中国信通院@@何宝宏@@@@：数据@@治理@@@@发展呈现六大趋势@@@@

　　数据@@作为数字经济@@发展的核心资源@@，是@@驱动社会创新@@、经济高质量发展的源动能@@。随着@@“数据@@二十条@@”的发布和国家数据@@局的正式挂牌成立@@，我国数据@@要素市场培育进展加速@@，数据@@要素统筹管理@@、协同发展的体制机制正在进一步完善@@。

　　为推进数据@@管理行业迈上新的台阶@@，2023年@@12月@@20日@@，“2023数据@@资产管理大会@@”举办@@，中国信通院@@云计算与大数据@@研究所所长何宝宏@@分享@@了数据@@治理@@@@发展的六大趋势@@@@。

　　趋势@@1：DataOps打造数据@@开发@@治理@@融合新范式@@

　　数据@@开发@@能力是@@企业数据@@生产力的核心@@，大型银行@@和运营@@商已经构建了较为强大的数据@@治理@@@@体系@@，但仍然存在数据@@需求不畅通@@、开发治理@@两张皮@@、数据@@开发@@效率低@@、跨域协同难推进等问题@@。

　　DataOps（数据@@开发@@运营@@一体化@@）是@@数据@@开发@@的新范式@@，将@@敏捷@@、精益等理念融入数据@@开发@@过程@@，通过对数据@@相关人员@@、工具和流程的重新组织@@，打破协作壁垒@@，构建集开发@@、治理@@、运营@@于一体的自动化数据@@流水线@@，不断提高数据@@产品交付@@效率与质量@@。

　　何宝宏@@透露@@，为指导企业开展@@DataOps工作@@，中国信通院@@牵头定义了@@DataOps能力框架@@，将@@DataOps的流水线分为研发@@、交付@@、运维和价值共四个域@@。DataOps体系的运转还需要组织管理@@、系统工具和安全管控三个关键的保障职能@@。由信通院牵头的标准组织正在完善@@DataOps标准体系@@，2022年@@底标准组完成了数据@@研发管理的标准@@，并在农业银行@@@@、工商银行@@@@、浙江移动@@、江苏移动等进行了评估验证@@；今年@@发布了@@《DataOps实践指南@@1.0》，已经完成了系统工具的标准化工作@@@@，将@@启动交付@@@@、运维两个标准的制定@@；2024年@@将@@进一步完善标准体系@@@@，持续推动@@DataOps理念在国内@@落地@@。

　　趋势@@2：数据@@编织@@重塑下一代数据@@架构@@

　　大型机构正面临数据@@统一纳管的难题@@。大型机构分支机构多@@、业务体系庞杂@@、数据@@平台@@建设缺乏统一规划@@，导致无法在集团层面形成统一的数据@@管理与应用@@视图@@，集团内@@数据@@共享和流通成本较高@@，难以整体激活数据@@价值@@。有部分大型机构尝试通过统一物理基础设施来解决这一问题@@，但依赖于高层强有力的推动@@，且成本和代价较大@@。

　　数据@@编织@@（DataFabric）是@@一种新崛起的数据@@管理设计概念@@，目的是@@实现一种灵活的@@、可重用的和增强的数据@@集成方法和服务@@，从而能够跨多平台@@支持不同的数据@@操作和分析任务@@。其核心思路是@@通过增强数据@@目录@@、数据@@虚拟化@@、主动元数据@@等技术@@，将@@大型机构内@@多个数据@@平台@@进行逻辑集中管理@@，避免物理集中带来的重复建设@@，实现数据@@在大型机构内@@的统一纳管@@、充分共享@@、融合分析与应用@@@@。

　　据悉@@，国内@@外@@已经有企业开始提供数据@@编织@@解决方案@@，信通院牵头的标准组织已经启动相关研究和标准化工作@@@@，明年@@将@@发布相关的研究成果@@。

　　趋势@@3：数据@@资产运营@@@@加速企业数据@@价值释放@@

　　数据@@资产管理试图建立一种新的理念@@，即面向数据@@价值开展数据@@管理工作@@@@。数据@@资产管理包括数据@@资源化和数据@@资产化@@两个阶段@@。其中@@，数据@@资产化@@涉及数据@@资产估值@@、数据@@资产运营@@@@、数据@@资产流通三大核心活动@@，主要目的是@@扩大数据@@资产应用@@范围@@，显性化数据@@资产价值收益@@。

　　为了让业务团队更好地理解数据@@资产@@、使用@@数据@@@@，需要对数据@@资产进行运营@@@@，持续地推动数据@@资产价值释放@@。中国信通院@@联合@@30家企业@@，提出具有普适性的数据@@资产@@运营@@@@框架@@，定义了数据@@资产的规划@@、识别@@、应用@@、推广@@、优化等关键环节@@，以解决企业数据@@资产摸不清@@、数据@@资产运营@@@@能力差@@、数据@@资产价值难发挥等问题@@。

　　趋势@@4：数据@@价值评估是@@数据@@资产@@“入表@@”的前提@@

　　2023年@@8月@@，财政部发布@@《企业数据@@资源相关会计处理暂行规定@@》，并于@@2024年@@1月@@1日@@开始施行@@，指出现阶段数据@@资源会计处理应当按照企业会计准则相关规定执行@@。但是@@从数据@@资源到可以@@“入表@@”的数据@@资产@@，中间还有很多难点需要击破@@，特别是@@从价值评估的角度@@，质量因素@@、应用@@因素@@、成本因素和法律因素都会对结果带来关键影响@@。

　　关于数据@@资产估值业界有很多探索@@，但都停留在方法论层面@@。何宝宏@@认为@@，企业围绕数字化场景进行非货币化价值评估是@@比较现实的@@，在此基础上@@，未来可以进行货币化的转化@@。当前信通院正在与一些头部@@央国企@@、银行@@，围绕企业数据@@应用@@场景开展数据@@资产估值落地实践@@，制定了七大估值步骤和详细的实施方案@@，预计明年@@年@@初将@@产出首个细粒度的估值实践@@，为数据@@资产入表@@@@做好前期准备@@。

　　趋势@@5：人工智能数据@@治理@@@@需求迫切@@

　　通用人工智能的发展@@，使得数据@@与算法的边界愈加模糊@@，数据@@嵌入到模型生成中@@，数据@@质量与安全直接影响模型结果@@。然而面向人工智能的数据@@治理@@@@面临诸多挑战@@：一是@@方法论缺失@@，目前@@面向人工智能数据@@治理@@@@的方法刚刚开始@@，尚未形成结构化数据@@管理框架@@，相关技术工具@@也不成熟@@，亟需从理论框架@@、技术工具@@、产业实践等方面构建体系@@；二是@@数据@@集质量评价体系不完善@@，面向人工智能训练的数据@@集质量评价体系需要考虑代表性@@、可追溯性等@@，并兼顾公平性@@、非歧视性等因素@@，具备量身定制的工程化能力@@；三是@@数据@@安全与隐私保护的挑战@@，大模型生成过程中涉及大量安全问题和隐私问题@@，包括知识侵权@@、个人信息的违规收集@@、数据@@不安全传输@@、数据@@恶意篡改等内@@容@@，如何在模型生产@@、使用@@、运营@@整个全生命周期建立起数据@@安全和隐私保护能力@@，需要进一步探索@@。

　　目前@@，中国信通院@@正在积极探索推进人工智能数据@@治理@@@@的发展@@。中国信通院@@已牵头启动编写@@《人工智能数据@@治理@@@@白皮书@@》，人工智能数据@@安全风险评价标准也正在制定过程中@@，还将@@推进可信数据@@集流通及质量评价方法的标准制定@@，形成数据@@工程化的方法@@。

　　趋势@@6：数据@@安全落地规模与深度逐渐加快@@

　　首先@@，随着@@数据@@资源整合共享与开发利用进程加快@@，数据@@安全进入了流通安全的深水区@@，组织机构的数据@@资源将@@逐渐由组织@@“内@@”流通向组织@@“外@@”流通演进@@。流通环节责任主体@@增多@@，流通频次@@和范围增加@@，数据@@安全的风险暴露面也随之增加@@，需要面向责任主体@@和流通环节设计更细致的数据@@安全责任划分@@。

　　其次@@@@，人工智能技术快速应用@@于各行业场景@@，在驱动数据@@分类分级@@、数据@@安全风险监测等数据@@安全治理@@工作@@向智能化@@、高效化@@、精准化演进的同时@@，也带来了新的数据@@安全问题@@。

　　最后@@，随着@@数据@@生态日@@益复杂@@，各种数据@@角色陆续进场@@，安全风险愈演愈烈@@，安全能力运营@@愈发关键@@。数据@@安全运营@@能力的构建能够打破各组织既有数据@@安全产品间的壁垒@@，实现策略的有效整合@@，是@@提升数据@@安全工作@@成效的关键@@。

　　中国信通院@@推出了数据@@安全治理@@能力评估框架@@，定义了数据@@安全治理@@概念和细则@@，配套了能力建设方法论@@，指导企业了解现状@@、评估差距@@、开展能力建设@@。

更多@@精彩@@，请关注@@“官方微信@@”