面向多元场景的数据治理：进展与思考*

孙建军 马亚雪

（1.南京大学数据智能与交叉创新实验室 江苏南京 210023）

（2.南京大学信息管理学院 江苏南京 210023）

数字经济时代，数据作为重要的战略性资源，成为继土地、劳动力、资本、技术之后的又一关键生产要素。近年来，世界主要经济体不断探索借助数据治理手段推动数据要素价值发挥的有效路径。欧盟陆续发布《欧盟数据战略》《塑造欧洲的数字未来》《高价值数据集实施法案》等一系列战略政策，初步建成面向共享和开放的政府数据治理体系［1］。美国出台了《联邦数据战略》及配套治理行动，支撑全球数据收集、存储、安全和流量管理体系的构建［2］。中国颁布了《中华人民共和国数据安全法》《中华人民共和国个人信息保护法》《关于构建数据基础制度更好发挥数据要素作用的意见》等政策法规，以建立并完善数据基础制度［3］。此外，日本、俄罗斯、印度等国也形成各具特色的数据治理规制路径［4］。数据治理已经成为推进国家治理现代化转型的重要战略选择。

数据治理最早源于企业管理实践。随着数据快速融入经济发展与社会生活的各个环节，数据治理的应用场景逐步拓展并吸引了学界的广泛关注。行政管理、信息科学、数据科学、信息资源管理、法律等领域的学者以促进数据价值释放为目标，面向不同场景的数据治理需求，从多角度对数据治理概念、框架、模式、体系、路径等展开研究并形成丰硕的研究成果。本研究以数据治理多元研究场景为抓手，在梳理国内外数据治理研究成果的基础上，总结学界对数据治理概念与内涵的多维认知，回顾面向多元场景的数据治理研究进展，归纳数据治理研究中提及的多元场景下数据治理实践困境，提出数据治理未来发展展望，旨在为数据治理研究与实践提供参考。

1 数据治理的概念与内涵

数据治理的概念源自企业管理实践，是指以降低成本和风险为目标而开展的企业数据管理与应用活动［5］。随着大数据、云计算、人工智能等信息技术的快速发展与广泛应用，数据治理问题受到各行业的广泛关注，并成为多学科的热门议题。目前学界对数据治理的概念并未达成共识。国际数据治理研究所（Data Governance Institute，DGI）和国际数据管理协会（Data Management Association International，DAMA International）分别从与数据相关的决策活动以及对数据资产的计划、执行、监督等活动两个角度定义数据治理［6］。也有不少学者从“依据数据的治理”“对数据的治理”以及“以数据为主体的治理”等方面界定数据治理内涵［7］。

根据数据治理目标的差异，当前数据治理研究对其概念的定义可大致分为四类（见表1）：（1）数据治理以服务数据管理为目标。相关研究秉承传统企业实践中对数据治理的理解，认为数据治理与数据管理类似［8］，强调数据治理是通过有效调度组织内部各类资源实现对数据的管理、维护与应用，以及对上述行为的监督与指导；（2）数据治理以服务数据资产管理为目标。此类研究将数据视为一种战略性资产，认为数据治理是指为服务数据资产管理而开展的规划、监控和执行等管理活动［9］；（3）数据治理以服务社会治理为目标。相关研究将数据和以数据为核心的治理视为推动社会治理变革的动力［10］，关注以政府为主导的数据治理活动，认为数据治理是为促进数据要素流通与协同管理而开展的活动［11］；（4）数据治理以释放数据价值为目标。此类研究脱离应用场景的限制，从广义层面讨论数据治理的内涵，认为数据治理是实现数据价值的过程［12］，涉及对数据的加工、管理、监督等活动。总的来看，尽管当前研究从多角度对数据治理的概念进行界定，但其内核基本保持一致，即数据治理是一项面向数据全生命周期的复杂工程，其目标是通过对数据的定义、收集、加工、管理、共享、开放、监督与安全保障等管控与处理环节，实现数据价值最大化［13］。

表1 数据治理的相关定义

2 面向多元场景的数据治理研究进展

随着“信息化”“数字化”等新兴技术的广泛应用，数据治理成为各行业关注的要点。相关研究从企业内部围绕“数据本身”的治理、政府机构依据“数据”的治理转向多元化场景［24］。目前国内外数据治理研究主要围绕政府治理与公共管理、特定企业与行业内部业务管理以及个人数据保护与利用三类典型场景展开。

2.1 政府与公共数据治理

政府治理与公共管理是数据治理的典型研究场景，其治理过程均以政府为主导，并且离不开多元主体的共同参与。政府数据治理的目标是通过提升政府数据管理能力以及推动数据价值释放，实现政府治理体系和能力现代化［25］。与政府数据治理不同，公共数据治理更强调与公民、法人等外部主体的互动，旨在充分发挥公共数据价值，服务政府决策和经济社会发展，推进政府、市场和社会治理的智能化与智慧化［26］。

2.1.1 政府数据治理

政府数据治理是政府治理的重要组成部分［27］。随着数字政府建设和数据开放实践的推进，政府数据治理备受重视，但目前学界对其概念内涵的理解尚未统一。一些学者认为政府数据治理是对政府数据的治理，即政府借助新兴信息技术手段对经由多渠道采集到的数据进行智能分析与管理，并将其作用于行政相对人而开展的一系列治理活动的总称［28］；另一些则从“基于数据的政府治理”的角度界定政府数据治理，提出政府数据治理是在建立数据共享和业务协同的基础进行社会治理的过程［1］。

政府数据治理研究主要聚焦七类主题（见表2）。其中，数据治理理论体系与机制研究数量相对较多，相关工作主要对政府数据治理的概念、要素构成、系统特性等进行理论阐释，并探究有助于数据治理效能提升的各类保障机制。与之相反，围绕数据治理框架的研究较少。目前国外已提出不少典型的数据治理框架，如DAMA-DMBOK 框架和DGI 数据治理框架［29］，但国内尚未形成较具代表性的本土数据治理框架。针对特定数据治理环节的具体实施研究目前也相对较少，主要聚焦于数据价值评估、治理能力评价等主题。国内的案例与实证分析研究多以上海、北京、深圳、吴中、贵州等信息化与数字化水平较高的省市为研究对象，较少关注其它数字化欠发达地区的数据治理现状与未来发展潜力。同样，国外实践启示研究主要探讨欧盟、美国、俄罗斯、英国、澳大利亚、加拿大、日本等国家的先进治理经验。治理主体与对象和法制建设研究更多从管理手段与保障体系层面探讨提升数据治理水平的潜在路径。需要指出的是，数据标准及质量管理、数据共享与开放、数据安全与风险等是大部分政府数据治理研究共同关注并强调的问题［30］。

表2 政府数据治理研究主题

2.1.2 公共数据治理

公共数据是社会数据资源的重要组成部分，指国家机关、事业单位、经依法授权具有管理公共事务职能的组织在依法履职过程中采集和产生的各类数据资源［31］。公共数据具有公共性、高权威性、高可信度、多权属和多利益主体性特征，在各类经济社会活动中均具有较高的价值［32］。根据四种主体要素（公共资金、非公共资金、营利性和非营利性）和两种内容要素（公共产品和准公共产品）的排列组合，公共数据理论上可分为八种类型，但现实中仅有四类要素组合形成的公共数据，包括政务数据、公共非营利主体数据、公共营利主体数据和非公共营利主体数据。其中，政务数据的公共性最强，而非公共营利主体数据则最弱［33］。

公共数据治理隶属于公共治理范畴，是以政府部门为核心，由多主体共同参与的对政府信息、政务数据等公共数据资源开展的一系列协同、规范与促进活动［34］，其不仅是数字政府建设与数字经济运行的基础，也是数据作为要素流通的前提［32］。公共数据治理研究主题可大致分为四类（见表3）：（1）公共数据开放与利用。公共数据作为公共数据治理的对象，其开放与利用问题广受公共数据治理领域关注［35］。学界主要从法律属性和制度构建两个层面探讨促进与保障公共数据开放与利用的策略［36］。其中，隐私保护是此类研究的重点关注议题；（2）公共数据治理理论。相关研究强调整体性治理理念，通过提出公共数据治理体系、构建公共数据治理行为框架、剖析治理过程中主体角色与社会关系等，完善公共数据治理理论体系［37］。其中，大量研究主要从法律层面展开分析；（3）公共安全数据治理。公共安全数据治理以实现数据驱动公共安全治理为导向，旨在解决风险社会中的现实问题［19］。现有研究主要通过概念溯源、要素解析、逻辑框架构建与治理体系研究等从理论层面剖析公共安全数据治理问题。在多类型与公共安全相关的数据中，公共卫生数据治理研究备受关注［38］。其中，个人信息利用与保护是公共卫生数据治理研究的重要议题；（4）公共文化数据治理。公共文化数据是公共文化生产、服务与治理过程中的重要生产要素［39］。随着党中央、国务院愈发重视公共文化数据体系的建设和管理，公共文化数据治理也逐步兴起，但目前相关研究仍处于起步阶段。现存研究更多集中于对公共文化数据治理的概念内涵进行探讨或对其构成要素展开。

表3 公共数据治理研究主题

2.2 企业与行业数据治理

随着新兴信息技术与各行业、各领域深度融合，企业与行业数据治理成为数据治理领域的热门研究方向。学界面向不同企业与行业开展了大量的数据治理研究，旨在推动多元场景中数据价值的释放。其中，企业数据治理、教育数据治理、科研数据治理、图书馆数据治理和档案数据治理积累了相对丰硕的研究成果。

2.2.1 企业数据治理

企业数据治理是数据治理研究的起源，其目标是通过对企业数据管理与利用过程的评估、指导和监督，以及对数据服务的创新，推动企业价值的再创造［40］。国内外学者面向企业管理过程中的具体业务开展了大量企业数据治理研究（涉及的企业、业务与数据类型见图1）。企业类型方面，目前企业数据治理研究涵盖农业、能源、建筑、制造、公共服务、金融、文化、军工等多种行业中不同规模的企业数据治理问题，较为关注平台型和知识型企业。业务类型方面，集中于探讨财务相关的企业管理活动。与之相对应，企业财务数据治理研究数量最多［41］，另外也有不少学者聚焦档案数据治理的内涵、路径与体系研究［42］。

图1 企业数据治理研究涉及的企业、业务与数据类型

根据各类企业自身的性质以及治理对象的属性与特征，学者们主要从理论探索与实践应用两个层面展开分析。在理论探索层面，主要提出面向企业整体或特定业务的数据治理体系、制度、架构、可视化框架以及治理成效评价体系与治理成熟度模型，探讨了企业数据治理过程中的数字伦理、主体博弈、数字化转型、数据质量管理等问题；在实践应用层面，则集中于探讨数据治理技术、数据挖掘技术和数据治理平台在企业数据治理过程中的应用。

2.2.2 教育数据治理

教育数据治理是指各类利益相关者在教育数据采集、存储、利用、维护等阶段建立的正式制度和规范化流程［43］。根据数据采集主体的不同，教育数据可分大致为三类，即由教育部、地方各级教育行政部分和各类教育机构为主体采集的数据［44］。国内外对教育数据治理的研究对象集中于高等教育数据治理、职业教育数据治理、成人教育数据治理和基础教育数据治理四类，也有少数研究探讨了如农村地区或特定省市的区域教育数据治理问题。相关研究从“互联网+教育”“智能+教育”等视角对教育数据治理构成要素、关键领域、运行机制等进行讨论，并提出各类教育数据治理架构、策略、方案、逻辑框架、评价体系等［45-47］。

高校数据治理是教育数据治理的主流研究方向。相关研究围绕高校图书馆数据、科研数据、财务数据、档案数据、思政教育数据、教师数据和实验室信息化数据治理问题展开。其中，针对高校图书馆数据治理的研究相对较多，初步形成高校图书馆数据治理框架、成熟度模型以及图书馆智慧服务数据治理自适应模式［48-50］。

2.2.3 科研数据治理

科研数据治理是科研数据管理技术、过程、标准和政策的集合，其目标是实现科研数据价值最大化［51］，有助于推进“有组织科研”的实施。目前科研数据治理尚处于起步阶段，主要针对国家、科研机构与企业内部的科研数据治理问题展开，研究内容涉及科技管理信息系统建设、科研大数据治理模型、科研信息化管理平台建设、科研多维数据可视化设计等实践层面的探索。

在多类型的科研数据中，科学数据治理研究吸引了大量学者的关注。科学数据治理是指通过综合运用政策法规、技术标准、教育培训等措施和行动对科学数据管理中存在的问题进行有效控制，其目标是实现价值最大化和风险最小化［52］。国内研究主要集中于科学数据治理模型、实施策略、平台建设以及高校图书馆在此类数据治理活动中的作用展开，而国外研究则更加关注科学数据治理挑战、伦理、框架、技术工具使用等问题［53-54］。

2.2.4 图书馆数据治理

图书馆是社会知识资源的聚集和传播交流中心［55］。图书馆数据治理是推动图书馆高质量发展以及智慧图书馆建设的重要保障。目前相关研究主要从图书馆的数据治理和图书馆数据的治理两个角度解析图书馆数据治理概念。前者以图书馆为治理主体，强调其通过运用数据治理技术、建立数据治理制度等手段开展全流程数据治理的过程；后者则将数据治理主体范畴拓展到政府、行业组织等各类机构，强调多主体对图书馆数据的协同治理［56］。两类解析方式的最终目标都是在维护治理主体利益的同时更好地服务治理对象，进而实现图书馆数据价值的 最 大化［57］。

学界对图书馆数据治理研究主要以公共图书馆和高校图书馆为对象，集中于图书馆数据治理体系研究，包括提出并完善数据治理框架（如CALib高校图书馆数据治理框架、开放大学数据治理框架等）、建立成熟度与有效性评价模型以及探索图书馆数据治理路径［58］。也有学者面向特定图书馆开展案例实践研究。如周婷和詹庆东以福建省高校数字图书馆（FULink）为对象，采用问卷调查的方式从组织、技术和系统对图书馆数据治理现状进行剖析，在识别该类图书馆存在问题的基础上提出图书馆治理策略［59］。

2.2.5 档案数据治理

档案数据是指具备档案性质的数据化信息记录的集合，具有广源性、共生与互生性、累积性、扩展性和易算性特征［60］。大数据时代在计算思维的推动下“档案即数据”的呼声日益强烈［61］，相关学者愈发关注数据治理问题，并开展了大量档案数据治理研究。档案数据治理是指由档案部门主导、各类利益相关者参与的档案数据管理活动集合，其目标是借助现代信息技术实现档案数据善治［62］。目前档案数据治理研究对象涉及红色档案、高校档案、城建档案、乡村档案、电子档案、个人信用档案、企业与机构组织档案等多种类型，研究内容包档案数据管理概念与内涵的多维解析、数据治理体系建设、数据治理实现策略、数据治理运行机制分析等理论探索，以及针对数据平台构建、数据馆员能力建设、数据治理突破路径探索、区域联盟发展模式研究等实践应用探索。此外，也有少量研究探讨区块链等新兴技术在档案数据治理过程中应用［63］。

档案数据安全关乎国家、社会和个人安全，是档案数据治理较为热门的研究方向之一。档案数据安全治理强调档案部门对档案数据的运行、存储和利用安全的全方位防护过程［64］。目前相关研究围绕档案数据安全治理模型、策略与治理能力分析展开。档案数据安全治理模型方面，集中于探索档案数据安全治理能力成熟度模型［65］。档案数据安全治理策略方面，相关学者面向风险与业务双轮推动下的档案数据治理需求，提出基于业务场景的精细化安全治理、档案数据利用与隐私保护、安全监督与审计等一系列治理策略［66］。档案数据安全治理能力分析方面，基于档案数据安全治理能力成熟度模型，从数据采集、处理、存储、利用与传播维度构建档案数据安全治理能力指标，并结合各类指标的具体影响因素，提出档案数据安全治理能力提升路径［67］。

2.3 个人数据治理

个人数据是指承载个人信息的数据。数字经济时代，以何种规则对个人数据进行存储、保护和传输已然成为世界各国关注的重要议题。欧盟、美国、加拿大、韩国等国提出了各类个人数据保护法律与政策，以规范个人数据治理流程。其中，欧盟提出的《通用数据保护条例》（General Data Protection Regulation，GDPR）被视为个人数据治理的“黄金法则”［68］。此外，中国也于2021 年11 月颁布《个人信息保护法》（Personal Information Protection Law，PIPL）。尽管各类法律与政策的侧重点存在差异，但总体来看其最终目标均是实现对多重主体权益保护。

个人数据治理的意义在于维护公民在数字世界中的法律权益，也是确保社会公平正义的基础。个人数据治理研究尚处于起步阶段，较为热门的研究主题包括：（1）个人数据治理模式，相关学者发现相较于个人式仅关注赋权而忽略数据治理的复杂性以及国家式数据治理模式可能存在不平等和用户权益风险问题，集体式数据治理模式可能是数 据 治 理 的 最 佳 路 径［69］；（2）个 人 数 据 安 全 治理机制，安全是个人数据治理研究最关注的问题，相关研究将个人数据利益相关者分为个人、个人数据的收集、应用、处理和监督者五种类型，对比分析个人本位、数据本位和合作本位的个人数据治理理念差异［70］，提出多元利益主体协同治理制度、竞争治理机制、激励性治理机制等一系列个人数据安全治理机制［71］；（3）个人数据应用挑战，集中于解析特定场景下个人数据应用存在的问题、解决策略以及法律规制等［72］；（4）个人数据治理法律与政策分析，此类研究通过对世界各国颁布的个人数据治理法律与政策文件进行内容分析，总结目前个人数据治理存在的困境、法律与技术风险，进而提出个人数据治理的优化方案［73］。

3 多元场景下数据治理实践困境

数据治理是一个系统性的复杂议题，涉及数据管理、隐私保护、法律规制、主体权益等多方面的内容。尽管不同场景下的数据治理目标与实施思路存在差异，但目前面向多元场景的数据治理研究中提及的数据治理实践困境大致相似，可总结为数据治理的外部环境挑战、数据治理主体挑战以及数据属性与治理技术挑战三个方面。

3.1 数据治理的外部环境挑战

3.1.1 开放共享水平不高

开放共享是数据治理活动的重要目标。同一数据对于不同机构与行为主体的价值通常存在差异，当各类数据能够在多主体间进行共享流动时，才能充分推动数据价值的释放。然而，目前面向多元场景的数据治理均存在开放共享程度较低的问题。一方面，数据垄断现象较为突出，数据私有的观念仍然占据主导，导致开放共享的数据环境难以建立；另一方面，数据治理不仅要求数据的开放共享，更需要算法、代码等数据处理技术的共享，然而后者通常涉及知识产权问题，加大了数据开放共享的难度。此外，数据结构的复杂程度以及数据传输与存储的难度也将阻碍数据的开放共享。

3.1.2 保障制度不健全

数据治理保障制度包括组织规范、治理标准、政策、法律等。目前数据治理保障制度尚不健全，主要存在以下不足：（1）保障体制的多元场景适应能力不足。不同类型的数据治理场景对数据保障的需求存在差异，尽管目前已经构建了一系列数据治理保障制度，但尚未实现对多元场景的全覆盖，难以灵活应对特殊领域的数据治理问题；（2）法律权责关系复杂且尚不明确。数据治理活动需要多元主体参与，但目前各类参与者的权责关系尚未明确，缺少系统完善的针对参与主体的权益保护与责任追究机制；（3）保障制度的建立与数据治理发展冲突。先建立保障制度后推动数据治理在多元场景中的发展，还是先鼓励数据治理活动开展而后完善保障制度是目前多元场景数据治理实践面临的相同问题。

3.2 数据治理主体挑战

3.2.1 传统治理思维固化

认知数据与数据治理的价值是开展数据治理活动的前提，但特定社会与经济环境下长期形成的被动式治理思维与观念难以及时转变将在一定程度上制约数据价值的有效释放。目前传统治理思维对数据治理实践带来的挑战主要表现在：（1）战略支持与共识欠缺，数据治理活动的决策层与主要管理者对数据价值与数据治理活动的资源需求重视程度不足，短期目标与长期规划制定不合理；（2）认知势差明显，尽管数据治理相关政策法规不断颁布，但部分政府基层单位、中小企业以及个人的数据治理意识仍然较为薄弱，形成自上而下的数据治理价值认知势差，将在一定程度上阻碍数据治理的全局推进；（3）认知偏见惯性，数据治理的内涵认知尚未统一，并且缺乏相对完善的数据治理实践指导体系，导致执行主体仍然遵循其固有认知开展数据治理活动，在此过程中原有的认知偏见无疑会影响数据治理的实施效果。

3.2.2 治理主体协同困难

推动多元主体协同联动是数据治理的关键。然而，多元治理主体自身的属性特征和目标差异对数据治理工作的顺利开展提出挑战，主要表现在：（1）组织结构不畅，政府机构和企业组织中传统的组织架构和监管模式难以有效嵌入数据治理体系，并且数据治理部门与组织的职能相对分散，无法形成数据治理协同合力；（2）主体认知分歧，数据治理互动的复杂性要求多元治理主体的参与，不同主体对数据治理的需求可能存在差异，从而导致其对数据治理活动的认知存在偏差，进而影响数据治理工作推进；（3）参与者角色混乱，大部分政府行政机构与企业社会组织均未设立专门的数据治理部门，导致“多头管理”现象明显，在此情况下容易引起团体公共利益和小团体利益竞争问题。

3.2.3 专业化数据治理人才缺失

数据治理工作的有效推进离不开专业化人才的支撑，但各类机构的人力资源构成显然无法适应和匹配当前数据治理的发展需求，如何培养并吸纳一批具备良好信息素养、法治素养以及管理能力的数据治理人才成为多元场景下数据治理工作需要面对的重要挑战。

3.3 数据属性与治理技术挑战

3.3.1 数据采集、分析与统筹困难

数据采集与统筹分析是开展数据治理工作的基础。多源异构的数据与多元的治理场景增加了数据处理工作的难度，主要表现在：（1）数据采集与存储困难，包括由于数据体量庞大、数据规范与标准缺乏、数据格式与结构多样等问题导致的数据采集与存储困难；（2）数据处理与分析困难，数据质量决定了数据分析结构的有效性，进而可能影响数据治理成效。目前数据来源多样化、数据字典模糊、人工与机器采集误差等问题导致数据质量参差，在此情况下如何保证数据处理与分析结构的准确性是当前数据治理工作需要解决的核心问题；（3）数据统筹困难，包括数据生命周期管理缺失、数据统计口径不一致、多头建设和重复建设、数据垄断等问题，致使数据治理流程不明确、统筹难度较大。

3.3.2 数据保护与安全运维困难

数据开放共享的程度逐步扩大加剧了数据安全风险，致使数据保护与安全运维成为数据治理难点。数据治理过程涉及数据采集、存储、加工、传输、使用等多个环节，不同环节的数据安全风险与类型存在明显差异。如何面向多样化的数据安全风险明确数据安全限度、构建数据风险分级模型、提出数据风险预警技术，是数据治理必须应对的共性问题。此外，新兴信息技术的快速发展为数据治理工作推进提供机遇的同时也加剧了科技风险防控难度，如何正确利用新兴信息技术是当前数据治理的又一难点。

4 数据治理未来发展展望

面向多元场景的数据治理研究均已取得阶段性进展，表现出政府与公共数据治理研究成果丰硕，不同企业与行业的数据治理研究进展差异明显，个人数据治理研究尚处于起步阶段的特征。尽管不同场景下数据治理研究的侧重点与具体分析角度存在差异，但目前数据治理研究内容大多集中于数据治理理论体系构建、实施方案探索、实证案例分析等。本部分将在现有数据治理研究成果的基础上，结合数据治理实践面临的挑战与困境，对数据治理研究与实践的未来发展提出以下展望：

（1）整合并完善数据治理理论体系，构建代表性数据治理框架。不同场景下数据治理理论体系研究均已积累了一定数量的研究成果，相关研究呈现出对构成要素、成熟度模型、治理机制等方向的集中性探索，但整体研究内容较为分散，有必要进一步整合并完善现有研究成果，建立系统性的数据治理理论体系。数据治理框架具有支撑并引领数据治理活动的功能。数据治理框架构建是目前多元场景下的数据治理研究热门问题，但除了国外研究提出的几类面向政府数据治理的典型框架外，鲜有形成较具代表性的数据治理框架，特别是国内研究几乎没有形成得到广泛认可的框架。未来需要有必要结合外部环境特征、特定场景特征以及具体业务需求着力搭建具有代表性的数据治理框架。

（2）拓展数据治理研究场景，强化个人数据治理研究创新。数智时代的到来推动数据快速融入各企业与行业发展的关键环节，如何能够有效开展数据治理活动以最大程度地推动数据价值释放是各企业与行业亟需解决的重要问题，但目前学界的数据治理研究仍然局限于企业、教育、科研、图书馆、档案等治理基础相对较好的场景，下一阶段有必要拓展数据治理研究场景，探究并对比多类型场景下的数据治理路径。此外，人工智能和互联网的快速发展与广泛应用加剧了个人数据风险，使得个人数据治理的重要性与紧迫性日益突出。如何创新个人数据治理理论与实践研究是未来数据治理发展需要关注的重要方向。

（3）营造开放共享的社会环境，全方位完善数据治理保障制度。开放共享是数据治理工作的前提。如何缓解数据地方主义、行业数据垄断等造成的开放共享困难是数据治理工作推进需要解决的关键问题。同时，开放并不意味着无条件地使用，需要建立并完善开放共享的数据治理模式与保障制度以维护数据主体权益并保障数据共享安全。

（4）倡导多元主体协同治理文化，推进专业化治理人才队伍建设。治理主体的认知与能力是数据治理顺利开展与有序推进的重要支撑。如何将被动式治理观念扭转为主动式与协同式治理思维是当前优化数据治理实践的关键。面向上述目标有必要积极推进数据治理组织内部的协同治理文化建设，统一多元主体治理认知和行为准则，明确各类主体在数据治理过程中的权责与角色定位，培养一批兼具理论知识与实践能力的数据治理专业化人才。

（5）重视数据治理技术与方法研究，探索数据治理落地实施方案。数据治理是涉及管理与技术知识的综合性实践问题。数据治理离不开顶层理论体系与架构的支撑，同时也需要面向具体业务的数据治理技术与方法支撑，但目前针对数据治理技术与方法的研究相对较少且研究方向较为分散。下一阶段应当推进理论研究的实践落地，构建面向多元场景的数据治理技术方法体系。