数据服务能力等级要求和评价方法

5数据服务能力等级要求和评价方法本文件提出了数据服务能力等级模型，规定了数据服务能力等级要求，明确了数据服务能力的评价方法。本文件适用于：a)数据服务供方建立、评价和改进自身的数据服务能力；b)外部评价机构对数据服务提供方的数据服务能力进行测量和评价；c)需方对供方数据服务能力的选择评价。2规范性引用文件下列文件中的内容通过文中的规范性引用而构成本文件必不可少的条款。其中，注日期的引用文件，仅该日期对应的版本适用于本文件；不注日期的引用文件，其最新版本（包括所有的修改单）适用于本文件。GB/T35589—2017信息技术大数据技术参考模型GB/T37988—2019信息安全技术数据安全能力成熟度模型3术语和定义下列术语和定义适用于本文件。3.1数据服务dataservice供方按照需方开发和应用数据的需求提供的一系列服务过程及过程产生的成果。3.2数据服务能力dataservicecapability为创造服务价值，对数据进行处理和分析等的能力。3.3能力域capabilityarea一组相关能力子域的集合。3.4能力子域capabilitysubdomain一组相关能力项的集合。63.5模型model系统、实体、现象或过程的物理、数学或逻辑表示。3.6能力项capabilityitem数据服务保障能力单项。3.7服务支持能力servicesupportcapability数据服务供方满足客户需求、保障服务过程的能力。3.8知识库knowledgebase针对数据服务领域问题求解的需要，在系统中存储、组织、管理和使用的结构化、互相联系的知识集合，包括理论知识、解决方案、事实数据、由专家经验得到的启发式知识等。3.9供方supplier提供数据服务的组织机构。3.10需方acquirer需要数据服务的组织机构。4数据服务能力模型数据服务能力模型框架定义了3个能力域，7个能力子域，26个能力项。图1给出了数据服务能力模型框架。在评价过程中，可基于被评价单位实际情况进行模型框架的调整。例如，可根据被评价单位的数据服务范围，对本模型框架的技术服务能力域进行裁剪和扩展，形成特定环境下定制化的数据服务能力评价实施方案。7图1数据服务能力模型框架5数据服务能力等级5.1概述数据服务能力评价模型如图2所示，反映数据服务能力水平的框架，按数据服务能力高低定义了五个等级，分别为一级、二级、三级、四级和五级。图2数据服务能力等级数据服务能力水平的提升通过渐进的方式来实现，较高评价等级涵盖了低等级的全部要求。5.2一级供方数据服务来自被动的项目需求或随机开展的工作，未实施必要的数据服务能力管理，具体特征如下：a)缺乏数据服务的顶层设计，服务主要是在项目级体现；b)仅具备项目级的技术服务能力；c)仅有面向具体项目的服务响应能力和服务流程管理，技术知识储备在个别人中；进行了一些重要数据文档工作，未建立案例库。85.3二级供方在数据职能部门或领域内开始数据服务业务化，指定人员实施了必要的数据服务能力管理，日常数据服务活动有序开展，并开始评价数据服务对组织的战略意义，具体特征如下：a)相关部门已意识到数据服务的业务化意义，制定数据服务的管理规范，设置了相关岗位并明确其权责要求；b)对支撑业务化所需的技术服务能力的界定和范围形成部门级共识，整合内外部资源形成初步完整的相关技术栈；c)具备基本的服务响应能力体系，服务流程适当，组织中相关团队的技能水平提升，开始逐步积累和利用行业理解和项目案例。5.4三级供方的数据服务业务纳入组织战略层面，形成了较为系统的数据服务能力管理体系，且有效实施，已主动开展数据服务工作，工作开展的效果可进行衡量，具体特征如下：a)数据服务业务实现组织绩效目标的战略部署，形成产品（服务）线，在组织内部建章立制；b)数据服务技术体系完备且水平较高，技术的管理以及应用能结合供需双方组织的业务战略、服务拓展需求和外部监管需求；c)服务分级响应机制建立，服务流程体系化管控，数据服务相关培训常态化，案例库发挥较大作5.5四级供方形成了完善的数据服务能力，助力需方的数据成为流程优化、绩效提升、获取竞争优势的重要资产，服务能力得以量化评价、精细化管控和持续优化，具体特征如下：a)数据服务业务引领组织战略发展，产品前瞻、服务主动，在制定组织战略的时候可获得相关资源的优先投入，建立了可量化的评价指标体系；b)参与国家、行业等相关标准研制、理论或技术创新的工作，技术体系充分体现了对行业最佳实践以及国家标准的借鉴和有效落地；c)服务能力对服务效率的促进可量化体现，经验在组织内推广并有效促进组织整体管理水平的提升，组织中形成数据文化，案例库智能化地支撑技术储备和行业经验积累。5.6五级供方的数据服务持续优化，能够致力于需方业务价值的提升，能被行业普遍认可为最佳实践，具体特征如下：a)数据服务成为供方的核心竞争力，同时为需方创造更多的价值；b)数据服务技术引领发展趋势，能主导国家、行业等相关标准的研制；c)数据服务能力建设的经验被公认为行业最佳实践案例，并可凝练为服务管理领域的共性方法论并推广。6能力项等级标准6.1服务战略a)一级：1)承接零散的数据服务类项目，未形成组织战略层面的业务线布局规划；92)对数据服务项目进行专项的预算和财务管理。b)二级：1)数据服务战略在数据职能部门或领域内开展；2)结合内外部环境和业务现状，评价关键数据服务业务对组织战略的贡献度和资源分配优先3)制定数据服务业务目标，对所有项目统筹规划、全面分析，明确重点实施方向；4)利益相关者参与制定数据服务项目的预算和绩效评价方案；5)设置数据服务管理兼职或专职岗位，岗位职责明确，能有效推进相关项目的管理和业务的扩展；6)数据服务工作的重要性开始得到组织管理层的重视和认可。c)三级：1)专项的数据服务战略制定和管理在组织范围内开展，获得组织管理层支持；2)制定并落实与战略配套的制度规范、组织架构和资源保障等；3)编制战略执行的实施路线规划并贯彻；4)针对数据服务业务和职能建立任务绩效评价模型和考核机制，定期执行并纳入审计范围；5)落实专项战略的文书编制、评审、发布、维护和宣贯等配套工作；6)有相应的风险管控机制和措施，根据内外部环境变化及时调整、优化战略；7)通过成本收益准则指导数据服务业务的投资和实施优先级安排。1)专项的数据服务战略制定依据充分、方法科学、目标具体、指标量化；2)有专门的团队或专员负责专项的数据服务战略管理工作；3)能量化分析战略管理的执行管控和绩效考核；4)积累大量的数据、构建专门的量化分析模型和方法，衡量评价数据服务的成本和价值，并动态调整资源投入优先级、比例和预算；5)能通过统计方法或其他量化方法分析验证数据服务战略支撑组织战略、提升组织竞争力的有效性；6)培育形成组织内的数据和服务管理文化。e)五级：1)数据服务战略预见面向未来中长期的技术革新和服务模式的发展趋势；2)成为普遍认同的业界领袖和标杆。6.2服务运营a)一级：1)根据需方请求进行了针对性、定制化的数据服务；2)服务模式以被动式需求响应为主；3)数据服务团队分散在组织内的各个部门，成员依项目要求抽调和组建。b)二级：1)在数据职能部门或领域内对数据服务的表现形式等进行统筹；2)明确了数据服务标准、质量和安全等要求；3)通过项目实施总结了数据服务管理策略和流程等，运营向规范化、规模化发展。c)三级：1)在组织范围内统筹数据服务对外提供的方式，形成分类明晰、类目全面、技术成熟的产品（服务）线；2)建立并规范数据服务状态监控、统计、追溯和管理功能，并有统一的平台支撑；3)建立组织层面的数据服务管理制度，细化各关键管理域的管理规范和技术要求；4)有意识地获取并响应市场需求，主动提供数据服务；5)形成包含服务模式设计、服务目录管理、服务级别设计、服务资源配置等的标准化的服务方案设计方法论；6)形成产品（服务线）定价，对数据服务的成本-效益进行量化评价，量化投入产出比。1)建立组织层面的客户关系管理机制，客户资源跨部门协同；2)产品和服务方案完整、合理性高、针对性强；3)通过服务级别（包括服务的连续性、可用性、服务能力、服务规模、服务费用等）和服务方案的具体设计，形成服务级别协议；4)具有数据服务目录、计量计费、绩效评价等标准规范，支撑数据运营工作长效、有序开展；5)具有一批良好协作的供应商和合作方，协同创新产品和服务模式，形成数据服务产业链；6)通过数据服务提升组织的竞争力；7)具备数据服务价值量化评价的精准化模型和方法，体现评价的实时性和动态性。e)五级：1)市场排名、主要客户的规模和价值均处于该行业领域的前列；2)是产业链生态培育和发展的主导力量；3)产品和服务在行业内认可度高，具有良好的声誉。6.3管理制度a)一级：1)管理制度落实在项目层面，呼应通过项目合同等明确下来的需方要求；2)管理制度及其细则的规定和落实是各项目的项目管理内容的组成部分。b)二级：1)管理制度落实在数据职能部门或领域内；2)跟踪制度实施情况，按需修订管理办法；3)明确服务交付物的范围、内容、形式和管理规程；4)识别并体现利益相关方的权责利。c)三级：1)形成数据服务制度框架，并落实在组织范围内；2)覆盖各数据职能域的管理办法和细则，明确各管理过程的管理要求、标准流程和操作规范；3)落实制度的编制、评审、发布、宣贯、实施和持续改进等闭环管控工作，做好相应的人员安排；4)制度制定考虑了合规、风险防控等应对内外部环境变化的因素；5)建立经费保障机制，经费预算纳入组织的整体预算计划；6)形成良好的群众基础，业务人员愿意主动参与。1)建立工作考核机制，并纳入相关部门的绩效考核；2)与业务发展阶段相适应，能够推动数据服务战略的实施；3)与组织架构等其他组织管理关键环节相辅相成；4)通过专题培训等方式，学习并借鉴了业界最佳的制度建设实践。e)五级：1)作为行业最佳实践被业界学习、参考和借鉴。6.4组织架构a)一级：1)组织架构落实在项目层面，适应各项目的管理要求；2)依靠核心项目成员个人能力“救火式”解决项目实施中的问题，尚无专业的分工和组织机制保障。b)二级：1)在数据职能部门或领域内形成面向数据服务的组织架构；2)统筹数据服务相关人员安排，岗位职责明确，体现在岗位描述中。c)三级：1)在组织范围内明确统一的数据服务业务域归口部门；2)建立满足项目实施全过程的组织保障机制，组织架构清晰、合理和科学，岗位职责明确，人员安排合理；3)建立数据服务管理领导班子，指定高层管理者分管，负责数据服务业务相关的决策，参与相关工作；4)组建数据服务管理团队，明确岗位责任，确定业务责任人，定期开展检查和考核；5)组建数据服务监督团队，建立、健全覆盖管理、业务和技术人员的责任体系，定期开展检查和考核。1)组织架构的设计参考了管理学的方法论、业界实践，符合组织的服务策略和发展阶段，支撑组织战略和制度建设；2)建立结构合理的复合型的数据服务团队，能覆盖管理、技术和运营等知识域；3)帮助相关人员通过职业规划路线图等方法明确个人发展目标；4)数据服务管理工作的评价标准量化，与相关人员的奖惩制度相挂钩；5)选择有资质的第三方机构开展数据服务评价及审计；6)定期对数据服务管理的干系人开展法律法规、管理制度和岗位技能等专题培训。e)五级：作为行业最佳实践被业界学习、参考和借鉴。6.5相关资质a)一级：1)具有相应经营范围的独立法人或其他组织；2)具有独立承担民事责任的能力；3)具有良好的商业信誉和健全的财务会计制度；4)有依法缴纳税收和社会保障资金的良好记录；5)在经营活动中没有重大违法记录；6)未被列入失信被执行人名单、重大税收违法案件当事人名单。b)二级：1)有实施数据服务相关项目经验，能提供相关凭证；2)具有一系列与项目直接相关的组织机构资质及各类证书，组织机构资质由政府部门颁发，各类证书由政府部门或政府部门明确授权的直属事业单位或行业协会颁发，证书在有效期c)三级：1)产品、服务和关键技术等具备自有知识产权且权属在有效期内；2)承担数据服务相关项目数量多，能提供相关凭证；3)超过三分之一的项目团队人员具有数据服务相关资质证书。1)产品、服务和关键技术等具备自有知识产权，且具有技术类奖励证书；2)主持或参与的项目涵盖的行业领域广泛且项目规模大、金额高，能提供相关凭证；3)超过三分之二的项目团队人员具有数据服务相关资质证书，具备信息技术、大数据或信息技术服务相关国家标准制定的骨干人员。e)五级：1)产品、服务和关键技术等具备自有知识产权，且具有技术类奖励证书；2)主持或参与的项目涵盖的行业领域广泛且项目规模大、金额高，能提供相关凭证；3)项目团队全部人员具有数据服务相关资质证书，项目负责人或骨干曾获省级或直辖市级及以上科技进步奖。6.6数据收集a)一级：1)能够明确数据资源的颗粒度到字段级；2)有效实现库表、文件、流数据等不同数据类型的收集；3)符合数据传输网络架构、建设、接入、运行等相关标准规范。b)二级：1)深入理解并遵循数据服务需方的数据采集规范；2)能够提供手工录入及在线连接梳理各种类型的数据资源，具备物联、视频等非结构化数据的采集和存储方案；3)能遵循统一的数据溯源方式来进行数据资源的协调。c)三级：1)协助需方建立数据对接、数据格式、采集接口等技术要求，优化采集的模型、架构；2)明确数据收集范围时聚焦数据价值，兼顾广度和深度；3)能够有效提升数据采集的质量和全面性，并根据业务目标划分和执行相应的时效优先级；4)通过机制和技术确保数据上下游更新的一致性；5)根据收集数据的安全级别实现相应的安全保护、用户隐私保护和权限管理。1)能够制定与数据服务需方的战略、业务目标和项目需求相匹配的数据收集策略；2)能够通过有效的源系统数据分析反馈数据现状、与业务期望差距及实施建议；3)能够通过信息提取、关联、索引、分析等技术，有效收集并发挥非结构化数据的价值；4)建立数据收集过程的监控预警平台。e)五级：参加行业、国家数据采集等相关管理和技术标准的制定。6.7数据预处理a)一级：1)深入理解并遵循数据服务需方的数据预处理规范；2)能提供基本完整的数据清洗、转换和集成服务。b)二级：1)满足需方数据抽取、自查校核等相关预处理技术要求；2)数据抽取技术能够实现从非结构化数据中进一步提取更加有效的信息；3)在数据集成过程中，能抽取元数据和记录溯源信息，进行元数据管理和溯源管理。c)三级：1)能够充分考虑法规遵从、业务连续性、系统性能、安全保护、建设成本等因素，对不同类型和等级的数据设计相应的预处理策略；2)具备完善的支撑数据验证、清洗、标准化、格式化、存储和版本管理的方法或工具，能够在活动结束后自动生成数据预处理报告；3)能扩展的数据集成处理，提供包括关联发现、数据分类等功能的数据整合服务。1)基于对客户业务的深度理解，设计面向行业领域和业务的数据比对和数据校验规则和模2)能通过不同的方式将数据关联、整合和提供统一的服务；3)形成智能化的数据预处理技术。e)五级：1)形成自主创新的数据预处理方法论、软件或工具；2)作为行业最佳实践被业界学习、参考和借鉴。6.8数据分析a)一级：1)根据项目要求，在项目层面开展常规报表分析；2)开发并提供数据接口；3)在系统层面提供数据查询，满足需方特定范围的数据使用需求。b)二级：1)根据项目需求制定数据分析应用的管理规范和技术标准；2)采用点对点的方式协助需方处理数据分析中跨部门的数据需求；3)能够正确选择符合行业特征和客户特征的数据分析与建模算法。c)三级：1)根据项目需求为需方在组织级层面建设统一报表平台，整合报表资源；2)建立专门的数据分析团队，快速支撑需方业务部门的数据分析需求；3)以业务需求为驱动，面向不同类型的业务需求开展专题数据分析；4)建立常用数据分析模型库,支持业务人员快速进行需方数据探索和分析。1)有量化平台、工具或技术量化评价数据分析效果；2)能够基于业务或数据驱动，明确大数据的分析与应用的相关策略；3)能够开发新算法，通过人工智能、机器学习等技术辅助数据建模和模型的调整。e)五级：1)数据分析能被数据服务需方评价为有力支持其业务应用、运营管理和创新变革；2)能推动自身技术创新。6.9数据可视化a)一级：1)能够借助图形化手段，清晰有效地传达与沟通信息；2)具备多样化展示效果图库。b)二级：1)支持数据多维度的快速分析及展现，为业务数据提供多元化可视化效果；2)数据可见性的权限管理完善；3)需方可自行配置和管理可视化效果；4)支持多终端的数据可视化展现，实现内容和规格自适应。c)三级：1)对于高维度、海量数据，能够实现可视分析；2)具有集成报表、多维分析、数据挖掘、数据分析等多项功能、对业务人员友好的工具；3)具有标准化与可扩展性。1)视觉效果凸显数据服务需方的业务特征和组织文化；2)能够依据数据分类建立相应的展示和发布策略；3)满足海量数据实时/准实时展现的速度性能要求。e)五级：形成业界普遍认可的数据可视化服务品牌。6.10数据访问a)一级：1)与可视化和分析功能交互，响应应用程序请求；2)根据需方内外部共享需求，从分散在各业务系统的数据中，实现点对点的数据共享开放，尚无统一的访问平台和管理。b)二级：1)协助需方统一管理数据资源，实现集中的数据访问；2)能够建立清晰、易检索的可访问数据资源目录，规范了数据源和数据口径；3)能够提供数据资源的搜索、查询、预览和目录导航服务；4)通过使用处理和平台框架来检索数据，并响应数据使用者请求。c)三级：1)协助需方制定统一的数据访问组织、规范、策略和流程，包括数据安全、质量和组织等，建立访问内容和申请等审核机制；2)确保数据访问过程安全可控、合法合规、统一标准、便捷高效，基于数据授权信息进行数据可信共享合规校验；3)能够根据数据的性质、特点、分级分类监管要求提供相应的数据格式和访问模式；4)提供日志记录等访问数据管理功能，如时间戳、数据流通方式、参与者身份以及数据内容描述等。1)协助需方及时更新可访问的数据集，确保数据质量；2)协助需方制定数据访问的安全、质量等的定期评价机制；3)建立访问目录和清单的动态调整机制；4)协助需方建立透明化、可审计、可追溯的数据访问全过程管理机制；5)及时了解被访问数据的利用情况，并根据内外部的访客反馈的问题，提出改进措施；6)对有条件访问的数据，能提供技术手段支撑需方的数据使用者按照数据利用协议的约定，向需方反馈数据利用情况。e)五级：1)有利于需方通过提供数据访问创造更大的社会价值和经济价值；2)提升需方员工用数意识，建立良好的数据文化；3)在业界分享最佳数据访问实践。6.11基础设施a)一级：1)为数据服务需方大数据体系提供网络、计算、存储和环境等物理资源；2)大数据存储应支持数据上传、数据下载、目录查看、目录创建、目录删除、权限修改等操作。b)二级：1)所提供的的物理资源可控制支持相似的虚拟资源；2)应提供数据自动备份的功能；3)应支持数据批量更新、删除等数据管理功能。c)三级：1)具备高弹性、高可靠性、高冗余等特性；2)涵盖多种存储方式，包括分布式文件存储、分布式结构化数据存储、分布式列式数据存储、分布式图数据存储等；3)应具备关键节点（部件）高可用性设计与要求；4)应支持流式的实时数据入库，支持实时查询。1)制定全方位多重安防策略，保障基础设施安全可靠、稳定容灾；2)基础设施架构能跟随业务、需求变化灵活拓展。e)五级：作为行业最佳实践被业界学习、参考和借鉴。6.12平台保障a)一级：1)根据项目要求，在项目层面满足具体的平台建设和运维等技术保障需求；2)提供平台选型服务，能够与主流生态兼容从而实现业务衍生性；3)保障平台能够实现常见集成及操作能力。b)二级：1)具有能为数据服务需方提供作为总体技术生态系统的大数据相关平台解决方案；2)针对分布式批处理平台、数据治理平台、数据分析平台等不同的平台建设需求细化服务；3)平台具备易用、直观、有效的用户交互。c)三级：1)平台有效固化了匹配需方业务的数据管理和数据治理的流程、制度、准则和最佳实践；2)为需方所需各类平台的环境、组件、服务、接入等标准研究提供服务支持；3)根据需方需求，推进平台技术升级、功能迭代和资源扩展；4)针对各类平台建立技术要求、测试方法、评价指标等，指导平台的规范化建设；5)能够保障平台业务安全，预防数据的非法操作风险。1)支撑稳定可靠、弹性伸缩、便捷管理的逻辑数据组织和分布；2)实现平台运维的统一监控、自动化部署，故障、日志、配置和用户管理等功能完善；3)平台能够高效正确地执行海量数据的SQL、NoSQL和机器学习等任务能力。e)五级：1)形成业界范式的平台设计、开发、运维的方法论，研发自主创新的平台产品；2)作为行业最佳实践被业界学习、参考和借鉴。6.13处理框架a)一级：1)为数据服务需方提供必要的基础设施软件，包括批处理、流处理，以及两者的数据交换与数据操作；2)支持多种数据类型的离线分析；3)支持明细数据全量导入、增量导入以及自定义导入。b)二级：1)能够支持实现应用程序满足数据数量、速度和多样性的处理，提供机构化、非结构化及半结构化数据的处理；2)支持资源管理、作业调度和数据加载及各种分布式计算框架调度；3)支持离线计算任务进度与状态的实时上报；4)支持批处理计算框架运行在分布式资源管理之上。c)三级：1)通过并行工作的机制节约整体计算时间、提高计算效率；2)提供多种计算/处理框架，包括批处理框架、流处理框架、图计算框架、内存计算框架、批流融合计算框架等；3)多节点离线任务联动执行；4)支持高容错性。1)能够开发或改进已有数据挖掘技术、机器学习技术、大数据融合技术等；2)支待分析任务的多种语言开发接口；3)内存计算框架支持通过分布式内存计算和DAG执行引擎提供数据处理能力；4)提供高度抽象算子，快速构建分布式的数据处理应用；5)支持图数据的并发查询。e)五级：1)形成业界范式的处理框架；2)作为行业最佳实践被业界学习、参考和借鉴。6.14信息交互a)一级：1)根据项目要求，在项目层面满足异构系统间的信息交互功能和性能需求；2)技术方案体现流程化交互管理。b)二级：1)应支持标准、开放的数据访问API对数据进行操作；2)支持多种信息交互方式，支持集群接入；3)应提供数据加载工具的功能，满足大数据存储与处理系统和传统关系型数据库、其他文件系统之间交换数据和文件；4)满足网状的点对点交互需求；5)提供可靠消息传输，服务接入，协议转换，数据格式转换，基于内容的路由等功能。c)三级：1)在组织层面定义统一的信息交互技术规范，包括交互方式、交互性能、接口规范等；2)保障信息交互的有序性、智能化、安全性和便捷性；3)识别数据交互的途径和渠道，依据业务需求、管理模式、管理策略和数据敏感度等进行应用等级划分，并给予相应的交互策略和保障措施；4)为信息交互提供资源管理、接口管理、交互管理等功能组件和技术栈；5)技术方案能够应对数据异构性、分布式系统之间的分级数据交换、复杂网络环境等大数据环境的挑战。1)对数据交互的行为进行完整记录，确保可追溯、可审计；2)数据通过特定方式交互和流转时，提供保护、集成、存储、目录、记录、共享、报告、分析等信息给利益相关者，整个过程通过数据验证、授权、链接、认证、聚合、匿名的全生命周期的分析、归档和清除提供支撑；3)基于量化指标体系，自动化评测信息交互性能；4)实时监控交互过程中核心服务运行状况，获取监控、统计、告警数据，并且下发管理指令。e)五级：1)形成自主创新的信息交互模式、技术方案或工具，具有趋势预见性和前瞻性；2)作为行业最佳实践被业界学习、参考和借鉴。6.15资源管理a)一级：1)为数据服务需方提供计算、存储及实现两者互联互通的网络连接管理；2)支持静态资源分配策略。b)二级：1)支持CPU、内存、GPU等异构资源调度和配置；2)支持对任务设置优先级，并按任务优先级对资源进行调度；3)按照租户方式进行物理/逻辑资源的分配能力；4)应提供匹配组织的层次结构，支持多层次的队列资源管理，队列的资源实现严格的隔离，即不超过分配给该队列的资源上限。c)三级：1)实现分布式的、弹性的工作流调度、资源调配和负载均衡，包括对存储资源和对计算资源的管理；2)对全局资源集中管理；3)根据作业需求，支持动态资源分配策略；4)建立量化的性能评价指标。1)能够提供先进的实时监控分析和优化调度工具；2)支持按照任务间依赖关系自动调度任务，提高处理系统的自动化程度；3)自动管理回收资源；4)具备对复杂任务的调度能力。e)五级：1)形成自主创新的资源管理方法论、软件或工具；2)作为行业最佳实践被业界学习、参考和借鉴。6.16数据架构a)一级：1)提供描述当前状态、定义数据需求、指导数据集成和提出数据资产管理规范等较完整的数据架构组件；2)掌握将业务需求转化为数据和应用需求的方法；3)为数据和组件提供业务术语表标准。b)二级：1)能够提供数据规划服务；2)能够提供企业级数据模型的设计文档，包括数据名称、元数据定义、概念和逻辑模型、数据实体及其关系描述、业务规则等；3)能够与参与改进需方业务或IT系统研发的各利益相关者协作。c)三级：1)能够从数据架构、数据质量、数据标准、数据安全、数据生命周期、数据应用及组织制度保障等维度，设计适合数据服务需方中长期数据工作开展的数据治理框架模型和建设方案；2)能够分析并建立成熟的数据模型，确定权威数据源，形成数据分类分级标准，建立高效、灵活、适应性好的数据共享规范和机制；3)有效建立需方业务战略和技术执行间的桥梁，满足组织当前和未来数据总体架构蓝图和实施计划。1)能够提供数据战略规划服务；2)数据战略规划符合数据服务需方的信息系统现状、业务发展、信息化规划需要，形成建设蓝图和实施路径规划；3)考虑需方组织整体视角，协同业务架构、应用架构、基础技术架构和安全架构；4)能够从时间、成本、效益等方面制定相关任务的量化评价模型。e)五级：1)数据架构能为需方提供战略性支撑，丰富促进和发展产品、服务的数据应用，驱动组织变革和数字化转型；2)形成自主创新、符合技术发展方向和数字化转型趋势的数据架构模式；3)作为行业最佳实践被业界学习、参考和借鉴。6.17数据分类与目录a)一级：1)能够提供分类目录管理、注册、发布、版本管理、废置等功能服务；2)提出合适的分类分级维度、依据和方法，建立数据分类分级模型。b)二级：1)形成分类分级框架，能提供分类分级相应规范；2)能够根据用户权限级别自动为用户授予数据资源访问权限；3)具备分类分级安全管理措施。c)三级：1)从数据安全、数据生命周期等维度，为服务对象提供完整的分类分级项目规划服务；2)制定完整的分类分级安全管理机制，提供高效、具体、适应性好的实施方案；3)能够为分散异构的数据资源提供统一的梳理、元数据管理、目录管理；4)能够提供分类导航、资源搜索和定位、数据分析等应用服务功能；5)建立组织层面的数据服务目录。1)分类分级策略符需方的数据系统现状、业务发展和信息化规划需要；2)能够提供由人工智能支持的统一元数据视图，包括技术元数据、业务语义、用户评注、数据关系、数据质量和使用情况；3)能够识别相似和重复的数据集；4)能够探查跨数据集的复合实体；5)数据分类分级、数据资源目录、数据安全、共享开放等治理域协同联动。e)五级：1)能够利用机器学习进行语义推理和提供建议，探查复杂数据的结构；2)能够根据使用情况、质量或来源以及其他因素提供替代或类似数据集的建议；3)参加行业、国家数据资源目录、数据资产目录等相关标准的制定。6.18数据生命周期管理a)一级：在具体项目、个别业务部门中如涉及数据生命周期管理相关需求，计划并实施针对性的管理工作。b)二级：1)能借鉴分级存储管理的理念、原则和策略；2)协助需方在组织层面对生命周期划分标准达成共识，识别数据生存周期的各个阶段，明确各个阶段之间的关联和关系；3)协助需方明确数据生命周期各阶段的管理组织及其职能；4)做好当前数据和历史数据的管理；5)提供相关管理技术、工具、常用关系型及非关系型数据库的选型参考。c)三级：1)存储策略结合不同系统数据的访问频率、重要性、规模等特性，基于数据的分类分级制定；2)能够遵循或协助需方制定组织层面统一的数据生命周期管理策略，包含数据存储、迁移、备份等；3)数据存储策略能综合考虑数据等级、数据形态、行业监管要求和实际业务需求等；4)数据迁移策略能综合考虑迁移存储阶段、数据等级、数据形态、迁移目标位置以及迁移方式等；5)数据备份策略能综合考虑备份技术、备份方式、备份时间、容灾备份模式等。1)能够借鉴相关国际国内标准；2)管理策略充分考虑法规遵从、业务连续性、系统性能、安全保护、建设成本等影响因素；3)能够优化数据存储结构，有效控制在线数据规模，提高数据访问效率，降低数据存储成本；4)数据迁移能够确保数据的安全性、完整性和可持续发展性；5)数据生命周期管理策略能够基于业务需求管理，围绕各个业务管理主题，保证数据对业务支撑的持续与稳定；6)满足需方数据使用者对数据的动态性需求。e)五级：1)形成自主创新的资源管理方法论、软件或工具；2)作为行业最佳实践被业界学习、参考和借鉴。6.19数据标准化a)一级：1)在具体项目、个别业务部门、局部数据范围内实施数据标准化；2)建立数据标准的实施方案和计划；3)明确数据标准化的需求、内涵和范围。b)二级：1)为需方组织层面形成清晰明确、科学合理、统一认可的数据标准定义提供帮助；2)协助需方形成通用的数据规范和实施细则，包括数据分类、属性要素、数据格式、值域和编码规则等；3)推进数据标准化实施的落地；4)针对业务术语标准、参考数据和主数据标准、数据元标准、指标数据标准等不同的数据标准类别细化服务；5)为需方提供数据标准的宣贯和推广服务。c)三级：1)能够提供创建、修订、发布和指导应用组织统一的数据标准的服务，形成组织级的数据标准体系和管理规范；2)协助需方建立数据标准化管理机构和机制，明确责权利和流程，并与之通力合作；3)促进需方业务部门和技术部门之间的配合，确保业务规范在数据层面上的实现；4)标准的实施能够体现共享性、唯一性、稳定性、可扩展性、可行性等原则。4)能够建立组织级、稳定、易用、界面友好的数据标准索引、浏览、查询工具；5)建立基于量化分析指标的数据标准监控、检查和优化更新机制；6)数据标准具备先进性和前瞻性，满足数据应用发展需要；7)持续推进数据标准的更新；8)数据标准化有助于提升需方组织的业务规范性。e)五级：参加行业、国家或地方数据标准的制定。6.20数据质量a)一级：1)在具体项目中如涉及数据质量相关需求，计划并实施针对性的管理工作；2)基于业务部门或者应用系统中出现的数据问题，开展数据质量检查、问题定位、分析、修正等工作。b)二级：1)能从数据质量需求识别、检查、分析、提升等方面提供服务；2)能够遵循或协助需方制定数据质量管理规范；3)能够支持需方明确数据质量评价指标；4)能够制定数据质量报告模板；5)通过分析溯源问题原因、评价影响、提供预防策略；6)批量修正数据质量问题，建立数据质量跟踪记录。c)三级：1)协助数据服务需方依据内外部环境明确组织的数据质量目标；2)能够遵循或协助需方制定统一的数据质量校核规范、数据质量评价和改进方案等管理规范实施细则和工作模板；3)协助建立数据认责机制，明确各类数据管理人员及其权责利，制定各类数据的优先级和质量管理需求；4)协助建立数据质量评价考核制度；5)自动化形成数据质量报告并推送至利益相关者审阅；6)积累数据质量分析案例库。1)数据质量评价指标体系的建立参考GB/T25000.12、GB/T36344等国家、行业相关标准；2)能够形成衡量数据质量的量化技术指标和业务指标，以及相应的校验规则库、评价模型、方法和工具；3)数据质量满足业务部门的需要；4)能够量化分析数据质量问题的经济影响，量化比较数据质量解决方案的成本-效益比；5)建立数据质量问题的预警机制；6)与业务流程优化、系统改进、制度和标准完善等工作协同推进。e)五级：1)能支撑需方的数据资源达到数据资产的质量要求；2)参加行业、国家或地方数据质量管理标准的制定。6.21数据安全遵守GB/T37988-2019中第4章规定的要求。6.22服务响应a)一级：承诺满足用户需求的在线服务时长，服务接入方式充分，服务响应时间承诺合理。b)二级：1)服务期限承诺充分；2)售后服务方案、售后服务承诺、服务质量保障等制度健全。c)三级：1)建立组织层面的服务管理方针、目标和计划；2)根据所影响业务的重要性和影响程度等，建立服务请求分级响应机制，明确级别、典型事件、响应时间、解决时间和报告提交要求等；3)用户培训、技术支持、辅助工具和备件等支撑保障充分；4)具备完备的故障应急预案和处理机制，有纠偏和预防潜在问题的措施；5)建立记录、调查、回应、报告并正式关闭服务投诉的机制；6)具备衡量服务满意度的结果参数和过程指标。1)具备主动服务的意识，响应迅速，持续服务；2)在服务需方所在地设有本地化服务机构，且设有专业研发机构，有较强的定制开发能力，运维人员数量充分、技术等级及专业度高；3)通过定期的业务影响分析和灾难恢复计划等机制保障服务的连续性；4)建立服务持续改进管理机制；5)具备量化的服务效率结果指标和影响性指标。e)五级：1)提前发现问题并解决，客户高度认可；2)服务水平被需方评价为超出既定目标和要求。6.23服务流程a)一级：在具体项目中，执行项目过程管理，明确项目各阶段为项目客户服务的相关事宜、负责人和服务要求。b)二级：1)在数据职能部门或领域内，服务流程健全，进度安排合理，人员配备充分；2)能够综合考虑目标、风险、问题和机会，参考业界最佳经验，对现有流程进行差距分析，对服务流程改进方向和重点进行规划；3)识别利益相关方并收集诉求，整理归纳出具体的流程改进建议。c)三级：1)服务在组织层面形成体系；2)明确服务流程的各关键环节，识别核心过程和支撑过程中的主要活动，明确各项活动的实施要求、相关责任人及其权责；3)服务流程管理的相关规范明确了人员、过程、技术和资源等要素的要求；4)形成定期、持续的流程改进和优化机制，提升服务满意度。1)持续优化且动态检测和管控进度；2)具备量化的服务流程管控评价机制和成本-收益模型；3)建立量化的服务过程风险评价模型；4)通过跨部门协同的服务流程再造以应对服务和管理的挑战；5)服务流程的弹性和适应变化的能力较强。e)五级：1)形成自主创新的服务流程管理方法论或工具；2)作为行业最佳实践被业界学习、参考和借鉴。6.24技术储备a)一级：1)技术知识仅储备在个别服务人员中；2)还未将技术知识储备实际运用到具体项目，仅停留在理论研究。b)二级：1)服务团队具备较为系统的相关知识体系和技术框架；2)不定期组织数据和服务管理相关的培训，但尚未制度化和体系化。c)三级：1)能基于技术储备对所服务项目提出有效的见解和建议；2)透彻理解相关领域知识，能在服务中有效运用、举一反三。1)组织或项目团队主要人员编写出版过大数据相关专著和核心期刊论文等；2)全面的知识和正确的评判能力，能够总结出有用的改进意见；3)人员培训体系、内外部专家支持体系和绩效管理机制充分；4)建立服务人员的技术提升路线图，帮助团队成员明确学习目标和计划；5)具备技术创新管理、服务创新管理和知识管理等支持服务可持续性的技术储备机制。e)五级：1)有资深的相关领域学科带头人；2)形成业界普遍认可的原创性知识输出并分享；3)能帮助需方成功运作，被需方当作磋商者和业界领袖。6.25行业理解a)一级：1)技术知识仅储备在个别服务人员中；2)还未将技术知识储备实际运用到具体项目，仅停留在理论研究。b)二级：1)服务团队具备较为系统的相关知识体系和技术框架；2)不定期组织数据和服务管理相关的培训，但尚未制度化和体系化。c)三级：1)能基于技术储备对所服务项目提出有效的见解和建议；2)透彻理解相关领域知识，能在服务中有效运用、举一反三。1)组织或项目团队主要人员编写出版过大数据相关专著和核心期刊论文等；2)全面的知识和正确的评判能力，能够总结出有用的改进意见；3)人员培训体系、内外部专家支持体系和绩效管理机制充分；4)建立服务人员的技术提升路线图，帮助团队成员明确学习目标和计划；5)具备技术创新管理、服务创新管理和知识管理等支持服务可持续性的技术储备机制。e)五级：1)有资深的相关领域学科带头人；2)形成业界普遍认可的原创性知识输出并分享；3)能帮助需方成功运作，被需方当作磋商者和业界领袖。6.26项目案例a)一级：项目完成后，相关过程文档和技术资料能完整备份。b)二级：1)在单个部门或数据职能领域内，建立业务案例的标准决策过程，并明确了利益相关者在其中的职责。2)根据业务需求编制了业务案例。c)三级：1)形成案例库及其基于权限管理的组织共享内机制；2)在组织范围内，根据标准工作流程和方法建立相关业务案例，提供各类案例编制的模板和工具；3)数量充足，与目标用户群高度相关，易复用；4)提供便于使用的人机接口，快速查询的技术手段和维护手段；5)对案例数据进行统计分析；6)在组织范围内，业务案例的制定能获得高层管理者、业务部门的支持和参与。1)覆盖行业领域广泛，案例内容体现出优秀的行业服务经验；2)建立案例的分类分级管理和应用机制；3)具备相关的智能提取技术，支持针对典型案例的经验和知识要点的归纳总结；4)案例库使用算法推荐相关案例；5)形成案例的知识图谱；6)形成案例库的定期维护和更新机制；7)有与相关行业联合创新的项目、课题、载体等建设经验和协作机制。e)五级：通过多种形式实现案例的对外分享和价值外溢，被业界高度评价。7评价过程框架本文件的评价过程框架是对被评价单位数据服务能力评价的基本工作流程，分为评价准备过程、评价实施过程和完善提升过程三个阶段，参见图3。此外，评价双方之间的沟通与洽谈应贯穿整个评价过程。三个阶段的主要任务如下：评价准备过程：掌握被评价单位的详细情况，为评价做好文档及测试工具等方面的准备。评价实施过程：在确定目标等级的前提下，组织机构根据数据生命周期所覆盖的业务场景挑选适用于被评价单位的评价方法，实施评价。评价实施过程分为选择评价能力域及能力项、能力项评价、确定能力域级别和确定整体级别四个阶段。完善提升过程：在评价机构评价出被评价单位数据服务能力的等级后，被评价单位基于对评价模型内容的理解，选择适合自己业务实际情况的短期目标和长期目标，识别数据服务能力现状并分析与目标能力等级之间的差异，在此基础上进行数据服务能力的完善提升。伴随业务的发展变化，被评价单位也需要定期复核、明确自身当下的能力等级，进而开始新一轮的目标达成工作。图3评价过程框架8评价实施过程8.1概述本过程是评价工作的核心过程。按照评价方案的总体要求，严格执行评价模型，选择合适的评价方法，分步实施所有的评价工作，保证评价工作的正确性和有效性。评价实施过程的目标是根据评价过程选择合适的评价方法，顺利的开展评价工作，以便了解被评价单位的真实情况。8.2选择评价能力域及能力项8.2.1概述在开展数据服务能力评价时，可根据被评价单位的服务规模、服务对象、服务范围等方面的差异，定义适合的数据服务能力评价模型。组织能力域和服务保障能力域及其能力项宜作为必选评价项；技术服务能力域及能力项可作为扩展可选项纳入评价范围。例如，有的被评价单位不提供数据可视化服务，则无需选择数据可视化这一能力项。8.2.2实施要求a)评价机构应从以下几方面开展工作：1)根据被评价单位的业务方向、业务规模和业务对数据的依赖性等因素，对被评价单位进行评价能力域及能力项的选择；2)检查能力域及能力项的制度规范和流程等在组织内的落地执行情况，评价机构审核相关的文档材料是否已涵盖完整；3)根据被评价单位提供的技术材料，登录相关的系统工具平台，检查配置是否与材料保持一致，对文档审核内容进行核实；4)通过访谈的方式与被评价单位人员进行交流、讨论等活动，获取相关证据，了解有关信息。b)被评价单位应从以下几方面开展工作：1)被评价单位根据选择的评级方法及选择的能力域和能力项进行材料的准备；2)被评价单位输入与数据服务相关的文档材料（如数据的方针政策、制度规范流程、培训教育材料、以及与产品技术相关的设计实施方案、配置说明、运行记录