图1 数据管理组织结构示意图
2. 发布自主规划，推动数据管理精准化发展
在企业发布数字化转型总体战略的基础上，越来越多的企业发布了自主的数据管理战略规划，精准提升数据管理工作的质量和效率，从而确立数据管理工作的中长期目标和管理重点活动。 层级，明确所需资源投入总量和资源分配机制，指导数据管理团队工作有效开展。 例如，中国电信集团于2021年发布了《关于推进中国电信数据治理体系化工作的指导意见》，旨在结合“从云到数字再到数字”的总体思路，推动数据治理工作系统化发展。 ——数字化转型》数字化转型，引导集团各单位从数据模型管理、数据质量管理、数据安全管理、数据共享等方面入手，推动数据治理高效开展。
三、开展专项行动，进一步提高数据供给质量
良好的数据供给能力是数据分析和挖掘的基础。 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，数据规模呈爆发式增长。 如何保证数据质量，提升数据质量？ 可信可用性已成为数据管理的关键步骤。 以南方电网为例，数据量从“十三五”初期的220TB增长到2.4PB，数据采集范围扩大到竞品业务、金融业务等领域，关键运营数据采集频次提升60多倍。 在数据来源快速变化的背景下，南方电网在数据质量常态化治理的基础上，开展了专项数据质量提升工程。 ，形成配电网数据问题识别规则14条，累计识别整改数据质量问题2100万余条，全网各单元变电站轮廓坐标、杆塔坐标准确率达到99%。
4.通过统一的技术平台消除数据管理协同难
早期，各企业逐步构建数据标准管理平台、数据质量管理平台、数据架构管理平台、元数据管理平台、主数据管理平台等功能单一的技术工具，用于数据管理中的各项工作。 它通常独立存在，这使得各种数据管理活动之间的联系很差。 例如数据模型难以应用数据标准，难以从源头上控制数据质量等，造成管理资源的冗余和浪费。 随着数据统一管理平台的成熟，它集成了各种单一功能的技术工具，构建了数据管理的“一站式”技术平台，在统筹数据管理、提高数据管理效率方面发挥着越来越突出的作用。 例如，中国移动构建了元数据驱动的统一数据治理平台，全面整合异构、跨区域、跨平台的元数据，统一支持数据管理、开发、运维和运维人员，让数据在一点上看得见，可控可管。 国网大数据中心基于统一的数据管理技术平台，实现了总部和27家省（市）公司PB级数据的统一管理，有效加快了电网全面数字化转型升级。
（三）数据管理面临的主要挑战和发展趋势
目前，企业在数据管理方面仍面临三大挑战。 一是数据商业价值不显着，数据管理内生动力不足。 推动业务创新发展是数据价值的终极目标。 由于缺乏衡量数据产生的商业价值的体系，企业的决策层、管理层和业务部门难以有效感知数据的价值，进一步降低了企业持续发展的能力。进行数据管理。 动机。 二是数据、IT、业务仍然分离，组织架构亟待改革和调整。 尽管越来越多的企业建立了专门的数据管理团队，但数据管理团队、IT团队、业务团队之间的协同机制尚未明晰，导致数据管理与企业信息化建设和业务发展脱节，阻碍了数据管理的发展。数据管理在企业中的成功。 系统和业务场景的实现。 三是数据管理人才匮乏，数据管理后劲不足。 由于数据管理是一个新兴领域，不同于传统的数据库和计算机领域，需要具备管理能力、技术能力和业务能力的复合型人才，因此面临着较大的缺口。
未来，数据管理领域将呈现以下三大趋势。
首先，首席数据官（CDO）系统将帮助企业全面开展数据管理。 CDO是企业的负责人，有效管理和利用企业数据资源，充分挖掘数据价值，驱动业务创新和转型。 负责为公司制定清晰的数字化战略全国数据中心应用发展指引，确保相关举措得到资源分配，衡量数字化项目投资回报率的方法，提高客户参与度和忠诚度，促进数据管理良性闭环的形成为企业。 事实上，过去几年，包括通用电气、富国银行在内的多家外资企业纷纷设立CDO职位，全面推进企业数字化转型。 在我国，广东省在2022年政府工作报告重点任务分工方案中明确提出，要“出台企业首席数据官建设指导意见”，鼓励有条件的企业在决策层设立CDO。 组织实施“多方协同”建设方针。
其次，数据研发与运营（DataOps）的融合将有效提升数据管理协同效率。 随着数据应用场景的日益多样化和数据分析需求的快速变化，数据工程师、数据管理员、报表开发人员、运维工程师等各类数据管理角色逐渐增多，大大增加了各类数据交付任务的难度对于企业。 DataOps旨在打破数据管理各个环节之间的割裂全国数据中心应用发展指引，以数据质量达标率、数据标准失败率、数据架构达标率、数据安全满意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。 与数据消费者高效协同，通过标准化的大数据组件构建一体化平台，打通数据设计、开发、测试、运维。 CI/CD等技术降低数据研发的技术门槛，促进敏感数据的研发，提升数据运维质量。
第三，提高智能化程度将成为降低数据管理成本的关键。 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），自动进行数据规则校验，自动发现数据间隙关系并直观地显示它。 此外，利用VR、AR、3D可视化等技术，帮助数据用户探索和挖掘数据，提高数据应用的趣味性，降低数据使用门槛。
本文节选自中国信息通信研究院在第五届“数据资产管理大会”上发布的《大数据白皮书（2022）》。
报告简介及全文下载链接如下：
关于我们
中国通信标准化协会大数据技术标准推进委员会（CCSA TC601，简称：数字标准委员会/BDC），旨在汇聚产业链各环节，识别和解决大数据发展面临的重大问题，开展大数据技术与数据资产管理。 、数据共享与流通、数据安全等共性基础标准研究，以标准推广工作为纽带，推动大数据与实体经济深度融合。 欢迎加入我们！
入会咨询：白老师 13520285502
baizhimeng@caictyds.cn
