|
数据管理通过规范数据采集、加工、使用过程，在企业释放数据价值的过程中扮演了“承上启下”的关键角色，是企业丰富数据应用、参与数据要素流通的前序基础。由于数据管理属于投入多、见效较慢的基础性工作，前期仅资源充足的数字原生企业对于数据管理工作的推进速度较快。近年来，在政策支持下，各领域企业的数据管理意识和能力不断增强，越来越多的企业开始从顶层统筹规划数据管理工作，我国数据管理能力建设呈现大规模落地态势。本章将介绍数据管理领域的发展历程、当前现状、主要特征和趋势展望。 （一）政策驱动行业实践日益成熟各领域政策为数据管理落地注入强劲动能。通信领域，工业和信息化部于2021年11月发布了《“十四五”信息通信行业发展规划》，提出加强数据资源管理，探索建立数据应用处理、数据产品标准化、数据确权、数据定价、数据交易信任、数据开放利用全流程的数据资源管理制度体系。制造业领域，工业和信息化部于2021年11月印发了《“十四五”信息化和工业化深度融合发展规划》，提出强化大数据在制造业各环节应用，制定制造业数字化转型行动计划，以制造业数字化转型为引领，培育专业化、场景化大数据解决方案。金融领域，央行于2022年1月发布了《金融科技发展规划（2022-2025年）》，要求全面加强数据能力建设。银保监会于同期发布了《关于银行保险业数字化转型的指导意见》，提出健全数据治理体系，增强数据管理能力，加强数据质量控制，提高数据应用能力。其他领域，交通运输部于2021年10月印发《数字交通“十四五”发展规划》，农业农村部于2022年8月发布《农业现代化示范区数字化建设指南》，提出加大数据治理力度，完善数据质量管控，推动数字交通、数字乡村等领域发展。 行业、地方大力推动DCMM贯标评估，通过“以评促建”的方式提升数据管理能力。工业和信息化部信息技术发展司组织协调全国信息技术标准化技术委员会（TC28）于2014年开始了我国数据管理国家标准研制工作，于2018年发布了《数据管理能力成熟度评估模型》（Data management capability maturity assessment model，简称DCMM），从组织、制度、技术、人员等方面综合评价企业数据管理水平。DCMM评估自2020年启动，河北、天津、无锡等20余省市相继发布针对性支持政策，有力地推动了全国DCMM贯标活动的快速发展，2022年全年共完成企业贯标评估1040家，有效提高企业数据管理能力、促进数据要素价值释放。参评企业分布于全国各地，企业类型覆盖软件和信息技术服务业、制造业、银行业、电力业、通信业等多个行业。 头部企业数据管理工作已经进入深水期，但大部分企业仍处于数据管理初期。中国电子信息行业联合会DCMM评估统计结果显示，现阶段通信业、银行业、电力业数据管理能力相对领先，逐渐迈入深水区，以上3个行业DCMM评分普遍在3级以上，通信业4级占比超过了60%，银行业3级占比接近70%，电力业3级和4级累计占比达到85%。软件和信息技术业、制造业数据管理能力相对薄弱，以上两个行业集中于2级和3级，同时2级比例远高于3级，其中软件和信息技术业的2级占比是3级2倍以上，累计占比达到97%，制造业的2级占比接近3级的5倍，累计占比达到98%。 （二）当前数据管理发展呈现四大特点头部企业数据管理起步较早，数据管理能力相对成熟，管理方法和模式对于发展初期的企业具有良好的参考价值。宏观管理层面，成立了专门数据管理团队，发布独立数据战略规划，提升数据管理专业性；微观执行层面，强化数据供给能力，全面提高数据质量水平，依托统一数据管理平台，提高数据管理效率。 1. 通过成立专职团队增强数据管理执行效率 为推动数据管理有效开展，越来越多的企业成立统一数据管理归口部门，形成了决策、管理、执行的数据管理三层架构组织，并设置了专门的数据管理岗位，建立了数据部门、技术部门和业务部门协同机制。例如，中国移动成立IT管委会统筹数据管理制度、标准、流程，信息技术中心牵头全网各域数据治理和平台建设，并加挂大数据中心负责大数据管理和运营，与各业务部门及省专单位数据“管、建、战”协同。中国联通在集团成立了数字化转型部门，统筹负责数据管理工作，在网络域、管理域、客户域的业务部门、市场部、分子公司指定了数据管理对接人，由联通软研院承担数据管理技术平台开发和运维工作。工商银行在金融科技委员会下设数据治理委员会作为决策层，数据管理部/信息管理部作为管理层，大数据中心/软件开发中心提供技术支持，核心业务部门负责数据采集和数据应用，负责执行具体数据管理工作。
来源：中国信息通信研究院 图1 数据管理组织架构示意图 2. 通过发布独立规划推动数据管理精准开展 在企业纷纷发布数字化转型整体战略基础上，为精准提升数据管理工作的质量和效率，越来越多的企业发布了独立的数据管理战略规划，从而确立数据管理工作的中长期目标和管理活动优先级，明确需要的资源投入总量和资源分配机制，指导数据管理团队的工作有效执行。例如中国电信集团2021年发布了《中国电信数据治理体系化推进工作指引》，旨在结合“云改数转”数字化转型整体思路推动数据管理工作体系化开展，指导集团下各单位从数据模型管理、数据质量管理、数据安全管理、数据共享等方面推进数据治理工作高效开展。 3. 通过开展专项行动进一步提升数据供给质量 良好的数据供给能力是数据分析挖掘的基础，在工业物联网、工业互联网、边缘计算等技术快速发展的背景下，企业业务线上化加速、数据规模爆炸性增长，如何保障数据质量水平、增强数据可信可用成为了数据管理的关键一步。以南方电网为例，数据量从“十三五”初期的220TB提升至2.4PB，数据采集范围拓展至竞争性业务、金融业务等板块，关键运行数据采集频率提升超过60倍。在数据源头快速变化的背景下，南方电网在常态化数据质量治理的基础上开展数据质量提升专项，短时间内、集中资源力量打通数据质量工作的难点、堵点，在主配网数据治理领域，形成配网数据问题识别规则14项，累计识别并整改2100余万条数据质量问题，全网各单位变电站轮廓坐标、杆塔坐标准确率达到99%。 4. 通过统一技术平台消除数据管理协同难点 早期，各企业针对数据管理中的各项工作，逐步建设了数据标准管理平台、数据质量管理平台、数据架构管理平台、元数据管理平台、主数据管理平台等单一功能型技术工具，这些技术工具通常独立存在，使得数据管理各项活动间衔接性较差，例如数据标准难以应用于数据模型、数据质量难以从源头把控等，导致管理资源的冗余和浪费。随着统一数据管理平台的成熟，其将各单一功能型技术工具进行集成，构建了数据管理工作的“一站式”技术平台，对于统筹数据管理工作、提高数据管理效率的作用日益突出。例如中国移动构建了元数据驱动的统一数据治理平台，全面拉通异构跨地域跨平台的元数据，统一支撑数据管理、开发、运营、运维人员的数据治理工作，实现数据一点可看、可控、可管。国网大数据中心基于统一数据管理技术平台，实现总部及27家省（市）公司PB级数据的统一管理，有效加快电网整体数字化转型升级。 （三）数据管理面临的主要挑战与发展趋势 目前企业在数据管理方面仍然面临三点挑战。一是数据的业务价值不显著，数据管理内驱动力不足。推动业务创新和发展是数据价值的最终目标，由于企业缺乏对数据产生业务价值进行度量的体系，导致企业决策层、管理层和业务部门难以对数据价值有效感知，进一步降低了企业持续开展数据管理的动力。二是数据、IT和业务仍存在割裂，组织架构亟需变革调整。尽管越来越多的企业成立专门的数据管理团队，但是尚未明确数据管理团队与IT团队、业务团队的协作机制，导致数据管理与企业信息化建设和业务发展脱节，阻碍了数据管理成果在企业系统和业务场景的落地。三是数据管理人才缺失，数据管理推进后劲不足。由于数据管理是一个新兴领域，有别于传统的数据库和计算机领域，需要的是具备管理能力、技术能力和业务能力的复合型人才，因此面临较大缺口。 未来，数据管理领域呈现以下三点趋势。 一是首席数据官（Chief Data Officer ,CDO）制度将助力企业全面开展数据管理。CDO是有效管理和运用企业数据资源、充分挖掘数据价值、驱动业务创新和转型变革的企业负责人，负责为公司制定一个明确的数字化战略，确保相关举措都获得资源分配，并通过衡量数字项目投资回报率的方式，提高客户参与度和忠诚度，推动企业形成数据管理良性闭环。事实上，在过去的几年里，国外已有包括通用电气、富国银行在内的众多企业设置了CDO岗位，全面推动企业数字化转型。国内广东省于2022年在政府工作报告重点任务分工方案明确提出，要“出台企业首席数据官建设指南”，鼓励具备条件的企业在决策层设立CDO，按照“企业主导、政府推动、价值优先、多方协同”的建设原则组织实施。 二是数据研发运营一体化（DataOps）将有效提升数据管理协同效率。随着数据应用场景日益丰富带来数据分析需求快速变化，数据工程师、数据管理员、报表开发人员、运维工程师在内的各类数据管理角色逐渐增多，导致企业各类数据交付任务难度大大增加。DataOps旨在打破数据管理各环节之间的割裂，将数据质量达标率、数据标准落标率、数据架构符合度、数据安全满足度等指标作为数据设计、开发和测试的要求，优化数据生产者和数据消费者协作效率，并通过标准化大数据组件，构建一体化平台打通数据设计、开发、测试和运维各环节，实现编写代码、生产部署、调度监控全过程线上化，引入可视化编排、CI/CD等技术降低数据研发技术门槛，推动敏态数据研发，提高数据运维质量。 三是提高智能化程度将成为降低数据管理成本的关键。通过利用AI、ML、RPA、语义分析、可视化等技术，自动识别或匹配数据规则（包括数据标准规则、数据质量规则、数据安全规则等），自动执行数据规则校验，自动发现数据之间的关联关系，并以可视化的方式展现。此外，利用VR、AR、3D可视化等技术，帮助数据使用者探索数据和挖掘数据，提升数据应用的趣味性，降低数据使用门槛。 本文节选自中国信通院在第五届“数据资产管理大会”上发布的《大数据白皮书（2022年）》。 报告介绍及全文下载链接如下： |
|
|
