本文摘要：當前，以人工智能、區(qū)塊鏈等為代表的數字技術不斷涌現，快速向經濟社會各領域融合滲透，以數據為核心的數字化轉型已是大勢所趨。 各行各業(yè)在生產經營過程中積累了海量的數據資源，只有做好數據治理，才能更快、更好地推進數字化轉型。 當前，新一代信息技術
當前，以人工智能、區(qū)塊鏈等為代表的數字技術不斷涌現，快速向經濟社會各領域融合滲透，以數據為核心的數字化轉型已是大勢所趨。 各行各業(yè)在生產經營過程中積累了海量的數據資源，只有做好數據治理，才能更快、更好地推進數字化轉型。
當前，新一代信息技術蓬勃發(fā)展，我國正處于以科技賦能實現大發(fā)展、大變革的關鍵時期。 以人工智能、區(qū)塊鏈等為代表的數字技術不斷涌現，快速向經濟社會各領域融合滲透，以數據為核心的數字化轉型已是大勢所趨。 要深刻認識數據資源對數字化轉型的重要意義，切實把數據規(guī)劃好、管理好、保護好、應用好，深挖數據價值，釋放數據潛能，推動經濟社會實現高質量發(fā)展。 各行各業(yè)在生產經營過程中積累了海量的數據資源，只有做好數據治理，才能更快、更好地推進數字化轉型。
一、數據治理之“困”
(一)數據底數不清
“數據要素市場”的提出，讓更多人意識到數據的重要性，有望加速數據資產化進程。 任何組織推動數據變成資產前，都需要先摸清數據家底，否則數據資產化將無從談起。 放眼望去，數據底數不清卻是目前我國數據要素市場面臨的普遍問題。 究其原因，以往系統(tǒng)建設規(guī)劃往往只針對特定業(yè)務需求設計，缺乏對全局數據的通盤考慮。
對于一些大型的組織來講，數據涉及的系統(tǒng)數量往往達數百個，支撐的數據庫達上千個。 隨著系統(tǒng)使用時間的增加，龐雜的數據無序地分散在不同系統(tǒng)中，對于數據價值的釋放帶來極大困難。 開展數據分類分級治理，建立數據臺賬，摸清數據底數，是數據資產化的前提，更是數據要素市場發(fā)展的第一要務。
(二)數據安全防護水平有待提升
數據安全是關乎組織生死存亡的核心要素。 數據要素市場發(fā)展伴隨著海量數據的匯聚、流通和使用，如果沒有可靠的數據安全防護，很容易受到不法分子的攻擊和竊取。 我們從近年來不斷上演的數據泄密事件中即可窺見一斑。 威瑞森《數據泄露調查報告》顯示，2019年全球86個國家共發(fā)生41686起安全事件和2013起數據泄露事件，使得相關機構蒙受巨大損失。 IBM《2019年全球數據泄露成本報告》顯示，近5年來數據泄露的年平均成本已達392萬美元。 開展數據安全治理，平衡數據流通使用與個人信息保護及數據安全之間的關系，加大數據安全保護力度，確保數據要素市場得以有效運行。
(三)數據質量不高
數據質量的高低將對數據結果有效性具有決定性影響。 數據質量不高，不僅會使分析結果與實際產生很大偏差，甚至有可能引發(fā)災難性后果，可謂“失之毫厘，謬以千里”。 例如病患的病史和健康數據不準確，為患者提供的藥物建議就可能出現嚴重錯誤。 同樣，如果支撐企業(yè)決策的數據不準確，將導致企業(yè)經營管理偏離預期戰(zhàn)略目標。
如果將數據比喻成水，有效的數據就是飲用水，為生命提供源動力; 無效的數據就好比臟水，給人體健康帶來傷害，嚴重時甚至危及人的生命。 開展數據質量管理，對數據產生、采集、存儲、流通、應用和銷毀的全生命周期進行質量管控，提高數據質量，是保障數據價值實現的現實需要，也是推動數據要素市場發(fā)展的必由之路。
二、數據治理之“道”
面對上述困難和挑戰(zhàn)，如何解困破局、實現數據有序治理和高效利用，是需要共同探討的重點議題。 因此，數據治理應遵循四大基本原則。
首先，依法合規(guī)，保障安全。
數據作為重要的生產要素，確保數據安全應是始終恪守的底線。 尤其是對信息安全高度敏感的行業(yè)，應建立健全數據安全管理長效機制和防護措施，嚴防數據泄露、篡改、損毀與不當使用，依法依規(guī)保護數據主體隱私權在數據治理過程中不受侵害，不能因開展跨部門數據融合應用而突破現有法律法規(guī)與監(jiān)管規(guī)則。
其次，物理分散，邏輯集中。
由于歷史原因，很多機構往往存在“N”個數據中心(數據源)，呈現出多個業(yè)務數據分散存儲、分散運行的局面，若采用“推倒重來”的方式顯然成本太高、阻力太大。 因此，應在保持現有數據中心職能不變的前提下，維持當前數據物理存放位置和運行主體不變，充分利用各數據中心IT設施和人才資源，構建“1個數據交換管理平臺+N個數據中心(數據源)”的數據架構格局。 在此基礎上，制定實施統(tǒng)一的數據管理規(guī)則，實現數據的集中管理。
再次，最小夠用，用而不存。
數據治理的一大難點就是如何在保障數據所有權基礎上實現數據的融合應用。 應消除數據所有方因信息“控制權讓渡”造成“事權轉移”的顧慮，規(guī)范數據使用行為，嚴控數據獲取和應用范圍，確保數據專事專用、最小夠用、未經許可不得留存，杜絕數據被誤用、濫用。 在滿足各方合理需求的前提下，最大限度保障數據所有方權益，確保數據使用合規(guī)、范圍可控。
最后，一數一源，一源多用。
當前，無論是教育行業(yè)還是工業(yè)企業(yè)，各業(yè)務線數據分散現象或多或少存在，數據多頭收集時有發(fā)生。 這不但增加信息報送、采集、存儲成本，也導致數據責任主體不明，數據安全、數據質量難以保障。 應明確源數據管理的唯一主體，保障數據完整性、準確性和一致性，減少重復收集造成的資源浪費和數據冗余。 同時，建立數據規(guī)范共享機制，提升數據利用效率和應用水平，實現數據多向賦能。
三、數據治理之“術”
就如何做好數據治理工作，提出如下四點意見。
其一，以頂層設計為契機點，推動數據規(guī)劃從“美好藍圖”走向“生動現實”。
數據治理是一項長期、復雜的系統(tǒng)工程，要在組織、機制和標準等方面加強統(tǒng)籌謀劃。 一是優(yōu)化組織架構。 充分認識數據的重要戰(zhàn)略意義，將數據治理納入企業(yè)中長期發(fā)展規(guī)劃，及時調整組織架構，明確內部數據管理職責，理清數據權屬關系，自上而下推動數據治理工作。
二是完善應用機制。 在保障各方數據所有權不變前提下，統(tǒng)籌規(guī)劃全局數據架構，完善跨機構、跨領域數據融合應用機制，實現數據規(guī)范共享和高效應用。 三是構建標準體系。 建立涵蓋數據采集、處理、使用等全流程的標準體系，打造數據的“通用語言”，提升數據質量，為數據互通、信息共享和業(yè)務協同奠定堅實基礎。
其二，以數據管理為著力點，推動數據要素從“雜亂無章”跨越到“綱舉目張”。
一是做好數據資產管理。 根據統(tǒng)一的數據標準體系，建立全局數據模型和科學合理的數據架構。 在此基礎上，管理維護全局數據資產目錄，實現對數據資產的全面梳理和有效管控，解決數據質量不高、數據利用不足等問題。 二是做好數據分級管理。 綜合國家安全、公眾權益、個人隱私和企業(yè)合法利益等因素，制定數據分級標準，基于全局數據資產目錄將數據進行分級。
針對不同等級數據采取差異化的控制措施，實現數據精細化管理。 三是做好數據共享管理。 規(guī)范數據共享流程，確保數據使用方在依法合規(guī)、保障安全前提下，根據業(yè)務需要申請使用數據。 數據所有方按規(guī)則審核確定數據使用范圍、共享方式等，通過數據交換機制實現數據有序流轉和安全應用。
其三，以數據安全為關鍵點，推動數據安全從“被動防御”跨越到“攻防兼?zhèn)?rdquo;。
要遵循“用戶授權、最小夠用、全程防護”原則，充分評估潛在風險，把好安全關口，加強數據全生命周期安全管理，嚴防用戶數據的泄露、篡改和濫用。 在采集環(huán)節(jié)，要向被采集用戶進行明示，明確告知數據采集和使用的目的、方式以及范圍，在獲取用戶授權后方可采集。
在存儲環(huán)節(jié)，通過特征提取、標記化等技術將原始信息進行脫敏，并與關聯性較高的敏感信息進行安全隔離、分散存儲，嚴控訪問權限，降低數據泄露風險。 在使用環(huán)節(jié)，借助模型運算、多方安全計算等技術，在不歸集、不共享原始數據前提下，僅向外提供脫敏后的計算結果。
其四，以數據應用為切入點，推動數據要素從“明珠蒙塵”跨越到“連城之璧”。
數據治理的核心環(huán)節(jié)是數據應用，要從算力、算法、存儲、網絡等維度加強技術支撐，切實增強數據應用能力。 在算力方面，加快分布式架構轉型，充分發(fā)揮云計算等技術高性能、低成本、可擴展的優(yōu)勢，滿足海量數據分析處理對計算資源的巨大需求。
在算法方面，基于深度學習、神經網絡等技術設計數據模型和分析算法，提升數據洞察能力和基于場景的數據挖掘能力，為數據插上翅膀，讓數據在經濟社會各領域展翼翱翔。 在存儲方面，探索與互聯網特征相適應、與信息安全要求相匹配的數據存儲方案，穩(wěn)步推動分布式數據庫應用，實現數據高效存儲和彈性擴展。 在網絡方面，運用物聯網技術豐富數據采集維度，利用5G技術高帶寬、速度快、延時低等優(yōu)勢提升數據流轉效率，打造數據“高速公路”。
數字化論文范例：數字化醫(yī)院信息系統(tǒng)THIS4的建立
當前，新一代信息技術蓬勃發(fā)展，我國正處于以科技賦能實現大發(fā)展、大變革的關鍵時期。 要深刻認識數據資源對數字化轉型的重要意義，切實把數據規(guī)劃好、管理好、保護好、應用好，深挖數據價值，釋放數據潛能，推動經濟社會實現高質量發(fā)展。
作者：王偉玲
轉載請注明來自發(fā)表學術論文網：http:///dzlw/25083.html
