我國數據管理發展呈現四大特點

數據管理通過規范數據采集、加工、使用過程，在企業釋放數據價值的過程中扮演了“承上啟下”的關鍵角色，是企業豐富數據應用、參與數據要素流通的前序基礎。由于數據管理屬于投入多、見效較慢的基礎性工作，前期僅資源充足的數字原生企業對于數據管理工作的推進速度較快。近年來，在政策支持下，各領域企業的數據管理意識和能力不斷增強，越來越多的企業開始從頂層統籌規劃數據管理工作，我國數據管理能力建設呈現大規模落地態勢。本章將介紹數據管理領域的發展歷程、當前現狀、主要特征和趨勢展望。

（一）政策驅動行業實踐日益成熟

各領域政策為數據管理落地注入強勁動能。通信領域，工業和信息化部于2021年11月發布了《“十四五”信息通信行業發展規劃》，提出加強數據資源管理，探索建立數據應用處理、數據產品標準化、數據確權、數據定價、數據交易信任、數據開放利用全流程的數據資源管理制度體系。制造業領域，工業和信息化部于2021年11月印發了《“十四五”信息化和工業化深度融合發展規劃》，提出強化大數據在制造業各環節應用，制定制造業數字化轉型行動計劃，以制造業數字化轉型為引領，培育專業化、場景化大數據解決方案。金融領域，央行于2022年1月發布了《金融科技發展規劃（2022-2025年）》，要求全面加強數據能力建設。銀保監會于同期發布了《關于銀行保險業數字化轉型的指導意見》，提出健全數據治理體系，增強數據管理能力，加強數據質量控制，提高數據應用能力。其他領域，交通運輸部于2021年10月印發《數字交通“十四五”發展規劃》，農業農村部于2022年8月發布《農業現代化示范區數字化建設指南》，提出加大數據治理力度，完善數據質量管控，推動數字交通、數字鄉村等領域發展。

行業、地方大力推動DCMM貫標評估，通過“以評促建”的方式提升數據管理能力。工業和信息化部信息技術發展司組織協調全國信息技術標準化技術委員會（TC28）于2014年開始了我國數據管理國家標準研制工作，于2018年發布了《數據管理能力成熟度評估模型》（Data management capability maturity assessment model，簡稱DCMM），從組織、制度、技術、人員等方面綜合評價企業數據管理水平。DCMM評估自2020年啟動，河北、天津、無錫等20余省市相繼發布針對性支持政策，有力地推動了全國DCMM貫標活動的快速發展，2022年全年共完成企業貫標評估1040家，有效提高企業數據管理能力、促進數據要素價值釋放。參評企業分布于全國各地，企業類型覆蓋軟件和信息技術服務業、制造業、銀行業、電力業、通信業等多個行業。

頭部企業數據管理工作已經進入深水期，但大部分企業仍處于數據管理初期。中國電子信息行業聯合會DCMM評估統計結果顯示，現階段通信業、銀行業、電力業數據管理能力相對領先，逐漸邁入深水區，以上3個行業DCMM評分普遍在3級以上，通信業4級占比超過了60%，銀行業3級占比接近70%，電力業3級和4級累計占比達到85%。軟件和信息技術業、制造業數據管理能力相對薄弱，以上兩個行業集中于2級和3級，同時2級比例遠高于3級，其中軟件和信息技術業的2級占比是3級2倍以上，累計占比達到97%，制造業的2級占比接近3級的5倍，累計占比達到98%。

（二）當前數據管理發展呈現四大特點

頭部企業數據管理起步較早，數據管理能力相對成熟，管理方法和模式對于發展初期的企業具有良好的參考價值。宏觀管理層面，成立了專門數據管理團隊，發布獨立數據戰略規劃，提升數據管理專業性；微觀執行層面，強化數據供給能力，全面提高數據質量水平，依托統一數據管理平臺，提高數據管理效率。

1. 通過成立專職團隊增強數據管理執行效率

為推動數據管理有效開展，越來越多的企業成立統一數據管理歸口部門，形成了決策、管理、執行的數據管理三層架構組織，并設置了專門的數據管理崗位，建立了數據部門、技術部門和業務部門協同機制。例如，中國移動成立IT管委會統籌數據管理制度、標準、流程，信息技術中心牽頭全網各域數據治理和平臺建設，并加掛大數據中心負責大數據管理和運營，與各業務部門及省專單位數據“管、建、戰”協同。中國聯通在集團成立了數字化轉型部門，統籌負責數據管理工作，在網絡域、管理域、客戶域的業務部門、市場部、分子公司指定了數據管理對接人，由聯通軟研院承擔數據管理技術平臺開發和運維工作。工商銀行在金融科技委員會下設數據治理委員會作為決策層，數據管理部/信息管理部作為管理層，大數據中心/軟件開發中心提供技術支持，核心業務部門負責數據采集和數據應用，負責執行具體數據管理工作。

來源：中國信息通信研究院

圖1 數據管理組織架構示意圖

2. 通過發布獨立規劃推動數據管理精準開展

在企業紛紛發布數字化轉型整體戰略基礎上，為精準提升數據管理工作的質量和效率，越來越多的企業發布了獨立的數據管理戰略規劃，從而確立數據管理工作的中長期目標和管理活動優先級，明確需要的資源投入總量和資源分配機制，指導數據管理團隊的工作有效執行。例如中國電信集團2021年發布了《中國電信數據治理體系化推進工作指引》，旨在結合“云改數轉”數字化轉型整體思路推動數據管理工作體系化開展，指導集團下各單位從數據模型管理、數據質量管理、數據安全管理、數據共享等方面推進數據治理工作高效開展。

3. 通過開展專項行動進一步提升數據供給質量

良好的數據供給能力是數據分析挖掘的基礎，在工業物聯網、工業互聯網、邊緣計算等技術快速發展的背景下，企業業務線上化加速、數據規模爆炸性增長，如何保障數據質量水平、增強數據可信可用成為了數據管理的關鍵一步。以南方電網為例，數據量從“十三五”初期的220TB提升至2.4PB，數據采集范圍拓展至競爭性業務、金融業務等板塊，關鍵運行數據采集頻率提升超過60倍。在數據源頭快速變化的背景下，南方電網在常態化數據質量治理的基礎上開展數據質量提升專項，短時間內、集中資源力量打通數據質量工作的難點、堵點，在主配網數據治理領域，形成配網數據問題識別規則14項，累計識別并整改2100余萬條數據質量問題，全網各單位變電站輪廓坐標、桿塔坐標準確率達到99%。

4. 通過統一技術平臺消除數據管理協同難點

早期，各企業針對數據管理中的各項工作，逐步建設了數據標準管理平臺、數據質量管理平臺、數據架構管理平臺、元數據管理平臺、主數據管理平臺等單一功能型技術工具，這些技術工具通常獨立存在，使得數據管理各項活動間銜接性較差，例如數據標準難以應用于數據模型、數據質量難以從源頭把控等，導致管理資源的冗余和浪費。隨著統一數據管理平臺的成熟，其將各單一功能型技術工具進行集成，構建了數據管理工作的“一站式”技術平臺，對于統籌數據管理工作、提高數據管理效率的作用日益突出。例如中國移動構建了元數據驅動的統一數據治理平臺，全面拉通異構跨地域跨平臺的元數據，統一支撐數據管理、開發、運營、運維人員的數據治理工作，實現數據一點可看、可控、可管。國網大數據中心基于統一數據管理技術平臺，實現總部及27家省（市）公司PB級數據的統一管理，有效加快電網整體數字化轉型升級。

（三）數據管理面臨的主要挑戰與發展趨勢

目前企業在數據管理方面仍然面臨三點挑戰。一是數據的業務價值不顯著，數據管理內驅動力不足。推動業務創新和發展是數據價值的最終目標，由于企業缺乏對數據產生業務價值進行度量的體系，導致企業決策層、管理層和業務部門難以對數據價值有效感知，進一步降低了企業持續開展數據管理的動力。二是數據、IT和業務仍存在割裂，組織架構亟需變革調整。盡管越來越多的企業成立專門的數據管理團隊，但是尚未明確數據管理團隊與IT團隊、業務團隊的協作機制，導致數據管理與企業信息化建設和業務發展脫節，阻礙了數據管理成果在企業系統和業務場景的落地。三是數據管理人才缺失，數據管理推進后勁不足。由于數據管理是一個新興領域，有別于傳統的數據庫和計算機領域，需要的是具備管理能力、技術能力和業務能力的復合型人才，因此面臨較大缺口。

未來，數據管理領域呈現以下三點趨勢。

一是首席數據官（Chief Data Officer ,CDO）制度將助力企業全面開展數據管理。CDO是有效管理和運用企業數據資源、充分挖掘數據價值、驅動業務創新和轉型變革的企業負責人，負責為公司制定一個明確的數字化戰略，確保相關舉措都獲得資源分配，并通過衡量數字項目投資回報率的方式，提高客戶參與度和忠誠度，推動企業形成數據管理良性閉環。事實上，在過去的幾年里，國外已有包括通用電氣、富國銀行在內的眾多企業設置了CDO崗位，全面推動企業數字化轉型。國內廣東省于2022年在政府工作報告重點任務分工方案明確提出，要“出臺企業首席數據官建設指南”，鼓勵具備條件的企業在決策層設立CDO，按照“企業主導、政府推動、價值優先、多方協同”的建設原則組織實施。

二是數據研發運營一體化（DataOps）將有效提升數據管理協同效率。隨著數據應用場景日益豐富帶來數據分析需求快速變化，數據工程師、數據管理員、報表開發人員、運維工程師在內的各類數據管理角色逐漸增多，導致企業各類數據交付任務難度大大增加。DataOps旨在打破數據管理各環節之間的割裂，將數據質量達標率、數據標準落標率、數據架構符合度、數據安全滿足度等指標作為數據設計、開發和測試的要求，優化數據生產者和數據消費者協作效率，并通過標準化大數據組件，構建一體化平臺打通數據設計、開發、測試和運維各環節，實現編寫代碼、生產部署、調度監控全過程線上化，引入可視化編排、CI/CD等技術降低數據研發技術門檻，推動敏態數據研發，提高數據運維質量。

三是提高智能化程度將成為降低數據管理成本的關鍵。通過利用AI、ML、RPA、語義分析、可視化等技術，自動識別或匹配數據規則（包括數據標準規則、數據質量規則、數據安全規則等），自動執行數據規則校驗，自動發現數據之間的關聯關系，并以可視化的方式展現。此外，利用VR、AR、3D可視化等技術，幫助數據使用者探索數據和挖掘數據，提升數據應用的趣味性，降低數據使用門檻。