今年連續發布的《中共中央國務院關于構建更加完善的要素市場化配置體制機制的意見》與《中共中央國務院關于新時代加快完善社會主義市場經濟體制的意見》，明確將數據與土地、勞動力、資本、技術等生產要素并列，更加凸顯了數據作為要素的重要價值。此前國家領導強調“要構建以數據為關鍵要素的數字經濟”，首次明確數據是一種生產要素，充分肯定數據在發展數字經濟過程中所起的關鍵作用。

數據、要素和治理之間有什么關系
要想說清楚三者之間的關系，首先要看看數據、要素、治理這三個關鍵字。

先說說數據，其實現在說的數據和過去說的數據相比差別非常大，現在所說的數據不是一個靜態文檔，它是流動的數據，碎片化的數據，以各種各樣的形式表現出來的數據。在數據量方面，單一機構的數據規模由以前的 GB 級上升到 TB 級，甚至 PB 級、EB 級，數據增速快。在數據格式種類方面，除傳統的結構化數據之外，文本數據、圖像數據、語音數據、視頻數據等半結構化數據或非結構化數據占比越來越大，種類日益豐富。在數據來源方面，數據既包括內部數據，也包括來自第三方的外部數據，既包括傳統業務處理采集的業務數據，也包括手機終端、傳感器、機器設備、網站網絡、日志等技術產生的數據。所以同樣在說數據，但是和過去說的數據完全是不同的概念。

再來說說要素，當我們將數據和要素加在一起之后，我們會看到和過去完全不同的地方，很多人說數據是石油，其實是在說我們未來的生產活動全都離不開數據。但是從數據固有屬性來說，它又和石油有本質的不同，石油我們理解其總量是有限的，但數據卻以指數級增長；石油是一次性消耗品，但數據可以被賦值重復使用。正因為兩者存在差異性，所以如果從數據治理的角度，把數據當成石油的方式來治理，這也是不恰當的。那數據像什么，它更像血液，它在數字經濟時代下的各個企業各個部門和每個人之間流通，以它為基礎構建的應用在各行各業發揮著巨大價值。

最后說說治理，將治理和管理比較來看，在數字經濟時代，想要發揮數據的價值本身靠管理是行不通的，必須通過治理來完成，為什么？因為數據既然變成了一個生產要素，他就和所有的行業、所有的部門和所有的企業，甚至是我們每一個人都是密不可分。這里說的管理和治理的區別是什么呢？管理通過設定好完整的目標和管理機制，至上而下來管。而治理則是通過設計一定的機制，然后讓所有的人發揮自己力量的特點，形成一個多方參與的局勢，最后達到一個共同的目標。為什么數據要靠治理而不是管理，就是因為涉及的面太多了，一定要靠治理的方式調用大家的積極性才有可能。

數據價值為何難以發揮
當前企業在數據治理中面臨諸多問題，這些問題阻礙了數據的互聯互通和高效利用，成為了數據價值難以有效釋放的瓶頸，主要包括以下幾點：

一是缺乏統一數據視圖。企業的數據資源散落在多個業務系統中，企業主和業務人員無法及時感知到數據的分布與更新情況，無法快速找到符合自己需求的數據，也無法發現和識別有價值的數據并納入數據資產。

二是數據孤島普遍存在。據統計，98%的企業都存在數據孤島問題。而造成數據孤島的原因既包括技術上的，也包括標準和管理制度上的，這阻礙了業務系統之間順暢的數據共享，降低了資源利用率和數據的可得性。

三是數據質量低下。糟糕的數據質量常常意味著糟糕的業務決策，將直接導致數據統計分析不準確、監管業務難、高層領導難以決策等問題。根據數據質量專家 Larry English 的統計，不良的數據質量使企業額外花費 15%到 25%的成本。而數據能夠被當作資產，并發揮越來越大的價值，其前提是數據質量的不斷提升。

四是缺乏安全的數據環境。數據安全造成的風險主要包括數據泄露與數據濫用等。根據數據泄露水平指數(Breach Level Index)監測，自 2013 年以來全球數據泄露高達 130 億條，其中很多都是由于管理制度不完善造成。隨著各個機構數據的快速累積，一旦發生數據安全事件，其對企業經營和用戶利益的危害性將越來越大，束縛數據價值的釋放。

五是缺乏數據價值管理體系。大部分企業還沒有建立起一個有效管理和應用數據的模式，包括數據價值評估、數據成本管理等，對數據服務和數據應用也缺乏合規性的指導，沒有找到一條釋放數據價值的“最優路徑”。

數據治理是充分發揮數據價值的必經之路
當我們意識到了數據作為生產要素，作為資產的重要性，而數據價值卻因上述種種原因常常難以充分發揮。這時如果依托數據治理手段，就能解決釋放數據價值過程中面臨的諸多問題，以體系化的方式實現數據的可得、可用、好用，用較小的數據成本獲得較大的數據收益，具體體現在以下六個方面：

01掌握數據現狀
數據治理對數據家當進行全面盤點，形成數據地圖，為業務應用和數據獲取夯實基礎。數據地圖作為數據的全盤映射，幫助數據開發者和數據使用者了解數據，成為對數據資產管理進行有效監控的手段。

02提升數據質量
數據治理通過建立一套切實可行的數據質量監控體系，設計數據質量稽核規則，加強從數據源頭控制數據質量，形成覆蓋數據全生命周期的數據質量管理，實現數據向優質資產的轉變。

03實現互聯互通
數據治理通過制定統一的數據標準，建立數據共享制度，完善數據登記、數據申請、數據審批、數據傳輸、數據使用等數據共享相關流程規范，打破數據孤島，實現數據高效共享。

04提高獲取效率
數據治理將大量前期的數據準備時間和交付項目的時間縮短，提升數據的獲取和服務效率，讓數據隨時快速有效就緒，縮短數據分析人員的數據準備時間，加快數據價值的釋放過程。

05保障安全合規
數據治理通過制定完善的數據安全策略、建立體系化的數據安全措施、執行數據安全審計，全方位進行安全管控，確保數據獲取和使用合法合規，為數據價值的充分挖掘提供了安全可靠的環境。

06持續釋放價值
數據治理通過一個持續和動態的全生命周期管理過程，以持續釋放數據價值為理念來實現數據資源管理工作。管理方面，建立一套符合數據驅動的組織管理制度流程和價值評估體系。技術方面，建設現代化數據平臺，確保持續、健康地為數據資產管理提供服務。

數據治理的領航者—睿治
通俗的說數據治理就是預防、診斷和治療與數據有關的“病”。億信華辰智能數據治理平臺——“睿治”就是根治上述病癥的良藥，它包含九大產品模塊如主數據、數據標準、數據質量、數據集成、元數據、數據交換、數據資產、數據生命周期和數據安全，同時模塊間可獨立或組合使用，滿足各類不同數據治理場景。


數據資產分析
平臺提供多種維度的資產監控，并以直觀的圖表展現，便于一目了然的把控數據資產情況。系統按照資產類型、資產目錄對資產個數、資產數據量進行統計，也提供根據 不同的數據庫統計資產數據量，按月統計資產的變化量等統計維度。

數據標準建設
數據標準包括：數據標準檢索、數據標準監控、最新數據標準、定版數據標 準、數據標準發布審批、落地評估、標準文檔管理、參考數據。


睿治數據標準管理平臺核心目標就是給用戶提供簡單易用數據標準創建，并落地映射至數據庫，可及時查看標準，保證用戶對同一指標（事物）的理解是一致的。

數據質量建設

睿治中的數據質量模塊用于解決業務系統運行、數據倉庫建設及數據治理過程中的數據質量問題。它以標準化的數據質量規范為基礎，運用數據挖掘、數據分析、工作流、評分卡、可視化等技術幫助組織建立數據質量管理體系，提升數據的完整性、規范性、及時性、一致性、邏輯性，降低數據管理成本，減少因數據不可靠導致的決策偏差和損失。睿治平臺支持數據質量檢查方案的定義和管理，包括檢查范圍、檢查時間、檢查規則、評分規則、評估報表等。同時，方案支持人工調度和自動調度。系統提供了完整性評價、規范性評價、邏輯性評價、及時性評價、重復性評價、外鍵關聯性、波動分析、平衡分析等多種評估方法。各評估方法均采用可視化界面，用戶無需編程，即可輕松完成所有規則的建立。

數據安全管控
1)多級別的敏感數據監控
睿治平臺中數據安全模塊支持設置敏感數據、敏感級別設置，并對敏感數據進行監控，對數據的不當防問進行監控，了解敏感數據的分布情況。不僅如此，可以通過查詢人員，了解到敏感數據生效的對象。

2)多場景的數據資產脫敏
支持靈活的對平臺數據設置脫敏，除此之外還可以設置脫敏條件，以及脫敏對象， 從而實現權限控制，保證脫敏效果能滿足多種場景需求。

結語
通過以上對數據、要素以及治理含義的理解及其之間關系的梳理，我們明白了數據治理在大數據時代的意義和價值。同時也了解到有哪些現實原因阻礙著我們讓數據最大的發揮價值，而數據治理是解決這些問題的有效手段。

可以預見，數據將成為培育增長新動能和競爭新優勢的一大引擎，為企業持續做強做優做大注入源源不斷的強勁動力。在數據治理領域，億信華辰睿治數據治理平臺走在了時代的前沿，不斷探索和優化數據治理的具體實踐措施，在各行各業積累了豐富又深厚的數據治理經驗，將成為各大企業數字化轉型的最強助力。