DAMA数据治理体系研究分析.pdf

DAMA数据治理体系

从国际看，当今世界正经历百年未有之大变局，进入以数字化生

产力为主要标志的数字时代，数字重新定义一切、云计算服务一切、

网络连接一切、AI赋能一切，以互联网、大数据、人工智能、物联网

等为代表的信息技术广泛渗透到经济社会各领域，世界各国都已将大

数据作为重要战略任务。随着科技革命、产业变革纵深推进，抓住数

据这一关键要素，充分释放数字化发展的放大、叠加、倍增效应，是

抢占新一轮发展制高点的关键。

围绕数据全生命周期，通过质量监控、诊断评估、清洗修复、数

据维护等方式，提高数据质量，确保数据可用、好用。完善数据管理

能力评估体系，实施数据安全管理认证制度，推动《数据管理能力成

熟度评估模型》（以下简称DCMM）、数据安全管理等国家标准贯标，

持续提升企事业单位数据管理水平。强化数据分类分级管理，推动数

据资源规划，打造分类科学、分级准确、管理有序的数据治理体系，

促进数据真实可信。

一、DAMA数据治理体系

国际数据管理协会（DataManagementAssociation，又名

DAMAInternational，以下简称DAMA）在其《DAMA数据管理知识体系

指南（第2版）》一书中将数据治理进行了定义，即数据治理是对数

据资产管理行使权力、控制和共享决策（规划、监测和执行）的系列

活动。此外，DAMA还将数据治理作为数据管理十大知识领域的中心，

负责知识领域的平衡和一致性。

DAMA提到数据治理的目标有三点：提升企业数据资产管理能力；

定义、批准、沟通和实施数据管理的原则、政策、程序、指标、工具

和责任；监控和指导政策合规性、数据使用和管理活动。

可以看出，DAMA给出了比较全面的解释，但是距离企业可落地的

数据治理还是距离较远，更像是纲领性的介绍，因此对于如何进行数

据标准的制定以及如何进行数据资产的评估都缺少具体的描述。

二、数据治理指导思想

立足新发展阶段，完整、准确、全面贯彻新发展理念，积极融入

服务新发展格局，坚持加快数字化发展指引，健全数字规则，保障数

据安全，以数据汇聚治理为核心，全力攻坚数据聚通用，充分挖掘大

数据商用、政用、民用价值，加快培育数字经济，打造数字政府、数

字营商环境，构建数字社会，让大数据智能化为经济赋能、为生活添

彩。

三、发挥大数据特性优势

（一）加快数据大体量汇聚

支持企业通过升级信息系统、部署物联感知设备等方式，推动研

发、生产、经营、服务等全环节数据的采集。开展国家数据资源调查，

绘制国家数据资源图谱。建立多级联动的国家工业基础大数据库和原

材料、装备、消费品、电子信息等行业数据库，推动工业数据全面汇

聚。

（二）强化数据多样性处理

提升数值、文本、图形图像、音频视频等多类型数据的多样化处

理能力。促进多维度异构数据关联，创新数据融合模式，提升多模态

数据的综合处理水平，通过数据的完整性提升认知的全面性。建设行

业数据资源目录，推动跨层级、跨地域、跨系统、跨部门、跨业务数

据融合和开发利用。

（三）推动数据时效性流动

建立数据资源目录和数据资源动态更新机制，适应数据动态更新

的需要。率先在工业等领域建设安全可信的数据共享空间，形成供需

精准对接、及时响应的数据共享机制，提升高效共享数据的能力。发

展云边端协同的大数据存算模式，支撑大数据高效传输与分发，提升

数据流动效率。

（四）加强数据高质量治理

围绕数据全生命周期，通过质量监控、诊断评估、清洗修复、数

据维护等方式，提高数据质量，确保数据可用、好用。完善数据管理

能力评估体系，实施数据安全管理认证制度，推动《数据管理能力成

熟度评估模型》（以下简称DCMM）、数据安全管理等国家标准贯标，

持续提升企事业单位数据管理水平。强化数据分类分级管理，推动数

据资源规划，打造分类科学、分级准确、管理有序的数据治理体系，

促进数据真实可信。

（五）促进数据高价值转化

强化大数据在政府治理、社会管理等方面的应用，提升态势研判、

科学决策、精准管理水平，降低外部环境不确定性，提升各类主体风

险应对能力。强化大数据在制造业各环节应用，持续优化设计、制造、

管理、服务全过程，推广数字样机、柔性制造、商业智能、预测性维

护等新模式，推动生产方式变革。强化大数据在信息消费、金融科技

等领