政务行业数据治理探索与研究

文｜李思思

一、引言

近年来国家数字政府及智慧城市建设步伐加快，数据要素作为一种新型生产要素，是国家重要的基础性战略资源，其有效性对于利用信息化技术实现政府管理与服务模式创新具有十分重大的意义。为解决政务数据应用及共享过程中数据质量低、不规范等问题，本文从数据治理的必要性入手，研究数据治理流程及总体功能架构，积极探索数据治理在提升数据有效性中发挥的作用，最终通过数据治理持续提升和优化数据质量，从而赋能政务服务及政务治理等应用场景，助力推进国家数字政府及智慧城市发展。

二、数据治理必要性

（一）解决政务数据难管理、无标准、质量低等问题

政府的IT系统经历了数据量高速膨胀的时期，海量的、分散在不同角落的数据导致了数据资源利用的复杂性和管理的高难度。政府机关无法从统一的业务视角概览整个机关内部的数据信息。对外提供服务的为一个个独立的系统，系统与系统之间的关系、标准数据从哪里获取均无从知晓。

（二）有助于挖掘数据价值，提升政府管理水平

围绕数据生产要素，制定数据管理体系，并通过数据建模挖掘不同场景中的数据价值，为辅助决策提供支撑，全面提升政府服务治理能力；使数据成为国家重要基础性战略资源，促进社会数据与政务数据融合；以数据治理为抓手，一定程度上促进优化政府职责、深化供给侧改革，提升政府侧管理服务水平。

（三）高质量数据是业务创新的基础

政务服务与管理已经从标准化阶段发展到开发治理及服务模式创新性发展的阶段，这从客观上对政府服务与管理的创新能力提出了更高的要求，当前政务服务与管理的创新在很大程度上要借助科技手段在业务数据的开发和利用基础上进行创新，高质量数据为政府实施有效的创新提供了丰富强大的动力。

三、数据治理流程

建立政府机关各部门数据共享通道，汇聚接入政务数据、社会数据等，借助标准管理、质量管理、元数据管理等信息化工具进行标准化的持续迭代数据治理，形成标准化、高质量、安全可靠的治理数据。通过整合关联分析所归集治理的数据，形成统一的数据资源服务体系，为“民生服务”、“城市治理”、“产业经济”、“生态宜居”等应用场景提供数据能力支撑。

数据治理具体流程如下：

（一）数据梳理和数据需求分析

在数据资源管理方统筹受理下，数据使用方提出数据使用规范，数据提供方按需提供，然后由数据治理团队应用数据中台或DaaS层能力进行数据对接落地。

（二）数据处理规则制定

通过多方参与完成数据处理规则的制定，对源数据进行数据处理设计，形成长期可执行的数据处理规则。

（三）数据开发运维

数据治理团队依据数据处理规则将前端源数据归集到贴源层/共享库，然后进行数据规范化处理，再进行基础库、主题库的建设及运维。

（四）数据质量管理

在数据质量管理上，数据需求方从应用需求层面上提出对数据质量的规则要求，数据资源管理方负责统筹制定数据质量内容规范及数据质量管理方案。在提交数据质量整改需求后，由数据提供方进行源数据的修正。

（五）数据运营服务及运行监控

数据治理团队负责数据运营及运行监控，以业务及数据全景图的形式展示数据治理全貌。

（六）大数据应用开展

在以上数据治理完成的基础上，可以开展大数据应用。数据需求方可以提出跨部门的数据申请，数据资源管理方基于应用场景进行数据开发，并牵头进行跨部门的数据融合分析应用。

四、数据治理平台架构

数据治理工作以应用场景为导向，贯穿于数据采集、汇聚、处理、应用全生命周期，通过数据元和业务模型的标准化管理，持续提升和优化数据质量，为数字政府及智慧城市等场景提供支撑。结合数据治理工作的定位及数据治理流程，研究数据治理平台整体功能架构。数据治理平台主要融合元数据、数据标准、数据质量、数据血缘、数据运维等管理功能模块。

（一）元数据管理

元数据作为“数据的数据”，包括技术元数据、业务元数据、管理元数据，可以准确充分地描述数据的各项特征。通过元数据管理，为各业务部门数据资源的发现和获取提供一种实际而简便的方法，外网用户能够快速了解数据上下游关联关系及数据资源的内容、格式、质量、处理方法和获取方法等各细节，精准定位所需数据，减少数据研究的时间成本，元数据的管理主要包括元数据注册、元数据存储、元数据维护、元数据发布等功能。

（二）数据标准管理

标准规则管理：定义标准规则库，包括编码规则、命名规则等，对数据空间、数据结构、数据项等按照标准规范进行合规性检查，对不符合要求项进行提示和告警。

标准制定管理：可添加数据标准项、标准类型、标准字段、标准描述等，通过标准制定可自动生成标准版本号，并记录标准制定的人员、时间等。

标准执行管理：包括标准发布、应用、反馈、仲裁的闭环过程，通过权限管理赋予不同环节权限。

标准维护管理：对标准内容进行添加、删除、修改操作，并对每次操作做记录，生成不同标准版本号。

标准审计管理：对数据规范进行人工审计，按照制定的数据标准规范进行检查，以明细表、统计表、趋势表的形式直观展示各业务数据的合规性，并且可生成改进举措要求和通知单。

（三）数据质量管理

通过“数据质量定义、过程控制、质量日常监测、问题分析与诊断、问题整改、质量评估”的闭环机制来确保数据满足提供方、使用方和管理方的需求，通过全方面对数据质量进行诊断和整改，解决数据不一致、数据可用性、数据不及时等数据质量问题，从而持续提升数据的质量。

（四）数据血缘管理

以政务部门整体元数据为基础，实现技术元数据到字段级别的全链分析、影响分析和血缘分析。通过提供跨信息化系统的元数据血缘分析，实现数据从采集、汇聚、处理、到流通应用等环节的血缘追溯；通过对贴源库、基础库、专题库等各类数据资源间和数据项间的继承关系进行阐述和管理，从而反映数据资源在各个环节间的流通与继承关系。以历史事实的方式记录每项数据的来源，处理过程，应用对接情况等，记录了数据表在治理过程中的全链血缘关系，基于这些血缘关系信息，可以进行影响分析，以数据流向为主线的血缘追溯等功能，从而提升报表信息的可信度，为数据的合规性提供验证手段，帮助业务部门实现信息共享、提升协调工作效率。

（五）数据运维管理

通过对数据接入、数据提取、数据清洗、数据关联、数据比对、数据标识、数据分发、数据入库等各个环节设置监控点，进行多维度信息的实时采集与监控。根据汇总的实时状态采集信息，展示数据治理各环节中数据通道、数量流量、数据积压、数据服务整体情况，并通过配置预警规则与预警方式，实现对于监控过程中出现的异常情况进行预警，从而辅助数据运维运营管理。

五、总结

在全国各地推动数据共享，推进全国一体化政务大数据体系建设的大背景下，做好数据治理是关键。只有认识到数据治理的必要性，把握数据治理流程的关键要素，并将数据治理中的机制体制建设、技治、人治有机地结合起来，才能确保数据治理的有效性。从而为实现政务服务、政府治理、决策运行数据“按需共享、智慧赋能、安全应用”打下基础，更好助力数据高质量共享、发挥数据价值、推进数据要素市场化，更好赋能数字政府及智慧城市建设。