随着数据二十条的颁布与全国数据要素市场的建设与发展，数据的资产属性、要素属性不断被挖掘、激发，围绕数据进行治理的范围，也从传统的企业领域，扩大到了整个数据产业生态内。为建立安全、高质量的产业数据流通环境，解决数据跨域融合分析过程中的分散、不一致、权属确认、隐私保护等问题，产业级数据治理应运而生。
产业级数据治理以数据要素在产业层面的顺畅流通和价值释放为最终导向，立足于产业级视角，为数据要素市场构建、产业数字化转型、数字经济发展提供“底座式”的支撑，起到破除阻碍数据要素供给、流通、使用的障碍，推动大规模、跨领域数据的价值再提升、再创造的作用。
一、 产业级数据治理的内涵和演进
对于什么是数据治理，目前在行业内还没有一致且通用的定义。国际数据管理协会（DAMA）的数据管理知识体系（DMBOK）将数据治理定义为“对数据资产管理行使权力和管控和共享决策（规划、监测与执行）的系列活动”；《数据管理能力成熟度评估模型》（GB/T 36073-2018）认为数据治理主要解决顶层设计问题；国内主流认知中，数据治理是“保证数据的可信可靠可用，满足业务对数据质量和数据安全的期待的系列举措，既包括了顶层设计，也包括了具体的数据标准管理、元数据管理、数据质量管理、主数据管理等落地执行事项”。
我们认为，数据治理是一件体系化的复杂工程，既包含数据管理的顶层设计，又包含需要落地执行的具体工作事项，其核心目标就是为了保障数据的质量和安全，从而让更多人、更方便、更便捷的获取数据、使用数据。
产业级数据治理是在大规模、跨行业的大数据发展趋势下对数据治理理论方法的进一步发展和创新，将数据治理的范围放大到产业层面，实现产业数据生态下的“环境治理”。
我们认为，产业级数据治理是以数据要素在产业层面的顺畅流通和价值释放为最终导向，开展建设政策法规、建立协同组织、完善监督、管理与执行机制、创新技术支撑等体系化工作，从而实现跨行业数据高质可信、安全可控、连接融合、高效流通、价值倍增的一系列活动过程。
产业级数据治理与企业级数据治理、行业级数据治理从内涵上是层层递进的。企业级数据治理是指在单一企业范围内，由企业最高层直接主导或推动的、企业内部多部门协同开展的数据治理活动，解决的是打破企业内部数据壁垒，确保数据可信可用的问题。
行业级数据治理是指在同一行业内，多个企业为了实现数据互通和互利，由行业监管单位推动开展或由行业骨干企业或单位发起，基于统一的标准规范，统筹开展数据治理活动，保证行业内数据共享流通顺畅的过程，解决的是行业内的信息共通问题。
产业级数据治理则是站在产业级视角，对同一产业领域内的跨行业的企业数据进行归集和整合，打破行业壁垒，实现数据自由流通，促进产业级生产力提升，最终推动数据经济的高速发展，从而让整个人类社会受益，解决的是数据跨行业流通、融合和价值倍增的问题。
二、产业级数据治理的价值
产业级数据治理来源于实践需要，是数据要素理论突破后，在数据治理领域的“投影”，也是必然趋势，是对数据治理理论体系进一步的创新和拓展，是中国特色大数据理论实践体系的一部分，其价值体现在以下几个方面：
第一，产业级数据治理可以营造一个互信、开放的数据流通环境。产业级数据治理的基础是彼此认同、彼此信赖的各行业数据主体，依托一套信用体系为纽带联结在一起。在满足条件的情况下，现有的主体可以退出，更多的主体可以加入进来。数据业务层面也是开放式的，只要不违法违规，所有能带来价值收益的业务和服务形式都可以开展。
第二，产业级数据治理可以提供一个公平、透明的数据交易机制。当前数据交易机制没有通用的标准。产业级数据治理在传统数据治理的基础上，根据跨行业、跨主体的特点，建立了执行和监管两层机制，从而确保所有数据主体根据约定好的规范、标准和规则开展活动，违规的主体受到惩罚，保障一个优良的数据交易流通氛围和风气。
第三，产业级数据治理可以催生更丰富的数据治理产业生态模式。产业级数据治理是对传统数据治理范围和能力的延展和变革升级，为实现产业级数据治理，诸多新的组织和个体角色参与到了数据治理的工作中来。例如，律所和律师第一次参与到数据治理的核心工作内容中来，独立的第三方代加工产商也成为整个治理体系中重要的产业“拼图”，而这些都会从某种程度上改变现有的数据治理业务模式，形成形式更多样、角色更丰富、价值点更多样化的新型产业生态。
第四，产业级数据治理可以深化促进数据要素融合赋能产业产能。产业级数据治理的最终目标是保障产业内数据高质量供给，促进数据要素高效流通和价值释放。通过一系列治理手段，各行业、企业数据可以实现深度融合，从而从多个层面为各行业、业务领域发挥数据要素价值叠加倍增效应，从产业链上下游逐步拓展到更广产业面，从而支撑产业产能和社会生产力的全面提升。
第五，产业级数据治理可以强力拉动全球数字经济引擎高速运转。产业级数据治理是数据要素市场构建，乃至全社会数字化转型的基础。产业级数据治理所打造的坚实的社会级高质量数据基础，为数字经济的发展提供了优质“原料”，贯穿和打通数字经济“脉络”，保障数字经济的“引擎”高效运转，从而推动整个人类社会加速迈进全新时代。
三、产业级数据治理的特征
我们说，企业数据治理是企业治理的一部分，行业数据治理是行业治理的一部分，那么产业级数据治理就是产业治理乃至于社会治理的一部分。相对于传统数据治理，产业级数据治理具有其明显的特征。
从本质上看，产业级数据治理的核心特征在于，其关注的重点已经不再是数据本身，而是对数据流通融合所处的“生态环境”以及“数据-主体-活动”关系的理顺和重塑。具体特征体现在以下几个方面。
第一，数据来源更加多元化。一是数据来源的行业、企业多元化，不同的行业、企业往往都有自己的标准或治理要求，产业级数据治理需要兼容并蓄，以“最大公约数”满足跨行业数据互通融合的问题；二是数据自身格式、类型多元化， 半结构化数据、非结构化数据等需要更丰富的治理手段和技术，确保能够相互关联融合并被用户使用；三是数据质量参差不齐，不同行业、企业数据治理的水平和阶段不同，能提供的数据质量也存在较大差异，而产业级数据治理要接受并平衡这种差异，才能确保产业级数据应用的有效性。
第二，组织机制更加松散灵活。一是在产业级数据治理体系范围内，各主体之间本质上是协同合作的关系，既没有上下级之分，也没有行政强制性，每一个主体都能合理提出诉求，更多需要通过共同的目标和相互之间的互利共赢来维持组织机制的健全和日常运作；二是组织内部的运作机制也需要相对灵活，在各主体“权责利”平衡的前提下，除必须满足统一的公约、标准、规范以及监管要求以外，生产方式、市场化对接等工作合理放开，收益分配灵活，从而有效促进数据价值有效释放。
第三，安全合规成为核心关注点。一是各主体内部需要更加重视数据安全合规问题，只有将自身需求和安全合规结合，才能将正确的数据以正确的方式提供出来，放心参与数据要素市场；二是产业级数据治理的基本环境是公共的，面临的数据安全合规的风险更大、潜在威胁更多、防范难度也更高，而数据安全合规无小事，从整个产业数据生态角度看，必须将安全合规作为治理的焦点，提供一个安全可靠的环境，才能吸引更多主体参与，创造更大价值。
第四，互信机制成为核心基础。一是产业级数据治理重要目标之一就是要建立起产业数据流通的互信机制，只有各主体之间存在信任关系，并且有一个公正的第三方能够“主持正义”，数据流通才具备了基础，数据融合才具备了可能性；二是除了一些共识性规范外，各主体应该从意识层面注重对其他合作主体的权益保护，不做损害其他主体权益的事情，并在自身产业级数据治理能力建设的过程中，主动提供其他主体行使权利的环境、渠道和条件，在不损害其他主体利益的前提下，最大程度实现价值共创和收益共赢。
第五，先进技术成为必备管理手段。在传统数据治理中，技术是辅助管理实现目标的支撑，在没有技术的情况下，依赖人的管理方式也能达到目标。但产业级数据治理不同，由于其数据分散、主体众多等特点，隐私计算、区块链等技术已经不仅仅是一种先进技术，而是本身已经成为了一种无法通过人工来代替的管理手段，少了这些技术就无法实现对产业级数据的有效治理和管理。可见，技术与管理的深度融合是产业级数据治理的重要特征。
第六，公共价值是核心驱动力。产业级数据治理并不是为单一主体服务的，而是为了数据对于社会公共价值的最大化。一是产业级数据治理更关注的是数据的公共共享性，即在安全合规前提下高效流通，不断融合而产生新的价值，这个价值是单一主体或行业无法提供的；二是产业级数据治理为整个社会数字化转型建立了基础，并通过提升产业产能的方式表现出来，体现的整个行业的生产力水平，也是整个社会数字化水平的不断提高。
四、产业级数据治理的框架
基于以上观点，提出产业级数据治理体系框架如下：
1. 行业级、企业级数据治理与产业级数据治理的关系
行业级、企业级数据治理与产业级数据治理之间并不是完全割裂的关系，都属于广义的数据治理范畴，只是各自的关注点、目标、实施范围以及解决的问题不同，三者之间并非相互包含的关系，而是相互促进、相互依存的关系。
一方面，行业级与企业级数据治理是产业级数据治理的基础。企业级和行业级数据治理主要解决企业、行业内部数据治理问题，目的是全面提升数据质量、保障数据安全、加速数据流通。产业级数据治理并不关注企业、行业内部数据治理，但在对数据流通环境进行治理的过程中，每一个企业自身数据治理成果的好坏，却是产业级数据治理能够有效推进的关键基础。试想一下，如果一个产业级生态中各个主体自身数据都没有治理好，质量极差，产业级数据治理的过程将极其痛苦，层出不穷的数据问题将破坏主体间的信任，阻滞数据流通融合，最终毁掉整个数据生态。所以需要借助企业级和行业级数据治理提升企业、行业内部数据质量，保障数据安全，进而为产业级数据治理打好基础。
另一方面，产业级数据治理是行业级和企业级数据治理在数据要素时代的必然演进要求。产业级数据治理并不是凭空出现的，而是在数据成为生产要素并正在形成数据要素市场的大环境下，当企业级和行业级数据治理所覆盖的职能范围已经无法满足实际发展的要求时应运而生的。产业级数据治理确立了更高层级、更大范围的数据治理规则和规范，提供了有别于现有形式的数据治理组织形式与 创新技术，也将使突破数据现有权属、合规、安全等困境成为可能。所以说，产业级数据治理来源于实践需要，是数据要素理论取得突破后，在数据治理领域的“投影”，是对数据治理理论体系进一步的创新和拓展，是一种必然的演进趋势， 也是中国特色大数据理论实践体系的有机组成部分。
2. 产业数据链与产业级数据治理的关系
产业数据链是政府、企业、组织、个人持有的数据从流通进入产业数据生态到被消费使用与评价的整个过程，是发生在不同企业、不同行业间的一项项组织有序的数据生产流通活动，类似于工厂里面的“生产流水线”。与产业级数据治理中的具体内容活动不同的是，产业数据链中的具体活动属于生产性、价值创造活动，产业级数据治理的活动则属于管理管控、秩序维护活动。从关系上来讲， 产业级数据治理与产业数据链是治理与被治理，保障与被保障的关系。
首先，产业数据链是产业级数据治理的核心治理对象。一方面，产业级数据治理通过建立一系列的管控要求，并将这些要求附加到产业数据链的相应环节， 从而实现对产业数据生产过程的管理和控制，起到维护产业数据链内相关主体的合法权益，引导产业内相关数据生产活动有序开展，防止与产业数据流通有关的安全、合规、质量问题发生等作用。
另一方面，作为被治理对象，产业数据链也是驱动产业级数据治理演进迭代的重要驱动力，产业数据链中的各主体针对产业级数据治理实施过程中存在的缺陷不足进行分析总结，向产业级数据治理提出改善意见，促进产业级数据治理方针的持续优化与改进。
其次，产业级数据治理是产业数据链高效运转的关键保障。产业级数据治理通过向产业数据链输送多维度的资源支撑和建立各主体需要共同遵守的秩序规则，实现对产业数据链效能的持续提高。一方面，产业级数据治理从政策、组织、技术、流程、环境等多个方面，实现对产业数据链内相关资源要素的统筹配置， 优化和畅通产业数据链的各环节流程和组织方式，为产业数据链提供支撑保障。另一方面，产业级数据治理推动产业数据链上下游达成数据生产流通协作的规则共识，破除产业数据链中相关主体的合作与交易顾虑，提升产业数据链的整体效率和价值产出，从而保障产业数据链高效运转。
最后，必须注意的是，行业级和企业级数据治理与产业数据链之间并没有直接关系，而是为产业数据链提供“原料”。打个比方，如果产业数据链是“生产流水线”的话，产业级数据治理就是所在厂房的一系列“配套管理设备和人力资源”，而行业级和企业级数据治理只是在厂房外源源不断地为生产线提供满足质量要求的“原材料”。
纵观各国的大数据发展态势和实践，由政府、企业、组织、个人多方协同，注重各主体数据主权维护、数据要素市场发展秩序塑造，依托于新兴智能化技术的产业级数据治理格局正在形成当中。在此治理格局中，有别于传统的数据治理模式，产业级数据治理关注的重点已经不再仅是数据本身，而是对“数据”、“生态环境”、“参与主体”、“市场活动”的多维规范和管控。
本文摘编自广州信安数据有限公司、DAMA 中国发布的《2023产业级数据治理白皮书》。
在此声明以上观点和内容，仅代表原作者和出处，与数治网DTZed 无关，如有出错或侵犯到相关合法权益，请通过电邮与我们联系：cs@dtzed.com。
我们诚邀你成为数治产研共同体iRCDG 的一员，紧跟数字中国建设，与全球 CXO 产研导师们相约学习研讨，从数据到资源、资产再到要素一步步为你打造数治领导力。
加入“数治x”行业社群， 300+ 高质量前沿资料免费下载，不只做个资料党，更开启你的自主个性化学习旅程，在公众号“idtzed”上回复“入”直通：
资料、学习、成长问答助手；
图解、模板、问卷行业工具包；
个人、团队数据素养水准评估；
数治连线产研导师专场直播等。
