带你读《数据自治》第二章数据治理2.1数据治理概述(二)-阿里云开发者社区

开发者社区> 人民邮电出版社> 正文

带你读《数据自治》第二章数据治理2.1数据治理概述(二)

简介: 《数据自治》第二章数据治理2.1数据治理概述(二)
+关注继续查看

2.1.2         数据治理价值

 

在新一代的网络信息技术和互联网的融合过程中,数字经济强势崛起,大大拓展了社会创新空间,新型智慧城市建设方兴未艾。这些与社会生产、生活息息相关的发展和改变都离不开数据的支撑,大数据与产业的结合大大提升了人们的生产、生活水平。但是传统的数据质量管理、数据标准管理、数据模型管理、元数据管理、主数据管理等管理活动只能解决与数据相关的局部问题,其相互之间没有统一的协调和安排,不仅管理活动之间存在割裂和不一致,而且无法从宏观层面对数据资源进行协同,导致数据利用效率较低[4]。因此,需要依靠有效的数据治理体系对数据进行科学、系统的治理,保护国家的数据主权,提升数据安全和数据质量管理水平,真正发挥数据的积极作用。数据治理成为时代发展的必然要求。


(1)数据治理保护国家数据主权

由主权国家构成国际体系,依然是当下对国际体系主要特征的共识。国家主权(如管辖权、独立权、自卫权、平等权等)是一个国家固有的在国内的最高权力和在国际上的独立自主权利,是国家区别于其他社会集团最重要的属性。随着网络空间

发展走向纵深,网络及数据安全问题泛化至政治、经济、军事、国际关系等领域,将上升到影响国家主权和安全的层面,成为大国博弈的趋势和焦点。以跨境数据为例,这一国际经济贸易和网络安全跨界的新领域既涉及数据安全、个人信息保护,又涵盖内政外交、国家治理、贸易规则等。因此,从国际体系层面和主权国家的视角看,治理核心数据资源的最主要的行为体是国家,有效的数据治理是国家主权在大数据时代最重要的延伸,是掌控国家安全的有力抓手之一。

从各国的具体实践来看,基于大数据价值发挥的机理和路径,在安全、有效管控的基础上,开放政府掌握的数据资源、推动数据融合运用乃至跨境流动和商业应用,已经成为各国、各方共同关注、积极探索的关键发展议题。无论是强调主导全球网络空间治理秩序、有效控制关键资源的美国,还是主张以更温和、均衡的方式维护和保障主权国家关键诉求的欧盟,其数据治理的核心考量均是试图寻求多元诉求之间的平衡,即推进数据开放和共享与保障国家安全之间的平衡,主张国家核心利益诉求与促进数字经济发展内生需求之间的平衡。一方面,既防止无视主权、片面追求无边界的数据开放和应用;另一方面,又避免绝对化地用主权壁垒切断数据流动。因此,各国及地区宏观层面的数据治理重点和难点在于,在实践中探索一种实现国家数据主权的有效方式、一套有鲜明特色的治理体系,以明确关键数据资源的权属和其可获得的合法收益,继而以制度化的方式推进,在确保国家核心利益诉求的前提下实现数据价值。

在各国研究自身数据治理体系的同时,数字经济国际合作也进入了探索阶段,国际组织从 2018年起开始增设数字经济相关领域的合作谈判,如世界经济论坛

(WEF)、经济合作与发展组织(OECD)、亚洲太平洋经济合作组织(APEC)、世界贸易组织(WTO)、二十国集团(G20)和金砖国家(BRICS)等都在大数据发展、个人信息保护、网络安全等领域发布报告或推进相关规则谈判,开启了新一轮的国际关系调整。国家数据主权的博弈不单是技术博弈,还是理念博弈、话语权博弈。


(1)数据治理提升国家治理能力

在政务数据领域,数据治理有助于提升政府服务和监管能力。各级行政机关、履行公共管理和服务职能的事业单位(以下简称“公共管理和服务机构”)通过多年的政务信息化建设,已积累了大量公共数据(即在依法履职过程中采集和产生的各类数据资源),并成为最具价值数据的保有者。应用公共数据推动公共管理和服务政务部门的大数据高效、健康地发展,创建良好的大数据生态环境,是提升政府治理能力的关键。2015年,国务院发布《促进大数据发展行动纲要》,明确了“加快政府数据开放共享,推动资源整合,提升治理能力”的重要任务,并明确了时间节点:2017年,全国层面统一的跨部门数据资源共享架构基本形成;2018年,国家和各地政府建成政府主导的数据共享开放平台,打通政务部门、企事业单位间的数据壁垒,并在典型应用场景中逐步开展试点应用;2019年,各地政府实现基于分级分类的公共数据集的普遍开放。期间,国务院陆续印发了系列文件,内容涵盖推进政务信息共享、政务信息系统整合、互联网+政务服务、政务服务一网通办等,推进跨层级、跨地域、跨系统、跨部门、跨业务的政务信息系统整合、互联、协同和数据共享,支撑新型数字政府、智慧城市和城市大脑的深化建设和落地应用。目前,我国政务领域的数据开放共享已取得了阶段性成效,例如上海市推出的“一网通办”“一网统管”“一件事”等改革,是推进供给侧结构性改革、落实“放管服”改革、建设国际化大都市、精细化城市治理、优化营商环境的重要举措。

数据治理是现代科技与社会治理深度融合的现实实践,是治理科技的重大创新。社会治安综合治理大数据涵盖以“人、地、事、物、网、组织”为主题的实体数据及其标签数据、行为数据、事件数据、时空轨迹数据等,通过对社会治安综合治理大数据的汇聚、分类分级和智能研判,将政治、法治、德治、自治、智治(“五治”)与新技术、新手段结合起来,可极大地提高社会治理的可预见性、精准性和高效性,形成智能化治理新格局。


(2)数据治理促进社会经济发展

我国高度重视发展数字经济,推动数字经济逐渐上升为国家战略。从互联网实现人与人的连接,到物联网、工业互联网、传感器等促进物与物的连接,再到 5G推动万物互联,大数据已经成为推动数字经济发展的关键要素和重要引擎,拥有数据的规模、质量、活性、关联及对数据进行处理、挖掘、分析和运用的能力[5]成为国家的核心竞争力。优化数据管理、提升数据质量、实现数据价值成为大数据时代最迫切的问题。

然而,目前组织层面的数据治理水平总体处于起步阶段,普遍存在“重采集轻管理、重规模轻质量、重利用轻安全”的现象,大数据管理的业务流程往往因为缺少完善的大数据治理计划、一致的大数据治理规范、统一的大数据治理过程以及跨部门的协同合作而变得重复和紊乱,进而导致安全风险的提升和数据质量的下降。数字经济发展对组织在大数据的数据质量、安全合规、隐私保护等治理方面提出了

更高的要求,组织决策层必须制定一个基于价值的大数据治理计划,确保董事会和管理层可以方便、安全、快速、可靠地利用大数据进行决策支持和业务运营。

数据治理对于确保大数据的优化、共享和安全至关重要,有效的数据治理可保障数据及其应用过程中的运营合规、风险可控和价值实现,这正是数据治理实施的目标和动力所在。数据治理实施的直接目标和最终目标如图 2-1所示。

image.png


图 2-1数据治理实施的直接目标和最终目标

 

•  运营合规。合规监管和安全控制是大数据治理的核心领域,关系到隐私保护、存取管理、安全控制以及规范、标准或内部规定的遵守和执行。大数据治理必须坚持合规原则:一是,必须在业务的法律框架内进行;二是,数据治理政策和规则的制定应与政府和行业相关标准一致;三是,在主要业务和跨业务职能间应使用一致的数据标准,为合规监管创造一个统一的处理和分析环境。基于此,构建包含策略、过程、组织结构、职责分工等组件的大数据治理框架,提升组织的大数据管理和决策水平,帮助组织在大数据治理业务规范内更有效地管理大数据。

•  风险可控。如今的组织对于数据而言通常是富有侵略性的,为了开展业务,组织通常会在一些关键领域收集、分析和使用各种与用户、产品、业务环境等方面相关的信息。但是许多组织由于缺乏正确的大数据治理策略,不能正确地使用数据,导致违反法律规范或丢失隐私数据。数据治理工作需要整个组织的合作,通过有效的治理,可以显著降低因不遵守法规、规范和标准导致的安全风险。

•  价值实现。数据治理框架有助于产生高质量的数据,增强数据可信度,降低成本;有助于协调不同业务部门的目标和利益,并跨越产品和业务部门提供更广泛、深入和可信的数据,从而产生与业务目标相一致,更有洞察力、前瞻性和更高效的决策;有助于持续不断地开发出创新的大数据服务,从“业务数据化”到“数据业务化”,数据治理通过优化和提升大数据的架构、质量、标准、安全等技术指标,促进大数据服务创新和价值创造。


随着大数据时代的到来,在大数据环境与传统IT环境相互融合的大趋势下,数据治理的体系、方法和标准都将发生深刻的变化,大数据治理已经成为数据治理未来发展的新趋势、新方向和新阶段。如果说“数据治理”提供数据管理和应用框架、策略和方法,目的是保证数据的准确性、一致性和可访问性,那么“大数据治理”在此基础上,更强调发挥数据的应用价值,通过优化和提升数据的结构、质量和安全,推动数据的服务创新和价值创造。

版权声明:本文内容由阿里云实名注册用户自发贡献,版权归原作者所有,阿里云开发者社区不拥有其著作权,亦不承担相应法律责任。具体规则请查看《阿里云开发者社区用户服务协议》和《阿里云开发者社区知识产权保护指引》。如果您发现本社区中有涉嫌抄袭的内容,填写侵权投诉表单进行举报,一经查实,本社区将立刻删除涉嫌侵权内容。

相关文章
带你读《Python数据分析与数据化运营(第2版)》之一:Python和数据化运营
这是一本将数据分析技术与数据使用场景深度结合的著作,从实战角度讲解了如何利用Python进行数据分析和数据化运营。作者是有10余年数据分析与数据化运营的大数据专家,书中对50余个数据工作流知识点、14个数据分析与挖掘主题、4个数据化运营主题、8个综合性案例进行了全面的讲解,能让数据化运营结合数据使用场景360°落地。
1922 0
带你读《Python数据分析与数据化运营(第2版)》之二:数据化运营的数据来源
这是一本将数据分析技术与数据使用场景深度结合的著作,从实战角度讲解了如何利用Python进行数据分析和数据化运营。作者是有10余年数据分析与数据化运营的大数据专家,书中对50余个数据工作流知识点、14个数据分析与挖掘主题、4个数据化运营主题、8个综合性案例进行了全面的讲解,能让数据化运营结合数据使用场景360°落地。
2339 0
阿里云服务器端口号设置
阿里云服务器初级使用者可能面临的问题之一. 使用tomcat或者其他服务器软件设置端口号后,比如 一些不是默认的, mysql的 3306, mssql的1433,有时候打不开网页, 原因是没有在ecs安全组去设置这个端口号. 解决: 点击ecs下网络和安全下的安全组 在弹出的安全组中,如果没有就新建安全组,然后点击配置规则 最后如上图点击添加...或快速创建.   have fun!  将编程看作是一门艺术,而不单单是个技术。
4440 0
使用OpenApi弹性释放和设置云服务器ECS释放
云服务器ECS的一个重要特性就是按需创建资源。您可以在业务高峰期按需弹性的自定义规则进行资源创建,在完成业务计算的时候释放资源。本篇将提供几个Tips帮助您更加容易和自动化的完成云服务器的释放和弹性设置。
7743 0
数据挖掘-概念
概念 加权算术均值: 众数:集合中出现最频繁的值。一般具有两个或更多众数的数据集是多峰(multimodal)的。
761 0
472
文章
0
问答
文章排行榜
最热
最新
相关电子书
更多
文娱运维技术
立即下载
《SaaS模式云原生数据仓库应用场景实践》
立即下载
《看见新力量:二》电子书
立即下载