2024中国企业数据治理白皮书

　　政府侧：政策支持数据产业优化

    　　明确数据作为生产要素的重要地位，构建数据制度，发挥数据最大效能

    　　近年来，我国从数字经济发展、数据要素基础、企业数据资源入表等角度持续完善数据相关政策，旨在鼓励企业及数据行业厂商深挖数据资源，以数据为生产要素，推动企业高质量发展。去年起，各省市地方也围绕数据要素的利用分别针对性拟定发展方案，提出未来数年发展目标，围绕自身优势禀赋规划适应自身的数字路径。

    　　明确数据治理评估维度，帮助企业定位自身能力，优化数据管理升级方向

    　　为完善企业数字化建设、提升企业内部管理能力，2018年我国推出首个数据管理领域国家标准——DCMM。标准将组织的数据能力划分为8个核心能力域、28个过程域以及445条能力等级标准。通过材料评审、人员访谈、问卷调研等方式，借助一套成熟模型工具，对目标企业定级并编制评估报告。

    　　DCMM一方面帮助企业审视自身数据资产的管理现状，认知差距及发展方向；另一方面，其评审也是对数据管理理念的一种宣贯，指导企业开展数据相关人员培训，提升人员数字化技能，增强企业数据管理能力。

    　　数字技术成熟及经济范式更新，我国数据产量及大数据产业规模高速增长

    　　近年来我国数据资源规模高速增长，2023年总规模达到32.9ZB，2017-2023年复合增长率为27.6%，是我国同时期GDP复合增长率的5倍有余。数据已成为国民经济的重要生产要素，企业通过汇集、整理、加工与分析实现数据的价值释放，指导企业包括资源分配、流程管理和战略规划等一系列生产经营决策。

    　　我国大数据产业规模上升幅度与数据产量增幅大致相当，2017-2023年复合增长率为28.0%，2023年规模达到2.2万亿元。这一方面得益于Hadoop、Spark、Flink等开源技术更加成熟；另一方面也是数字经济下消费、生产等各类经济行为全面的由线下向线上迁移的结果；随着近年来以大模型为代表的AI技术突破式发展，大数据找到了全新的天然应用场景，经过治理的数据成为大模型训练的“食物”，支持模型的精细打磨和泛化应用。

    　　产业侧：数据治理行业性差异明显

    　　制造业、工程设计、创投、能源、交通、医疗六大行业数据特征、痛点及需求

    　　企业侧：数字化转型已进入深水区

    　　转型面临战略制定、数字基础薄弱等深层问题；数据治理是核心关键因素

    　　当前，企业在数字化转型中面对的问题逐渐深层化、本质化。主要表现为：从引入何种数字化工具、如何彼此搭配组合的“战术问题”，向如何全盘规划数字化路线、在企业战略层面进行部署的“战略问题”转变，从而避免走向“资源消耗不可控、转型成效不可知”的死胡同中。另外，数据的采集、清洗、整合、集成等底层问题也愈发凸显，企业关注点从数据应用领域有所下探，希望优先夯实数字基础，从而在之后的分析及应用环节中实现数据价值的最大释放。

    　　另一方面，在企业数字化的整体建设架构下，数据治理处于核心位置，对下承接算存网等底层物理资源，对上输出可供数字化呈现的企业管理数据资源。相对于前台应用系统与后台基础设施的直接上线或购入，如何治理数据是对企业“内功”的考验，经过数据治理的企业才能把业务与数据相互打通、逻辑理顺，让数字化真正内嵌于企业本身，释放企业数字化建设的最大价值。

    　　企业侧：数字化转型下的数据治理

    　　治理需求由业务向数据渗透，治理价值由数据向业务传导

    　　数字化已成为各行业中企业的重要战略。回顾历史，数字化工具的应用应被视为企业数字化发展的第一阶段，但种类繁杂的数字系统的上线，本质上是企业线下流程到线上流程的转移，并没有让企业效能实现质的飞跃，同时各类工具、系统产生的“数据垃圾”反而成为操作者的负担。

    　　在过往的实践中我们逐步意识到数字化的本质不在于使用数字工具的表象行为，数据以及它如何服务于业务才是核心。在此思路下，数据治理成为新一阶段数字化的重点。从业务出发，反推企业数据治理需求，在完成数据治理这一底层基础任务后，设立指标体系，构建业务数据模型，从而充分发挥数据使能作用，指导企业人员的综合运营。

声明：

1. 风险提示：以上内容仅来自互联网，文中内容或观点仅作为原作者或者原网站的观点，不代表本站的任何立场，不构成与本站相关的任何投资建议。在作出任何投资决定前，投资者应根据自身情况考虑投资产品相关的风险因素，并于需要时咨询专业投资顾问意见。本站竭力但不能证实上述内容的真实性、准确性和原创性，对此本站不做任何保证和承诺。
2. 本站认真尊重知识产权及您的合法权益，如发现本站内容或相关标识侵犯了您的权益，请您与我们联系删除。