以政府数据治理体系建设为起点推进国家治理现代化

本篇文章5659字，读完约14分钟

大数据作为国家的基本战略资源，能够有效整合国家经济、政治、文化、社会、生态等领域的数据和信息，为国家治理体系和治理能力的现代化提供重要的数据基础和决策支持，是推进政府服务改革、提升政府治理能力的新途径，是实现制度化的重要起点。 规范和有序治理党、国家和社会的各项事务，提高党的科学、民主和法治水平。

政府大数据“藏在心里”的现状

大数据技术作为提高政府治理水平的重要技术支撑，广泛应用于政府决策、公共服务、社会监督和社会民生保障等领域，推动社会治理模式创新，不断提高政府科学决策、准确服务和精细管理水平。随着大数据的深入应用，政府数据资源越来越受到重视，但政府数据的现状不容乐观。

政府部门受自身业务特点和管理职责的限制。信息化建设的管理方法和不同业务数据生命周期的自身规律。业务碎片化和技术碎片化导致的数据碎片化问题是政府数据“藏在胸中”的主要原因。加强政府数据资源管理，构建政府数据治理体系，已成为实现政府数据资源高效应用的迫切需要。政府数据治理已经成为政府治理改革的必然趋势。然而，由于缺乏系统治理的系统思维和方法，加上缺乏相关的制度、法规和标准，政府数据严重制约了其发挥应有的作用。

政府数据治理系统的内涵

数据治理是组织评估、指导和监督数据管理和利用的系统框架。通过制定战略政策、建立组织结构、明确职责分工，实现数据风险控制、安全合规、绩效提升和价值创造，并提供持续创新的数据服务。

就政府数据治理而言，其目标可以概括为“科学规范地管理和利用大数据”。其核心任务是推进技术集成、业务集成和数据集成，实现跨层次、跨区域、跨系统、跨部门、跨业务的协同管理和服务，即解决政府数据的“三位一体五位一体”问题，解决数据的“质量问题”和“安全问题”。

政府数据治理的系统性决定了它需要考虑多元性、协调性、开放性、复杂性和安全性等特征。大数据治理系统的技术支持需要涵盖大数据质量、存储、管理、共享和开放、安全和隐私保护等多个方面。只有这样，才能从根本上解决政府数据衔接和交换不畅、开放共享不足、应用落地困难、安全监管不到位等问题。

政府数据治理的实现路径

数据质量管理和数据监管作为数据治理体系建设的两个主要内容，分别解决了数据价值开发和安全保护两个问题。在中国奥达数据(微信:bigaudaque)看来，我们不仅要通过大数据平台建设解决技术和业务问题，还要加强法律法规和标准建设，为数据治理体系的运行提供强有力的制度保障。

(一)打破信息孤岛的数据导航技术

传统的服务驱动模式建立的信息系统不仅造成系统烟囱和数据碎片化的问题，而且使得不同系统之间缺乏统一的数据标准，难以关联和融合数据碎片，服务沉淀造成的数据质量问题突出，难以形成有效的数据资源来支持应用。

如果政府中的“五跨度”数据源被认为是一个已经被发现、尚未被发现和正在建设中的岛屿和大陆(这些岛屿是相当多的“信息岛屿”)，那么“三位一体、五跨度”的时代可以被比作15世纪的“数据发现”时代，当时岛屿和大陆通过航空线路连接起来，建立全球贸易。在地理大发现的时代，早期的航海家，如哥伦布，经常“走路时不知道去哪里；当你到达时，你不知道它在哪里。当我回来时，我不知道我去了哪里”。数据治理系统是为了给数据发现时代赋予一种现代的“数据导航技术”，以避免“哥伦布难题”:在“五跨”数据治理系统的建设中，我们一开始不知道该做什么；我做的时候不知道该做什么。我不知道我完成后做了什么。

政府数据资源从无到有的关键是解决政府数据质量问题。有必要设计一个从业务驱动到数据驱动的统一数据模型，并建立一个完整的生命周期管理来实现数据循环更新质量的提高。在该系统下构建的大数据平台应实现分层集成、分层治理和分层监管。以数据目录系统为图表，以数据标准和数据监管系统为指南，在数据集成和数据治理平台的巨轮之上，构成大数据发现时代的数据治理方法指南，实现数据质量问题的自动发现和不同粒度的独立调查和修正，借助任务工单系统实现数据质量的大循环。它能明确定义数据清理的目标，实现路径拒绝的盲目和无效数据处理，最终形成高质量的市级数据仓库，从而解决数据的开发和利用问题。

具体来说，整理政府信息资源目录就像是在地理大发现时代建立图表的过程。它让我们知道哪里有大陆(大数据用户)、岛屿(数据资源)、珊瑚礁(敏感数据)和冰川(难以协调数据)。“五跨”特征是政府数据不同于企业数据的本质特征。由于政府是等级制的，各级信息建设不能像企业那样由一个统一的国家信息技术部门来协调和运作。它只能由各级、各部门和企业单独构建、独立发展和独立运营。这使得政府信息资源编目成为一项必须首先完成的重要任务。这是一项数据调查和商业调查相结合的调查工作。调查的重点是现状调查和需求调查，包括每个委员会的职责和业务、每个业务的流程和系统、每个业务和系统中生成和使用的数据、每个委员会的数据库、每个委员会正在构建和计划构建的系统以及需要的数据。在梳理过程中，元信息包括生成系统、生成过程、数据源单元、数据存储位置、数据库类型、数据格式、数据模型、数据标准、数据更新频率、数据接口等。收集了这些数据和数据库。在有暗礁和信息孤岛的地方，它们将在这次普查中被记录和描述，并最终形成一个城市/地区政府数据的全景。政府信息资源目录的整理结果将进入元数据管理系统，元数据管理系统的基本功能构成信息资源目录。

数据标准化平台和数据监管平台就像圆规一样，所以我们的数据治理系统不应该走错方向，不应该走弯路、错路、恶路。数据治理系统的建立就像数据工厂的建设。工厂的输入是当前数据(源数据)，输出是数据资源(基础数据库、主题数据库等)。)和当前数据的质量反馈和安全监督。在数据的伟大航行中，虽然我们有图表，但图表只让我们知道当前的数据和数据要求。我们仍然不知道数据处理目标在哪里，我们的目标数据是什么。我们仍有陷入“哥伦布困境”的危险。更让我们担心的是，数据处理过程是不可预测和不可控制的，数据处理结果因人而异，因时而异，因事件而异。因此，我们需要为我们的目标数据(数据资源库)建立标准。这些标准越完善，我们的数据处理过程就越容易控制。当前状态数据通常是面向业务和需求驱动的建模，这意味着我们在当前状态数据中看到的是一个社会保障支付记录、一个支付记录、一个检查报告、一个案例、一个出生证明、居住登记、租赁合同、户籍记录等。而目标数据是面向资源的和通用的数据驱动的建模，其本质上是通过在数据空之间集成城市管理服务实体的数据描述来建立到数据空之间的客观世界的映射。我们应该在目标数据中看到的是城市中的每个人，每个企业，每个社会组织，每个套房，每个城市组成部分，每个汽车...数据标准平台首先要解决目标数据的建模问题，包括数据编码标准、数据元标准、数据模型标准、数据存储标准、数据交换格式标准、数据共享接口标准等。其次，数据标准化平台还应解决当前数据(源数据)的逐步标准化问题。尽管模型、代码、类型、字典、格式、接口等。现有的现有数据已经建设了很长时间，重建成本很高，大量新的业务系统正在建设中，并将在当前的智慧城市建设中建设。这些新系统将产生大量增量数据。如果这些新系统在系统建设过程中采用与目标数据兼容的业务数据标准，将大大减少数据浪费，并在后期节省大量数据清理成本。因此，数据标准平台需要建立通用业务数据标准和关键特殊业务数据标准，并确保在信息项目启动和验收过程中采用这些标准。第三，数据标准平台还需要解决数据处理过程的标准化问题。由于当前数据和目标数据都已经标准化，从当前数据到目标数据的处理过程也可以标准化，这样就可以在数据工厂实施标准化建设，建设一个系统化、标准化、智能化的“数据精炼厂”。数据处理的过程标准包括数据清洗规则标准、数据融合过程标准、数据质量评估标准等。通过目标、来源和流程的标准化，我们可以确保政府大数据之旅不会走弯路、踏上前人走过的深坑、分道扬镳或误入歧途。数据标准化平台不仅有助于制定标准(归纳标准、发现标准、分析标准)和管理现有标准，还可以执行标准复合测试(使用标准发现数据中的问题、检查错误和执行智能标准化)，以解决发现的问题和纠正错误(主要是纠正形式错误)。

数据标准平台可以解决数据治理系统中最困难的质量问题。在数据治理系统中还有另一个重要的问题，那就是安全性。在对信息资源进行编目的过程中，我们发现所有的佣金和业务系统都存在数据，没有任何死角。作为数据治理和数据安全的主管部门，确保源数据、目标数据、数据处理过程和数据应用过程中不存在安全问题，封锁所有数据泄露点，确保数据不被无意丢失、非法泄露、恶意篡改或非法交易，是一个重要课题。这是由数据监控平台完成的。事实上，只有在有效的数据监管下，数据交易、数据操作、数据开放和数据共享才能健康有序地进行。否则，在交易、运营、开放和共享过程中会积累大量风险，随着未来数据立法和数据政策的明确，这些风险可能随时爆发。正如证券交易所需要中国证监会的监管一样，数据交易所和数据运营公司也需要数据安全主管部门的监管，以避免像互联网金融混乱这样的数据混乱。数据监管平台的职责包括数据系统的访问控制、数据操作的标记、日志管理和定期审计、数据隐私条款的归档和审查、数据系统的评估、数据联系人的列表管理、保密协议的归档、准入批准和背景调查等。、数据安全职责分工、数据保护干事(DPO)、数据治理干事(DGO)、数据治理干事和首席数据干事的甄选和设立(CDO)。数据监管平台可以确保数据治理系统不会出错。

数据治理平台和数据融合平台是数据工厂的关键设备。它们就像船一样。数据航程中的真正航程是由这两个平台完成的。数据治理平台就像船的“舵手”，控制着船的进程。数据融合平台就像船的“引擎”，推动着船前进。在从源数据到目标数据的处理过程中，不仅实体会重复，格式会混乱，而且数据也会冲突和出错。有两种错误，一种是正式的，另一种是实质性的。对于形式错误，可以通过当前的技术手段进行全自动数据清理。但是，对于实质性错误，不能执行自动数据清理，并且部门职责多次不允许自动数据清理。人工干预的合法数据修改必须在源业务系统或数据责任部门进行。然而，数据资源库的建设不能等待千千的人为干预。因此，除了自动发现错误、引入手动干预以手动纠正实质性错误(系统将给出建议值)以及控制源数据的质量之外，还需要一个不等待手动干预的数据管理平台。在保证、提高数据质量和尽可能保证正确统计显著性的条件下，后台在尽可能短的时间内连续处理所有数据问题，构建数据资源库的数据融合平台。如果数据治理平台是一个综合运用技术手段和管理机制来治理源数据质量、科学评估各机构数据共享绩效的平台，那么数据融合平台就像一个连续的数据装配线工厂，不断将当前源数据提炼为目标数据资源。在整个数据治理系统中，数据治理平台是一个三层治理网络结构的数据天网系统，数据融合平台是一个六层管道结构的数据工厂系统。

(2)数据应用边界的自律和监管

加强重点信息基础设施的安全保护，增强国家重点数据资源保护能力，增强数据安全预警和可追溯能力。加强政策、监督和法律的统筹协调，加快法律法规建设。发展数据资源所有权、公开性、流通性和交易相关制度，完善数据财产保护制度。加强技术专利、数字版权、数字内容产品和个人隐私保护，维护广大人民群众利益、社会稳定和国家安全。

目前，世界主要国家和地区也加强了大数据安全。德国的《联邦数据保护法》、加拿大的《个人信息保护法》、法国的《数字共和国法》、美国于2017年颁布的《数据保护法》(草案)以及欧盟的《一般数据保护条例》(GDPR)都是在我们探索之前制定的。其中，欧盟发布的GDPR要求最严，如数据遗忘权和数据携带权，从而全面加强对个人数据的保护。然而，中国2017年颁布的《网络安全法》和对《刑法》253条的解释都限制了相关情况。

当政府数据通过质量管理形成数据资源以支持数据应用的发展时，有必要考虑对数据的有效监管。没有数据监管，数据就像脱缰的野马，会引发一系列安全问题。近年来，频繁的信息泄露事件，尤其是脸谱网的个人数据被用来帮助竞争和选举的现象，以及大数据对国内互联网企业利益的“扼杀”，越来越引起中国人的关注。那么如何监管以私有数据为主的政府数据，尤其是探索数据交易中的数据操作，就成了一个尖锐的挑战。如何对不同方向的数据应用提出具体的自律和监管要求，促进数据保护法的制定和实施，是最迫切和首要的问题。

华奥数据在其数据监管保护平台的设计中提出，为了实现对数据的有效监管，应在数据治理系统中增加数据普查和数据注册，使数据管理者能够实现清晰的数据态势和清晰的数据库，最终实现数据安全分类和使用分类，对数据源的数量和频率进行统计，并允许对所有数据操作进行跟踪管理。在此基础上，结合数据处理系统，输出高质量的数据粗成品，实现交易，并通过数据深加工形成数据产品，实现数据操作。

结论

综上所述，政府数据治理体系的建设是国家实施大数据战略的重要基础和保障。积极引导和发展大数据产业是加强大数据核心技术开发利用的基础，是利用大数据提升政府治理能力的动力源。数据治理的系统化运作是充分利用政府数据这一数据金矿的前提和有力保证。应引起政府、行业组织、科研院所和业务单位的重视，形成全面、完整、综合、协调的推动力量，使大数据能够为政府治理能力的现代化提供强有力的支持。

在此背景下，合肥市数据资源局与中国政法大学互联网金融与法律研究所(大数据与法律研究中心)将于2018年12月14日至15日在合肥联合举办“2018(第二届)新时代大数据法治峰会暨政府数据治理会议(特别邀请)”。会议以“数据治理为数字中国保驾护航”为主题，以大数据应用法治研究为核心，以推进数据治理为宗旨，促进大数据产业和数字经济的标准化、有序发展，创新和风险防范并重。届时，峰会将邀请对数据法治感兴趣的来自学术界、研究机构、政府和企业的嘉宾、观众和媒体参加。

来源：BBC新闻网