中经视野首页研究报告中经榜

治数如治水,数据治理创新难在何处?

2022-06-30 03:40

文 / 大数据在线   编辑 / 庄梅

字号

  古人有云:“流水不腐,户枢不蠹。”

  在数字经济时代,数据如水,滋润万物生长。数据治理适合治水,数据创新或数据泛滥维持在这里,比数据本身更重要。

  当然,数据治理并不是什么新鲜事,但随着数据元素成为核心生产元素,数字转型的深化,用户对数据治理和数据创新的需求也发生了重大变化,使得数据治理的复杂性和数据创新的难度不再是过去。

  IDC直言不讳地说,经过多年的发展,我国数据治理市场的市场需求和组织内部数据架构发生了巨大的变化。依靠过去简单的工具组件的解决方案是不可行的,数据治理工程解决方案已成为时代的趋势。

  那么,数据治理的新趋势是什么,企业和组织应该如何做好数据治理,促进数据创新呢?让我们从华中一线城市极其复杂的数据治理现状开始。

  千万级人口城市带来的启示

  数据治理是实现数据驱动的基本前提。

  以华中某一线城市为例,人口近1500万,正常化疫情防控压力很大。为此,市卫生健康委建立了全民健康大数据平台。针对施工现场疫情防控、市内公交出行疫情防控、社区疫情防控等诸多重点难点场景,汇聚市内60多家医疗机构就诊病例数据,整合公安、社保、财政、民政等部门的政府数据,以及1400万居民的日常核酸检测数据。

  “市卫生委光数据库超过400个,Hadoop近十个集群,整体数据规范做得很好。”中国系统副总裁,数据创新BU总经理刘国栋说。事实上,在中国系统的协助下,市卫生委员会首次实现了数千万人口规模的国家卫生大数据平台,使疫情防控正常化。

2-1.jpg

  显然,市卫生委员会的数据治理和数据创新是当前时代的缩影。如今,随着数字经济的快速发展,从各级城市到数千个行业,到企业,都面临着数据治理和数据创新的挑战。刘国栋直言:“数据治理已经发展到一个新的阶段,各方面都在发生深刻的变化。”

  具体来看:

  国内政府和企业基本完成了集中数据集中的时代。近年来,各级政府的大数据局和企业数据平台都承担着数据集中的责任。刘国栋直言:“大家都在利用大数据、数据湖等技术收集数据,数据源、数据类型也比以前更丰富。”

  丰富的数据应用创新需求大大提高了数据治理的复杂性,促进了数据治理进入下一阶段,但许多企业和组织缺乏相应的顶层设计能力和方法,”底层数据处理和上层数据应用创新将正常化。应用程序需求不断变化,数据本身也有生命周期和迭代更新。企业需要沉淀数据的能力,提高数据资源的准备性。”

  数据消费群体、消费习惯和数据合作模式发生了巨大变化。比如城市疫情防控规范化,基层工作者都是数据消费者,一直在使用数据,几乎都是分布式数据合作。刘直言:“为了满足数据治理的新需求,需要改变与数据治理的新需求。”

  IDC相关企业调查还显示,“利用数据改进决策,以保持竞争力或寻求如何适应市场变化”已成为企业第二高的战略领域。在数据治理市场新需求趋势的推动下,我国数据治理市场也迎来了爆发期。IDC预计2022年中国数据治理市场规模将远远超过2021年。

  事实上,面对日益复杂的需求,数据治理工程解决方案受到越来越多用户的青睐。其中,中国系统是市场的突出代表。中国系统作为中国数据治理平台市场的前两大制造商,近年来一直致力于数据创新产品系统的建设,以工程解决方案推动数据治理的实施。

  数据创新产品体系:让数据“治”与“用”兼备

  在过去,数据治理仅限于有限的场景和数据“治”目的与数据应用创新相关性差;目前,数据处理的维度和边界大大扩大,数据驱动场景丰富,数据处理与数据应用创新密切相关“治”核心目的是让数据“用”起来和“用”好。

  如何实现数据“治”与“用”两者兼备?近年来,中国系统围绕数据治理和数据创新,打造了全栈数据创新产品体系,在市场上得到了广泛认可。IDC根据《2021年中国数据治理市场份额报告》,中国系统已跻身数据治理平台市场份额前两名,排名持续上升。

  目前,中国系统基于数据基础设施、数据安全与合规、认知智能、领域数据解决方案等五大能力,在政府和企业市场广泛实践了相关产品、解决方案和理念。

  以数据治理领域非常重要的数据基础设施为例,中国系统近年来致力于基于行业前沿的智能金仓产品的建设DataFabric结合分散架构、多模数据管理等基础数据技术理论SQL通过技术积累,可以实现数据不动,能够找到数据,智能安排企业现有数据栈“数据用起来”和“数据用好”。

2-2.jpg

  “面对日益复杂的数据治理需求,OneData产品和技术在理论数据治理领域已经达到瓶颈期。”刘国栋说,“智能金仓产品的核心理念是数据不动,计算动。”

  事实上,Data Fabric已经连续两年了Gartner基于未来十大核心战略技术之一Data Fabric智能金仓库的目标是为数据集成和访问提供一种更灵活、更无缝、更自动化的方法。数据架构可以通过主动、智能和持续的数据处理保持健康。用户不需要关注数据位置和数据架构,只需定义需求即可获得相应的数据。

  “过去基于ETL传统的数据仓库工程系统将慢慢收敛。在数据处理中,NotETL将成为大势所趋。”刘国栋补充道。

  除数据治理领域的产品外,中国系统还在努力打造数据安全与合规、认知智能等相关产品。

2-3.jpg

  例如,当数据资源准备就绪时,如何安全合规地使用数据已经成为企业和组织面临的一个难题,特别是在数据安全法和其他两项法律法规实施后,所有企业都需要面对数据安全和合规。为此,在新的法律法规体系下,中国系统建立了数据安全合规平台和支持咨询系统,帮助政府和企业用户在数据生命周期的任何环节使用数据,处理数据和管理数据以满足合规性。

  另一个例子是,决策是反映数据价值的最佳方向,如何使决策更加智能、高效、科学“用好数据”一个重点。为此,中国系统创建了一个基于本体论和双系统论的智能分析决策平台,作为一个新的数据组织平台,帮助政府和企业用户实现更科学、更智能的决策。

  “数据+智力对整个社会的发展具有重要意义。作为网络信息产业的龙头企业CEC其公司和中国系统将继续努力支持政府和企业数字化转型的需求。”刘国栋补充道。

  方法论+行业洞察:让数据走向价值闭环

  目前,数据要素已成为核心生产要素。随着政府和企业用户数字化转型的深入,数据治理和数据创新的挑战不仅来自于基础数据治理技术和产品,还来自于缺乏方法论和缺乏行业趋势洞察力。

  以我国政府数据治理为例。目前,我国不同地区的数据治理需求和能力存在较大差异,不同地方政府的数据治理阶段不同。市场需求的差异化对数据治理服务提供商的能力、实践经验甚至方法论都有很高的要求。特别是在新技术、新场景和政府数据不断整合、交织的趋势下,如何进行政府数据治理和数据创新“看得懂”,“拎得清”至关重要。

  中国系统助理总裁、数据中台业务部总经理冯金坦言:“政府领域的数据治理非常复杂,首先要了解客户的业务战略,才能有针对性。”事实上,在常年的政务数据治理实践中,中国系统逐步总结出一套完善的方法论和行业洞察力经验。

  冯进介绍道:

  第一个概念是以应用为驱动,数字政府在业务服务中,治理模式从分散到密集,从被动到主动,从经验到智能,每个业务创新,其独特的数据逻辑、数据需求、数据集成、如何通过数据供需、如何有效治理、如何整合,至关重要。

  第二个概念是共同治理、共享和建设。数字政府的每一项业务创新都依赖于数据提供商的共享数据,数据需求方根据数据授权业务。因此,每个政府部门不仅是数据提供商,也是数据需求方。政策体系、技术平台和流程机制都需要围绕“共治、共享、共建“设计和推进理念。

  第三个概念是回归,按需管理。政府机构的特点是单位多、系统多、数据资源丰富、复杂。以一个省为例,数据治理涉及60多个部门、局和单位,1000多个业务系统。政府数据管理部门需要找出数据基础,逻辑上对数据资源进行全球库存和回归,以业务创新为驱动,根据需要逐步完成数据治理。

  第四个概念是谁提供谁负责,源头治理,通过建立跨部门协调的数据治理过程和机制,建立全球数据治理运行监控和评价体系,促进数源部门围绕业务创新共享数据资源的质量优化。

  冯进表达:“这些概念是中国系统在多年的政府用户实践中探索出来的,不断总结和迭代数字政府业务战略、数据管理和创新需求,最终形成一体化的政府数据管理方法体系。”

  据报道,截至2021年,中国系统数据创新产品和服务已应用于政府、部委、中央企业、金融、能源等领域,客户覆盖22个省、50多个城市、40多个部委、中央企业和行业客户。以四川德阳为例,中国系统帮助德阳建设“全国城市数据治理工程”首批试点城市将政务、能源等数据融为一体“数据元件”流通使用,促进“政银企业金融服务平台”和“电e能”实施等场景,得到了各界的高度认可。

  “未来的数据治理将是一个长期的动态过程。虽然新技术新月异,新场景多样,新需求层出不穷,但政府领域的数据治理需要坚持深刻理解数字政府的战略发展要求,帮助客户明确数据管理功能和流程机制,不断拉通数据,振兴数据,让数据赋能业务,让数据真正成为数字智能的核心要素。”冯进最后总结道。

本文来源今日头条,转载请注明来源!文章仅代表作者观点,不代表中经视野立场!(图片来源互联网,版权归原作者所有)
广告、内容合作请点这里:

相关推荐

评论(0)

我要跟帖
已输入0
发表
新评论

热门文章

关于中经商业评论

微信扫一扫