當前，數據已經成為繼勞動力、土地、資本、技術之后的第五大生產要素，是數字社會的重要戰略資源和數字經濟高質量發展的核心動力，被譽為“新黃金”“新石油”。《數字中國發展報告（2023 年）》顯示，2023 年，全國數據生產總量達 32.85ZB，同比增長22.44%。數據已經深刻影響生產、分配、流通、消費和社會服務的各個方面，如何對數據進行治理，使其實現最大化價值利用，是在數字經濟時代掌握數據核心資產的關鍵。隨著企業數字化轉型深入推進，針對數據要素的治理工作越來越受到重點關注，數據治理已經成為企業數字化轉型的重要一環。

01

 數字化轉型與數據治理

數字化轉型是建立在數字化轉換、數字化升級基礎上，進一步觸及公司核心業務，以新建一種商業模式為目標的高層次轉型，數據作為企業實現數字化的基本要素，是數字化轉型能否取得成功的關鍵。企業需要通過數據開發、數據應用、數據開放共享等驅動產業變革和模式創新。數據治理是數字化轉型過程中的必要環節，而且是基礎性工作，需要從全局出發，找準數據采集的薄弱點、數據聯通的堵點、數據處理和應用的難點，制定一套符合企業實際情況的治理路徑，并借助數據治理工具，形成適合企業的數據治理模式。

數據治理是數字經濟全球化中各國所關注的共同話題，隨著數據在國際競爭合作中的重要性不斷增強，各國對數據治理的重視程度也日益加深，但由于各國數字化進程、數字經濟水平、數據基礎能力不同，在數據治理法規、治理理念和治理主張等方面存在差異。

立法和政策。從國際看，部分主要經濟體制定了數據治理相關的法規，如印度《國家數據治理框架政策》、歐盟《數據治理法》、韓國《數據產業振興和利用促進基本法》等，我國也制定了《關于構建數據基礎制度更好發揮數據要素作用的意見》（“數據二十條”），旨在加快構建數據基礎制度。

標準制定。在標準方面，國際主流數據治理方面的標準有DAMA《數據管理知識體系指南》、SEI《數據能力成熟度模型》、DGI《數據治理框架》等。國內已制定或正在制定的標準有國標《信息技術服務治理——第5部分：數據治理規范》《數據管理能力成熟度評估模型》《信息技術—大數據—數據治理實施指南》等。

企業數據治理。目前很多企業認識到了數據的價值，也逐步重視數據治理工作。但在數據治理過程中存在諸多問題，例如，大多數企業的數據治理與企業信息化建設和業務發展脫節，數據治理工作只停留在IT層面，難以在組織層面有效開展；也有企業認為數據治理就是建設數據中心和部署數據治理工具，過度依靠技術手段實施數據治理，忽視了組織架構、人員配置、流程優化、制度規范建設等，導致數據治理工具無法發揮作用。

02

 數據治理體系

數據治理體系是數據治理的組織結構、工作流程、數據規則、治理技術和治理工具等要素的集合，是數據治理的核心框架和運行機制。IBM提出的數據治理五域模型、德勤中國提出的數據治理體系框架、DAMA國際提出的DAMA-DMBOK等，這些框架基本包括了數據組織、數據戰略、數據質量、數據標準、數據安全等關鍵要素，可以指導組織有效管理其數據生命周期并確保數據資產的價值和可持續性。

數據治理組織

數據治理需要企業通力協作，必須從上至下統籌，明確牽頭主管部門，打破部門壁壘，細化相關部門職責，構建多部門共同參與的數據治理組織。目前已有部分企業成立了數據治理的專門機構，包括數據治理委員會、數據治理團隊、業務專家團隊等，形成權責清晰的統籌協調體系，做好數據戰略、數據標準、數據治理等工作，確保數據治理落實成效。

數據戰略

數據戰略是為了實現企業數據治理目標而制定的高層次、全方位的長期行動計劃。由于每個企業的業務戰略不同，其數據治理戰略也不同，因此不同企業的數據治理戰略必須量體裁衣。在制定數據戰略時，要以企業戰略為基礎、以業務價值鏈為模型、以管理應用為目標、以可執行的活動為步驟，并經過科學規劃和設計，形成企業數據化運營的藍圖。

數據模型

數據模型是數據治理中的重要部分，合適、合理、合規的數據模型能夠有效提高數據的合理分布和使用性，它包括概念模型、邏輯數據模型和物理數據模型，是數據治理的關鍵。在數字化轉型過程中，企業需要根據不同業務場景設計合理的數據模型。

元數據

元數據的定義是“關于數據的數據”，元數據反映了數據的交易、事件、對象和關系等。元數據是數據治理的基礎，在數字化轉型中，企業需要收集整個數據生命周期中的各類元數據，建立統一的元數據庫，如記錄數據字段、數據源、數據標準、數據質量等元數據。通過有效的元數據管理，可以提高數據可訪問性、可理解性和可重用性，加快數字化轉型。

主數據

主數據是企業中最重要和核心的數據項，如管理數據、生產數據、客戶數據、產品數據等，是支撐數字化轉型的關鍵要素。企業在推進數字化之前，需要明確主數據范圍和標準，規范主數據采集與處理流程，建立主數據共享機制，使主數據能夠在企業各系統之間高效流動。同時，要強化主數據管理能力，保證主數據的真實性、完整性和時效性，為各業務決策提供支撐。

數據質量

數據質量的好壞直接影響數字化決策的準確性。要從數據采集、處理、存儲等各環節進行治理，同時需要從多維度評估數據質量，如數據的準確性、完整性、一致性等。此外，要建立相應的監測和改進機制，定期檢查數據質量，發現和修復數據問題。只有保證數據資源的質量，才能真正發揮出數字化轉型的成效。

數據標準

數據標準是數據交換和共享的基礎，數據標準的目標是設計一套標準體系，包括數據質量標準、數據操作標準、數據應用標準，形成一個可流通、可共享的信息平臺。數字化轉型需要制定統一的企業數據標準體系，明確各類主數據、輔助數據等的標準格式和規則，如業務數據標準、產品數據標準等，使得數據能在企業內部連通。同時，應參考行業標準和國家標準，與外部組織進行數據交互和兼容。

數據應用

數據只有應用才能發揮最大價值。數字化轉型需要將數據有效應用于各個業務環節，如客戶管理、產品研發、業務升級、營銷分析等。企業需要搭建數據應用平臺，支持數據的可視化、分析與挖掘，并根據業務需求研發數據模型，將數據轉換為有價值的信息，實現數據對生產經營的預測與管理決策支撐，助力企業轉型發展。

數據安全

在數字化轉型期間，大量的敏感數據集中在各應用系統中，且在不同系統和網絡間傳輸，面臨安全風險，一旦關鍵數據泄露，會給企業造成不可逆的損失。因此，企業需要建立完善數據安全管控機制，對數據進行分類分級保護，同時采取技術措施防止數據泄露，如加密傳輸、數據網絡安全控制等。

數據治理工具

數據治理需要多種工具軟件支撐，包括以主數據為核心的套裝軟件、以數據資產目錄為核心的數據資源管理工具、以元數據和數據模型為核心的數據中臺，此外還有時序數據、數據交換等。隨著大數據平臺和工業互聯網不斷發展，數據治理平臺日益豐富，主要有數據門戶地圖、主數據管理、數據指標、元數據管理、數據模型、數據交換與服務、數據資產管理、數據開發、數據質量管理、數據安全等工具。

03

數據治理實踐

近年來，我國電力裝備制造業數字化轉型成效明顯，部分細分領域的龍頭企業智能制造一體化平臺建設進展有序，數據治理和大數據中心加快推進，圍繞電力裝備“發—輸—配—用”的應用融合和數據貫通基礎不斷夯實。在電力裝備制造業推進數字化轉型和高質量發展背景下，某電力裝備企業啟動實施數據治理項目，建設數據治理體系，提升數據集成共享水平，推動業務優化升級和提質增效。

企業數據現狀

該企業的設備、系統間數據連通度不高，存在數據缺失、數據質量參差不齊、標準不統一等問題，也沒有從管理層面上實現對數據的有效管理，對數據的分析、利用程度較低，還沒有將數據作為重要資產進行管理。

數據治理目標

通過數據治理，企業對數據進行分類分級管理，從數據采集、存儲、處理、分析和應用等各個環節實現各系統間的數據互聯與共享應用，充分挖掘數據價值，讓數據為企業生產經營提供可靠依據。

數據治理模式

企業打造了以數據平臺為核心，以數據標準、數據管理、數據質量等為基礎，以數據共享、數據應用為驅動，以數據治理組織、制度規范、人才、創新、安全等為保障的數據治理模式。

數據治理內容

企業基于數據治理體系，建立了主數據標準規范、元數據標準規范、業務數據標準規范、系統數據采集規范、數據共享交換技術規范等一系列標準；全面盤點了數據資產，建設了包括數據字典、數據對象、主數據、數據資源目錄等在內的數據資產體系；構建了各系統、各部門間數據復用共享和創新應用的數據服務體系。

數據治理效果

依據《數據管理能力成熟度評估模型國家標準》，對企業數據治理工作進行評估。經評估，目前企業為二級，屬于受管理級，表明企業對數據已經進行了初步管理，形成了數據管理流程和規范，企業人員的數據意識也有了一定提升。

總體來說，數字化轉型需要以數據為核心，建立完善的數據治理體系，為工業數字化轉型提供有力支撐，企業應予以重視，這樣才能真正實現數字化與智能化轉型目標。一是建立由高層領導牽頭的數據治理跨部門協調機制，理順數據權責，推動各類主體參與數據治理工作；二是圍繞數據治理流程，建立一套覆蓋數據生產運營過程的標準，對數據治理領域各工作環節主要活動進行規范；三是充分應用區塊鏈、云計算、人工智能等技術，打造集元數據管理、數據標準、數據開發、數據質量管理、數據安全管理等于一體的全鏈路數據治理平臺和工具體系。通過有效的數據治理帶動企業治理、社會治理，從而推進數字經濟高質量發展。

---

來源：《中國電信業》2024年第10期

作者：潘軍  夏景  馬維維（中國工業互聯網研究院、山東省工業互聯網發展研究中心）