1數據治理的概念

數據治理（Data Governance）是一個正在不斷發展的新興學科，與眾多新興學科一樣，目前存在多種定義。不過廣為接受的數據治理，是指圍繞將數據作為企業資產而展開的一系列的具體化工作，數據治理是保證數據的可信可靠可用，滿足業務對數據質量和數據安全的期待的系列舉措。主要包含組織為實現數據資產價值最大化所開展的一系列持續工作過程，諸如明確數據相關方的責權、協調數據相關方達成數據利益一致、促進數據相關方采取聯合數據行動。具體包含數據戰略、數據管理（數據架構、時序數據管理、主數據管理、指標數據管理、元數據管理、數據質量管理、數據安全管理）、數據運營（數據確權、數據需求、數據服務、數據評估審計等）、數據流通（數據產品、數據交易、數據價值等）等一系列數據管理活動的集合。

2工業企業數據治理現狀

我國的數據治理起步于2000年左右，發展很快。2015年提出了《數據治理白皮書》國際標準研究報告。同年，國務院發布《促進大數據發展行動綱要》，將數據確立為國家基礎性戰略資源。2019年，數據成為與人力、資本、土地同等重要的生產要素。2023年，數據資產被納入財務報表，同年10月，國家數據局成立，進一步完善數據要素的管理和協調發展體制。2022年底，我國數據產量8.1ZB，占全球10.5%，數據存儲量為724.5ZB，占全球14.4%。近三年，數據產量和數據存儲量年均增長率近30%。

目前，我國數據治理整體上處于世界領先水平，展現了強大的發展動力、潛力和競爭力。

軍工企業作為國防安全的關鍵行業，一直處于科技創新和數據治理的前沿。具有以下鮮明的數據特點：

1、數據追溯性強。軍工企業業態多、涉及面廣、產業鏈長、生產模式多、制造形態多，產品交期嚴格、計劃性強、異常管理多，各企業產品差異大、單件小批多，生產流程長。需要快速精準定位數據生成、擁有、使用、流轉過程，查清數據血緣關系，實現數據還原，精準定位業務，準確產生業務價值。

2、數據安全性、保密性要求高。軍企數據具有天然的保密屬性和安全要求，“三員”管理、網絡物理隔離等數據安全防護、權限、流程和制度非常嚴密。數據保密要求、流程、制度、措施等非常嚴格。

3、數據細密、量大、類多，但數智化管理手段落后。軍工企業的節奏不一定比其他行業快，但數據大多是應錄必錄、應有盡有。從項目立項到型號上馬，從研發試制到技術定型，從量產新造到修造服務。。。業務精細，管控精密，數據復雜，有電子檔、紙制檔，圖片視頻、聲音文字；有基礎數據、指標數據，也有時序數據；有原生數據，也有衍生數據。軍工企業以人工管理居多，紙質及非結構化數據多、各種數據分散離散失散普遍。

4、數據應用需求強烈，但數據理念有待普及。軍工企業普遍存在數字化轉型的迫切需求，研發、生產、制造一體化聯動，技術、質量、供應、實驗一體化協同，等等，都需要借助大數據和AI等提升業務應用效果、提煉科研創新轉化成果。但如何實現、如何凝煉軍工企業數據應用最佳實踐，需要不斷梳理和引導，探索適合自身實際的數據治理之路。數據治理是一項數字基建工程、一項系統工程、是需要整體規劃設計及循序漸進實現、是需要所有部門及崗位參加的需要深入人心的日常習慣，等等；這些數據治理理念還需要進一步加強和普及。

3工業企業數據治理面臨的挑戰

軍工企業信息化基礎相對薄弱，數據更為復雜，涉及產供檢研財、人機料法環、運維服務等環節，數據治理工作相對滯后。隨著數字中國、數字經濟、數字化轉型、數據資產的不斷創新、推進、深化，軍工企業加強數據治理更為迫切。但軍工企業現階段在數據應用和數據治理方面依然存在“重業務輕管理、重數量輕質量”等諸多挑戰。

3.1數據價值難以量化評估和量化

數據做為新型生產要素和無形資產，是軍工企業的核心資產，但數據資產的量化評估目前還很困難。首先缺乏財務量化模型，難以評價數據價值；其次數據要在交易過程中才能變現價值，但內部流通時通常難以計算財務價值，因此當下暫難直接體現在相關財務報表上。

企業數據流動，橫可跨研發設計、工藝質量、采購、物流、生產制造、實驗和售后服務等價值鏈，縱可從戰略層到經營管理、生產執行到設備控制層。軍工企業量大、類雜、密嚴的數據特點，如何準確評價這些數據的價值，需要相關機構盡快研究和逐步解決。

數據治理投入大、基建性強，短期內難見成效，數據價值的評估又很難完全量化。因此企業投入意愿通常不大，這反過來又影響了企業數據的使用。

3.2數據管理基礎相對薄弱

我國軍工企業的數據資源存量高，但電子化、結構化普遍較低。調查顯示，90%以上的軍企可以實現全過程、全要素、全周期的數據管理，但嚴密周全的紙質文檔多，電子檔或系統化、標準化的文檔不多。單體企業60%以上的電子存量在30TB以下。另外，管理手段落后，70%的企業為原始的手工方式進行數據管理。數據孤島幾乎是所有企業都面臨的困境，數據煙囪林立。推進難度非常大。

3.3數據治理能力水平滯后

軍工企業信息化的普及以及工業互聯網的快速發展，軍工企業正逐步提高數據治理的重要性認識，但數據治理工作現狀依然不容樂觀。調查顯示，軍工企業中，只有一級單位及少數二級單位已開展或在開展數據治理工作；大多數量的軍企尚未真正開展有效的數據治理。

（1）對數據標準化的難度和工作量估計不足

數據標準化是一個長期過程，應全方位治理。很多企業要做數據標準，卻不知道數據標準的范圍很大，很難單個項目、短期完成，需要基建理念、堅持不懈、系統工程。結果就常出現越做標準化，阻力越大，困難就更多，最后喪失信心，轉而把前期辛苦梳理的一堆成果束之高閣。

（2）缺乏落地的數據制度和機制保駕護航

大多數軍工企業企業缺乏專門的數據管理組織，投入數據管理的人力也有限，缺乏認責機制、考核機制，而且大部分做的是數據操作基礎工作，缺少頂層規劃和管理的組織架構和人員。有部分企業已經著手建立數據管理的相關制度、標準、流程及績效管理機制，但很多企業這方面依然多有缺失。缺乏技術、業務部門和系統開發商的支持，尤其是缺乏決策層承諾，則無論如何也難落地。

（3）組織管理和認知水平不足

數據標準落地的長期性、復雜性和系統性特點，決定了推動落地組織機構的管理能力必須保持在很高水平線上。因為數據管理缺失和認知水平普遍不足，導致企業數據質量、數據安全難以得到保障，數據價值不能得到充分挖掘和變現。

（4）數據治理的資金投入不夠，技術手段落后

有部分大型軍企實施了主數據管理平臺，只有極少數企業實施了數據治理平臺，而絕大部分企業甚至暫時還沒有任何數據管理工具。對元數據、主數據、指標數據和交易數據等缺乏標準管理、質量管理、安全管理和全生命周期管理的專業工具。

（5）數據共享任重道遠

許多軍工企業擔心數據共享會泄密、數據共享不安全，不愿意數據共享，造成數據煙囪林立、數據標準各異、數據治理難度加大。探索一條適應軍工企業數據共享之道，做到既消除數據孤島、又數據安全，既標準化、又數據保密，這是一個需要認真研究、必須措施到位的重要且嚴謹的課題。

4工業企業數據治理的初步建議

4.1充分認識軍工企業數據治理發展趨勢

數據治理的發展是伴隨著各國及不同行業對數據資源資產化、數據確權與合規、數據價值創造與共享、隱私保護認識、研究和實踐的一個逐步演進過程。

數據已成為軍工企業的戰略資產，軍工企業從只關注數據的某個方面，到關注全生命周期的數據治理，從關注數據質量到同時關注安全合規以及用戶隱私管理，同時引入更多新技術和新理念。

（1）從“散兵游勇”到“成建制”的治理組織

中共中央、國務院《關于構建數據基礎制度更好發揮數據要素作用的意見》（簡稱：《數據二十條》）提出了“四梁八柱”。相關機構、單位開始通過以組織為核心的數據治理體系建設推動數據治理工作。具體包含開展構建管理組織、建設管理制度和完善管理流程等體系化工作，從而實現跨行業數據高質可信、安全可控、高效流通和保值增值的一系列活動過程。

（2）從傳統式數據治理到資產化數據治理

2023年8月21日由財政部會計司正式發布了《企業數據資源相關會計處理暫行規定》，該規定自2024年1月1日開始施行，要求企業應當根據重要性原則并結合實際情況增設報表子項目，通過表格方式細化披露，并規定企業可根據實際情況自愿披露數據資源的應用場景，引導企業主動加強數據資源相關信息披露。實現登記機制、確權認責、價值評估。

（3）從企業級數據治理到集團級數據治理

軍企數據的價值不僅在于某個部門、某個單位、某個企業的共享、集成、應用，更在于從國家、集團到院部、廠所、車間科室甚至到現場的數據唯一、數據一致、數據場景應用。數據價值體現在跨系統、跨部門、跨企業的數據安全流通和安全共享，產生業務高效協同效益。需要站在國家高度、集團角度，對軍企數據資源分類分級、進行數據質量、數據規范、數據安全、數據共享專業治理。

（4）從人工數據治理到智能化數據治理

人工智能是一種通用技術，它不僅僅是在數據應用端產生作用，在數據的管理端同樣需要人工智能。有了人工智能加持，數據治理將變得更加高效和智能。

（5）從數字化轉型到數字中國的數據治理

數據治理是數字化轉型的技術底座，更是實現數字經濟的數字基石；是實現數字中國的必由之路。

4.2逐步構建軍工企業數據治理管理框架體系

軍工企業數據治理管理框架體系需以數據價值再挖掘為目標，以數據資產管理的為主線，圍繞數據資產的全生命周期管理開展務實可行的管理體系，包括數據戰略、數據管理、數據運營和數據流通共四大管理職能模塊，以及組織機制和技術支撐共兩個支撐模塊。

圖1 軍工企業數據治理框架體系（黃金屋）

軍工企業數據治理框架中，管理職能活動體現了數據治理管理體系各環節需要開展的具體工作，包括數據戰略、數據治理、數據運營、數據流通四個模塊二十三項管理職能，通過界定各項職能活動的定位和內在聯系，相對完整的覆蓋了軍工企業數據治理管理工作方向。支撐保障模塊定義了確保職能活動有效開展所應具備的前提條件和支撐能力，包括組織保障和技術支撐共兩個領域六項支撐手段，具備較好的系統性、協同性、開放性和擴展性，通過跟管理職能活動相結合，針對性提出各種細化管理要求，確保執行過程準確到位，實現軍工企業轉型升級目標。

1.數據戰略模塊為數據管理、數據運營、數據流通提供指導與監督。

2.數據管理模塊是所有業務的基礎，與數據運營模塊是數據流通模塊發揮作用的必要前提。

3.數據運營模塊是在數據管理基礎上，對數據應用與服務能力的建設與打造，既包括對內共享支撐，也包括對外數據服務。

4.數據流通模塊是數據管理模塊和數據運營模塊職能健全優化的驅動力和動能。

5.組織保障是軍工企業開展數據治理的重要保障，為組織實施各項職能活動提供制度規范、管理機制和人才團隊等基礎資源，是數據資產管理得以開展的重要基石。組織保障包括組織架構、制度規范、管理機制和人才培養等內容。

6.技術支撐是保障數據治理框架職能活動有效執行及配合組織管理機制正常運轉的工具基礎，它需要提供技術先進、功能完善、運行高效和安全可靠的支撐能力。技術支撐保障體系包括了平臺工具和技術創新兩方面內容。

4.3健全組織保障體系：數據治理執行的基礎保障

數據治理組織的通用架構需要自上而下形成完整的組織體系，從形式上看，這種組織架構已經與企業的經營管理架構非常相似。企業的數據治理組織架構主要分為決策層、管理層、執行層和監督層共四個層級：

圖2 數據治理組織框架

軍工企業可將數據治理制度融入企業數據治理制度體系，參考業界經驗，根據數據治理組織架構的層次和授權決策次序形成統一的數據治理制度框架，數據治理制度框架分為管理規定、管理辦法、管理細則和操作規范共四個梯次。

圖3 數據治理管理制度體系架構

管理機制是指為了達成數據治理的工作目標，以數據治理管理體系規律為依據，以組織的結構為基礎，有效組織各管理職能和管理機制。制定決策機制、認責機制、監督機制、績效考核機制和激勵機制等數據治理管理機制，指導管理者有效掌控數據資產全生命周期管理各項具體執行工作，激發執行人員主觀能動性。

人才是軍工企業實施數據治理的根本。數據人才培養需抓住培訓體系建設、崗位認證體系建設和人才評估體系建設三個核心環節的建設。

人才隊伍的建設應當形成梯次，自上而下形成“金字塔”型的人才體系，滿足管理、執行和監督等多個崗位角色的工作要求。構建內部的人才資質認證體系，考慮納入企業工程師認證體系，并以此對合作單位人員專業能力進行評估。除專業人員外，還應開展廣泛的數據文化和知識傳播，為數據資產管理工作的整體合作推進營造良好氛圍。

由工業和信息化部人事教育司組織，中國電子技術標準化研究院牽頭組織編寫的《大數據從業人員能力要求》（SJ/T 11788-2021）行業標準于2021年正式發布實施。可供軍工企業參考落實。

另外，引進外部專業數據治理人才、持續開展內部人員培訓，是人才團隊建設和提升數據管理水平的有效和必然手段。建議每一個企業組織要持續引入多種數據類技術和實踐培訓，提升全組織對于數據治理工作的認知度和參與度，助力構建數據文化。

5總結

軍工企業數據治理知識體系涉及管理和技術等多個學科領域，是一個非常復雜的系統工程，如何全面而系統地構建較為完整的數據治理體系，是企業實施數據治理的關鍵。軍工企業數字化轉型當前工作重心應是充分發揮數據要素驅動作用，建議軍工企業參考國務院國資委辦公廳頒布的《關于加快推進國有企業數字化轉型工作的通知》，做好數據治理工作，主要包括完善企業數據治理體系、采集匯集全業務鏈數據和建設大數據平臺等。具體內容如下：

一是加快軍工企業數據治理體系建設，明確數據治理歸口管理部門，加強數據標準化、元數據和主數據管理工作，定期評估數據治理能力成熟度。

二是加強生產現場和服務過程等數據動態采集，建立覆蓋企業業務鏈條的數據采集、傳輸和匯聚體系。

三是加快大數據平臺建設，創新數據融合分析與共享交換機制。

四是強化業務場景數據建模，深入挖掘數據價值，提升數據洞察能力。