数据治理晓说:(三)谈谈“十四五”期间数据治理需要关注的六大趋势

简介: 数据治理的概念较早的起源于国外,近些年随着国内信息化的发展,逐步重视数据的共享和应用,随之发现了经常被提及的数据质量问题,从而也逐步开展起了数据治理项目。

“十四五”期间,从国家和企业层面更加专注高质量发展、数字经济、数据价值以及数据要素在国民经济发展、企业创新发展、数字化转型中的重要作用,如何保障数据更好的和应用进行结合,提高数据质量,保障数据安全、达到数据合规、形成数据运营,全面发挥数据资产的价值成为政府和企业关注的重点问题。而数据治理正是为了达到以上目的而进行的不同面的数据管理活动,因此,数据治理将成为“十四五”期间被广泛关注的事件。

数据治理的概念较早的起源于国外,近些年随着国内信息化的发展,逐步重视数据的共享和应用,随之发现了经常被提及的数据质量问题,从而也逐步开展起了数据治理项目。但是,从目前看来,数据治理的效果和效能均不能达到决策者对数据治理的期望。一方面,我国开展数据治理的时间比较短,信息化发展的不均衡和行业数据的复杂性使得各企业及厂商均没有形成非常成熟的方法论和经验;另一方面,数据治理均处于点的层面,还未能实现线、体的融合,难以是现实数据治理对企业战略和企业治理的全面支撑。

“十四五”期间,新的技术还将不断涌现,新的场景还将继续创新,新的业态还将持续创造。以上这些均离不开数据价值的有效发挥,因此,接下来的数据治理工作的关注点也和以前会有所不同,下面我们谈谈“十四五”期间,数据治理工作需要关注的六大核心发展趋势。

1、  数据治理将更加关注基于战略顶层设计

在新的环境下,企业高质量发展离不开技术创新、管理创新、模式创新,企业的核心竞争力提升离不开转型提升、智能制造,更离不开数字化的转型,所有这些都依赖于企业发展战略。

7942276366eb156723df3f75cd8f8a10.jpg

而且,数字化转型属于战略层、决策层需要考虑的重要问题,决定了企业发展方向。数据治理为了能更好的为数字化转型、企业创新发展提供驱动力,势必要基于企业战略和公司治理进行顶层设计。从现在大多数企业随机的、离散的、部分的数据治理向基于战略的、系统的、全面的数据治理转变,这就需要企业对数据治理工作开展前进行顶层设计,尤其是基于企业“十四五”发展战略规划的数据治理体系顶层设计。

2、  数据治理将更加关注数据应用与合规

信息社会的快速发展,使社会和企业的数据量大大增加,存量数据资产巨大,如何发挥数字资产的价值成为普遍关注的问题。因此,不论政府、企事业单位都在开展数据治理工作,目前还着重于提升数据质量。

f896005b34f0610e40e97de4302040b1.jpg

而我们进行数据治理的初衷应该是为了对数据更好的为数据消费者应用,所以未来数据将如何更优化的应用,怎么能让数据产生更大的价值,就成为数据治理关注的重要问题。随着社会法制的健全,对数据的保护、对隐私的保护等一些列法律法规即将出现,数据使用的合规问题也将提上日程,成为不得不关注的问题。

3、  数据治理将更加关注新的数据类型

目前,大多数企业的数据治理无论是主数据、元数据,均是以结构化数据为主要治理对象。随着物联网、移动互联网、工业互联网的深入推进,对大数据的治理、流数据的治理、边缘数据的治理、基于新基建的数据治理会很快成为我们面对的问题。

846844c310eecd614ecfe2472ae24db2.jpg

针对这些纷繁复杂的数据类型,有些数据类型的治理还处于探索和研究阶段,并没有形成很好的解决方案。所以,在“十四五”期间面对这些数据类型,我们要探索更加科学的数据治理方法和管理工具,以适应不同类型数据的治理成效。

4、  数据治理将更加关注治理的系统与全面

随着大多数企业数据治理工作的开展,数据治理的系统性、全面性将会受到关注。现在很多企业的管理者已经认识到,数据治理是一个系统化的工程,而不是毕其功于一役的项目。

2e0d1468f7e408feb2faf83ca8b10984.jpg

所以,“十四五”期间,企业将更加关注数据治理组织体系的建设、数据标准体系的建设、数据管理流程的建设、数据类别的差异化治理方案、数据存储的规划、数据集成共享的监控、绩效考核体系的建设、数据管理工具的优化整合等。数据治理工作的体系化开展、全面建设将成为重要趋势。

5、  数据治理将更加关注政企数据融合治理

企业在做数据治理,政府机构也在做数据治理。那么政府如何高效准确的采集并应用企业数据,以及政府的数据如何快速准确发布为企业战略决策支撑起到作用,成为未来两者都更为关注的问题。

c2ea1632724ac1ede1ebb22e867bd5d4.jpg

如何真正“实现机构职能上下贯通、法规制度协同一致、行权履职规范统一、改革发展统筹有序、党的领导坚强有力、系统合力明显增强,形成国资监管一盘棋”,数据在其中必定起到了重要作用,包括数据的采集、数据的质量、统计的指标等等。只有政府的数据治理和企业的数据治理有效的联动和融合起来,才能达到纵向的数据贯通和横向的数据协同,这必将是“十四五”期间政府和企业进行数据治理需要关注的重点。

6、  进一步促进数据治理方法论的优化成熟

由于数据资产价值的战略重要性,在“十四五”期间开展数据治理的企业会大大增加,这必将促进数据治理方法论的优化和成熟。

1051186de2b9b0ab31805a92c8539dcd.jpg

第一,数据治理面临的数据类型不断增多,比如边缘数据、流数据等,对各类数据治理的策略和方法均会有完善和提升;第二,数据治理不同的框架也会得到进一步实践,比如基于DAMA的、DCMM的等,而且可能还会涉及到治理框架的融合,所以数据治理的方法论还会进一步成熟;第三,中小企业数据治理的实践也将为数据治理方法论的完善和成熟注入新的活动。不难想象,数据治理方法论的成熟与创新也将成为未来关注的重点。

相关文章
|
存储 架构师 数据可视化
一文弄懂数据架构和信息架构的区别
我们经常会听到关于数据架构和信息架构的讨论,它们是一回事吗?让我们看看数据和信息之间的区别,以及组织需要考虑的关键事项。
一文弄懂数据架构和信息架构的区别
|
5月前
|
存储 监控 安全
什么是技术架构、数据架构、业务架构、应用架构、产品架构和项目架构?
为何技术设计完善,项目仍推进艰难?根源在于架构认知缺失。本文系统解析业务、数据、应用、技术、产品、项目六大核心架构,揭示数字化建设的底层逻辑,助力跨部门协作与高效交付,实现技术价值最大化。
|
机器学习/深度学习 搜索推荐 算法
技术感悟之数据分析的演变与未来
本文探讨了数据分析技术的发展历程,从简单的数据收集到复杂的机器学习算法,揭示了技术进步对商业决策、科学研究和社会发展的深远影响。同时,文章也展望了数据分析在未来可能的发展方向和挑战。
|
Java 调度
【源码】【Java并发】【线程池】邀请您从0-1阅读ThreadPoolExecutor源码
当我们创建一个`ThreadPoolExecutor`的时候,你是否会好奇🤔,它到底发生了什么?比如:我传的拒绝策略、线程工厂是啥时候被使用的? 核心线程数是个啥?最大线程数和它又有什么关系?线程池,它是怎么调度,我们传入的线程?...不要着急,小手手点上关注、点赞、收藏。主播马上从源码的角度带你们探索神秘线程池的世界...
558 0
【源码】【Java并发】【线程池】邀请您从0-1阅读ThreadPoolExecutor源码
|
Oracle 关系型数据库 MySQL
flink cdc 插件问题之报错如何解决
Flink CDC(Change Data Capture)是一个基于Apache Flink的实时数据变更捕获库,用于实现数据库的实时同步和变更流的处理;在本汇总中,我们组织了关于Flink CDC产品在实践中用户经常提出的问题及其解答,目的是辅助用户更好地理解和应用这一技术,优化实时数据处理流程。
|
Java 编译器 开发者
Java异常处理的最佳实践,涵盖理解异常类体系、选择合适的异常类型、提供详细异常信息、合理使用try-catch和finally语句、使用try-with-resources、记录异常信息等方面
本文探讨了Java异常处理的最佳实践,涵盖理解异常类体系、选择合适的异常类型、提供详细异常信息、合理使用try-catch和finally语句、使用try-with-resources、记录异常信息等方面,帮助开发者提高代码质量和程序的健壮性。
393 2
|
Rust Dubbo 网络协议
通过 HTTP/2 协议案例学习 Java & Netty 性能调优:工具、技巧与方法论
通过 HTTP/2 协议案例学习 Java & Netty 性能调优:工具、技巧与方法论
12950 81
|
监控 负载均衡 算法
如何确保网络的服务质量 (QoS)
【8月更文挑战第24天】
794 0
|
数据采集 存储 监控
数据治理框架:数据驱动型企业的基石
要解释数据治理框架,我们必须首先定义数据治理。
数据治理框架:数据驱动型企业的基石