数据治理行业发展概况分析

数据治理行业发展概况

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。扩展数据跨域跨境流通（一）打造国家级数据流通服务中心积极参与全国一体化大数据中心建设试点，加快建设全国一体化算力网络国家枢纽节点成渝枢纽。建设国家级数据流通服务中心，推进国家数据长城行动计划，推动跨层级、跨地域、跨行业数据联动和数据融合应用。建设国家级数据靶场，基于各类应用场景进行建模、数据治理和分析，有效支撑公共卫生、自然灾害、事故灾难、社会安全、基层治理等各领域应用。全面融入国家数网—数纽—数链—数脑—数盾协同创新体系。（二）促进数据跨省跨域流通积极探索数据共享交换和开发利用等一体化创新路径，促进数据跨省跨地域流通。探索建立统一的区域数据共享和开放目录清单，梳理跨省跨地域共享数据资源数量及种类，推动跨省跨地域数据共享开放。推动渝快办与天府通办对接，扩大跨省通办跨省联办服务范围，推进社保、医保、公积金等跨省通办事项高频使用证明的电子化，推进跨省跨地域互认共享、在线核验。（三）探索推动数据跨境流动联合新加坡加快建立数据跨境流动分类分级管理和风险评估政策体系，积极争取中新跨境服务贸易与跨境数据流动试点示范。探索签订数据保护互认备忘录，制定渝新跨境数据流动实施方案。大数据产业发展目标（一）产业保持高速增长到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。（二）价值体系初步形成数据要素价值评估体系初步建立，要素价格市场决定，数据流动自主有序，资源配置高效公平，培育一批较成熟的交易平台，市场机制基本形成。（三）产业基础持续夯实关键核心技术取得突破，标准引领作用显著增强，形成一批优质大数据开源项目，存储、计算、传输等基础设施达到国际先进水平。（四）产业链稳定高效数据采集、标注、存储、传输、管理、应用、安全等全生命周期产业体系统筹发展，与创新链、价值链深度融合，新模式新业态不断涌现，形成一批技术领先、应用广泛的大数据产品和服务。（五）产业生态良性发展社会对大数据认知水平不断提升，企业数据管理能力显著增强，发展环境持续优化，形成具有国际影响力的数字产业集群，国际交流合作全面深化。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。数据治理指导思想立足新发展阶段，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。数据治理保障体系（一）数据治理组织体系保障建立全方位、跨部门、跨层级的数据治理组织架构，是实施组织级统一化、专业化数据管理的基础，是数据管理责任落实的保障。一般来说，数据治理组织架构包括决策层、组织协调层、管理层、工作执行层四个层级。决策层作为数据决策方，由组织CIO或CDO担任，负责制定数据治理决策、战略和考核机制。组织协调层由虚拟的数据治理委员会承担，负责统筹管理和协调资源，细化数据治理的考核指标。管理层由数据治理办公室承担，作为数据治理的主要实体管理部门，负责构建和维护组织级架构（包括业务架构、数据架构、IT架构），制定数据治理制度体系和长效机制，定期开展数据治理检查与总结，并向组织协调层和决策层汇报。工作执行层由业务部门和技术部门共同承担，负责在数据项目中落实数据治理工作，与管理层协同参与各项活动。（二）数据治理制度体系保障为了保障数据治理工作和组织架构正常运转，需要围绕数据治理流程建立一套覆盖数据引入、加工、使用、服务等整个数据生产运营过程的制度规范，对数据治理领域各工作环节主要活动进行说明，为各业务部门开展数据管理工作提供参考依据，从制度上保障数据治理工作有据、可行、可控。数据治理制度体系通常分层次设计，依据管理的颗粒度，制度体系可划分为总体规定、管理办法、实施细则和操作规范四个层次。总体规定从决策层和组织协调层视角出发，包含数据战略、角色职责、认责体系等，阐述数据治理的目标、组织、责任等。管理办法从管理层视角出发，规定数据治理各活动职能的管理目标、管理原则、管理流程、监督考核、评估优化等。实施细则从管理层和执行层的视角出发，围绕管理办法相关要求，明确各项活动职能执行落实的标准、规范、流程等。操作规范从执行层的视角出发，依据实施细则，进一步明确各项工作需遵循的工作规程、操作手册或模板类文件等。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。打造繁荣有序产业生态（一）培育壮大企业主体发挥龙头企业研制主体、协同主体、使用主体和示范主体作用，持续提升自主创新、产品竞争和知识产权布局能力，利用资本市场做强做优。鼓励中小企业专精特新发展，不断提升创新能力和专业化水平。引导龙头企业为中小企业提供数据、算法、算力等资源，推动大中小企业融通发展和产业链上下游协同创新。支持有条件的垂直行业企业开展大数据业务剥离重组，提升专业化、规模化和市场化服务能力，加快企业发展。（二）优化大数据公共服务建设大数据协同研发平台，促进政产学研用联合攻关。建设大数据应用创新推广中心等载体，促进技术成果产业化。加强公共数据