CNCC2018：大数据治理论坛成功举办

2018 年 10 月 27 日 中国计算机学会

2018年10月26日，CNCC技术论坛之“大数据治理”在杭州国际博览中心会议区401会议室成功举行。

此次论坛由CCF常务理事、CCF会士、数据库专委会主任、中国人民大学杜小勇教授和CCF数据库专委会委员、大数据专委会通讯委员、中国人民大学陈跃国教授共同担任主席并共同主持。

论坛邀请了北京理工大学梅宏院士、证监会信息中心副主任蒋东兴研究员、中国电子技术标准化研究院信息技术中心代红主任、中国人民大学信息资源管理学院安小米教授、阿里巴巴资深技术专家王绍翾博士、清控汉邑数据科技（北京）有限公司CEO迟永胜先生。其中5位来自学术界、产业界、政府机构的专家就大数据治理的方方面面作了精彩报告。

中国科学院院士、北京理工大学副校长梅宏院士首先就《大数据治理体系建设现状及思考》给出了主题报告。梅院士梳理了大数据治理发展现状，回顾了大数据生态发展对大数据治理的推动作用。从数据管理基础设施到数据分析与系统，再到落实行业和领域应用，带来了诸多关于数据确权、质量、安全、隐私、流通、管控、共享开发等方面的大数据治理问题。结合对美国和欧洲在数据治理方面的模式的分析，梅院士认为中国大数据治理需要体系化的建设。他强调现状是技术环节漏洞多、数据资源保护的法律法规缺乏、信息安全公开的标准规范缺乏。梅院士进一步介绍了数据管理相关标准的进展，探讨了数据共享与开放，数据安全与隐私保护的现状。

梅院士报告的第二部分列举了他对大数据治理体系建设的一些思考：大数据治理需要更多地突破组织边界，要跨行业、跨区域，多层次地考虑数据治理问题；治理定义本身还有待形成共识；多条线研究需要加强关联性、完整性和一致性。因此，梅院士提出大数据治理需要跳出单个组织边界，全面、系统化的考虑。在国家、行业、组织等层面考虑资产地位确立、管理体制机制、共享与开放、安全与隐私保护等问题，让三个层次之间互相关联和支撑。最后，梅院士还列出一些问题和挑战：法规、标准、实践和技术的顺序和关系；如何建立相关法律体系；技术和管理层面的挑战；区块链技术在大数据治理中面临的挑战等。

中国人民大学安小米教授《政府大数据治理体系框架构建及其实现研究》的发言，基于对现有代表性大数据治理体系文献的层次与内容要素及关系分析、动因与议题及关系分析、策略及其实现路径和特点分析，建构了宏、中、微三个层次的政府大数据治理体系框架及实现路径关系模型，提出了政府大数据治理体系构建的分析框架和实现基准。基于所提出的政府大数据治理体系分析框架，对宁波市和贵州省政府大数据治理体系进行了典型案例研究：采用政策文本分析、问卷调查、深度访谈和实地调研等多种方法，调查分析了两地政府大数据治理体系的构成要素及关系，讨论了两地在政府大数据治理体系实现的成功经验及存在问题。借鉴国内外经验，对所提出的大数据治理体系框架进行了反思，提出了未来建设发展的方向及其有效实现路径。

中国证监会信息中心蒋东兴副主任从金融证券行业角度给出了题为《证监会监管大数据治理规划与思考》的报告。他介绍证监会大数据战略背景与任务，证监会系统大数据现状与问题，尤其是多机构间的关联关系，组织协调各个层面的协作等管理难题。蒋主任重点围绕监管大数据治理策略与平台规划展开介绍，探讨证监会在科技监管过程中，遇到的大数据治理方面的难题、所采用的一些技术手段，以及尚待解决的一些技术难题。最后，他呼唤具有多方面数据治理能力的超级大数据管理平台的出现。

阿里巴巴王绍翾博士从企业的角度给出了题为《企业大数据平台设计和数据治理上的思考与挑战》的报告。大数据平台的建设，包括如何能够管理数据，并从数据中挖掘有价值的信息，是各个新经济体都在努力解决的问题。他强调数据管理是治理的重要环节。在企业大数据平台建设过程中，大数据治理也受到越来越多的重视。要解决好大数据治理，首先要梳理好数据的类目，从数据的连接度和贡献度度量数据的价值，提高融通性强的数据的利用率。

中国电子技术标准化研究院信息技术中心代红主任则从国家标准的角度给出了题为《大数据治理体系建设下的国家标准化工作》的报告。她从标准化的概念和意义说起，介绍了国家大数据产业发展进程中标准化工作的进展。她强调了大数据治理体系建设是关注对数据需求极大的群体而不是个体，需要技术、标准和政策多管齐下。代主任介绍了国家标准《数据管理能力成熟度评估模型》，强调数据管理能力评价体系的建设。她最后还给出了大数据治理标准化工作的建议，呼吁大家参与标准研制工作。

论坛最后设置了Panel环节，在陈跃国教授的主持下，几位报告嘉宾和汉邑科技CEO迟永胜先生共同探讨了大数据治理领域的一些关键问题：大数据治理所涉及的政策、标准、法规、技术等环节，最重要和最易被忽视的环节是什么；大数据治理的数据集成与清洗、开放共享与价值度量，数据安全与隐私保护等技术因素中，不同层次的机构侧重点有何不同；各个技术点的关键点是什么；大数据治理给学术界带来哪些机遇。在讨论过程中，专家们提出了一些鲜明的观点。例如，安教授强调了规则构建是容易被忽视的环节，强调了方法论更重要。在数据价值度量时要考虑内部和外部的不同需求和数据价值实现模式，使用不同的价值分析模型。数据安全和隐私需要从国家的层面上建立生态体系，实施全方位全过程和全数据生命期的风险可管可控可测技术保障；代主任认为标准环节容易被忽视，需要加强宣传，吸引更多学者参与标准构建。在数据开放共享过程中，需要建立一个统一的度量方法与场景；蒋主任希望标准能成为一个体系。数据脱敏可以分级、分类管理，考虑应用场景，不同级别不同隐私保护方法。他希望学界探讨在数据开放与隐私的平衡度问题，开展学理性的研究，形成上层可操作的方法。他还指出行业内缺少做数据治理服务的公司；王博士认为数据的市场更能体现数据价值。政府应在数据安全、隐私方面，起到一定作用。他认为数据治理是一个复杂的学科，不会是盈利的话题，更多的是一个公益事业，要形成社区去建设；迟先生认为政策法规、标准、技术，是一条生产链条，串行非并行，不同阶段重点不同，缺一不可。数据集成和清洗，需有数据标准，大到国家、行业，小到企业间合作。数据治理的机遇，2B领域的发展机遇、数据采集和细分领域的机遇。价值分为基础和应用，基础数据越开放价格越低，应用越开放行业价值越高。

连续4小时的论坛报告及panel环节，讨论激烈，干货多多，参会者纷纷表示受益匪浅。最后论坛在热烈的气氛中结束并取得了圆满成功。

中国计算机学会

微信号：ccfvoice

长按识别二维码关注我们

CCF推荐

【精品文章】

点击“阅读原文”，加入CCF。

登录查看更多

相关内容

数据治理

关注 27

数据治理是指从使用零散数据变为使用统一主数据、从具有很少或没有组织和流程治理到企业范围内的综合数据治理、从尝试处理主数据混乱状况到主数据井井有条的一个过程。数据治理是一种数据管理概念，涉及使组织能够确保在数据的整个生命周期中存在高数据质量的能力。一个数据管家是确保数据治理流程遵循，指导执行，并建议改进数据治理流程的作用。

大数据安全技术研究进展

专知会员服务

92+阅读 · 2020年5月2日

工程领域大数据和人工智能原则

专知会员服务

123+阅读 · 2020年3月26日

电力人工智能发展报告，33页ppt

专知会员服务

126+阅读 · 2019年12月25日

【大数据白皮书 2019】中国信息通信研究院

专知会员服务

137+阅读 · 2019年12月12日