近年来，全球数字经济蓬勃发展，尤其是肆虐全球的疫情给传统产业带来了空前的压力，产业转型升级势在必行。危机中，数字经济、数字治理爆发出了强大的生机与活力，成为了经济社会稳步发展的助推器。

与传统的农业经济和工业经济完全不同，在数字经济下，数据是驱动经济运行的关键性生产要素。在数字经济的发展过程中，数据起着核心和关键作用。作为新型生产要素，数据对土地、劳动力、资本、技术等生产要素具有叠加、倍增作用，正在推动生产方式、生活方式和治理方式的深刻变革，展现出了巨大价值和潜能。

中纺集团棉花事业部副总经理兼信息化中心主任骆学农，在日前召开的“2023北京部委央企及大型企业CIO年会(春季)”大会上，带来了对大型企业的数据战略战术及挑战的深刻思考。

中纺集团棉花事业部副总经理兼信息化中心主任 骆学农

国家政策层面的高度重视

骆学农表示，在传统经济中，生产要素主要指土地、劳动力、资本和技术。随着科学技术不断发展，尤其是大数据、人工智能等数字技术涌现，数据成为了新的生产要素。同时，在数据和数字技术的作用下，原有的土地、劳动力、资本和技术等要素也有了新的内涵，这些新生产要素所构成的新生产力，推动了人类社会进入到数字经济新时代。

《“十四五”大数据产业发展规划》是工业和信息化部于2021年11月30日发布的文件。《规划》提出“十四五”时期的总体目标：到2025年我国大数据产业测算规模突破3万亿元，年均复合增长率保持25%左右，创新力强、附加值高、自主可控的现代化大数据产业体系基本形成。《规划》围绕加快培育数据要素市场、发挥大数据特性优势、夯实产业发展基础、构建稳定高效产业链、打造繁荣有序产业生态、筑牢数据安全保障防线六个方面提出重点任务，设置数据治理能力提升、重点标准研制及应用推广、工业大数据价值提升、行业大数据开发利用、企业主体发展能级跃升、数据安全铸盾六个专项行动。

在政策方面，国家提出了数字中国战略和数字经济发展战略，充分发挥数据要素作用，支持市场主体依法合规开展数据采集，提升数据资源处理能力，培育壮大数据服务产业，聚焦数据标注、数据清洗、数据脱敏、数据脱密、数据聚合、数据分析环节，加快构建数据要素市场规划，培育市场主体、完善治理体系，促进数据要素市场流通。适应不同类型数据特点，以实际应用需求为导向，探索建立多样化的数据开发利用机制。

数字中国规划中提到的“数据资源大循环”，是指构建国家数据管理体制机制，健全各级数据统筹管理机构。推动公共数据汇聚利用，建设公共卫生、科技、教育等重要领域国家数据资源库。释放商业数据价值潜能，加快建立数据产权制度，开展数据资产计价研究，建立数据要素按价值贡献参与分配机制。

去年年底，《中共中央国务院关于构建数据基础制度更好发挥数据要素作用的意见》(“数据二十条”)对外发布，从数据产权、流通交易、收益分配、安全治理等方面构建数据基础制度，提出二十条政策举措。“数据二十条”的出台，将充分发挥我国海量数据规模和丰富应用场景优势，激活数据要素潜能，做强做优做大数字经济，增强经济发展新动能。今年3月，中共中央、国务院印发了《党和国家机构改革方案》，组建国家数据局，负责协调推进数据基础制度建设，统筹数据资源整合共享和开发利用，统筹推进数字中国、数字经济、数字社会规划和建设等，由国家发展和改革委员会管理。

“关注国资监管部门的政策要求，未来也许是对央企考核评价的重要依据。研究国家相关的法律法规，企业必须‘依法、合规用数’。研究相关地方/行业的指导政策文件，数据工作要符合‘行规’、‘行标’。”骆学农表示。

骆学农提到，数据管理能力成熟度模型(Data Capability Maturity Model，DCMM)是针对一个组织数据管理、应用能力的评估框架，通过数据管理能力成熟度模型，组织可以清楚的定义数据当前所处的发展阶段以及未来发展方向。DCMM是国家大数据重点标准之一，主要由8个能力域、28个能力项、5个成熟度等级组成。

经过关于相关技术发展演进趋势的调研可以发现，数据技术架构设计要“顺势而为”。

骆学农将其总结为七大趋势：

• 多模数据库实现一库多用;
• 支撑分析与事务混合处理HTAP;
• 运用AI实现管理自治;
• 充分利用新兴硬件;
• 与云基础设施深度结合;
• 隐私计算技术助力安全能力提升;
• 区块链数据库辅助数据存证溯源。

数据战略框架+六项重点工作，应对数据工作中的挑战

反思企业在数据工作上存在的问题和困难，可以发现，“信息孤岛“和”数据烟囱“现象突出，业务系统“各自为战”。数据标准不统一，不同系统间数据定义的口径存在差异，数出多门。不同信息系统的数据质量良莠不齐，数据质量偏低。同时，企业往往还缺失必要的信息系统，职能管理只能依赖自下而上层层数据填报。对数据认责、确权、共享的管理机制缺乏，数据互联互通并不畅通。很多企业未能建立统一的数据管理战略和数据治理体系、基于单一结构化的BI数据分析技术架构，无论从功能、性能都存在不足。并且，数据安全工作和保密工作存在一定的隐患和担忧。

如何解决这些问题和困难?骆学农认为要从数据战略框架设计开始，建立企业数据工作的“四梁八柱”。按照中纺集团十四五信息化战略规划的要求，以支撑企业数字化转型为目标，搭建大数据基础平台，汇聚内外部数据资源，建立协同长效的数据治理机制，形成企业统一的数据资产，营造”共建、共享、共治、共用“的数据文化，为各类应用场景提供标准化的数据服务，探索建立数据资产化运营与交易体系，通过数据驱动提升公司的可视化、实时化、一体化和智能化的经营和管理水平。

具体来说，要从商业模式创新和价值链运营管控等角度发掘数据应用场景，基于数据应用场景需求建立数据架构，统一建立数据应用实现的基础技术架构平台，统一建立支持数据应用的长效管理体系，通过项目的实施路径规划，将数据场景应用落地，通过宣贯、培训、制度等形式营造数据文化氛围。

在这样的数据战略指导之下，公司制定了十四五期间数据领域的六项重点工作：打基础、汇数据、拓应用、抓治理、统运维、育文化。

具体来说，中纺首先要按照集团的数据架构和技术架构的设计方案，建设统一、开放、安全、可控的大数据基础平台，提供一体化的数据治理及开发工具，适配多样化的数据应用场景。

之后汇聚企业全局数据，包括企业内部数据和关键外部数据标准化、系统化、流程化、自动化完成数据采集、数据清洗、数据入库、数据建模和服务封装，实现数据的共享化、资产化，建立企业的数据资产服务目录。

要以价值驱动、需求牵引、小步快跑、稳步推进的方式拓展数据中台上的各类数据应用，支撑赋能企业的数字化转型工作。

同时，中纺集团要从组织、流程、制度、考核和工具五个方面逐步建立起数据治理体系。从元数据、主数据、数据质量、数据标准、数据安全、数据开发运营等多个数据管理域建立常态化的数据管理体系，适时按照国家标准要求，开展数据治理成熟度评估。

公司还要统一数据中台的运维支持服务，建立内、外部多级技术服务保障支持体系。满足国家网络安全等级保护、数据安全法和集团保密工作的要求，构建统一的大数据安全保障体系。

在组织、宣传、培训和引导方面，要营造“用数据说话、靠数据决策”、“数据共享是常态”、“谁录入，谁负责”的企业数据文化氛围。提升数据分析能力，培养打造企业的数据工作专业人才队伍。

通过数据中台整合、打通、沉淀数据

数据中台是企业数字化运营的数据赋能平台，能够按照规范汇聚、治理和管理全局数据，通过抽象和共享形成数据资产，为各个业务部门提供标准的数据复用服务，支撑企业的数字化转型。数据中台的目标是通过提供工具、流程和方法论，建立企业全局数据资产，实现数据能力的全局抽象、共享和复用，赋能业务部门，提高实现数据价值的效率。其特点主要有：汇聚全局数据;实现数据能力抽象;实用工具方便共享、复用数据能力;高效管理数据的能力。

骆学农详细介绍了数据中台的“四化”价值：

首先是业务数据化：业务数据在线，融合成一体，汇聚在数据中台之上。

二是数据资产化：数据中台建设过程中，通过数据治理使得数据汇聚、可用、可视，实现数据资产化。

三是资产服务化：通过发掘应用场景，提供内部运营的数据资产服务，降本增效、发现新问题、辅助数智化决策等。

四是数据业务化：通过外部场景或者边缘业务、新业务的创新，数据赋能原有业务或者新业务，实现业务价值，产生真金白银。
 

典型数据中台的功能及处理流程

典型数据中台的技术组件框架图

数据治理：制定数据治理领导组织架构，各司其职

数据战略统领下的数据治理包含三个工作域：保障支撑域、数据管理域，数据应用与服务域。在一般的数据工作中，用户最先接触的就是上层的数据管理域和数据应用与服务域。比如应用场景、需求、项目管理、资源数据、质量数据、标准等。而保障支撑域为企业良性健康开展数据工作提供“保驾护航”，而公司的数据组织领导架构又是这个域的核心。国家设立“数据局”就是要在组织领导机构上确保数字中国战略各项任务目标的实现。与之相对应，可以做个大胆预测，未来一些数字化基础较好的大型企业也许会在总部设立与“信息管理部”并列的“数据管理部”。

骆学农详细介绍了一个集团型企业的典型数据治理领导组织架构。其中，数据治理委员会负责审定公司数据战略、规划、决策跨板块、跨领域数据争议。数据治理办公室负责集团数据治理工作日常管理和推进，负责组建数据治理专家团队，指导各业务域、企业开展数据治理工作。数据治理专员制度则由各业务域、企业、分(子)公司设立数据治理专员，也称“数据网格员”，其主要职责是负责牵头、协调所辖部门数据治理工作。

在数据治理领导组织架构中，各个业务板块应该因地制宜设置数据管理组织。首先是建立组织责任体系。数据治理领导小组主要负责制定数据战略，统筹整体数据治理工作的开展、政策的推广和执行，并作为数据治理问题的最终决策组织解决争议，监控和监督数据治理工作的绩效，并确保数据治理工作预算支持。

数据治理工作小组主要负责数据治理的方法、总则、工具、框架的管理。根据数据治理领导小组的战略目标，组织协调治理工作，建立数据治理流程，阶段目标、制定和维护数据治理方法、总则、工具、框架，对跨部门和领域的数据问题和争议进行解决和决策。

数据治理办公室负责细化数据治理工作，依据数据治理工作小组制定的方法和总则制定本事业部数据治理路标和工作计划，负责维护更新相应数据标准及相关元数据，监控收集数据质量问题并持续改进提升。

数据治理执行层则根据治理工作组的要求开展具体的数据治理落地工作。

骆学农提到，数据资产管理平台工具位于企业的大数据平台上层，为各项数据资产管理活动职能的执行提供技术管理保障，呈现“多功能”、“一体化”和“可视化”等特征，是企业开展数据工作的“百宝箱“。他表示，对于一些大型项目，数据资产管理平台是一个能够省时省力、提高效率的工具，能够达到标准化、一体化管理的工具。但是也不能盲目相信工具，还是要结合具体的业务场景来选择。

数据工作：不忘初心，方得始终

在践行企业数据工作时，大多企业都面临着整体与局部的关系、数据文化建设、业务场景与数据价值、数据安全合规保障等挑战，比如集团负责什么?业务板块负责什么?如何发挥统分结合，上下联动的数据价值效益?如何形成共享、共建、共治、共用的企业数据要素工作的新格局?如何通过管理、技术、组织等综合手段保障数据安全、数据合规等。

骆学农认为，数据文化建设，也就是如何明确数据工作的“责、权、利”，营造“用数据说话”、“数据共享是常态”、“谁录入，谁负责”的数据文化，往往是最难的，过程也是最漫长的，需要“一把手”水滴石穿、锲而不舍的信心和决心。企业应当始终坚持业务场景为牵引，数据价值为驱动，不动摇，不含糊、不打折。不能在执行的过程中偏离最初的方向和目标。

”数据工作“道阻且长，行则将至，行而不辍,未来可期”。数字化时代，企业信息化工作的驱动力已经发生了巨大的变化，由过去的“信息系统”单轮驱动，转变为“平台+数据”的双轮驱动。我们应当制定好企业数据战略规划，落实数据战术部署，克服数据工作面临的各种困难和挑战，深度挖掘数据对业务的价值，实现数据驱动、赋能企业高质量发展的目标。“骆学农表示。