数据治理：强化数据分类分级、提高企业数据管理能力

第一方面的任务是推进政府数据资源的开放共享。这里重点围绕着经济治理数据资源库建设、数据共享交换以及数据开放流通制度这方面的工作开展，目的是要丰富数据资源体系，促进数据资源的有序开放共享和有效流动。

第二方面的任务是提升社会资源的价值，包括两方面的工作内容。一是要围绕着数字经济的新产业、新业态、新模式来支撑构建农业、工业、交通、教育、安防、城市管理、公共数据交易等方面的数据资源开发利用场景，促进数据开发利用。二是要规范数据的采集行为。要发挥行业协会商会的作用，推动人工智能、可穿戴设备、车联网、物联网等相关领域的数据采集的标准化、规范化，使数据的质量不断提升，使数据的内容不断丰富。

第三方面的任务是加强数据资源的整合和安全保护，主要包括四方面工作内容。一是建立统一规范的数据管理制度，提升数据的规范性。二是根据数据性质完善数据产权性质，探索不同类别数据的差异化管理。三是制定数据隐私保护制度和数据安全的审查制度，形成一个数据安全保护制度体系。四是推动完善适用于大数据环境下的数据分类分级安全保护制度，通过分类分级来完善安全的保护制度，分类施策，对政务数据，企业商业机密和个人数据进行差异化的保护，加强对政务数据、企业商业秘密和个人数据的保护。

以上就是中央文件关于数据要素市场培育的主要内容。这又提出了一个新的话题，就是在这样的一个构建数字要素市场过程中，我们必须对数据的特征进行进一步的分析，要对差异化的数据开展治理。

1.海量数据需要治理

海量数据的爆发增长使我们犹如进入了一个数字海洋，我们在数据的海洋中望洋兴叹，不知所踪。数据蕴含着丰富的价值，是当代的石油，当代的黄金。但是如果不能对数据进行有效管理和开发，数据并不可能产生真正的价值。如果没有高效的管理和治理，数据价值就不可能产生，甚至有可能造成巨大的风险，有效的数据管理和治理是数字经济发展的基础。

2.海量的数据引发“数据危机”

同时我们看到，数据时代还面临着数据危机的挑战。海量的数据引发我们的对“数据危机”的思考。“数据危机”这个概念是引用了上世纪六十年代所谈到的软件危机。软件危机导致的最大的问题是软件的开发模式无法适应快速增长的软件需求，质量无法保证。我们对比来看，当今的数据也有软件危机的表现形式。

一是数据壁垒森严。当前国际上普遍形成了一种各自本地化的要求，形成了一个数据壁垒。2016年欧洲国际政治经济中心（ECIPE）研究分析了强制数据本地化等数据保护措施对巴西、欧盟等 7个国家和地区造成的负面经济影响。

二是数据垄断。2018年3月，Facebook被爆出与英国咨询公司剑桥分析违规分享超过5000万用户数据，在用户不知情的情况下，上述数据被剑桥分析用于用户心理剖析，并为其目标客户投放针对性的政治竞选广告。

三是内部数据的泄露事件也频发。实际上，很多泄露的内容大部分都是来源于内部管理的失效，大量的数据泄露的事件，对于我们的个人的隐私，乃至我们的金融安全，造成了很大的风险。

四是数据质量问题。海量的数据汇集完以后，数据的质量差、缺乏管理、数据不完备、无效性、冷数据、数据标准规范、数据、权威性不足，导致无法利用高质量的数据进行科学的决策，影响数据的高效应用，数据的茫茫大海，我们有迷失方向的威胁。

3.数据管理（治理）成为国际关注焦点

为此，各国都在将数据管理和治理看作重要的内容，这也成为全球关注的焦点。比如欧盟，发布了全球第一个最严格的数据法规——《通用数据保护条例》（GDPR）；法国提出了“数据税”的探索；美国联邦政府将数据作为政府的联邦战略，以政府数据治理为主要视角，来提出了未来的联邦政府的数据的愿景和关键的行动计划；2020年2月，欧盟也发布了《欧盟数据战略》，以数字经济发展为主要视角，推动构建欧洲单一数据市场，提升竞争力。

总的来说，数据管理成为未来全球各国竞争的焦点，成为各国的战略聚焦点。数据治理，也成为国家治理的有效手段和重要组成部分。

4.我国积极推动大数据发展战略实施

党的十八大以来，以习近平同志为核心的党中央高度重视发展数字经济，推动数字经济逐步上升为国家战略。特别是在十九大报告中，提出了要推动互联网大数据、人工智能与实体经济的深度融合，进一步突出了大数据作为我国基础战略性资源的重要地位。

从目前分析来看，中国是全球数据增长最快的，拥有数据最多的国家。我们掌握了丰富的高质量的数据，如何将这些数据转化成新的经济增长的动力是我们经济发展下一步的主要内容。对这样海量的数据进行有效的管理是我们大家共同面临的主要目标。这里的核心就是做到数据的有效的管理。我认为的数据如源源不断的水，不断滋润着数字经济的发展。中国人崇尚水文化，强调上善若水，水善利万物而不争。但是我们也看到，水可载舟，亦可覆舟，如果说不能对水进行有效的治理，就会导致水患。同样的，数据也需要治理。加强数据治理，发挥数据价值成为抢占未来发展主动权的重要方向。

5.数据管理及治理的价值和意义

那么这个从几个方面来看数据治理和管理的价值。

第一，是组织机构数字资产保值增值的必然举措。通过数据驱动来提高我们的运营效率，降低组织的投入成本，提升组织的管理过程。通过有效的组织管理来提升组织的资产价值，那么我们必须要按照资产的方式，将数据进行管理。

第二，有助于引领行业的创新和规范化的发展。对数据进行有效的管理一方面可以进一步促进产业转型升级，另一方面，数据管理也成为行业监管的有效手段，通过数据的有效管控对行业进行规划。再之，通过数据有效治理和管理，能够培养一批既懂产业，又懂数据的核心人才，让这些人不断地发展我国的数据产业。

第三，通过数据赋能治理体系和治理能力现代化。通过“数据多跑路，百姓少跑腿”，“用数据决策、用数据说话、用数据管理”来提升政府的治理水平和治理能力现代化。通过网络通、数据通和业务通，来倒逼政府的内部的制度优化，助力政府、市场和社会关系的协调平衡。利用信息化的手段来提升政府的治理能力，通过数据的粘合提升行政管理效率，打造一个真正让人民满意的服务型政府。

1. 国际视角：主要发达国家纷纷布局工业数据抢占先机

从国际视角来看，我们面临着制造业转型升级的重要先机，各个发达国家都纷纷布局工业数据先机。随着云计算、大数据和物联网等新兴产业的发展，全球掀起了以制造业转型升级为主要任务的新一轮工业革命，各个发达国家纷纷制定再工业化的战略。法国在2013年提出了“新工业法国计划”，主要就是实现工业生产向数字化、智能化的转型，以生产工具的转型升级带动商业模式的转型。2015年由德国提出的工业4.0战略，实施重点在于信息互联技术与传统工业制造的结合，强调通过CPS（信息物理系统）提升制造业的灵活性和工程效率，掀起了全球工业化改革的新一轮革命。美国也在2018年提出了《先进制造业领导力战略》，提出“要通过大数据分析和先进传感和控制技术应用于大量制造业活动，促进制造业的数字化转型”。

2. 国家视角：我国由制造大国向制造强国转变的关键举措

我们国家已经成为全球重要的制造大国，当前中国制造业面临产业“双向转移”的压力。劳动密集型的中小制造企业正在向其他劳动力和资源更低廉的新兴发展中国家转移，部分高端制造业在向欧美发达国家回流。作为制造业大国，我们时刻产生着海量的工业数据，这成为我们国家国际竞争和国家安全的基础要素，也是我们国家制造业转型升级的战略资源。如何做好数据大文章，是我们从“跟跑、并跑、到领跑”，实现“弯道取直、，“跨越发展”的关键要素支撑。

3.企业视角：推进企业数字化转型的紧迫要求

从企业视角来看，工业数据是制造业实现从传统要素驱动向数字要素驱动的核心关键。

一是优化全要素配置效率。通过全产业链供需数据来进一步优化要素的配置效率，优化配置生产所需的原材料，设备，劳动力，资金等，可以实现农业生产，调度，分配，全局优化，促进工业全要素生产率的全面提升。

二是改进生产过程的质量保证。通过建立包括产品生产过程的工艺数据、，在线监测数据等全生命周期的质量数据体系，可以有效的追踪数据质量问题产生的原因，持续增强生产过程的质量保障能力。

三是可以促进生产流程的智能化。通过对设备和工厂进行智能化升级，促进数据共享系统和业务的协同，实现制造过程中的科学决策，进一步促进生产过程的智能化、定制化、柔性化、自我优化，实现真正意义上的精准制造、高端制造、敏捷制造能力。

工业数据的聚合融通离不开数据的有效管理，更需要数据的安全使用。工业数据作为全新的生产要素，在管理执行，开发利用，流通共享等方面存在的问题困难是我们需要进一步加以研究和分析的。

工业如何加强企业数据管理能力？方法路径有很多。而我们认为开展数据分类分级，则是落实国家要求，提升制造业企业数据管理的重要举措。《大数据产业发展规划（2016-2020年）》将数据资源分类标识作为数据管理要点。《工业控制系统信息安全防护指南》提出对数据进行分级分类管理。2018年出台的《数据管理能力成熟度评估模型》（DCMM）明确将数据分类分级作为数据管理能力第2级（受管理级）至第5级（优化级）的基本要求。企业如何做好自身数据分类分级，提升数据管理能力？这就亟需有关部门制定文件，指导企业开展数据分类分级工作。

工业数据分类分级是企业提升数据管理能力的基本功，是实现企业数据差异化，安全防护管理的基本前提，是企业数据价值释放、共享流通，开发利用的必由之路。

但企业该如何做好自身数据分类分级，提升数据管理能力？这就亟需有关部门制定文件，指导企业开展数据分类分级工作。在此背景下，今年3月份，工信部专门发布《工业数据分类分级指南（试行）》（以下简称《指南》），旨在指导企业全面梳理自身工业数据，提升数据分级管理能力，促进数据充分使用、全局流动和有序共享。。下面围绕这个指南的内容和大家做一个分享。

1.《指南》基本内容

《指南》对工业数据分类分级提出了部署要求。指南分4章，共16条。指南总则部分是原则和目标，第二章围绕着数据分类有三条，第三章围绕着数据分级有四条，第五章围绕着分级管理有五条，《指南》以提升工业企业的数据管理能力为目标。

《指南》提出，开展数据分类分级坚持三个结合原则。一是以问题导向、目标导向和结果导向相结合。二是企业为主体，行业为指导，属地监管相结合原则，三是分类标识，逐级定级，分级管理相结合原则。

2.数据分类分级目的及意义

通过研读《指南》内容，可以看出，数据分类治理是实现不同企业之间数据共享互认的基本功。我们通过分类标识过程，将分散的、存储在不同系统的数据内容，进行有效匹配、互认，讲工业数据管理由原来的“杂货铺”变成一个“自动化仓库”，实现工业数据的共享流通。

工业数据的分级治理是确保数据安全的基准线。随着越来越多的设备系统生产和服务暴露在互联网中，数据安全的风险越来越大。为此，我们一定要站在安全的视角上进行分级，结合工业数据的属性、安全的防护要求，构建数据分级管理的制度体系，分级施策，确保工业数据的安全。

工业数据多方治理是理清各方职责的指示灯。工业数据分布在不同的部门，涉及的主体众多，参与职责现在目前不清楚，各企业也没有建立一个有效的推进机制。为此，我们必须要以治理的方式为重点协调各方，有效的推动工业数据的分类，明确各个治理主体的分工，理清各方的职责权限，从而建立有效的管理机制来保证工业数据的分类分级持续开展。