数据空间
您当前的位置: 首页 /数据知识

何为“数据治理”?

发布时间:[2020-11-27] 来源:泰一数据
点击量:

       大数据时代数据产生的价值越来越大,基于数据的相关技术、应用形式也在快速发展,但在探索与数据相关的开发技术、应用场景和商业模式时,并非所有项目都能取得预期效果,这其中的一个重要原因就是数据质量问题导致了许多预期需求无法实现。如果没有数据治理,再多的业务和技术投入都是徒劳,数据治理是保证数据质量的必需手段,加强数据治理提升数据质量已成为企业提升管理能力的重要任务。

      理解“数据治理
      “数据治理”的概念可以从三个维度理解。
      从微观角度,数据治理是指个体的数据管理,即对数据的实用性、可用性、完整性和安全性的整体管理。从中观角度,数据治理是指公共治理,即区域和国家对其主权范围内的数据质量、权属、流动机制等方面的宏观管理。从宏观角度,数据治理是指全球治理,即在大数据时代,以国家、国际组织、多利益攸关方等为主体,对数据权利、流通、管理等方面的治理。
      基于对于“数据治理”概念的理解,对于为何要进行“数据治理”的目的与原因也更加明确。
      其一,大数据时代下的数据本身表现出与传统数据不同的大数据化特点,面对具备5V 特征(数据体量大Volume、数据类型多Variety、处理速度快Velocity、价值密度低Value、准确性 Veracity)的数据,通过数据治理可以压缩数据体量、提高价值密度,促进数据资产价值最大化。其二,许多公共部门、研究机构和企业掌握着大量的数据,但由于缺乏有序的共享和交易机制而使其成为了众多“数据孤岛”,数据价值大打折扣。部分商业数据交易也由于权属不明,而使企业和公众面临巨大风险。其三,数据治理可以为工业大数据、商业数据和公共数据流动保驾护,有利于维护数据主体权利。其四,数据共享在公共治理方面起到的作用也越来越大。
      目前,政府、学界和产业界都在积极研究和探索数据的保护模式,但迄今还没有定论。但采用的治理手段往往表现为法律制度形式,从法律的视角出发,可以归纳为以下三种模式:
      l 人格权保护模式即通过法律(一般是民法)规定人格权的各项权能,或者通过司法保护途径将个人数据与人格利益建立起强相关,通过对人格利益的保护客观上达到数据治理的效果。欧盟和美国传统的法律都采取这一模式,将大多数消费互联网意义上的数据认定为个人信息,将其归属于数据产生者。其中,欧盟制定了被称为最严个人数据保护例的《一般数据保护条例(GDPR)》,专门确立了个人信息人格权,而美国则更倾向于认可网络个人信息的特殊性,通过变通隐私权和鼓励行业自律的形式进行保护
      l 财产权保护模式主要针对企业数据而言,即在立法和司法上承认数据的财产权属性,并在专属权和利用权等权能方面建立起类似企业经营权的财产权保护法律机制。该模式认为传统法律理念中,将用户产生的数据认定为个人信息,并赋予人格权保护的模式已经不再适应当前的社会发展需求,而赋予数据以财产权,既能够提高数据的利用效率,也可以使用数据的一方与产生数据的一方进行协商。
      l 数据产权保护模式这是一种基于数字经济的新经济现象的观察在法律理论上的创新思路,即承认数据既具有人格权属性也具有财产权属性,可以被理解为类似知识产权的一种法律机制。该模式认为应当改变传统的单向结构的保护模式,转而采用双向的,分阶段、分环节的结构。数据产权保护模式是基于对数据的人格属性和财产属性的认同而产生的结合观点。2017年12中共中央政治局就实施国家大数据战略进行第二次集体学习时强调“要制定数据资源确权、开放、流通、交易相关制度,完善数据产权保护制度。”
      行业数据治理
      当前,我国大数据核心产业包括大数据硬件、大数据软件、大数据服务和行业大数据,市场规模快速增长,2020年有望超过1.2万亿元。其中,促进数据治理的现代化发展、安全合规、敏感数据与保护隐私、底层技术研发等内容都将在发展中更进一步,特别是行业数据数据治理将迎来新的变化与挑战。
      l 金融数据治理金融数据治理的个性特征主要体现在数据资产化和“中台治理”两个方面。一方面,相对于传统金融数据管理的“数据管控”,现代金融数据治理更加强调通过数据治理实现数据价值。只有将数据变为可以使用的资产,才能真正实现金融数据的价值,这就要求金融机构通过金融数据治理将“数据资料”上升为“数据资产”。金融资产数据化和金融数据资产化,是金融数据治理的结果,也是其在大数据时代背景下的重要特征。另一方面,大数据时代对金融从业机构快速和及时创新以应对不断变化的市场需求的能力要求越来越高,而这需要强大的数据决策能力支撑,而金融数据的“中台治理”,恰恰能发挥“水库效应”,因此金融数据中台治理逐渐成为金融从业机构的选择。
      l 电商数据治理电子商务随着大数据技术的应用加持,在基础设施、物流体系、电子认证等支撑下,产生了信用评价、电子支付、电商投融资等新的业务环节。电商数据治理的主要特征包括:首先,电商企业由传统产业链上下游关系企业的封闭型数据流动,迅速随着数据流变向开放型联动化。市场的需求和反馈节奏变快,对电商企业的数据利用能力提出更高要求,这也是联动化特征的内在动力源泉。其次,电子商务数据治理的模式也从传统的单一、片段化的数据治理发展为多元化治理。无论是消费者、产品设计和制造者还是电子商务经营者、售后服务提供者,都成为数据环节的制造者、使用者。最后,对电商而言,数据资产化趋势日益突出,“数据资产列入资产负债表只是时间问题。”
      l 政府数据治理政府数据治理的主要特征包括:信息基础设施建设广泛提升、打破信息共享的非技术性壁垒、防范系统性数据泄露风险、与民众数据需求的充分对接等。首先,政府数据治理依赖于有形设备与无形技术共同构成的信息基础设施,包括传感器网络、数据共享平台等,并需以物联网、云计算、人工智能等最新一带技术为支撑。其次,政府数据治理需要打破由于政府部门间的横向、纵向行政壁垒和部门利益而造成的数据孤岛,推动数据的流动和共享。再次,政府掌握的数据信息较为丰富,数据量巨大,涉及面广,数据调取及应用的合规、数据安全防护是政府数据治理需要解决的重要问题。最后,目前政府数据治理的重心主要集中在政务、医疗、交通、城市管理等领域,未来政府数据治理应结合国家“放管服”改革和优化政务服务的具体要求,与民众、企业的需求高度对接。
      l 物流数据治理物流数据治理的主要特征包括:对数据权属及传输规范性的要求很高、消费者权益保护亟待加强、数据治理主体的权责和争议解决的主要方式须进一步明确和调整。首先,物流数据是属于消费者、电商平台还是物流企业,电商平台与物流企业之间数据的收集、使用、传输等数据治理规则如何明确。其次,在物流数据治理中,如何保障其基本权益不受损害,是数据治理要解决的第二个现实问题。最后,数据主管部门、国家安全部门、公安部门、交通部门、邮政部门、商务部门的监管责任如何界定;电商企业、物流企业、行业协会在数据治理中的权责关系如何进一步厘清;特别是面对数据垄断行为时,如何综合运用行政、司法和市场的手段去解决数据争议问题。这是物流数据治理需要重点关注和解决的第三个问题。
      大数据时代的到来,使利用现有技术手段处理利用海量数据不再遥不可及,妥当运营数据更将带来不可估量的价值,随着越来越多的企业依赖采集和储存、分析数据,并实现他们的商业目标。特别是生产生活领域中数以亿计的智能终端时时刻刻搜集着人们的数据,让人们享受信息技术带来的便利的同时,也给个人隐私、信息安全、网络安全等带来前所未有的挑战,在这样的情况下,数据治理的相关工作也更加迫切。
 

发表评论 共有条评论
用户名: 密码:
匿名发表