近年來，全球數字經濟蓬勃發展，尤其是肆虐全球的疫情給傳統產業帶來了空前的壓力，產業轉型升級勢在必行。危機中，數字經濟、數字治理爆發出了強大的生機與活力，成為了經濟社會穩步發展的助推器。

與傳統的農業經濟和工業經濟完全不同，在數字經濟下，數據是驅動經濟運行的關鍵性生產要素。在數字經濟的發展過程中，數據起著核心和關鍵作用。作為新型生產要素，數據對土地、勞動力、資本、技術等生產要素具有疊加、倍增作用，正在推動生產方式、生活方式和治理方式的深刻變革，展現出了巨大價值和潛能。

中紡集團棉花事業部副總經理兼信息化中心主任駱學農，在日前召開的“2023北京部委央企及大型企業CIO年會(春季)”大會上，帶來了對大型企業的數據戰略戰術及挑戰的深刻思考。

中紡集團棉花事業部副總經理兼信息化中心主任 駱學農

國家政策層面的高度重視

駱學農表示，在傳統經濟中，生產要素主要指土地、勞動力、資本和技術。隨著科學技術不斷發展，尤其是大數據、人工智能等數字技術涌現，數據成為了新的生產要素。同時，在數據和數字技術的作用下，原有的土地、勞動力、資本和技術等要素也有了新的內涵，這些新生產要素所構成的新生產力，推動了人類社會進入到數字經濟新時代。

《“十四五”大數據產業發展規劃》是工業和信息化部于2021年11月30日發布的文件。《規劃》提出“十四五”時期的總體目標：到2025年我國大數據產業測算規模突破3萬億元，年均復合增長率保持25%左右，創新力強、附加值高、自主可控的現代化大數據產業體系基本形成。《規劃》圍繞加快培育數據要素市場、發揮大數據特性優勢、夯實產業發展基礎、構建穩定高效產業鏈、打造繁榮有序產業生態、筑牢數據安全保障防線六個方面提出重點任務，設置數據治理能力提升、重點標準研制及應用推廣、工業大數據價值提升、行業大數據開發利用、企業主體發展能級躍升、數據安全鑄盾六個專項行動。

在政策方面，國家提出了數字中國戰略和數字經濟發展戰略，充分發揮數據要素作用，支持市場主體依法合規開展數據采集，提升數據資源處理能力，培育壯大數據服務產業，聚焦數據標注、數據清洗、數據脫敏、數據脫密、數據聚合、數據分析環節，加快構建數據要素市場規劃，培育市場主體、完善治理體系，促進數據要素市場流通。適應不同類型數據特點，以實際應用需求為導向，探索建立多樣化的數據開發利用機制。

數字中國規劃中提到的“數據資源大循環”，是指構建國家數據管理體制機制，健全各級數據統籌管理機構。推動公共數據匯聚利用，建設公共衛生、科技、教育等重要領域國家數據資源庫。釋放商業數據價值潛能，加快建立數據產權制度，開展數據資產計價研究，建立數據要素按價值貢獻參與分配機制。

去年年底，《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》(“數據二十條”)對外發布，從數據產權、流通交易、收益分配、安全治理等方面構建數據基礎制度，提出二十條政策舉措。“數據二十條”的出臺，將充分發揮我國海量數據規模和豐富應用場景優勢，激活數據要素潛能，做強做優做大數字經濟，增強經濟發展新動能。今年3月，中共中央、國務院印發了《黨和國家機構改革方案》，組建國家數據局，負責協調推進數據基礎制度建設，統籌數據資源整合共享和開發利用，統籌推進數字中國、數字經濟、數字社會規劃和建設等，由國家發展和改革委員會管理。

“關注國資監管部門的政策要求，未來也許是對央企考核評價的重要依據。研究國家相關的法律法規，企業必須‘依法、合規用數’。研究相關地方/行業的指導政策文件，數據工作要符合‘行規’、‘行標’。”駱學農表示。

駱學農提到，數據管理能力成熟度模型(Data Capability Maturity Model，DCMM)是針對一個組織數據管理、應用能力的評估框架，通過數據管理能力成熟度模型，組織可以清楚的定義數據當前所處的發展階段以及未來發展方向。DCMM是國家大數據重點標準之一，主要由8個能力域、28個能力項、5個成熟度等級組成。

經過關于相關技術發展演進趨勢的調研可以發現，數據技術架構設計要“順勢而為”。

駱學農將其總結為七大趨勢：

• 多模數據庫實現一庫多用;
• 支撐分析與事務混合處理HTAP;
• 運用AI實現管理自治;
• 充分利用新興硬件;
• 與云基礎設施深度結合;
• 隱私計算技術助力安全能力提升;
• 區塊鏈數據庫輔助數據存證溯源。

數據戰略框架+六項重點工作，應對數據工作中的挑戰

反思企業在數據工作上存在的問題和困難，可以發現，“信息孤島“和”數據煙囪“現象突出，業務系統“各自為戰”。數據標準不統一，不同系統間數據定義的口徑存在差異，數出多門。不同信息系統的數據質量良莠不齊，數據質量偏低。同時，企業往往還缺失必要的信息系統，職能管理只能依賴自下而上層層數據填報。對數據認責、確權、共享的管理機制缺乏，數據互聯互通并不暢通。很多企業未能建立統一的數據管理戰略和數據治理體系、基于單一結構化的BI數據分析技術架構，無論從功能、性能都存在不足。并且，數據安全工作和保密工作存在一定的隱患和擔憂。

如何解決這些問題和困難?駱學農認為要從數據戰略框架設計開始，建立企業數據工作的“四梁八柱”。按照中紡集團十四五信息化戰略規劃的要求，以支撐企業數字化轉型為目標，搭建大數據基礎平臺，匯聚內外部數據資源，建立協同長效的數據治理機制，形成企業統一的數據資產，營造”共建、共享、共治、共用“的數據文化，為各類應用場景提供標準化的數據服務，探索建立數據資產化運營與交易體系，通過數據驅動提升公司的可視化、實時化、一體化和智能化的經營和管理水平。

具體來說，要從商業模式創新和價值鏈運營管控等角度發掘數據應用場景，基于數據應用場景需求建立數據架構，統一建立數據應用實現的基礎技術架構平臺，統一建立支持數據應用的長效管理體系，通過項目的實施路徑規劃，將數據場景應用落地，通過宣貫、培訓、制度等形式營造數據文化氛圍。

在這樣的數據戰略指導之下，公司制定了十四五期間數據領域的六項重點工作：打基礎、匯數據、拓應用、抓治理、統運維、育文化。

具體來說，中紡首先要按照集團的數據架構和技術架構的設計方案，建設統一、開放、安全、可控的大數據基礎平臺，提供一體化的數據治理及開發工具，適配多樣化的數據應用場景。

之后匯聚企業全局數據，包括企業內部數據和關鍵外部數據標準化、系統化、流程化、自動化完成數據采集、數據清洗、數據入庫、數據建模和服務封裝，實現數據的共享化、資產化，建立企業的數據資產服務目錄。

要以價值驅動、需求牽引、小步快跑、穩步推進的方式拓展數據中臺上的各類數據應用，支撐賦能企業的數字化轉型工作。

同時，中紡集團要從組織、流程、制度、考核和工具五個方面逐步建立起數據治理體系。從元數據、主數據、數據質量、數據標準、數據安全、數據開發運營等多個數據管理域建立常態化的數據管理體系，適時按照國家標準要求，開展數據治理成熟度評估。

公司還要統一數據中臺的運維支持服務，建立內、外部多級技術服務保障支持體系。滿足國家網絡安全等級保護、數據安全法和集團保密工作的要求，構建統一的大數據安全保障體系。

在組織、宣傳、培訓和引導方面，要營造“用數據說話、靠數據決策”、“數據共享是常態”、“誰錄入，誰負責”的企業數據文化氛圍。提升數據分析能力，培養打造企業的數據工作專業人才隊伍。

通過數據中臺整合、打通、沉淀數據

數據中臺是企業數字化運營的數據賦能平臺，能夠按照規范匯聚、治理和管理全局數據，通過抽象和共享形成數據資產，為各個業務部門提供標準的數據復用服務，支撐企業的數字化轉型。數據中臺的目標是通過提供工具、流程和方法論，建立企業全局數據資產，實現數據能力的全局抽象、共享和復用，賦能業務部門，提高實現數據價值的效率。其特點主要有：匯聚全局數據;實現數據能力抽象;實用工具方便共享、復用數據能力;高效管理數據的能力。

駱學農詳細介紹了數據中臺的“四化”價值：

首先是業務數據化：業務數據在線，融合成一體，匯聚在數據中臺之上。

二是數據資產化：數據中臺建設過程中，通過數據治理使得數據匯聚、可用、可視，實現數據資產化。

三是資產服務化：通過發掘應用場景，提供內部運營的數據資產服務，降本增效、發現新問題、輔助數智化決策等。

四是數據業務化：通過外部場景或者邊緣業務、新業務的創新，數據賦能原有業務或者新業務，實現業務價值，產生真金白銀。
 

典型數據中臺的功能及處理流程

典型數據中臺的技術組件框架圖

數據治理：制定數據治理領導組織架構，各司其職

數據戰略統領下的數據治理包含三個工作域：保障支撐域、數據管理域，數據應用與服務域。在一般的數據工作中，用戶最先接觸的就是上層的數據管理域和數據應用與服務域。比如應用場景、需求、項目管理、資源數據、質量數據、標準等。而保障支撐域為企業良性健康開展數據工作提供“保駕護航”，而公司的數據組織領導架構又是這個域的核心。國家設立“數據局”就是要在組織領導機構上確保數字中國戰略各項任務目標的實現。與之相對應，可以做個大膽預測，未來一些數字化基礎較好的大型企業也許會在總部設立與“信息管理部”并列的“數據管理部”。

駱學農詳細介紹了一個集團型企業的典型數據治理領導組織架構。其中，數據治理委員會負責審定公司數據戰略、規劃、決策跨板塊、跨領域數據爭議。數據治理辦公室負責集團數據治理工作日常管理和推進，負責組建數據治理專家團隊，指導各業務域、企業開展數據治理工作。數據治理專員制度則由各業務域、企業、分(子)公司設立數據治理專員，也稱“數據網格員”，其主要職責是負責牽頭、協調所轄部門數據治理工作。

在數據治理領導組織架構中，各個業務板塊應該因地制宜設置數據管理組織。首先是建立組織責任體系。數據治理領導小組主要負責制定數據戰略，統籌整體數據治理工作的開展、政策的推廣和執行，并作為數據治理問題的最終決策組織解決爭議，監控和監督數據治理工作的績效，并確保數據治理工作預算支持。

數據治理工作小組主要負責數據治理的方法、總則、工具、框架的管理。根據數據治理領導小組的戰略目標，組織協調治理工作，建立數據治理流程，階段目標、制定和維護數據治理方法、總則、工具、框架，對跨部門和領域的數據問題和爭議進行解決和決策。

數據治理辦公室負責細化數據治理工作，依據數據治理工作小組制定的方法和總則制定本事業部數據治理路標和工作計劃，負責維護更新相應數據標準及相關元數據，監控收集數據質量問題并持續改進提升。

數據治理執行層則根據治理工作組的要求開展具體的數據治理落地工作。

駱學農提到，數據資產管理平臺工具位于企業的大數據平臺上層，為各項數據資產管理活動職能的執行提供技術管理保障，呈現“多功能”、“一體化”和“可視化”等特征，是企業開展數據工作的“百寶箱“。他表示，對于一些大型項目，數據資產管理平臺是一個能夠省時省力、提高效率的工具，能夠達到標準化、一體化管理的工具。但是也不能盲目相信工具，還是要結合具體的業務場景來選擇。

數據工作：不忘初心，方得始終

在踐行企業數據工作時，大多企業都面臨著整體與局部的關系、數據文化建設、業務場景與數據價值、數據安全合規保障等挑戰，比如集團負責什么?業務板塊負責什么?如何發揮統分結合，上下聯動的數據價值效益?如何形成共享、共建、共治、共用的企業數據要素工作的新格局?如何通過管理、技術、組織等綜合手段保障數據安全、數據合規等。

駱學農認為，數據文化建設，也就是如何明確數據工作的“責、權、利”，營造“用數據說話”、“數據共享是常態”、“誰錄入，誰負責”的數據文化，往往是最難的，過程也是最漫長的，需要“一把手”水滴石穿、鍥而不舍的信心和決心。企業應當始終堅持業務場景為牽引，數據價值為驅動，不動搖，不含糊、不打折。不能在執行的過程中偏離最初的方向和目標。

”數據工作“道阻且長，行則將至，行而不輟,未來可期”。數字化時代，企業信息化工作的驅動力已經發生了巨大的變化，由過去的“信息系統”單輪驅動，轉變為“平臺+數據”的雙輪驅動。我們應當制定好企業數據戰略規劃，落實數據戰術部署，克服數據工作面臨的各種困難和挑戰，深度挖掘數據對業務的價值，實現數據驅動、賦能企業高質量發展的目標。“駱學農表示。