数据治理实施意见分析

数据治理实施意见

到2025年，大数据产业测算规模突破3万亿元，年均复合增长率保持在25%左右，创新力强、附加值高、自主可控的现代化大数据产业体系基本形成。加快建设行业大数据平台，提升数据开发利用水平，推动行业数据资产化、产品化，实现数据的再创造和价值提升。打造服务政府、服务社会、服务企业的成熟应用场景，以数据创新带动管理创新和模式创新，促进金融科技、智慧医疗等蓬勃发展。持续开展大数据产业发展试点示范，推动大数据与各行业各领域融合应用，加大对优秀应用解决方案的推广力度。立足新发展阶段，完整、准确、全面贯彻新发展理念，积极融入服务新发展格局，坚持加快数字化发展指引，健全数字规则，保障数据安全，以数据汇聚治理为核心，全力攻坚数据聚通用，充分挖掘大数据商用、政用、民用价值，加快培育数字经济，打造数字政府、数字营商环境，构建数字社会，让大数据智能化为经济赋能、为生活添彩。建设一体化大数据资源中心（一）深化基础平台建设深化基础数据库建设，推进法人、自然人、自然资源和空间地理、电子证照、信用、物联感知等数据归集。建设主题数据库，构建重点领域业务模型，建立跨领域自动化、语义一致化的主题数据库共建共享架构。推动建筑信息模型（BIM）技术与工程建造技术深度融合应用，构建高精度城市信息模型（CIM）平台。（二）强化数据目录管理构建数据图谱，梳理各部门、各行业非涉密数据数量、类型、更新周期、产生来源、支撑应用等情况，分行业、分地域构建覆盖人、企、事、车、地、物等主体的数据图谱，形成数据一张图。坚持需求导向，深入实施三清单制度，梳理数据共享需求，落实数据共享责任，完善数据目录，实现数据应享尽享。（三）推进公共数据开放依法推动公共数据最大限度开放，构建各部门公共数据开放清单，定期更新公共数据开放目录，持续拓展公共数据开放广度。完善公共数据开放系统，扩展数据服务功能，支撑数据开发利用。鼓励和支持利用开放的公共数据开展科学研究、咨询服务、产品开发、数据加工、数据服务等活动，引导各类社会力量开展公共数据应用创新，发挥数据资源效益。（四）打造数据治理能力中台持续提升大数据资源中心数据处理和治理能力，建成集数据可视化、地理信息系统（GIS）集成展现、数据叠加、数据沙箱、隐私计算、区块链、数据脱敏工具等技术和控件库、服务库的数据治理能力平台，为数据开发应用提供共性技术、业务协同等支撑。加强元数据管理、数据生命周期管理、数据交换与共享管理、数据安全管理等，提升数据治理能力。梳理跨层级、跨地域、跨系统、跨部门、跨业务大数据应用共性需求，强化集约化、组件化应用支撑，持续丰富数据中台服务能力。（五）持续提升数据质量建立数据质量闭环管理制度，明确数据采集、汇聚、存储、共享等各环节数据质量和职责要求。开展数据标准化巡查、清洗、去重、校验、修复等质量提升工作，推进覆盖公共数据、社会数据的数据清洗和比对加工。建立跨部门的数据质量纠错反馈机制，按照一数一源原则，对各部门共享的数据进行规范性检查、前后一致性比对、综合校验。构建数据质量评估指标体系，开展数据质量监测评估，提升数据的完整性、准确性、时效性和可用性。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。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。数据治理平台工具数据开发与治理一体化是将数据治理的过程融入到数据开发的全生命周期中，强调先设计、后开发、先标准、后建模的原则，其目标就是将数据治理的流程与数据开发的全生命周期相融合，在数据开发过程中完成数据治理。通过指标和数据标准的定义实现规范即设计，设计即开发，开发即治理的开发治理一体化理念。通过元数据管理、数据标准规范设计、数据质量提升、数据热度和成本计算，优化数据生产成本、量化数据收益价值，广泛应用于数据中台建设的中后期阶段。平台覆盖了日常数据治理过程中的核心资产管理模块。构建稳定高效产业链（一）打造高端产品链梳理数据生成、采集、存储、加工、分析、服务、安全等关键环节大数据产品，建立大数据产品图谱。在数据生成采集环节，着重提升产品的异构数据源兼容性、大规模数据集采集与加工效率。在数据存储加工环节，着重推动高性能存算系统和边缘计算系统研发，打造专用超融合硬件解决方案。在数据分析服务环节，着重推动多模数据管理、大数据分析与治理等系统的研发和应用。（二）创新优质服务链围绕数据清洗、数据标注、数据分析、数据可视化等需求，加快大数据服务向专业化、工程化、平台化发展。创新大数据服务模式和业态，发展智能服务、价值网络协作、开发运营一体化等新型服务模式。鼓励企业开放搜索、电商、社交等数据，发展第三方大数据服务产业。围绕诊断咨询、架构设计、系统集成、运行维护等综合服务需求，培育优质大数据服务供应商。（三）优化工业价值链以制造业数字化转型为引领，面向研发设计、生产制造、经营管理、销售服务等全流程，培育专业化、场景化大数据解决方案。构建多层次工业互联网平台体系，丰富平台数据库、算法库和知识库，培育发展一批面向细分场景的工业APP。推动工业大数据深度应用，培育数据驱动的平台化设计、网络化协同、个性化定制、智能化生产、服务化延伸、数字化管理等新模式，规范发展零工经济、共享制造、工业电子商务、供应链金融等新业态。（四）延伸行业价值链加快建设行业大数据平台，提升数据开发利用水平，推动行业数据资产化、产品化，实现数据的再创造和价值提升。打造服务政府、服务社会、服务企业的成熟应用场景，以数据创新带动管理创新和模式创新，促进金融科技、智慧医疗等蓬勃发展。持续开展大数据产业发展试点示范，推动大数据与各行业各领域融合应用，加大对优秀应用解决方案的推广力度。数据治理目标与价值构建数据标准体系的目标是通过统一的数据标准制定和发布，结合制度约束、系统控制等手段，实现企业内部数据的完整性、有效性、一致性、规范性、开放性和共享性管理，为数据治理工作打下坚实的基础，为数据资产管理活动提供规范有效依据。数据标准化的过程是通过数据管理平台实现数据标准，并将各个系统产生的数据通过清洗、转换、加载到整合平台的数据模型中，实现数据标准化的过程。首先，通过要求数据语义遵循确定规则来减少源数据的不确定性、减轻数据交换的障碍。其次，数据标准的兼容性为企业相互共享提供可能，在不同场景和环境中使用数据产品或服务，可以使数据产品或服务正常流转运行。数据标准体系的建立可有效提升企业数据治理的效率，降低数据治理成本。（一）提升企业数据治理数据质量数据作为产生业务价值和实现业务目标的基石，数据质量已成为企业实现业务目标的一个极其重要的因素。数据的质量问题在一定的角度上反映出企业数据治理过程中存在的一些问题，分析数据质量问题可以帮助企业找到问题的源头。高质量的数据对管理决策，业务支撑都有极其重要的作用。企业的数据质量与企业经营业绩之间有着直接的关系。高质量的数据可以保持公司的竞争力，在企业市场竞争时期立于不败之地，而低质量数据往往会导致错误的业务决策。提升数据质量能够为企业提供结构清晰的数据，是企业开发业务系统、提供数据服务、发挥数据价值的必要前提。（二）推动数据安全体系建设企业数据安全体系建设是数据治理和信息生命周期管理的基础，通过对企业内部的数据全生命周期的盘点梳理，可以帮助确定企业数据所有权的适当分配及建立完善的权责制度，满足监管及合规要求。在企业数据治理过程中，数据安全能力的提高成为数据价值共享的关键，推动数据安全体系建设是企业数据治理的必要环节。企业根据数据资产对企业的重要程度，为数据打上不同的标签，对敏感数据进行分级分类，根据数据所属的级别，明确数据的使用范围、开放方式、不同等级的数据在不同场景使用不同的安全策略。企业可以采取数据泄露防护、加密、权限管理等技术手段，对企业机密数据提供进一步的保护，从而降低数据泄露带来的风险。（三）推动数据资产体系建设与管理数据治理是实现数据资源向数据资产转变的重要载体，基于数据治理形成的数据资产体系作为企业各业务数据服务的提供方，在建设过程中需匹配企业战略规划，从全局维度将自身平台能力与数据能力赋能业务。同时，数据源不断地向数据资产平台输出数据，即业务产生数据，数据服务业务，形成业务数据化、数据资产化、资产服务化、服务业务化、业务智能化的一套闭环、高效的数据资产体系与数据服务能力。企业如何进行数据资产管理、提升数据质量、挖掘数据价值并通过数据赋能业务，已成为企业数据治理的核心问题。企业通过建设统一的数据资产管理平台，综合管理所有数据资产，可实现数据资产的智能化管理，充分发挥数据的潜在价值。数据资产平台作为一体化的数据资产管理工具，通过制定元数据模型、数据标准等规范，采集并建立完整的数据资产目录体系，打通数据关系网络，实现数据的标准化和资产化管理。（四）推动数据管理组织体系建设数据管理组织体系涉及业务、IT、管理等方方面面，仅仅依靠技术部门来推动和开展数据管理工作无法取得成功，只有来自更高层管理者的驱动力，建立自上而下的跨部门、跨业务条线的组织体系，才能保证企业内部的高效协作，推进数据治理各项任务的有效执行。实践证明企业的数据管理办公室、数据管理部可协助企业制定公司级的数据管理制度、流程、机制，建立并维护企业级数据架构，监控数据质量，披露重大数据问题，建立专业任职资格管理体系，提升企业数据管理能力，推动企业数据治理制度文化的建立和传播。（五）促进数据应用及共享数据治理的主要目标之一是推动数据有序、安全地流动，以便最大程度地挖掘和释放数据价值。数据流动则需要推动数据的开放分享，实现数据的汇聚、建模、共享。数据的开放共享的核心在于数据汇聚，打破数据孤岛，实现数据价值的流通；重构数据获取及应用方式，重塑从数据供应到消费的链条；建立高效、规范的自助消费数据应用。数据治理可有效促进数据应用及数据共享，使更多的企业组织充分地使用已有数据资源，减少信息收集、数据采集等重复劳动和相应费用，而把精力重点放在开发新的数据应用及系统集成上。数据应用及共享可以为企业组织带来降低运营成本、增强业务能力、提高效率、集中访问数据以减少重复数据集、促进组织间的沟通与合作，加强参与组织之间的联系等益处。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。强化数据安全管理（一）完善数据安全管理制度建立健全数据全生命周期安全管理制度，明确数据采集、汇聚、存储、共享、开发利用等各环节安全责任主体和具体要求。建立数据安全监测预警制度，对安全监测信息、监督检查信息和通报信息进行分析研判和风险评估，发布安全风险预警。建立数据安全评估制度、安全责任认定机制和重大安全事件及时处置机制，完善数据全生命周期安全保障措施。编制数据安全应急预案，明确应急处置的组织机构及其职责、安全事件分级、应急响应程序、处置措施等。（二）强化数据安全防护开展数据安全技术创新研究和数据安全关键技术攻关，加强安全可靠技术和产品推广应用，增强数据安全预警和溯源能力，持续提升数据隐私保护水平，确保数据安全自主可控。提升大数据资源中心安全防护能力，开展数据安全评估、应急演练，确保重要数据基础设施运行安全