数据治理研究

      沈岿在《财经法学》2020年01期《数据治理与软法》一文中认为，制定规则是数据治理不可或缺的一项重要任务。 由于 “对数据治理”和 “用数据治理”的普遍存在，以及组织之间可能需要的在两个维度上的合作，完全有必要通过软法性质的规则去引导组织自身的 “对数据治理”，以及组织或组织之间的 “用数据治理”。数据治理的普遍性、技术性、复杂性和应时性，决定了其对软法有着非常大的需求。数据治理并不是一个企业、一个行业或一个政府机构的事情。任何有着一定规模的组织，都会在当下与未来面对如何在数据的管理和应用上最大化其收益的问题，因此都需要通过相应的规则加强数据治理。当然，组织为其自己的数据治理任务而创设的规则，并不属于软法范畴。然而，由于“对数据治理”和 “用数据治理”的普遍存在，以及组织之间可能需要的在两个维度上的合作，完全有必要通过软法性质的规则，去引导组织自身的 “对数据治理”，以及组织或组织之间的 “用数据治理”。数据治理之所以需要软法，技术性也是其中一个原因。数据治理是现代信息技术（IT）发展的结果。已有的或可能的技术发展带来什么样的数据治理问题，以及针对这些问题应该如何结合技术特点，制定相应的数据治理规则，是数据治理必须应对的。由于技术性太强，这些规则的提供不可能完全依赖正式国家法律的制定。

      陶建林在《金融电子化》2019年07期《大数据时代的数据治理体系建设》一文中认为，数据治理是对数据资产管理行使权力和控制的活动。大数据时代的数据治理体系建设着重有以下几点：1、健全数据管控机制。健全的数据管控机制主要表现在组织架构的保障和流程制度的优化两个方面。为确保数据治理工作的顺利开展，必须加强领导和协调，建立高效、务实的组织架构和职责明确的实施团队。2、深化数据质量管理。建立支持数据质量从发现、报告、分析、定位、解决、跟踪等各环节的流程管理体系，实现对数据质量问题的闭环跟踪管理。3、完善数据标准建设。数据标准是数据治理中最为基础的工作，数据标准化程度越高，数据的管理和使用成本就越低。统一的数据标准不仅可以提升业务效率，更可以促进数据共享，同时也是数据质量的有力保障。4、推进数据平台搭建。5、提升数据应用能力。6、培养数据人才队伍。

      张宁、袁勤俭在《情报杂志》2017年05期《数据治理研究述评》一文中认为，纵观国外数据治理的整个研究历程，国外已经涌现出一些涉及数据治理的研究成果，从研究内容来看，这些成果主要集中以下几个方面： 1、数据治理的理论框架模型的设计； 2、来自跨领域的数据治理价值的探讨； 3、基于不同框架模型的驱动实践探索。国内的数据治理研究起步较晚，大量研究主要借鉴了国外数据治理的思想，目前集中在理论层面的价值讨论阶段，对数据治理框架构成内容的各个方面研究均不深入。有关数据治理的框架体系、政策标准、成熟度模型、数据质量、非结构化数据的质量评价、元数据管理等仍然是未来研究的重心，产业界驱动的模型框架的制定需要与理论界融合创新。总而言之，大数据技术不仅能重塑数据治理的思维，提升数据治理的能力，而且有可能变革数据治理的模式，是数据科学时代科研创新的一条重要发展路径。

王翔、郑磊在《电子政务》2019年02期《面向数据开放的地方政府数据治理：问题与路径》一文中认为，建议当前我国地方政府在面向数据开放对政府数据进行治理时可从以下几个方面进行探索：第一，推进数据治理法律法规建设，营造依法治数的良好环境。第二，健全数据治理组织架构，完善数据治理管理 机制。第三，强化数据资源管理体系，提升数据治理能力。第四，加快数据共享开放，培育数据利用生态体系。总之，政府数据治理是国家治理体系和治理能力现代化的一个重要组成部分，数据开放背景下的政府数据治理作为一个前沿课题，亟需在借鉴国内外文献和相关学科研究成果的基础上，立足中国公共行政实践开展更加深入的实证研究。

 

      中翰软件：专注数据治理15年（http://www.jobhand.cn）