1.4.3 数据治理
大数据出现伊始，数据治理（DataGovernance，DG）就得到了重视[16]。与统治、管制不同，治理是一种由共同的目标支持的活动，这些管理活动的主体未必是政府，也不一定必须依靠国家的强制力量来实现。全球治理委员会于1995年对治理做出如下界定：治理是或公或私的个人和机构经营管理相同事务的诸多方式的总和。它是使相互冲突方或不同利益方的矛盾得以调和，并且采取联合行动的持续的过程。它有 4个特征：治理不是一套规则条例，也不是一种活动，而是一个过程；治理的建立不以支配为基础，而以调和为基础；治理同时涉及公私部门；治理并不意味着一
种正式制度，但确实有赖于持续的参与者之间的相互作用[17]。
治理也被引入商业管理领域，如公司治理。公司治理是影响公司领导、管理或控制方式的一系列过程、惯例、政策、法律和制度。
由于数据可通过互联网在全球快速、低成本地流动，且数据涉及政治、经济、社会、军事等所有方面，因此，数据治理可以分成全球数据治理、国家数据治理、政府数据治理、企业数据治理 4个层面。
• 全球数据治理重点关注数据主权、数据边境、数据跨境、域外管辖等方面，关注数据对文明交流、经贸往来的支撑作用，以形成数据全球流通和监管的规制、协议和协调机构等。
• 国家数据治理重点关注一个国家内部各类机构及个人数据的生产、质量、储备、使用、流通、安全等方面，关注数据权属、数据滥用、数据合规、数据犯罪等方面，以形成数据在全国范围内开放共享、交易流通、安全使用的规制、协议等。
• 政府数据治理重点关注政府内部数据的管理和运用、政府部门间的数据共享及绩效分配等方面，关注政府数据使用的合法性、合理性问题，已形成政府数据内部、外部使用的规制和协议。注意，政府运用大数据来提升治理能力不属于数据治理的范畴。
• 企业或机构数据治理重点关注企业内部数据的生产、质量、储备、使用、安全等方面，关注企业在使用外来数据时的合规、合法问题，以形成企业数据资源管控、绩效评估和风险管理等制度。
1.4.4 数据自治
数据自治由朱扬勇等人[18]于 2018年提出，主要用于解决数据开放共享过程中遇到的问题。
当前，绝大部分数据资源还处在封闭的状态，数据完全由数据拥有者管理。数据拥有者尽量保护系统数据不受外界侵害，不对外界开放，即数据自治是封闭式的。这有历史的原因，也有主观原因。
• 历史原因：数据是各单位在信息化过程中逐步积累的，是由单位的信息系统生产的，而信息系统是单位进行业务信息化的支撑，确保信息系统安全是信
息化建设的一项重要内容。因为信息系统是对外封闭的，所以信息系统生产的数据也是对外封闭的。
• 主观原因：数据拥有者因对数据开放的担心而不想、不敢开放数据，这主要是由制度问题导致的。数据收集、管理和维护是有成本的，数据开放也是有成本的。因此，需要理性看待“数据拥有者不愿意开放共享数据”的问题，允许数据拥有者在数据开放共享的过程中获得一定的利益。可以考虑通过建立“数据财政体系”来解决利益问题，促进数据开放共享，促进数字经济快速发展。
在技术方面，现有的数据资源管理技术（数据库管理系统、文件系统）和应用软件技术都支持封闭式的数据自治模式。封闭式的数据自治模式的问题是数据资源只能被数据拥有者使用，没有发挥出数据资源应有的价值。要更大程度地发挥数据的价值，就需要将数据资源开放出来，这也是国家大数据战略倡导数据开放共享的原因之一。
然而，当数据开放给外界后，数据拥有者可能不知道数据会被怎样使用，也不知道有哪些软件会使用数据，并且这些软件基本上是外部的。现有的数据库管理系统软件根本无法满足数据开放的应用需求，因此，需要探索新型的数据资源管理技术和数据开放模式。
数据自治开放是指数据由数据拥有者在法律框架下自行确权和管理、自行制定开放规则（所谓数据自治），然后将数据开放给使用者。数据自治开放技术要解决“如何控制数据使用者传播或滥用数据”的问题，对应的关键技术挑战包括：如何实现数据既自治又开放；如何保护数据稀缺性不丧失，同时确保数据安全和隐私。
