2021-12-27-中国通信标准化协会-数据治理标准化白皮书._34页_2mb

数据治理标准化白皮书（2021年）总结

一、数据治理概念与意义

1. 定义

   • 广义数据治理：通过法律法规、标准规范、技术工具等手段，对个人数据、企业数据、政府数据等对象全生命周期进行有效管控，满足多场景下数据应用需求。
   • 典型定义参考：
     • GB/T 35295-2017：数据处理与规范过程。
     • GB/T 34960.5-2018：数据资源及其应用的管控活动、绩效、风险管理集合。
     • 国际视角：DGI框架（决策权与职权重），DAMA（高阶管理活动）。

2. 意义：

   • 国家层面：支撑国家治理体系现代化，完善新一代信息技术标准体系。
   • 产业层面：规范产业发展，提高服务质量，促进技术创新。
   • 组织层面：提升数据质量，保障数据安全合规，促进管理与技术创新。

二、数据治理范围与原则

1. 范围

   • 对象：个人数据、企业数据、政府数据。
   • 生命周期：全生命周期管理（采集、存储、应用、流通、销毁）。
   • 4W1H模型：Who（谁）、When（何时）、Where（何处）、How（如何）、What（做什么）。

2. 原则

   • 战略重视、组织保障。
   • 责任共担、协调配合。
   • 业务驱动、问题导向。
   • 流程嵌入、实用落地。
   • 服务导向、量化评价。

三、数据治理标准化现状

1. 总体进展

   • 国际标准：ISO/IEC JTC1/SC 32、SC 40，覆盖数据管理和安全。
   • 国家与地方：全国信标委大数据工作组、工信部、各地大数据技术委员会。
   • 行业标准：公安、交通、金融等行业数据标准。

2. 典型标准介绍

   • GB/T 34960.5-2018：数据治理规范，涵盖治理环境、过程。
   • GB/T 36073-2018：数据管理能力成熟度评估模型。
   • ISO/IEC 38505系列：IT治理与数据治理结合。
   • ITU-T系列标准：数据资产管理框架、大数据基础设施评估。

四、数据治理标准体系框架

1. 五个核心结构
   • 序言
   • 基础共性：术语、参考架构、通用要求。
   • 数据基础设施：数据库、大数据平台、数据资产管理。
   • 数据资产管理：基础数据、主数据、元数据、数据质量等。
   • 数据流通：数据开放、交易、跨境。
   • 数据安全：全生命周期安全、防护措施。

五、工作建议

1. 夯实发展基础

   • 加速新兴领域标准制定（如数据交易、价值评估）。
   • 提升标准供给能力，加强国际主导权。

2. 提升企业能力

   • 建设数据标准管理体系，推动企业级数据治理。

3. 产业水平提升

   • 将标准作为产业发展核心，推动质量提升与服务水平优化。

4. 强化保障措施

   • 资金、人员、制度保障，营造标准化良好生态。