政务行业数据治理存在哪些问题，该如何应对？

众所周知，大数据、云计算等新一代信息技术作为重要的基础性战略资源，正引领着新一轮的科技创新和变革，带来新的政府治理理念，同时也必将为未来政府治理结构、治理方式和治理过程带来新的机遇。

2022042911514535

其中政务数据治理正成为数字政府和智慧城市建设的关键一环。政务数据治理是数据治理在政务行业的应用，解决政务数据归集、数据资源建设、数据共享和数据应用等各种问题，以保障数安全。

目前，政府部门积累了海量的数据资源，但由于数据孤岛的存在而停留在碎片化数据阶段。同时，随着物联网、5G、空间信息技术等新一代信息技术的飞速发展，政府部门需要处理的数据量呈爆发式增长、数据来源和形式也更加多元化。因此政务数据治理成为洞察和挖掘数据价值的最重要手段。

今天小亿就来说说政务行业如何借助大数据提升价值，且政务行业的数据治理过去的发展历程是怎样的？以及当前政务数据治理存在哪些问题，该如何应对？

01、政务行业如何借助大数据提升价值

数据对于社会整体的意义，已不仅仅是信息技术进步的衍生品，而是信息时代推动社会进步与发展的重要基石。对政府部门来说，借助大数据提升价值主要表现在以下三个方面：

1.政务服务方面

政府运用大数据施政可以准确判别不同群体、不同市场主体的各种需求，提升政府部门行政审批的效率和公共服务的质量，让数据为老百姓“跑腿办事”，为企业“贴心服务”，从而实现更有效的“管”、更积极的“放”。例如，各省市推行的“最多跑一次”就是通过推进“多审合一”“多测合一”“多评合一”“多证合一”“证照联办”等，从制度层面推动“流程优化、业务协同”。

2022042911520917

2.市场监管方面

政府管理者可以通过对海量数据的深入挖掘与分析汇总，全面了解和准确掌握市场经济信息，综合分析经济社会发展趋势，不断提高市场监管的效率和质量。与此同时，也意味着所有信息数据都能在一个系统平台内查询。换句话说，政府行为就更容易受到监督，从而有效促使政府负面清单、权力清单和责任清单的透明化管理。

3.产业引导方面

政府可以通过出台优惠政策推动大数据产业又好又快发展，塑造完整大数据产业链，以“创新驱动、转型发展”为主线，不断提升大数据产业的自主创新能力。同时，着力加强大数据施政的基础设施建设，积极向市场购买大数据的相关技术和服务，推动政府、智库、企业之间数据信息资源的应用整合和协同共享。

02、政务数据治理的3个发展阶段

政务数据治理体系是围绕政府大数据治理工作而构建的包含多项关键域及构成要素的有机整体。主要包括针对政务大数据制定标准规范和安全保障体系，实现跨部门跨层级数据汇聚和共享，加强数据管理，提高数据质量，充分发挥数据资源价值，辅助政务决策、业务分析和监督预警。

政务数据治理体系的发展从顶层规划、机构设置、系统建设和数据质量等角度看主要经历了三个发展阶段。

1.初步探索阶段

21世纪初期，人们对政务数据还不够重视。政府IT建设的重点是IT技术和业务功能的实现，并不是以数据为中心的建设，对政务数据的认识还停留在非常粗浅的阶段。这个时期缺乏政务数据治理的方法和相关技术，政府部门对数据质量的重视程度也远远不够，数据质量较差，这也增加了后续跨部门数据汇聚整合的难度。

对于政务数据的管理和存储，也处于比较初始化的阶段，数据存储分散无序，不存在专门数据管理和归口部门，采集的数据也主要用于展示，很少进行数据分析和挖掘，数据使用和应用效率较低，这个时期的数据存而未治、治而未用的现象普遍存在。

2.成长丰富阶段

这一时期社会对政务数据的认识不断加深，政府部门开始重视数据的质量和数据的价值，数据的收集和使用开始进行有目的的规划，并对数据进行有计划的管理。数据已被政府部门自觉地当作辅助管理和决策参考的工具。

且数据存储于分散的业务信息系统中，具备初步的数据标准化能力，文件的存储具备统一的格式。但是，该时期数据从业人员大部分精力还是用于数据维护、数据清洗、利用数据形成分析报告，数据分析挖掘能力偏低，数据还未实现真正的价值挖掘，相关的顶层设计和政策支持较少。

3.发展落地阶段

在2016年以前，仅有少量省份对政务数据治理投以关注。从2016年开始，各省（区、市）出台的相关政策文件的数量显著增加。政府内部建立起专门的数据管理机构，设置相应的工作岗位，聘用专业人员，利用复杂的分析技术解决业务线或者机构的运营难题，政府还为数据从业人员提供职业发展训练以及清晰的职业发展路径。

目前数据的使用已经贯穿于政府管理各个领域、各个环节和各个过程之中，依数据决策、依数据管理、依数据监督已成为常态，政府管理和决策已离不开数据的支撑。同时，整个机构中都强调通过领导和管理来提升数据质量。

03、政务数据治理存在的问题

尽管政府对政务大数据治理的动机很强，但是当前政府在数据治理的实践中还面临着严峻的能力挑战和“成长的烦恼”，主要集中在政府数据治理的建设模型和实施路径还存在着思维认识碎片化与应用水平不高等问题。具体表现为：

1.数据烟囱林立，数据孤岛丛生

由于历史原因，庞大的政府机构都是各部门各自为政独立开展本单位信息化建设的，政务大数据无论是逻辑上还是物理上都是非常分散的，大量相同的信息还在不同的部门都被重复采集和存储，但格式各异，内容不一，所以在政府数据汇集过程中, 存在“数据烟囱”林立,“数据孤岛”丛生等现象。

虽然当前政府各部门积累的数据资源已经很多了，实现统一和完整的数据汇聚也是必须的，而聚哪些、怎么聚、去哪些、留哪些，在实际开展政务大数据治理工作中会遇到很多两难局面，各种难点也会很多；

2.数据分析过程中内外融合难，上下对接难

政府各项决策的数据分析过程中，由于需要综合汇总的结构化数据与非结构化数据混杂，数据质量不高，数据标准不统一，所以难以用统一的数据模型或者数据算法完成。

2022042911531919

在目前的政务数据资源分散局面上，社会治理所需要的简单统计指标可能都难以完全靠计算机自动化生成，仍然需要大量的人工上报和汇总工作，客观存在政务数据分析过程中内外融合难、上下对接难等问题，这是对构建网络化、数据化、智能化的全天候在线的数字政府发展方向的巨大堵点；

3.数据管理工作无序化现象严重

政府数据管理和应用过程中，数据管理工作无序化现象严重，各政府部门重本单位需要轻跨部门统筹要求，这困扰着政府数据治理的可持续发展，要打破利益固化的体制壁垒，推进跨区域、跨层级、跨部门的数据平台建设在实施数字政府过程中，必然会对各部门的思维习惯和工作习惯造成巨大冲击。

统一的数据标准和规范的数据管理也必须得到各部门上下的全力配合才能有效落地，治理则不可避免会让各部门感受巨大的阵痛，而不治理则让社会治理智能化和数字政府无法落地而长痛，长痛短痛都是切切实实存在的痛点。

04、政务数据治理的目标、技术流程、关键要素

1.目标

政务数据治理的目标是通过构建公共数据端到端全生命周期的数据管理体系，形成统一的数据采集汇聚、共享开发、开发利用等过程的决策机制、流程和规则。基于高质量的数据，在确保安全合规的前提下，实现跨部门、跨业务、跨系统的数据流通。

通过构建统一的数据开发利用技术体系，提升政务数据管理、分析及服务能力，支撑政务大数据应用场景的快速设计和开发落地，最大化释放政务数据的价值。

2.技术流程

政务数据治理包括：数据清洗、数据集成、资源规划、元数据采集以及标准编制等技术流程。首先我们需要盘点政府组织都有哪些数据资源，建立组织级数据模型，进而将分散在政府各部门的数据整合到集中存储数据中心，并对数据做规范化处理，同时，对历史数据进行数据清洗，定义数据结构和代码值的说明；最后在建设过程中形成规范化文档，经过总结梳理建设成标准，为后续数据治理项目建设提供理论依据。

3.关键要素

政务数据治理的关键要素包括数据战略制定、数据组织建设、数据制度规范、流程技术、数据应用服务、数据安全、数据运营和成熟度评估在内的一系列体现政务属性的流程架构。

（1）数据战略制定
政务数据治理战略规划是整个数据治理环节的首要任务，也是数据战略基础，决定了战略方向，指导数据战略的方向和原则。

（2）数据组织建设
开展于各项数据职能工作之前，也是各项数据职能工作开展的基础，强有力的组织架构是政务数据治理取得成功的有力保证。通常情况下，有组织负责政务数据治理过程和数据管理制度，这些组织是跨职能的。

（3）数据制度规范
制度建设规范了政务数据治理的流程，构建政务数据治理制度体系，首先应符合地区政府的数据战略，其次应充分结合政务数据治理组织架构与治理现状，体现、贯彻和落实政务数据治理顶层设计要求，并逐步将政务数据治理体系纳入政府的治理实践中。

（4）流程技术
流程技术指导着政务数据治理的正确实施，包括汇聚整合、提炼加工、闭环处理、资产管理等一系列过程，建设成果汇聚成数据资产。政务数据资产包括原始库、基础库、主题库、专题库和指标库等在内的各种资产信息，为上层服务提供良好数据支持。

（5）数据安全
数据服务结合分析挖掘技术及良好的产品工具，为政府提供决策支持和服务保障；数据安全是政务数据治理全流程的安全保障，是贯穿全流程的重要工作。因此需要从数据全生命周期的高度考虑数据安全，通常包括数据采集安全、数据存储安全、数据共享安全、数据应用安全、数据销毁安全等全流程安全保障；

（6）数据运营与成熟度评估
政务数据运营在数据采集、存储、汇聚、应用加工之外，还需要持续运营保持数据的鲜活、流畅和持续服务，包括：统一工单管理、供需对接、运行监控和绩效评估等；成熟度评估是对政务数据治理全流程的评价，包括战略规划、组织建设、制度规范、流程技术、数据资产建设、数据服务、数据安全和数据运营的各环节进行成熟度综合评估。