2020年，中共中央、国务院印发《关于构建更加完善的要素市场化配置体制机制的意见》，将数据作为新型的生产要素，明确提出要推进政府数据开放共享，提升社会数据资源价值，加强数据资源整合和安全保护，加快数据要素市场培育，充分发挥数据要素对其他要素效率的倍增作用，使大数据成为推动经济高质量发展的新动能。
数据也被称为“未来新石油”，随着信息技术的快速发展和深入应用，企业数据海量增长，如何通过庞杂的数据体现出业务价值已经被越来越多的企业所重视。传统的数据治理工具和手段面临前所未有的挑战，主要表现在两个方面：一是传统的信息系统建设中数据资源共享程度不高，信息系统跨组织、跨地域、跨业务的协同能力较弱；二是“信息孤岛”成为信息化建设的主要“瓶颈”，数据标准化和数据资源中心建设严重滞后，无法满足企业业务需求。
要实现数据“好找、好用、好看、实时、共享”，急需利用大数据、人工智能等先进数字技术完善数据治理工具，搭建企业数据资产管理体系，创新数据资源管理模式，丰富数据应用与消费手段，提升数据资产应用价值，从而帮助企业解决数据资产查找难、应用难、管理难等问题，挖掘数据价值，促进数据资产的变现和升值。
数据作为企业的战略资产，需要以资产化的方式进行治理。企业数据的核心价值不在于其数量大，而在于质量高。因此，只有通过数据治理，提升数据质量，整合各类数据，实现上下贯通、横向融合，才能实现数据资产运营，充分发挥其战略价值。
数据治理是企业数字化转型的基石
“数据”正在引领业务模式变革，深刻影响着企业数字化转型的进程，数据集中管控显得尤为重要。如何做好数据共享和数据分析，如何让数据资产价值最大化，已成为数字化转型成功与否的关键。因此，数据治理是企业数字化转型发展的重要基础，有助于全面提升数据质量，夯实企业数字化转型基础能力。
深挖数据价值，创新商业模式
数据是基础性资源，通过数据治理，厘清数据资产，挖掘数据价值，带动技术流、资金流、人才流、物资流协同发展，创新商业模式，为数字化转型奠定基础。
某集团利用电子商务平台创新商业模式，打造“互联网+供应链”模式，推进数据资源整合和开放共享，一方面采购需求通过物料编码与平台商品的数据自动匹配，降低了客户商品选择难度。另一方面平台通过与关联方深入数据集成，对平台关联方进行360°全景视图画像，为关联方评价和融通供需提供数据支持，对风险进行预警和变动提醒。目前近200家企业申请供应链金融服务，100余家企业通过保理融资获得资金支持，该集团已放款累计百亿规模，形成了新的收入来源。
促进数据融通，避免“信息孤岛”
通过数据共享实现信息化应用互联互通，满足企业各业务领域之间的信息共享的需求，提升协同效率，避免形成“信息孤岛”。
提升快速响应能力，提高信息化建设效率
减少数据变换、转移所需的成本和时间，降低数据冗余度，提高数据的有序化程度和存贮效率。
通过主数据管理实现企业范围内的主数据[1]平滑[2]与一致，提高集成的灵活性，降低新应用与原有系统的数据集成工作实施成本。
优化业务流程，支持决策分析
通过梳理数据资源目录，构建数据模型、数据标准，确保企业内部数据源、数据定义、数据使用标准的统一，明晰数据流向，保障数据共享和贯通，根据企业业务特性促进企业业务流程向一体化、闭环化、网络化发展。梳理与建立企业的各项统计数据指标，为企业提供及时准确的决策分析数据基础。
如：某炼化企业生产计划协同优化通过梳理生产层面数据流向、统一数据标准奠定生产计划、调度排产、生产执行、装置操作、综合分析再到生产计划的闭环基础，并以计划、调度模型为核心，利用不同层面的优化模型开展原油采购优化、生产方案优化、产品结构优化等多方面优化应用，为制定生产计划和决策提供数据优化支持，从而实现“计划、执行、分析、优化”的管理闭环。
数据治理体系
依托多年咨询服务和信息化落地实施经验，石化盈科在数据治理方面已形成一套适用于大中型企业的实施方法论，结合丰富的知识库，可以为用户建立一套满足各类业务需求，具有较强可操作性的数据治理体系。
图1 数据治理体系
数据治理体系主要包括以下六个方面内容：
管理制度：
发布数据治理总纲、数据架构管理办法、数据源管理办法、数据质量管理办法，明确数据管理的责任主体、工作原则、工作要求和工作内容，指导数据治理工作有序推进。
组织：
建立数据治理组织，明确数据所有者、数据管理者、数据生产者和数据消费者，建立管控机制，明确各方职责。
流程：
基于业务，梳理数据治理相关流程，包括数据架构管理流程、数据质量管理流程、数据分析管理流程。
数据架构：
制定统一数据标准，梳理形成数据资产目录，搭建数据模型，梳理核心数据分布、流向等。
例如，某集团依托智能运营中心[3]打造了横向覆盖油炼化销全产业链，纵向贯穿总部到企业生产现场的智慧中枢，促进数据效益最大化。该集团围绕管理、生产、服务、金融等业务形成财务管理、生产执行、电子商务等数据主题域及若干子域，完成数据架构中的标准统一，沉淀数据资产目录，奠定了良好的数据基础。通过梳理业务流程，明晰数据流向，建立异常数据分析模型，通过视频监控等技术，实现重点业务的运行动态监测。通过构建效益测算等数据模型，实现财务等指标的动态在线分析，促进经营效益最大化。
数据质量：
搭建数据质量管理框架，制定数据质量目标规划、数据质量控制规范，设计数据质量度量方案，持续提升推进数据资产质量。
平台：
构建公司统一的数据治理平台，落实数据管理体系，支撑数据治理各项活动，支持数据的统一管理和应用。
企业应逐步完善数据治理组织，发布数据治理相关管理制度规范，统一数据架构与标准，优化数据治理流程，持续提升数据质量，最终形成一套体系、一套数据架构与标准、一套数据质量管控机制、一套数据治理平台工具。通过迭代机制，不断提升企业管控能力，优化企业资源配置，创新业务模式，提升竞争实力。
当前，数据治理作为企业数字化转型发展的重要基础，被越来越多的企业重视并开展相应工作。石化盈科已为中国石化和多家大中型企业提供数据治理咨询服务、数据治理平台和数据模型管理、数据地图等相关工具支持，未来将助力更多企业盘活数据资产，挖掘数据价值，充分发挥数据在企业生产经营活动中的驱动作用，不断夯实企业数字化转型基础。
