数据治理水平要求较高，数据治理水平包括数据基础（数据量、数据质量等）以及数据治理能力，数据治理能力主要体现在数据治理团队专业度以及数据治理体系（组织、制度及流程）完善度。这种模式对组织协同度要求相对较低，主要靠数据治理团队推动进行。自上而下的模式二是基于明确数据应用进行数据治理的，相较于自下而上的模式一，组织的协同性要求会更高，需要业务部门、数据部门配合实现，但整体以需求为主，对数据治理的水平要求一般。大规划的模式三既治理现状，又规划未来，对组织协同性及数据治理水平均有极高要求。该模式需要动员企业的业务部门、技术部门、数据部门，同时需要企业各阶层（高层、中层、基层员工）的人员共同配合，全面盘点业务的痛点及未来规划，同时梳理数据现状，规划数据未来，通常为战略项目、高层领导共同将企业数据治理水平推向一个新水平，同时完成数字化组织的转型。组合模式在组织协同性、数据治理水平上会叠加单一模式的要求，如模式一&模式三的组合模式对组织协同性、数据治理水平要求最高。各模式对企业的组织协同性、数据治理水平的要求，基于各模式对企业组织协同、数据治理水平的要求不同，企业应充分盘点企业的组织现状、数据现状、应用现状，初步评估企业数据治理水平、组织协同度，结合数据治理的目标，评估可行性，选择最佳模式。企业数据治理是个复杂而漫长的过程，通常在不同的发展阶段，企业选择数据治理模式并不同，基于面对的组织、数据、应用现状，企业需要均衡目标与现状，选择当下最合适的数据治理模式。企业数据治理并不是一蹴而就的，它需要企业不断地进行规划、治理、监测、优化，通过数据治理不断完善企业的组织、制度、流程管理体系，同时不断提升企业数据治理管理水平，包括数据标准、数据质量、数据架构及模型、数据应用等模块的管理水平提升。数据治理是一个持续循环的过程，需通过不断地改进提升及完善。PDCA循环不是在同一水平上循环，而是呈阶梯式推动上升，每次循环将推进企业的数据治理水平及组织协同性向新的、更高的层级进阶，最终实现企业数字化转型。（三）数据治理实施路径企业数据治理实施路径通常包含三个阶段。第一阶段：起步阶段，业务运营数字化阶段。这个阶段主要是梳理企业面临的现状，响应痛点，探索业务场景化。企业逐步开始由信息化向数字化转型，这个阶段企业会重新审视原有的数据治理策略，重构数据治理战略及实现路径，逐步开始搭建数据治理框架、数据治理体系框架，升级原有的数据处理、应用模式，搭建大数据平台，构建大数据采集、汇集、存储、计算、服务的基础能力，逐步整合各系统的数据，打破数据孤岛，沉淀数据资产，探索业务场景化。第二阶段：深入拓展阶段，数据赋能常态化阶段。这个阶段数据应用成为重点，企业开始深挖数据价值，提高数据应用覆盖。数据应用的范围，由核心KPI指标的实现，逐步覆盖全部核心业务，搭建完善的分析框架和洞察体系，不断地提升业务决策质量。大数据平台持续发挥大数据处理的能力，企业纳入更多、更广的数据内容，不断扩大数据应用的广度及深度，初步形成企业的数据资产地图，数据标准体系逐步搭建，数据应用的效率大大提升，初步完成由经验主义向数据主义的转型，数据决策成为企业决策主要决策方式。这个阶段，企业开始全面建立数据管理权限体系，完善数据治理机制，优化数据治理流程及制度体系，由原有的粗放式管理升级为精细化管理，数据质量不断提升，企业数据管理能力升级，逐步通过数据质量平台、数据资产平台、数据治理平台工具等实现智能管理，企业数据思维认知全面提升。第三阶段：智能应用阶段，运营决策智慧化阶段。这个阶段企业实现洞策合一，智慧场景应用成为常态，全面完成数字化转型，探索数字业务，开启新篇章。这个阶段以智能应用为主，AI赋能成为常态，企业不断地挖掘数据的价值、激发创新，开始为企业战略性分析提供准确的数据依赖，在这个阶段，有些企业甚至在原有商业模式上，激发新的业务模式。数据管理层面，由数据治理体系建设逐步向数据治理体系优化进阶，完善