导语 | 数据作为国内数字主权竞争的外围资源,是国家明确增列的新型生产因素。数据品质的高下、数据价值的开掘,是影响企业倒退的要害因素之一。明天咱们邀请到了中国信息通信研究院 大数据与区块链部副主任、腾讯云 TVP 姜春宇老师,率领咱们解读数据治理的倒退新趋势,一起洞见行业的数字化将来。
作者简介
姜春宇,中国信息通信研究院 大数据与区块链部副主任,腾讯云 TVP,大数据技术标准推动委员会副主席。钻研方向为大数据技术、数据资产治理、数据安全。参加起草多个国家文件,包含《促成国家大数据倒退口头大纲》、《大数据产业十三五布局》。建设了国内首个大数据产品能力评测体系,制订了多项数据治理标准规范,参加编写《数据安全治理实际指南 1.0》、《数据资产治理实际白皮书》等多本钻研报告。
一、大数据策略从酝酿、落地到深入
随着数字经济的蓬勃发展,国内外对数据的器重水平一直进步,世界各个次要国家和地区都把数据治理和数据因素价值的施展作为国家策略来推动。自 2021 年以来,各国一直深入数据畛域实际,美国公布了 2021 年的策略行动计划,强调机构间的口头单干以及深挖数据的资源价值。欧盟尤其器重个人隐私爱护,激励打造繁多的商业数据市场,陆续出台了一系列通向数字十年之路的政策。另外国内组织 G20、G7 和联合国大会均对数据治理这个大命题有所波及,其目标次要是实现国内数据互联互通,构建谐和数据生态。
国内很早就开始布局大数据策略,并一直推动其走深向实。自从 2014 年大数据首次被写入政府工作报告,我国的大数据策略推动次要经验了以下三个阶段:
第一阶段是从 2014 年到 2015 年,为“酝酿阶段”。大数据在促成经济增长方面的作用被越来越多的人认可,全社会对数据战略地位开展热烈探讨。2015 年 8 月国务院公布了《促成大数据倒退口头大纲》,标记着大数据已回升到国家策略的高度。
第二阶段是从 2016 年到 2019 年,为“落地阶段”。工信部公布的“十三五”《大数据产业倒退布局》是其重要的标志性事件,尔后咱们把大数据作为一个独立的产业去倒退、去培养。在这个阶段,国家逐步器重数据与实体经济的深度交融。
第三阶段是从 2019 年至今,为“深入阶段”。随着大数据产业倒退政策的贯彻,大数据的倒退迈向深入。随后咱们把“数据”作为生产因素提出来,明确了数据因素的位置。面向“十四五布局”,大数据正逐渐融入于倒退的各个篇章中,施展着数据在数字经济中的关键作用。
自去年起,我国的数据立法突飞猛进:“数安法”和“个保法”先后出台,和之前的“网安法”造成了数据合规畛域的三驾马车,标记着数据相干的“上位法”走向健全。而个人信息处理者须要建设起相应的制度流程:技术措施、危险评估、流动监督等一系列工作,也规定了个人信息的跨境流程,包含如何审核,如何评估,如何认证等一系列指南,这也标记着我国的数据合规体系已基本建设实现。
除地方层面,各地部委也接连发力,一直细化合规要求,如工信部和人民银行相继公布了很多相干畛域的政府文件。深圳、上海、广东等地公布了数据相干的条例,激励企业进行数据挖掘摸索和开辟数据因素市场。在技术合规方面,人脸识别和算法治理已提上日程。在产业热点方面,咱们对要害信息基础设施的爱护、数据跨境以及反垄断方面的问题分外关注。
二、DCMM 助推数据治理落地
工信部早在 2014 年便开始组织国家信标委,研发国家标准《数据管理能力成熟度评估模型》(简称:DCMM),历经四年于 2018 年正式公布,这是我国在数据管理畛域的首个国家标准,目前曾经演变为我国数据管理的一套方法论。
数据管理能力成熟度评估模型(DCMM)规定了八个能力域,顶层是数据策略,数据治理域承接数据策略,包含组织架构,人员设置,制度体系。向下又再细分为六个具体的工作域,别离是数据架构、数据规范、数据品质治理、数据安全治理和数据利用治理,以及数据生命周期域。这套体系十分全面,且具备实际意义,是国内外数据管理实践经验的结晶,为企业进步数据管理能力指明了方向。
在这套评估体系中,咱们把整个企业数据管理能力分为五个等级,从初始级到受治理级,即部门级的数据管理能力的建设,为第二级别。如果一个企业建设了一套齐备的企业级数据管理能力,个别它在第三级别也就是持重级。在持重级根底上,如果有了一直优化晋升整个治理流程的能力,那么这个企业就具备了量化治理级的能力。在量化级根底上,个别行业标杆企业,其实际能力可能为其余企业作为参考,能达到优化级。DCMM 能力框架,八个能力关上后有二十八个能力子项,有超过四百个条款,使咱们能够粗疏判断一个企业以后数据能力的倒退阶段,明确将来的倒退方向。
DCMM 的评估贯标工作以后获得了踊跃停顿,目前曾经有上千家的企业实现了评估落标。参加评估企业次要集中于信息技术服务业、制造业、金融、通信和电力等行业,信通院为金融、通信、大型央企提供了很多评估服务。
值得一提的是,具备 DCMM 三级持重级的企业个别具备以下特点:
- 策略层面,公司高层器重数据的价值,且明确数据在企业策略中的重要地位。
- 组织架构层面,个别是企业的高层、行长或一级总经理牵头的数据治理委员会,建设一个从监督层到管理层再到执行层的三层治理架构,各个部门的职责明确分工明确,造成企业级的数据资产目录和企业级数据架构。
- 体系层面,造成贯通数据全生命周期的规范、平安和品质的体系。
- 经营层面,日常的经营、决策须要对数据强依赖。
三、数据治理倒退的前沿趋势
随同大数据在企业中的广泛应用,企业的数据管理和数据治理能力失去无力晋升的同时,也呈现了一些新的风向和趋势。
(一)DataOps:数据开发治理新理念
近年来,数据开发治理一体化(DataOps)作为数据运维联合起来的新理念在业界颇受欢迎。其整体的理念次要是围绕自动化、智能化、精益、麻利、交融合作这五个特点来开展,次要实现整个研发、交付的治理和数据运维的一体化。
- 自动化,即关上就是标准化的工作流程,细化的规定,明确的流程。
- 智能化,强调的是数据的撑持,算法的辅助和管制一些危险。
- 麻利,强调客户第一,增量交付和面向不确定性。
- 交融合作,强调技术、数据的交融,团队的合作。
- 精益,强调的是缩小节约等。
在数据开发治理一体化的管理体系中,分为七个模块,包含:继续交付、研发治理、数据运维、价值经营、平安危险、组织模式以及零碎工具撑持。目前,中国信通院云计算与大数据研究所曾经联结多家银行、电信等机构制订 DataOps 的规范体系。农业银行、工商银行、广东挪动、浙江挪动等企业曾经开始小规模实际 DataOps 这一理念。将来信通院将会不断完善规范体系,提供评估服务,编写相干方法论,踊跃推动 DataOps 在中国落地。
(二)数据估值:数字化转型的指南针
数据治理还有一个面向价值体系方面的演变,即数据治理向资产治理在一直演进。在资产化的过程中,最重要的是数据估值,它是数字化转型的指南针。咱们通过评估数据资产的价值,使得数据的间接经济价值、间接经济价值显性化,从而实现数据价值的可观测、可计量。
其中,间接的评估法次要作用在包含数据对上市企业的估值影响和数据产品交易取得支出上,间接评估法次要使用于包含对企业的辅助经营决策,进步生产效率,升高经营老本和优化商业策略层面。然而鉴于数据价值评估的复杂性,具体的施行办法目前还不足宽泛共识。
在估值方面,数据的间接经济价值相对来说更容易实现。数据资产估值收益可能实现数据价值的显性化,数据变现的模式也将会逐渐变得清晰。
(三)数据安全:造成人人参加的闭环体系
此外,数据治理的一个方向就是数据安全。以后,数据安全曾经回升到了一个空前器重的境地,且数据安全和数据治理曾经严密耦合、难以割裂。“数据安全治理”新理念成为数据治理的一个重要方向。
爱护数据安全,企业须要体系化建设数据安全治理能力,信通院提出了一套数据安全治理能力的框架,顶层是数据安全策略,涵盖指标、工作、组织架构和人员,两头是围绕数据和业务的生命周期来发展数据安全的防护,底层是通用的平安能力,包含分类分级、合规治理、合作方的治理、身份治理等一系列根底安全措施。通过这套治理体系,企业可能理解本身短板,体系化的建设数据安全治理能力。为促成产业交换、共性问题探讨,信通院推出了数据安全推动打算,截至目前已有近 320 家企业退出推动打算,共享教训,独特摸索数据安全的实际方向。
同时,咱们还须要造成一个闭环体系来减速数据安全治理能力的建设,从组织架构来层层落实,使得数据安全这项工作造成由决策层到管理层到执行层的治理架构,打造齐备的制度体系,造成 PDCA 这样一套流程和环节。
“十三五”期间,国内大数据整体围绕技术和产业方面实现了长足发展,而“十四五”布局则更立足于数字经济的倒退阶段,次要强调价值,强调数据因素的流动倒退。随着数据相干法律和政策的欠缺,咱们也须要贯彻倒退和平安并重的数据安全倒退理念。
在数据管理的翻新倒退之路上,咱们看到,将来技术创新将会持续沿着效率的晋升、安全性的增强等方面演进。