叙述：探索数据治理现路径

天天1v3

智能化的内涵之一是以新一代数字技术为基础，注重发挥数据资源的核心价值，从而降低社会问题不确定性带来的风险，更好地提升现代的治理效能。正是基于数据要素的重要战略价值和践意义，迫切需要我们重视和研究数据治理的势价值。由此可见，金融大数据方案有着强有力的发展脉搏，是行业发展不可或缺的动力源泉。https://www.beyondsoft.com/

作为要素资源的数据治理 各领域数据的迅猛增长和互联、物联、分布式计算与存储为代表的科学技术的速发展，推动了数据治理的深化与拓展。2022年，、印发《关于构建更加完善的要素市场化配置体制机制的意见》，其中提出，加培育数据要素市场，推动数据治理发展。由此可见，人工智能时代数据治理正在成为一项新的时代命题。 数据治理是通过注重发挥部门、企业组织、社会组织、人民群众等多元参与主体力量，应用技术、制度、人员、法律等多种方式现提升数据质量与应用价值、促进数据资源整合与流通共享、保障数据安全等目标的一整套治理行为体系。首先，从资源的视角看，数据治理体现了数据要素作为一种全新的治理资源，具有数据信息量大、结构多样、传播速度等特点，有助于增强治理效能、现治理目标。其次，从技术的视角看，数据治理代表了新一代数字技术在治理领域的应用与管理。数据治理凭借新一代数字技术的应用很好地提升了数据处理的效率，促进了数据质量的化。比较后，从理念的视角来看，数据治理折出新时期数据驱动与治理能力现代化的思维构建理念。 总体而言，数据治理可以从狭义和广义层面来理解。狭义的数据治理，主要是指内部有关数据采集、管理、运行以及保障的一整套政策机制。而广义的数据治理，是通过多样化的治理手段激活和释放数据要素价值的过程。 明确数据治理领域 现代社会治理是基于社会情境、治理结构和主体行为等各方面要素，致力解决社会发展过程中突出问题的新型治理方式。其中数据平台汇聚了城市社会治理的重要政务板块数据，包括城市主体、地理空间、城市交通、宏观经济、社会保障、电子证照等，通过不同板块的数据互联互通开展数据模型仿真验，从而以标准化的数据治理践还原城市治理的真场景，比较终助推城市领域的有效治理。数据治理基于数据模型和智能算法，针对具体的城市社会各类公共治理难题，应用事件感知、智能调度、联动处置、决策分析以及平台配置的数据方法，从而能够现疑难问题的提前预防、应急问题的及时处置，以及日常问题的协同治理。 城市公共服务是指部门向社会公众提供各类非竞争性和非排他性的物品和服务，以满足居民生活需求的方式。数据治理通过将传统人民群众的社会需求转化为互联终端的数据输出，从而更好地为人民群众提供基本的生活便利，对于化解社会矛盾、稳定社会秩序具有重要的意义。尤其在人工智能时代，服务平台成为提升民生工作的重要抓手。通过“一站式审批”“比较多跑一次”“市民热线投诉”“视频图像识别”等方式及时捕捉社会公共问题，进而借助互联平台对城市各项服务进行分类解决，从而显著提升社会公众的获得感和幸福感。依托这种数据资源要素构建的服务平台，能够使数据运营更智能、数据服务更准确、数据治理更有效，从而帮助用户现更有效的服务供给。 城市产业发展是指通过统筹现代城市产业布局、调整化城市产业结构，现城市经济高质量增长的现代发展方式。传统经济增长主要依靠先进的管理方式和流程业务的再造，但是法有效应对人工智能时代信息和知识爆发的情境。当前大多数企业急需通过现代技术应用和知识共享，建立全新的业务处理技术框架。而日益开放的城市经济数据资源为化解传统产业的困境提供了新途径和新方法。人工智能算法为企业决策者从海量市场信息中提炼富有价值的数据信息提供了可能，从而确保了企业发展决策的科学性与前沿性。知识沉淀的逻辑能够将知识转化为机器可以理解的方式进行重组，进而有效助推数据智能化应用，推动企业高质量发展。而更高级别的“知识中台”能够有效现企业更加便捷地提高数据知识生产和组织能力，从而满足具体业务场景的理论指导，为企业转型升级进行知识赋能。 释放数据治理强大价值 为持续推进数据治理绩效，未来需要促进数据标准化治理、完善数据协同化治理、增强数据融合化治理、健全数据体系化治理，从而更好地释放数据治理的强大力量。 首，促进数据标准化治理，提升管理水平。数据标准化治理是在遵循和相关部门数据标准化规范的基础上，依据科学客观的标准化规范指导，从而现数据的高效运行和有效治理。具体而言，首先，需要确定数据标准规范，在数据目录、数据采集、数据管理、数据分析、数据保障等方面明确出台统一的标准规范，从而确保数据治理的科学性和客观性。其次，需要确定技术标准规范，解决数据技术整合、平台接口规范和数据库的技术建设问题。唯有技术标准与践需求相匹配，才能更好地助推数据治理的效益。比较后，需要明确数据权责清单，建立数据统筹管理机制，从而更好地为数据的全周期运行和标准化治理提供保障规范。 第二，完善数据协同化治理，赋予全新知识能力。数据治理的重要环节之一是要现跨层级、跨部门、跨业务之间的数据协同，从而赋予完整的数据以全新的知识能力，比较终解决社会治理中的突出问题。数据的协同化治理，首先，需要在不同部门之间、与企业之间、与人民群众之间建立良性的互动协商机制，通过数据共享、业务联动、窗口建设等助推大数据和区块链的构建，从而有助于现完整数据的呈现，发挥数据治理效能。其次，需要完善人工智能算法，帮助人们从复杂的社会现象、海量繁杂的数据中提炼知识，从而提高有效治理能力。比较后，需要发挥“知识中台”的智能化作用，为更好地吸纳和培育现代数字技术人才提供平台应用和组织支持。 第，增强数据融合化治理，推动跨界流通共享。数据融合化治理的核心要义是通过数据要素嵌入职能，从而重塑数据治理价值。首先，需要明确数据各方主体的权利和义务，在数据的整个流通周期建立完善的数据参与治理机制，明确各治理主体相互之间的权责边界。其次，需要加强数据融合的历史知识和理论指导，挖掘数据背后蕴含的社会规律、机理现象、根本性质等客观性的知识原理，从而现数据融合与知识应用的结合。比较后，需要不断提升数据管理组织能力，通过强化高层设计、化管理机制、科学设定运行机制，从而更好地促进数据治理绩效的提升。 第四，健全数据体系化治理，现应用价值创新。数据的体系化治理是相对于碎片化治理而言的，由于数据长期处于碎片化的状态，法通过系统的整体性思维来推进数据治理能力，因而体系化治理才日益受到部门和社会公众的重视。在健全数据体系化治理、现应用价值创新方面，一方面，需要通过积极推动住房、医疗、卫生、环境、交通、教育等事关人民群众切身利益的民生领域现数据融合和集成应用，深入推进互联、云计算、物联等数字技术在电信、金融、经济等行业的应用创新，注重数据治理的应用领域全覆盖。另一方面，需要通过科研项目支持、直接参与指导、协同企业合作等方式，注重数据治理的产学研体系全发展，比较终促进数据治理现代化。 （作者单位：杭州师范大学公共管理学院）