数据治理演讲稿分析

数据治理演讲稿

推动建立市场定价、政府监管的数据要素市场机制，发展数据资产评估、登记结算、交易撮合、争议仲裁等市场运营体系。培育大数据交易市场，鼓励各类所有制企业参与要素交易平台建设，探索多种形式的数据交易模式。强化市场监管，健全风险防范处置机制。建立数据要素应急配置机制，提高应急管理、疫情防控、资源调配等紧急状态下的数据要素高效协同配置能力。数据是数字经济发展的关键要素，加快推进数据治理工作是保障数字经济高质量发展的重要前提。“十四五”时期是我国工业经济向数字经济迈进的关键时期，对大数据产业发展提出了新的要求，产业将步入集成创新、快速发展、深度应用、结构优化的新阶段。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。大数据产业面临形势抢抓新时代产业变革新机遇的战略选择。面对世界百年未有之大变局，各国普遍将大数据产业作为经济社会发展的重点，通过出台数字新政、强化机构设置、加大资金投入等方式，抢占大数据产业发展制高点。我国要抢抓数字经济发展新机遇，坚定不移实施国家大数据战略，充分发挥大数据产业的引擎作用，以大数据产业的先发优势带动千行百业整体提升，牢牢把握发展主动权。呈现集成创新和泛在赋能的新趋势。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。构建新发展格局的现实需要。发挥数据作为新生产要素的乘数效应，以数据流引领技术流、物质流、资金流、人才流，打通生产、分配、流通、消费各环节，促进资源要素优化配置。发挥大数据产业的动力变革作用，加速国内国际、生产生活、线上线下的全面贯通，驱动管理机制、组织形态、生产方式、商业模式的深刻变革，为构建新发展格局提供支撑。加快培育数据要素市场（一）建立数据要素价值体系按照数据性质完善产权性质，建立数据资源产权、交易流通、跨境传输和安全等基础制度和标准规范，健全数据产权交易和行业自律机制。制定数据要素价值评估框架和评估指南，包括价值核算的基本准则、方法和评估流程等。在互联网、金融、通信、能源等数据管理基础好的领域，开展数据要素价值评估试点，总结经验，开展示范。（二）健全数据要素市场规则推动建立市场定价、政府监管的数据要素市场机制，发展数据资产评估、登记结算、交易撮合、争议仲裁等市场运营体系。培育大数据交易市场，鼓励各类所有制企业参与要素交易平台建设，探索多种形式的数据交易模式。强化市场监管，健全风险防范处置机制。建立数据要素应急配置机制，提高应急管理、疫情防控、资源调配等紧急状态下的数据要素高效协同配置能力。（三）提升数据要素配置作用加快数据要素化，开展要素市场化配置改革试点示范，发挥数据要素在联接创新、激活资金、培育人才等的倍增作用，培育数据驱动的产融合作、协同创新等新模式。推动要素数据化，引导各类主体提升数据驱动的生产要素配置能力，促进劳动力、资金、技术等要素在行业间、产业间、区域间的合理配置，提升全要素生产率。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。大数据产业发展成效十三五时期，我国大数据产业快速起步。据测算，产业规模年均复合增长率超过30%，2020年超过1万亿元，发展取得显著成效，逐渐成为支撑我国经济社会发展的优势产业。政策体系逐步完善。围绕数字经济、数据要素市场、国家一体化大数据中心布局等作出一系列战略部署，建立促进大数据发展部际联席会议制度。有关部委出台了20余份大数据政策文件，各地方出台了300余项相关政策，23个省区市、14个计划单列市和副省级城市设立了大数据管理机构，央地协同、区域联动的大数据发展推进体系逐步形成。产业基础日益巩固。数据资源极大丰富，总量位居全球前列。产业创新日渐活跃，成为全球第二大相关专利受理国，专利受理总数全球占比近20%。基础设施不断夯实，建成全球规模最大的光纤网络和4G网络，5G终端连接数超过2亿，位居世界第一。标准体系逐步完善，33项国家标准立项，24项发布。产业链初步形成。围绕数据资源、基础硬件、通用软件、行业应用、安全保障的大数据产品和服务体系初步形成，全国遴选出338个大数据优秀产品和解决方案，以及400个大数据典型试点示范。行业融合逐步深入，大数据应用从互联网、金融、电信等数据资源基础较好的领域逐步向智能制造、数字社会、数字政府等领域拓展，并在疫情防控和复工复产中发挥了关键支撑作用。生态体系持续优化。区域集聚成效显著，建设了8个国家大数据综合试验区和11个大数据领域国家新型工业化产业示范基地。一批大数据龙头企业快速崛起，初步形成了大企业引领、中小企业协同、创新企业不断涌现的发展格局。产业支撑能力不断提升，咨询服务、评估测试等服务保障体系基本建立。十三五时期我国大数据产业取得了重要突破，但仍然存在一些制约因素。一是社会认识不到位，用数据说话、用数据决策、用数据管理、用数据创新的大数据思维尚未形成，企业数据管理能力偏弱。二是技术支撑不够强，基础软硬件、开源框架等关键领域与国际先进水平存在一定差距。三是市场体系不健全，数据资源产权、交易流通等基础制度和标准规范有待完善，多源数据尚未打通，数据壁垒突出，碎片化问题严重。四是安全机制不完善，数据安全产业支撑能力不足，敏感数据泄露、违法跨境数据流动等隐患依然存在。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