刘文涛
数据不仅是国家基础性战略资源和重要生产要素，还是驱动经济发展质量变革、效率变革、动力变革的新引擎。随着数字经济的蓬勃发展，数据对生产效率的倍增作用日益凸显，企业探索、开发数据价值，积极开展数字化转型，用数据驱动业务发展已经成为顺应时代潮流和企业自身发展的必然选择。如何提高数据管理能力和水平，充分发挥数据要素价值，是企业数字化转型的重要课题。
数字经济时代下的数字化转型浪潮
当今世界正加速由工业经济时代迈向数字经济时代，大数据正在深刻影响全球科技创新、产业结构调整和经济社会发展，数字生产力快速崛起。数字经济时代，数据作为新的生产要素，已成为国家经济社会高质量运行的关键驱动力。以云计算、大数据和人工智能等为代表的新一代信息技术蓬勃发展、广泛运用，推动数字经济发展迈入新台阶。
党中央、国务院高度重视数字经济发展，推动实施国家大数据战略，加速完善数字基础设施，加快培育数据要素市场，持续优化产业发展环境， 全面推进数字化转型。党的十九届四中全会首次将数据增列为生产要素；2020年4月， 中共中央、国务院发布的《关于构建更加完善的要素市场化配置体制机制的意见》指明要加快培育数据要素市场，建立健全数据流通管理体制机制。2020年8月，国资委印发的《关于加快推进国有企业数字化转型工作的通知》系统明确国有企业数字化转型的基础、方向、重点和举措，积极引导国有企业数字经济时代准确识变、科学应变、主动求变，加快改造提升传统动能、培育发展新动能。2021年，《中华人民共和国国民经济和社会发展第十四个五年规划和2035年远景目标纲要》将“加快数字化发展， 建设数字中国”单独成篇，提出以数字化转型整体驱动生产方式、生活方式和治理方式变革。2022年6月，中央深改委审议通过《关于构建数据基础制度更好发挥数据要素作用的意见》，强调要维护国家数据安全，促进数据高效流通使用、赋能实体经济，统筹推进数据产权、流通交易、收益分配、安全治理。一系列重大决策部署表明，我国将推动数字经济和数字化转型发展上升至国家战略高度，以数字化引领、撬动、赋能数字经济产业发展。
在国家政策引导和支持下， 我国数字经济对经济社会的创新引领作用不断增强，数字化发展成为社会共识，数据要素价值不断释放，数据要素市场体系持续完善，数字化转型进程稳步加快。2021年11月，工信部发布《“十四五”大数据产业发展规划》，进一步明确加快培育数据要素市场，提出要推动要素数据化，引导各类主体提升数据驱动的生产要素配置能力。据国家工业信息安全发展研究中心最新测算，预计到2025年， 中国数据要素市场规模将突破1749亿元， 整体进入高速发展阶段。当前阶段，各企业主体间缺乏数据流通机制，数据利用率不高， 其潜在价值有待进一步挖掘。企业作为智能化改造和数字化转型工作的主体，是推动数字经济产业发展的中坚力量，数字化转型也成为提升企业竞争力、影响力的关键领域。在数字化浪潮下，企业数字化转型是响应政策号召、顺应技术发展、提升企业竞争优势的必经之路，必须牢牢把握数字化发展战略机遇，以数字化转型升级为契机，以数字技术促进数据资源开发利用，发挥数据要素潜能，释放企业数据价值。
企业数字化转型现状与挑战
“数据是数字化基础”。数字化转型概念已经提出十年，企业纷纷利用大数据、云计算、人工智能等数字技术来推动业务模式、组织架构、企业文化变革，“数据化管理” 概念已被大部分企业接受和使用。有关研究结果显示，目前国内企业在数字化初级阶段转型进程较快，有34.54%的企业已经开始实施数字化转型战略，其中15.9%的企业正在全面推进数字化转型，而18.64%的企业仅在部分部门或产品开展数字化转型，有18.83%的企业正在计划启动数字化转型（杨晨，2021）。面对数据规模的爆发式增长，部分企业由于缺少有效的全局性数据战略，仍存在数据意识相对薄弱、缺乏科学有效的数据治理体系、数据标准不一、权责不清、“数据孤岛”以及在数据开放流通大趋势下数据安全隐私难以保障等问题，导致企业数字化转型后继乏力，中后期进程相对缓慢，这也是国内企业数字化转型面临的普遍性难题。
全局性战略性数据意识较为薄弱。数据价值挖掘依赖于精准高效的数据管理能力， 越来越多的企业认识到数据管理的重要性，并就数据治理、数据运营、数据仓库、数据工程、数据分析、数据科学等方面制定了数据管理策略，但全局性、整体性、战略性数据意识仍较为薄弱，缺少自上而下的数据战略规划、数据战略实施以及数据战略评估整体架构；或是虽制定了数据战略规划，但实际工作部署或落实不到位， 导致规划成为一纸空文。如何引导、培养企业全局性战略性数据意识，成为推动数字化转型的首要挑战。
缺乏科学有效的数据治理体系。数据治理是推动数字化转型的基础， 把数据治理作为数字化转型的“ 基站” 来建设尤为重要。工信部《“十四五”大数据产业发展规划》提出“鼓励开展数据治理相关技术、理论、工具及标准研究， 构建涵盖规划、实施、评价、改进的数据治理体系， 增强企业数据治理意识”。目前国内企业对数据管理的认识多倾向于泛技术化， 很少甚至从未从组织治理的角度部署相关工作，导致对数据管理规范、架构、流程的忽视，未形成统一、科学、有效的数据治理体系，业务与数据管理工作割裂、脱节。如何构建科学有效的数据治理体系、加快数据治理实践，是企业数字化转型面临的另一大难题。
数据标准不统一，数据共享共用难。数据的真正价值在于其如何被充分应用，数据开放共享是数据开发利用过程中的关键因素。“十四五”规划和2035 年远景目标纲要明确提出要加强公共数据开放与共享。目前国内多数企业因数据标准未统一、数据权责不清等问题，阻碍了企业内部数据的集成与共享，导致数据难以互通，形成“数据孤岛”。部分企业对数据资产未进行统一梳理或由于认知问题数据梳理不够全面， 导致系统间数据未打通、数据资源分布未明确、数据来源未理清， 限制了数据价值的有效发挥。如何打破“ 数据孤岛”，实现数据共享、互通， 发挥数据应用价值，是企业数字化转型难点之一。
数据安全合规和隐私保护风险。随着数据要素市场发展, 数据要素不断流动，各种新型数据窃取、篡改、滥用等手段不断变化，大规模的数据泄漏时有发生，数据安全和隐私问题受到广泛关注。《关于构建数据基础制度更好发挥数据要素作用的意见》强调把安全贯穿数据治理全过程，压实企业数据安全责任。企业普遍认识到数据安全工作的重要性，积极制定数据安全防护策略，但在生产经营过程中，往往由于不明确数据安全治理的实际需求，或是对安全技术手段不熟悉以及缺乏管理体系支撑等制约因素，导致安全策略无法切实发挥效用。如何兼顾数据开放利用和数据安全防护，实现真正有效的管理和防范数据安全风险，也是企业数字化转型所面临的重大挑战。
提升数据管理能力是企业数字化转型的关键路径
数字化转型是一项复杂的系统性工程，是以数字技术为手段，在数字化升级改造基础上，进一步触达核心业务，以新建商业模式为目标的高层次转型，涉及业务模式、组织架构、企业经营、管理流程等方方面面。其本质是发挥数据资源价值， 激发数据要素创新驱动潜能， 推动实现生产力和生产关系的重构。对企业而言，数据价值发挥的前提是管好和用好数据，提升数据管理能力成为企业数字化转型的关键路径。
作为我国数据管理领域首个国家标准，《GB/T 36073- 2018 数据管理能力成熟度评估模型》（以下简称“DCMM”） 是由全国信标委大数据标准工作组（ 国家工信部信软司主导， 多家企业和研究机构共同组成） 研发， 并于2018年3月15日正式发布，是我国数据管理领域最佳实践的总结和提升， 并于2019年委托中国电子信息行业联合会牵头推进DCMM工作体系建设和评估贯标，推动规范我国数据管理。《“十四五”大数据产业发展规划》多次提到“数据管理” 和“ 数据管理能力” ， 明确“加快培育数据要素市场，在互联网、金融、通信、能源等数据管理基础好的领域，开展数据要素价值评估试点，总结经验，开展示范”。积极培育数据要素市场是党和国家发展数字经济的战略部署，DCMM 贯标正是落实国家发展数字经济和大数据发展战略的具体体现，是夯实数据治理之基，推动数字化转型之本，巩固数据安全之盾，是实现数据从资源到资产跨越的先决条件，更是用“中国标准”树立“中国品牌”，推动数据产业建设、数据产业赋能，助推我国大数据产业健康发展，促进数据管理的科学性、规范性、安全性，同时也为各行业、各企业数据管理能力体系建设和数字化转型工作提供了标准方法和基础支撑。
DCMM模型定义了数据战略、数据治理、数据架构、数据应用、数据安全、数据质量、数据标准和数据生存周期8 个核心能力域，细分为28个能力项和445条能力等级标准， 以组织、制度、流程和技术作为八大能力域的评价维度，将数据管理成熟度划分为五个等级，代表企业数据管理和应用的不同程度。作为一套管理系统、指南、评价标准，能够帮助和指导企业客观评估数据管理现状，明晰与行业最佳实践的差距，准确定位薄弱环节并找出存在问题，同时提出数据管理能力的提升方向与改进建议，在推动企业数字化管理， 助力企业数字化转型方面有着重要指导意义和实用价值。
DCMM作为企业数据战略规划、实施、评估的标准化管理指导规范，帮助企业掌握数据管理和应用现状，发现具备的优势和存在的问题，为企业的数字化转型提供了重要参考依据。数据治理方面，DCMM 将数据治理细分为数据治理组织、建设、沟通三个模块，通过模块化治理思路针对性解决治理过程中分工不明确、标准不统一以及数据关系脉络不明等问题，为企业数据治理降低了技术门槛， 减少了运维成本，提高了工作效率。数据安全方面，DCMM提供了从数据安全策略到数据安全管理再到数据合规审计的全周期体系化标准，帮助企业快速识别数据安全管理风险和管理过程缺陷，为企业数据安全治理提供了经验借鉴。数据共享方面， DCMM指明不同的数据集成共享方式需制定不同的数据交换标准，以建立高效灵活的系统数据交换规范和机制，为企业打破“数据孤岛”、建立企业级数据集成与共享架构提供了目标思路。
自DCMM模型发布以来， 社会各行业、企业积极参与， 反响热烈。截至今年9月初，全国已有300余家企业通过了贯标评估，其中获评DCMM五级（优化级）企业3家，四级（量化管理级）企业28家，三级（稳健级）企业94家，二级与一级企业190家，覆盖互联网、金融、通信、能源、制造等众多行业， DCMM的专业性和权威性得到了业界的广泛认可，DCMM的社会影响面进一步扩大。
某国有企业是目前已获评DCMM最高等级五级（ 优化级）的三家企业之一。该公司在早期阶段由于缺乏科学指导理论、缺乏量化评估抓手、缺乏先进实践借鉴等原因，制约了业务数据的供给和应用，后将DCMM贯标工作纳入其管理制度和大数据规划，围绕数据战略、数据治理、数据质量、数据模型等领域开展体系化能力提升和优化， 并打造“ 评估—分析—改进—巩固”量化管理闭环，不断巩固成果，提升短板，经过多年沉淀与积累， 输出了一系列数据管理创新成果，形成了全面、扎实的数据管理能力。某大型互联网企业为最早开展DCMM贯标的科技公司之一，已获评DCMM四级（量化管理级）并获选DCMM 优秀案例。该公司发挥其海量数据资源和数据分析挖掘技术优势，探索出特有的数据治理方法论，并通过参加DCMM评估，进一步沉淀数据治理方法论，提升了数据管理水平，促进了业界交流合作。在贯标过程中，该公司系统性梳理了数据管理各项工作，进一步明晰企业当前所处行业水平、存在问题以及后续可提升的方向， 借鉴DCMM数据管理各项能力评估雷达图，对数据资产服务各项工作进行评估，优化了业务结构和发展目标。
加快数据管理能力成熟度评估的建议
“十四五”时期不仅是我国从工业经济向数字经济迈进的关键时期，还是发挥我国超大规模市场优势、激活数据要素潜能、打造经济发展新动能的重要机遇期。近年来，工信部把持续提升数据管理能力作为贯彻落实党和国家推动数字经济战略的重要举措， 不断建立完善数据管理能力评估体系， 大力开展DCMM贯标工作，积极推动各行业、各领域数字化转型升级。目前许多地区、企业虽已在各级政府指导下相继开展DCMM贯标评估工作，但覆盖面仍待进一步扩大；我国企业贯标能力从起步期发展到成长期，也有待进一步提升。为此，笔者提出如下建议：
首先， 国家层面要继续加大DCMM贯标指导和扶持力度，各级政府部门要积极发挥引导带动作用，提升DCMM标准引领水平。要强化政策保障，对获得较高等级的贯标企业以及咨询服务等方面的配套企业机构予以培育和鼓励支持。要深化标准宣贯，按照“政策引导、标准引领、企业为主”原则，分级开展DCMM标准解读、政策培训、评估流程介绍等贯标认证指导和系列宣贯培训，促进贯标工作提质增效。要加大推广力度，面向各行业垂直细分领域，持续巩固和深化试点示范， 通过树立一批各行业、各领域的排头兵，打造标杆性领先实践，发挥示范带动作用。
其次，从产业层面讲，要坚持市场导向，持续完善DCMM 贯标服务体系建设，推动市场多元主体共同参与，激发DCMM贯标生态活力。各行业主管部门要以DCMM贯标工作为牵引， 加快推动上下游产业链、生态圈建设，加速构建咨询、评估、培训、实施一体化支撑服务体系，加大DCMM评估师、注册数据管理师等高级数据管理人才培养和评估机构建设，加强评估行业行政监管和行业自律监督，推动贯标工作市场化、规范化运作，促进贯标评估市场规模壮大、市场主体活力释放，实现政府指导和产业链路高效协同。探索“跨界融合、资源共享、开放创新、合作互惠”的产学研创新合作模式，促进行业交流合作。
最后，企业要深刻领悟数字化趋势下企业升级转型的必然性，紧抓数据要素市场培育新机遇，增强管好、用好数据资源的责任主体意识，提升“用数据说话、用数据决策、用数据管理、用数据创新”的大数据思维，加强数据管理专业人才队伍建设。用好DCMM贯标这块“试金石”，自主提升DCMM 自评估能力，对标行业先进水平，在标准指导下找差距、补短板、强弱项， 从行业“ 对标”向行业“树标”跨越，通过构建企业数据管理体系、制度、标准，激发数据潜力，真正发挥好数据对企业生产经营等各项活动的赋能作用，持续提升数据管理水平，提高数字化转型内生动力和能力。
综上，加强数据管理能力建设，是企业推进数字化转型的关键发力点； 推动DCMM 贯标，既是增强企业数据管理能力、提升企业数据治理水平的必然要求，也是落实国家大数据战略、推动数字化转型走深向实的重要抓手。通过DCMM贯标， 帮助企业将业务经营、技术应用、管理流程与数据管理过程相结合，找准与其发展战略相适配的数据管理能力体系建设方向， 促进企业管理体系革新、生产模式优化、运行效率提升， 加快推动数字化、智能化转型发展，切实提高数据管理水平和综合竞争力，助推我国大数据产业高质量发展，支撑我国产业数字化和数字产业发展焕发勃勃生机。
作者系国家电网有限公司大数据中心高级专家、DAMA中国数据治理专家