数据要素时代数据治理发展五大趋势

导读：数据要素时代数据治理发展的五大趋势包括：

1、分布式数据治理

2、资产化数据治理

3、价值化数据治理

4、智能化数据治理

5、产业级数据治理

一、分布式数据治理

分布式数据治理的关键能力包括

元数据：元数据作为管理抓手将变得更为重要，统一的元数据管控是分布式治理取得成功的关键基础之一。

区块链：区块链在分布式数据安全、数据质置稳定、主数据一致性等方面具有极大的应用价值。

联邦学习：联邦学习有助于在避免数据跨库频繁复制的前提下，实现多库数据关联计算，训练算法和数据模型。

异构融合：结构化和非结构化数据的融合治理，批量和实时数据的联合治理， 将是分布式治理面临的新挑战。

云边协同：数据治理能力要从云端向海量边缘计算节点延伸，从边缘节点开始保障数据的可信、可靠、可用。

二、资产化数据治理

从传统数据治理到资产化数据治理。

登记制度：数据成为资产后， 要建立入库登记机制，确保每一条数据都能够准确、及时、有效的登记造册，才能全面统计企业所拥有的数据资产总量。

确权认责：数据资产的内部权属和权益的确立，同时建立与之对应的数据认责体系，形成 “权责统一”的管理机制，实现数据治理的“各司其职”。

价值评估：数据价值是交易定价的基础，企业对数据资产价值的评估是企业数据治理的新课题，对央企、国企的数据资产保值增值尤为重要。

三、价值化数据治理

从技术数据治理到价值化数据治理。

价值导向：以业务价值为导向，从需求侧开始反向推动数据治理落地，不求数据范围 “面面俱到“ ，但求针对企业高价值、 高需求数据。

“微创”式：由技术部门主导的、动辄覆盖整个数据域或整个企业的数据治理在大数据时代日渐乏力， 聚焦痛点病灶的定点、微创式数据治理更有利于降低成本， 价值最大化。

量化可测：数据治理目标进行量化，分解成可测量的指标，实时呈现数据治理各项工作对企业数据带来的变化， 直观呈现数据治理成果及趋势， 实现价值量化可见。

四、智能化数据治理

从人工数据治理到智能化数据治理。

数据标准智能生成：利用机器学习、语义分析等智能技术，实现数据标准的智能制定和动态优化调整。

元数据智能感知：利用智能触点实现新增元数据的快速感知、抓取与采集，并通过知识图谱进行关系探查。

数据质量智能纠错：基于不断积累的知识库，利用区块链、机器学习等技术，实现数据质量的自动纠错。

数据安全智能防护：利用语义计算、特征匹配、区块链等技术，实现数据安全智能分级、防篡改、智能审计等。

数据管理大爆发时期已经到来，向智能化方向发展。

五、产业级数据治理

从企业级数据治理到产业级数据治理。

产业链指的是包括供应链、服务链、物流链、金融链等高度协同的人、数据、设备、技术、资本等全要素的生产资源的全局配置情况。产业链具体来说，就是指各部门之间基于一定的技术经济相互关联关系，并按照特定的逻辑关系，和时空分布关系等客观形成的链条式的关联关系形态。

企业级数据治理：在单一企业范围内，由企业最高层直接主导或推动开展的数据治理活动，解决企业内部数据壁垒，确保数据可信可用的过程。

行业级数据治理：同一行业内，多个企业为了实现数据互通和互利， 基于统一数据标准，统筹开展数据治理活动，保证行业内数据共享流通顺畅的过程。

产业级数据治理：站在产业级视角， 对同一产业领域内的跨行业的企业数据进行归集和整合，打破行业壁垒，实现数据自由流通，促进产业级生产力提升。

六、数据治理发展趋势研究

数据已经成为企业的战略资产，企业从只关注数据的某个方面，到关注全生命周期的数据治理，从关注数据质量到同时关注安全合规以及用户隐私管理，同时引入更多新技术和新理念。

1、组织保障

通过以组织为核心的数据治理体系建设推动数据治理工作。

设立覆盖企业各层级、 业务条线的数据治理实体组织（或为现有组织赋予数据治理职能），并以先进、 智能的IT平台支撑数据管理的各项工作。

以公司最高政策文件形式表达高层对数据治理工作的重视。

统一数据语言和数据标准，保障数据质量。

2、平台支撑

从人工、工具数据治理到通过大数据分析技术实现智能化数据治理。

数据集成复杂度越来越高，对数据准确性要求也越来越高，人工治理无法满足数据管理要求，逐步通过平台化等技术手段，实现智能化数据管理， 满足业务对数据的需求。

元数据驱动数据模型的设计。

支持多类型数据库技术，如SQL、NoSQL、NewSQL。

多源异构数据整合必须简单便捷，通用统一操作界面实现数据同步整合，将是数据治理最重要的一步。

打造实时数据仓库。

实现即时的数据治理。即时发现数据质量问题，即时进行治理，保障下游数据分析应用的数据可用。

3、数据治理未来形态：基于SQL的可视化数据治理

所有的治理过程都用SQL实现，简单，易懂，可见。

任务设计和调度一体化。

数据处理逻辑在线验证。

4、模式转变

从传统模式向“数据上云，数据治理工作上平台”模式转变。

数据治理工作方式的转变：“数据＋平台＋应用” ，首先要实现数据上云，数据治理工作上平台。

数据应用方式的转变面向多类型数据应用（稳态、 敏态共存、 结构化及非结构化多类型共存），打造基于数据湖、数据中台的新应用模式。

数据特征的转变：大数据及人工智能时代，实现全类型全要素全生命周期、 全闭环的数据治理。