数据治理工具图谱
- V -
目
录
1 前言
………………………………………………………… 1
1.1 背景与目的 ……………………………………………………………… 1
1.2 概念与定义 ……………………………………………………………… 2
1.2.1 数据治理 …………………………………………………………… 2
1.2.2 数据治理工具 ……………………………………………………… 3
1.3 数据治理工具
应 用情况
………………………………………………… 4
1.3.1 整体应用情况 ……………………………………………………… 4
1.3.2 重点行业应用情况 ………………………………………………… 6
2 数据治理工具图谱 ………………………………………… 17
2.1 图谱全景图 …………………………………………………………… 17
2.2 战略层工具 …………………………………………………………… 21
2.2.1
组织与职责 ………………………………………………………
21
2.2.2
体系与制度 ………………………………………………………
23
2.2.3
团队与文化 ………………………………………………………
25
2.2.4
计划与监控 ………………………………………………………
26
2.2.5
成效与评估 ………………………………………………………
27
2.3 管理层工具 …………………………………………………………… 29
2.3.1
数据架构管理 ……………………………………………………
29
2.3.2
元数据管理 ………………………………………………………
31
2.3.3
数据
标 准管理
……………………………………………………
33
-
2.3.4
主数据管理 ………………………………………………………
35
- V -
2.3.5
数据
质 量管理
……………………………………………………
38
2.3.6
数据
资产 管理
……………………………………………………
41
2.3.7
数据安全管理 ……………………………………………………
44
2.3.8
数据生存周期管理 ………………………………………………
47
2.4 操作层工具 …………………………………………………………… 49
2.4.1
数据存 储 …………………………………………………………
49
2.4.2
数据采集 …………………………………………………………
51
2.4.3
数据
处 理
…………………………………………………………
53
2.4.4
数据共享交 换 ……………………………………………………
55
2.4.5 AI
计算支撑 …………………………………………………… 57
2.4.6 数据分析
应 用
…………………………………………………… 59
3 数据治理工具实践案例 …………………………………… 61
3.1 某财险公司数据治理实践建设案例 ………………………………… 61
3.2 某大型保险集团数据治理平台建设案例 …………………………… 65
3.3 某信托企业数据治理与应用项目建设案例 ………………………… 67
3.4 某地交管局重点对象动态监管系统建设案例 ……………………… 73
3.5 某地交管局交通要素全息档案应用系统建设案例 ………………… 76
3.6 某互联网公司数据治理工具应用案例 ……………………………… 80
202
- 1
1 前言
1.1 背景与目的
“
”
自党的十八届五中全会提出 实施国家大数据战略 后，国家层面
先后发布《促进大数据发展行动纲要》《大数据产业发展规划 （ 2016-
2020 ）》等政策文件，以大数据赋能经济转型升级和政府治理能力提升，
助力数字中国建设。经过多年发展，大数据应用场景不断深入，在民生服
务、经营决策、风险控制、绩效考核等方面起到了重要作用。
2019 年，十九届四中全会首次提出将数据作
新型生
要素参与
为
产
收 益分配。中共中央、国务院相继发布《关于构建更加完善的要素市
场化 配置体制机制的意见》《关于新时代加快完善社会主义市场经济
体制的
“
”
意见》，将 数据 与土地、劳动力、资本、技术并列为第五种
生产要
“
”
素，并提出 加快培育数据要素市场 。 2020 年，国
院首次明确
务
了将数
“
”
据中心作
新基建 的七大重点
域之一；同年
为
领
10 月，十九届
五中全 会审议通过了《中共中央关于制定国民经济和社会发展第十四个
五年
规 划
和二 〇
“
”
三五年远景目标的建议》，将 加快数字化发展 作为
重要任务
“
之一，提出 建立数据资源产权、交易流通、跨境传输和安全保
护等基础
”
制度和
准
范，推
数据
源开
利用 。
标
规
动
资
发
2021 年，国
院
务
国
资 委印
“
发《关于加快推进国有企业数字化转型工作的通知》，要求 强
”
化数据
、集成
新、合作共
等数字化
型理念 。一系列政策指
驱 动
创
赢
转
引，将数据 提升到了前所未有的战略高度，全社会对数据的重视程度也
不断提升。
数据作
推
社会
展及数字化
型的新
能已成
社会共
，
为
动经济
发
转
动
为
识
数据治理作
基
性工作，受到越来越多企事
位的重
。数据确
、
为
础
业单
视
权
数据
量、数据安全、数据流通已成
影响数据要素价
潜力
的重要
质
为
值
发挥
因素，如何做好大数据治理工作成为数字化转型的新 挑 战。数据治理 是 一
个 需 要 长期投 入的工作， 涉及 业务和技术等方方面面， 影响范围及复杂 度
高，治理效 率尤 为重要。为进一 步增 强 我 国 各 行业 各 领 域 对数据治理工具
数据治理工具图谱 研究报
- 2
的
知，通
治理工具
数据治理工作的降本增效，全国信
委大数
认
过
实 现 对
标
据
准工作
制本研究
告，
各行
、各
域数据治理工具的研
标
组组织 编
报
为
业
领
发和应用提 供 实践 参 考，也为后 续 数据治理工具标 准 化工作提 供思路 。
1.2 概念与定
义
1.2.1 数 据 治
理
根据 2021 年 4 月
布的《国家数据
源
告
发
资
调查报
（ 2020 ）》 显
示，
2019 年我国数据
量
模
产
总 规
为 3.9ZB ， 同比增 加 29.3% ， 占 全 球 数据 总 产
量
（ 42ZB ）的 9.3% 。人均数据
产 量方面，
2019 年我国人均数据
产 量
为
3TB
。 数据来源
构方面，数据
源主要由行
机构及个人持有的各
结
资
业
类 设
备 所产 生， 其 中行业机构一 直占 据数据资源生产的主体地 位 。 2019 年，
我 国行业 机构数据产 量达 到 3ZB ， 占 全国数据 总 产 量 的 76.9% ，个 人 数
据
产 量占比
23.1% ，数据出 现井喷式增长 。 随着 数据的 充 分 挖掘 和有效
利 用，数据 正 在 改变人们 的生产、生 活 和 消费模式 ，推动 各 行业 各 领 域
的数字化
变 革
进 程，对经济发展、社会生 活 和国家治理产生重要作用。
在数字经济全面推进的时代 背 景 下 ，培育发展数据要素市场 需 要 充 分
发挥数据作为关 键 生产要素的 价 值。在大数据时代，单一数据的 价 值十分
“
有 限 ， 真正 体 现 数据生产要素 价 值的 是 容量 大、 类 型多、时效要求高、
”
精 度 准 、 价 值 密 度高 的数据集 合 。 同 时， 由 于 当 前 普遍存 在的数据 难 管
理、
流通、易泄露等情况，数据治理成
放数据要素价
的重要路
难
为 释
值
径 ， 这 也对 我 国 各 行业 各 领 域 数据治理能力提出了 较 高要求。
2015 年 2 月， EDM Council 发布了数据管理能力评估 模 型 DCAM ，定
义 了数据能力成 熟 度评估 涉及 的能力 范围 和评估的 准则 ， 从 战略、组织、
技 术和操作的 最佳 实践等方面 描述 了如何成 功 地进行数据管理。在 借鉴
国 际 理
的基
上，
合我国自身
用
践，
论 经 验
础
结
应
实
2018 年 4 月，全国信
标 委 大 数据标 准 工作组 研 制并推动发布了 GB/T 36073-2018 《数据管理
能力成熟
202
- 3
度评估 模 型》 （ DCMM ）国家标 准 ，为 我 国 各 行业 各 领 域 的有关单 位开 展
数据管理、数据治理建
提供了重要依据。
设
2018 年 6 月，我国
发 布
GB/T 34960.5-2018 《信息技术服务 治理 第 5
部 分 ： 数据治理规 范 》国家标 准 ， 明确 数据治理 是 数据资源 及其 应用过
程中 相关管控 活 动、绩效和风险管理的集 合 。 另外 ，国 际 数据管理 协 会
发布的 DAMA-DMBOK2 中，指出数据治理是
在管理数据
程
组织
资产过
中行使的 一系列权力和管控行为， 包括 数据治理计划、监控、实施。 这
些参考文献 都 对数据治理进行了 明确 的定义，本文也 是 在 此 基础 上 进行
阐述 的。
大家在
数据治理的概念
，目前主要存在两种
。一种是偏数
讨论
时
趋势
据管理的狭
数据治理，
重于数据
管控体系；另一种是偏数据工程
义
侧
资产
的广
数据治理，
狭
数据治理的概念
行了延伸，
重于技
支撑平
义
对
义
进
侧
术
台的 研究 ，本文 是 在 广 义数据治理的基础 上 进行 阐述 的。
另外 ，相对于数据治理， 还存 在大数据治理的概念。大数据治理相 比
于数据治理，在数据治理对象、数据处理 架 构、治理组织职能、数据管理
措 施、数据应用 范围 等方面 呈现 多层 次 、多 形式 、大 范围 等 特 点。 围绕 数
据
、共享开放、安全与
私保
等大数据技
用的新需求，大数据
资产
隐
护
术应
治理不再
限于
一
数据治理范畴，而是要从国家
次、行
次、
仅
单
组织
层
业层
组织层 次 构建 形 成一个自 上而下 、多 元 共治的数据治理体系。因本文主要
是
数据治理工具
行
述，故不
大数据治理的概念做
多
述。
对
进
阐
对
过
赘
数据治理的最
目
是提升数据的价
，是
推
略落
的基
终
标
值
组织
动战
实
础， 它由 管理体系和技术体系共 同 组成， 包括 组织、制度、流程以 及 技术
以 及 支撑工具等。
1.2.2 数据治理工具
数据治理工具指
数据治理
目而开
，以
足数据治理
划、
为
项
发
满
规
设
计、实施、 常 态化 运 营工作的一系列应用程 序 系统集和 其他 技术。数据治
数据治理工具图谱 研究报
- 4
理工具根据数据治理需求及其技
架构，可以包含一个或多个程序系
或
术
统
技术， 每 个程 序 系统 或 技术 都 有 其独 立的 使 用场景和 价 值， 但 在某 些特殊
的
景下，系
与系
、系
与技
、技
与技
之
存在一定的关
场
统
统
统
术
术
术
间
联
性 。数据治理工具的 选择 不 限 于 开 源 或者商 用，主要 取 决于数据治理工作
的目
、范
及所管理数据的特征。
标
围
数据治理工具主要的价
体
在：
值
现
在战略层面， 引 入工具 可 以保 证 数
据治理
在治理活
中制定的各
组织
动
种
章制度、指
方
、
范
准、操作程序、工作流程、行
准
和方
规
导
针
规
标
为
则
法 等加快 落 地。对组织理 解 数据治理提 供 了基础保 障 ，对组织过程资产的
积累 和提升具有促进作用。 同 时， 引 入工具能 帮 助企业加快度 量 、监控，
辅 助评估、决策。
在管理层面， 引 入工具 可 以 明确 管理目标、 活 动流程，将具体的管理
活 动 落 地到工具 上 ，能 帮 助企业快 速搭 建数据管理体系。 同 时，通过 引 入
更先
的技
、工具和自
化手段代替低效的重复
，可以
效率
进
术
动
劳动
让 组织
有 明显 提升。
在操作层面， 引 入工具 可贯穿 数据的整个生 命周期 ，实 现 过程 可查 、
结果可依 ，对 辅 助决策 及 审计有重要意义。 其次 ，面对 海量 数据， 部 分场
景下必
使用数据提取、分
、
理的技
及工具才能完成相关工作。
须
类
处
术
1.3 数据治理工具应用情
况
1.3.1 整体应用情
况
我 国数据治理实践起 始 于 2003 至 2004 年，伴随着 ERP 、 CRM 、数
据 仓库 、 商 业 智 能、共 享 交换平台、数据监管的建设深入，数据质 量 和
数据 可信
得尤
突出，我国通信、
行、能源行
率先
行数据
问题变
为
银
业
进
治理相 关
践，建立了数据治理
及体系框架，开展了元数据、数据
实
组织
质 量 、主 数据等相关数据治理工作。 然而 ， 由 于 当 时 我 国本土数据治理
通用工具 缺
数据治理工具图谱 研究报
- 5
失 ，主要通过定制 开 发 或采购 国 外商 业工具的方 式来 进行相关数据治理工
作。
2015 年，随着我国大数据
展
入快
道，各
域大数据建
如火
发
进
车
领
设
如 荼 ，对 辅 助数据管理工具的 需 求也在不断 上 升，国 内可 提 供 通用化 元 数
据、数据
量、
源目
工具的厂 商逐步 增 加 ， 但 由于 起步
晚 ，
品 成
质
资
录
较
产
熟 度 还 有 待 加强， 每 个 厂商都聚焦 于某方面的治理， 少 有 供 应 商可 以提 供
完 整 的、可以 覆盖 数据治理全流程的、相 互
作的 解决 方 案 。再 加 之各行
协
业领 域 对数据治理 认 知 及 信息化建设 水 平 存 在局 限 ， 少 有组织能应用全面
的数据治理工具。据 2020 年全国信
委大数据
准工作
布的《数据
标
标
组发
治 理
展情况
研分析
告 》
，受
企事
位中
发
调
报
统计
调
业单
94.5% 在数据治
理 义
程中 采 用了相应的平台 或 工具，大 部 分单 位都 通过 引 入平台 或 工具支
撑数 据治理， 但 各
域的工具使用率不 高 、 覆盖 面不全：如数据
准
领
标
化工具 58.2% 、数据质 量 管理工具 56.4% 、数据共 享 交换平台 或 工具
54.5%
、主数 据管理工具 52.7% 、数据 清洗 工具 50.9% 、数据安全管理工
具 49.1%
、 元 数 据管理工具 47.3% 、数据资产管理工具 43.6% 。
图 受调 企 事 业单 位 在数据治理过程中 采 用相应工具情况 占比
（来源：《 2020 数据治理发展情况 调研 分 析报告 》）
202
- 6
1.3.2 重点行业应用情
况
（ 一） 金融 行业
1. 金融 行业数据发展情况 及 数据治理 痛 点
金融 领 域是 国 内 大数据发展的重要风 向 标，数据作为一种生产要素，
是 金融
域的重要
， 也 是 金融
域
行
略 决 策、
管理、
领
资产
领
进
战
风险
业务创
新 拓 展的基础。 金融 领 域积累 大 量 的交易、 客户 、 日志 等相关数据， 由 于
金融 领 域承 建系统单 位 不 同 ， 各 系统 存 在 许 多基础数据标 准 不统一、业务
指 标 口径 不一 致 ， 造 成数据质 量低下 ，数据应用分 析结果错误 ，进 而导致
决 策 失
。如 何 提 高 数据利用价
、 防 范 金融
、提升个人数据
私保
误
值
风险
隐
护等情况 是金融 领 域迫 在 眉睫 的 问题 。
2. 金融 行业数据治理 开 展情况
为 指导金融 机构加强数据治理，提高数据质 量 ，发挥数据 价 值， 防范
金融 风险，提升 金融 机构的经营管理能力， 金融 领 域 出台了大 量 的政策，
主要包 括 ： 2011 年
会
布的《
行
管
数据
量管理 良好
银 监
颁
银
监
统计
质
标
准
（
试 行 ）》 、
2018 年中国
行保
督 管理委
会
布了《
行
金融
银
险监
员
发
银
业
机 构数据治理 指引 》、 2018 年中国
会出 台 了《
券 期
数据分
分
证 监
证
货
类
指 引 》 等。 金融
域在政策的指引下，基本已完成数据 湖 的构建，在
级
领
组织 内 设立 首席 数据 官 ， 健 全数据管理 部门 职责， 利 用 现 代 金融 工具，
提高风险 防范 能力，加强 金融 风险制度的建设，为 金融 领 域 数字化转型
改 革 奠 定了 组织基础，为 其他 领 域 数据治理发展 探索 出一 条可落 地的实
践道路。
3. 金融 行业数据治理工具应用情况
金融 领 域 在对数据 湖 进行数据治理过程中， 受 企业发展 阶段 和 牵头部
门 不一 致 的 影响 ，出 现 了大 量 国 际 国 内厂商 的数据治理工具， 每 个数据治
理工具之
无法
相 互 集成，
致 了在使用
程中
需要二次
行定制
间
实 现
导
过
还
进
开 发，并 需 要不 同 工具 才 能完成数据治理工作， 这极 大的 影响 了数字化转
型的推
速 度。 此外 ， 金融
域的数据安全随着技
的
展不断面
新的
进
领
术
发
临
