2022年(nián)企業數據治理(lǐ)五大發展趨勢

數據治理(lǐ)是釋放數據要素價值、推動數據要素市(shì)場發展的(de)前提與基礎。經過多年(nián)發展，我國(guó)數據治理(lǐ)在政務、金融、通信、電力、互聯網等領域已經逐步深化落地(dì)。進入2022年(nián)，數據治理(lǐ)領域将出現新老玩家全面入局，新挑戰與老問題共同推動數據治理(lǐ)實踐向前發展的(de)趨勢。

趨勢一(yī)：業務牽引的(de)精細化治理(lǐ)成為(wèi)主流

早期開展數據治理(lǐ)的(de)企業往往從建設數據治理(lǐ)平台工具開始，認為(wèi)數據問題是技術問題，可(kě)以通過純技術手段解決。但由于缺少業務部門的(de)參與，缺少相關流程、規範和(hé)機(jī)制，技術部門難以單方面推動數據治理(lǐ)工作。随着DMBOK、DCMM等理(lǐ)念框架的(de)建立和(hé)推廣，數據治理(lǐ)的(de)組織、制度、流程、規範等受到重視(shì)，企業開始将咨詢引入數據治理(lǐ)體系，結合企業自(zì)身的(de)業務特點、組織架構、數據管理(lǐ)現狀等做(zuò)整體的(de)規劃。在完整的(de)體系指導下，數據治理(lǐ)工作得到不同程度的(de)落地(dì)，并在部分領域獲得較好的(de)實踐經驗。但在各項治理(lǐ)工作推行(xíng)并取得成果後，數據治理(lǐ)團隊又開始面臨工作的(de)價值問題。

基于理(lǐ)論體系、方法論規劃開展的(de)數據治理(lǐ)在執行(xíng)上着重數據标準、數據質量等管理(lǐ)能力的(de)建設，在實踐中往往是全面展開，缺少對業務的(de)關注。以元數據為(wèi)例，全業務域的(de)元數據梳理(lǐ)涉及多個業務部門、多個業務系統以及多個相關供應商(shāng)，而元數據梳理(lǐ)又是一(yī)項細緻的(de)工作，在有(yǒu)限的(de)時間範圍內(nèi)，要協調多方梳理(lǐ)元數據，不但投入的(de)成本大，而且質量難以保證，價值收益不明顯。

随着企業數據治理(lǐ)的(de)逐步深化，企業普遍意識到治理(lǐ)工作聚焦的(de)重要性，而聚焦又包括兩個維度：一(yī)是業務聚焦，針對高(gāo)層關注的(de)數據應用或當前重點應用建設項目，在應用涉及的(de)數據範圍內(nèi)開展精細化治理(lǐ)，投入小見效快，可(kě)以在小範圍內(nèi)快速驗證和(hé)叠代數據治理(lǐ)相關的(de)方法、流程、規範，然後再複制推廣，形成适合自(zì)身的(de)數據治理(lǐ)工作機(jī)制。二是在治理(lǐ)能力方面聚集，不同行(xíng)業，不同階段的(de)企業開始關注适用于自(zì)身的(de)數據治理(lǐ)發展路徑。如(rú)金融業注重數據标準化；地(dì)産行(xíng)業則關注項目、樓棟等主數據的(de)拉通；處于數字化轉型初期的(de)企業需要在平台建設起步前做(zuò)整體的(de)規劃，提升階段的(de)企業則更适合對當前工作做(zuò)全面評估并針對性地(dì)在部分能力域進行(xíng)提升。

企業數據治理(lǐ)的(de)這一(yī)需求趨勢，對數據治理(lǐ)服務商(shāng)的(de)方案能力提出了更高(gāo)的(de)要求，一(yī)套方案走天下的(de)時代已一(yī)去(qù)不返。與企業共同探讨，不斷追求落地(dì)、創新，成為(wèi)未來數據治理(lǐ)服務商(shāng)競争力的(de)關鍵。

趨勢二：數據治理(lǐ)和(hé)數據平台一(yī)體化建設

數據治理(lǐ)工作是随着數據應用的(de)深化而逐步推進的(de)。除了早期實施ERP的(de)企業會對主數據特别關注外，多數企業對數據治理(lǐ)的(de)需求源于BI分析或數據倉庫、大數據平台、數據中台等數據平台的(de)建設。數據問題可(kě)能早就存在，但在數據集成、共享、關聯分析和(hé)應用時才暴露。

很多企業是在數據平台建設後才開展數據治理(lǐ)，其模式可(kě)以稱為(wèi)“外挂”式的(de)數據治理(lǐ)。平台先建設、運營，遇到數據問題，再成立或尋找第三方數據治理(lǐ)服務團隊。數據治理(lǐ)團隊通常與平台建設、數據運營不是同一(yī)團隊，在其中扮演監管者的(de)角色，無法深度融入到數據開發、服務等環節，一(yī)定程度阻礙了數據治理(lǐ)工作落地(dì)。

數據平台的(de)建設和(hé)運維團隊則是數據治理(lǐ)需求的(de)最迫切人群，這些人數據問題的(de)思路又分為(wèi)了兩個方向：一(yī)是從平台架構、技術方面思考解決方法，二是從數據治理(lǐ)中尋求解決方法。第一(yī)個方向發展出數據中台，數據中台的(de)數據資産、統一(yī)元數據、數據超市(shì)與數據治理(lǐ)不謀而合。第二個方向上，數據治理(lǐ)從早期的(de)元數據、數據标準、數據質量發展為(wèi)一(yī)個包含數據模型、數據服務、數據應用、數據生命周期的(de)完整體系。最終兩個方向殊途同歸。選擇數據中台，将數據平台建設與數據治理(lǐ)作為(wèi)一(yī)個整體方案規劃和(hé)建設的(de)模式正越來越流行(xíng)。

選擇數據中台，将數據平台建設與數據治理(lǐ)作為(wèi)一(yī)個整體方案規劃和(hé)建設的(de)模式正越來越流行(xíng)。

趨勢三：人工智能技術與數據治理(lǐ)理(lǐ)念走向融合

當前，不同的(de)産業領域都在積極挖掘對人工智能的(de)應用場景。數據治理(lǐ)作為(wèi)企業實現數字戰略的(de)基礎，同時是人工智能應用的(de)基礎。以當前大熱的(de)技術機(jī)器學(xué)習為(wèi)例，大數據樣本是機(jī)器訓練的(de)基礎，數據治理(lǐ)為(wèi)機(jī)器學(xué)習技術的(de)應用提供高(gāo)質量的(de)合規數據。同時，數據治理(lǐ)需要業務人員、技術人員與數據治理(lǐ)專業人員持續地(dì)協同工作，随着數據量、數據複雜度以及系統架構的(de)爆發式增長(cháng)，企業需要越來越多地(dì)持續投入治理(lǐ)成本。

數據治理(lǐ)與人工智能的(de)關系相輔相成，一(yī)些大型企業已經在人工智能領域進行(xíng)探索。目前人工智能在數據治理(lǐ)場景中的(de)主要應用包括智能化元數據維護、智能化數據質量規則生成、智能化數據安全分類分級等。

總體來看，人工智能在數據治理(lǐ)場景中的(de)應用大多還在試驗階段，準确性是當前影響實用化推廣的(de)主要原因。以智能化元數據維護為(wèi)例，機(jī)器通過訓練使AI掌握企業的(de)業務知識，再利用訓練的(de)業務知識自(zì)動填充元數據的(de)業務信息。然而，由于機(jī)器的(de)填充無法保證百分百準确，因此往往需要人工确認、調整，這部分工作依然需要巨大的(de)工作量。

表面上看，這是機(jī)器的(de)準确率問題，但其本質是管理(lǐ)理(lǐ)念的(de)問題。當人工智能與人類都無法做(zuò)到百分百準确，人們更傾向相信人類，因為(wèi)對于人，我們有(yǒu)一(yī)套非常成熟的(de)管理(lǐ)手段。以大家最熟悉的(de)自(zì)動駕駛為(wèi)例，雖然已經有(yǒu)報告顯示自(zì)動駕駛比人工駕駛更安全，但機(jī)器代替人類的(de)駕駛依然需要一(yī)個緩慢的(de)接受過程：一(yī)是多數人無法理(lǐ)解人工智能的(de)工作原理(lǐ)，也無從分析和(hé)預測人工智能出錯的(de)原因；二是倫理(lǐ)、法律等問題：人工智能出了事故誰負責？緊急情況下是保護自(zì)己，保護對方，還是保護第三方？這都是在倫理(lǐ)、法律上先要梳理(lǐ)清楚的(de)問題；三是無法通過管理(lǐ)手段控制人工智能。

回到數據治理(lǐ)的(de)智能化上，盡管當前人工智能的(de)應用已有(yǒu)一(yī)定成果，但仍是基于傳統管理(lǐ)思維的(de)應用。智能化的(de)治理(lǐ)更多隻是作為(wèi)人類工作的(de)一(yī)種參考，最終工作還是落到人的(de)頭上。在人工智能技術不斷進步和(hé)應用實踐不斷積累的(de)推動下，未來數據治理(lǐ)體系和(hé)理(lǐ)念必然發生變化，兩者的(de)融合是未來的(de)趨勢。

趨勢四：數據價值評估需求開始增長(cháng)

數據已成為(wèi)國(guó)家戰略性資源，并作為(wèi)新型生産要素寫入中央關于要素市(shì)場化配置的(de)文件中。2020年(nián)3月中共中央國(guó)務院在《關于構建更加完善的(de)要素市(shì)場化配置體制機(jī)制的(de)意見》中指出：“提升社會數據資源價值。培育數字經濟新産業、新業态和(hé)新模式，支持構建農業、工業、交通、教育、安防、城市(shì)管理(lǐ)、公共資源交易等領域規範化數據開發利用的(de)場景”。同年(nián)9月，國(guó)務院國(guó)資委辦公廳下發《關于加快推進國(guó)有(yǒu)企業數字化轉型工作的(de)通知》，要求各國(guó)有(yǒu)企業“明确數據歸口管理(lǐ)部門，加強數據标準化、元數據和(hé)主數據管理(lǐ)工作”“定期評估數據治理(lǐ)能力成熟度”“強化業務場景數據建模，深入挖掘數據價值，提升數據洞察能力”。

我國(guó)數據交易起步較晚，交易市(shì)場主要由各大數據資源交易平台組成。2015年(nián)後我國(guó)開始重視(shì)數據交易并迅速成立了多家大數據交易平台，包括北(běi)京國(guó)際大數據交易所、湖南大數據交易所、華中大數據交易所、上海數據交易所、貴州大數據交易所、長(cháng)江大數據交易所、東湖大數據交易所和(hé)等。此外還有(yǒu)京東萬象、聚合數據、數據寶等數據交易平台。

數據資産價值評估是量化數據資産價值的(de)有(yǒu)效方式，推動企業持續投入資源開展數據資産管理(lǐ)，為(wèi)企業參與數據要素流通奠定基礎。目前，我國(guó)一(yī)些大型企業或金融機(jī)構已率先在數據資産估值領域開展研究。2021年(nián)1月，光大銀行(xíng)發布《商(shāng)業銀行(xíng)數據資産估值白皮書》，系統研究了商(shāng)業銀行(xíng)的(de)數據資産估值體系建設，提出了成本法、收益法、市(shì)場法等貨币化估值方法。2021年(nián)3 月，南方電網發布《中國(guó)南方電網有(yǒu)限責任公司數據資産定價方法（試行(xíng)）》，規定了公司數據資産的(de)基本特征、産品類型、成本構成、定價方法并給出相關費用标準，為(wèi)後續數據資産的(de)高(gāo)效流通做(zuò)好準備。2021年(nián)10 月，浦發銀行(xíng)發布《商(shāng)業銀行(xíng)數據資産管理(lǐ)體系建設實踐報告》，根據數據資産能否直接産生價值，将數據資産分類為(wèi)基礎型數據資産和(hé)服務型數據資産，并将數據資産寫入資産負債表、現金流量表和(hé)利潤表之外的(de)第四張表—數據資産經營報表。

定價是市(shì)場交易的(de)關鍵，在數字經濟發展的(de)大潮下，無論政府、企業，都在積極探索并實踐數據資産的(de)價值評估。

趨勢五：數據安全受到越來越多的(de)關注

在數字經濟的(de)應用場景下，數據隻有(yǒu)在流通中才能充分發揮其價值，而數據流動又必須以保障數據安全為(wèi)前提。傳統的(de)信息安全往往追求将數據放在一(yī)個封閉的(de)環境中，這種片面的(de)做(zuò)法隻能理(lǐ)解為(wèi)是一(yī)種簡單的(de)保證數據的(de)“防竊取”，而當下，數據共享是發展趨勢，數據安全應該包括防止數據被竊取、被濫用、被誤用，同時充分的(de)将數據的(de)“保密性”“完整性”和(hé)“可(kě)用性”這三個重要的(de)數據指标考慮進去(qù)。

《數據安全法》《個人信息保護法》的(de)頒布和(hé)實施為(wèi)規範數據處理(lǐ)活動、保障數據安全和(hé)個人、組織的(de)合法權益奠定了法律基礎，同時也對組織的(de)數據安全治理(lǐ)能力與個人信息保護能力提出了更高(gāo)的(de)要求。

全國(guó)信息安全标準化技術委員會等單位牽頭研究并發布了《GB/T 37937-2019 信息安全技術 大數據安全管理(lǐ)指南》《GB/T 37988-2019 信息安全技術 數據安全能力成熟度模型》等國(guó)家标準。業內(nèi)基本對數據安全分類分級，以及數據采集、傳輸、存儲、處理(lǐ)、交換、銷毀全生命周期分級保護等觀點達成共識。目前法律和(hé)政策上對國(guó)家、公衆、個人數據安全的(de)定義較為(wèi)明确，但是對企業或其他法人組織數據權益的(de)相關定義則相對較粗。

數據安全涉及法律、企業業務、技術等多領域的(de)知識，目前多數組織的(de)數據安全能力處于較為(wèi)初步的(de)階段，對于數據資産流通的(de)需求卻在逐步攀升。随着越來越多的(de)企業進入數字化轉型階段，數據的(de)安全合規問題越發突出和(hé)普遍。未來數據安全将受到越來越多的(de)關注。

數據治理(lǐ)在中國(guó)發展不過十幾年(nián)時間，而最近十年(nián)間，數據量、數據種類、處理(lǐ)數據的(de)軟硬件技術條件、數據的(de)應用場景都發生了巨大的(de)變化。很多開展數據治理(lǐ)大規劃的(de)企業，喜歡将當年(nián)稱為(wèi)“公司數據治理(lǐ)的(de)元年(nián)”。然而對數據治理(lǐ)人來說，每個時期都既有(yǒu)老問題，又有(yǒu)新挑戰。數據治理(lǐ)，年(nián)年(nián)都是元年(nián)。