數據治理發(fā)展規(guī)劃分析

數據治理發(fā)展規(guī)劃

建立健全數據全生命周期安全管理制度，明確數據采集、匯聚、存儲、共享、開發(fā)利用等各環(huán)節(jié)安全責任主體和具體要求。建立數據安全監(jiān)測預警制度，對安全監(jiān)測信息、監(jiān)督檢查信息和通報信息進行分析研判和風險評估，發(fā)布安全風險預警。建立數據安全評估制度、安全責任認定機制和重大安全事件及時處置機制，完善數據全生命周期安全保障措施。編制數據安全應急預案，明確應急處置的組織機構及其職責、安全事件分級、應急響應程序、處置措施等。重點提升數據生成、采集、存儲、加工、分析、安全與隱私保護等通用技術水平。補齊關鍵技術短板，重點強化自主基礎軟硬件的底層支撐能力，推動自主開源框架、組件和工具的研發(fā)，發(fā)展大數據開源社區(qū)，培育開源生態(tài)，全面提升技術攻關和市場培育能力。促進前沿領域技術融合，推動大數據與人工智能、區(qū)塊鏈、邊緣計算等新一代信息技術集成創(chuàng)新。強化數據安全管理（一）完善數據安全管理制度建立健全數據全生命周期安全管理制度，明確數據采集、匯聚、存儲、共享、開發(fā)利用等各環(huán)節(jié)安全責任主體和具體要求。建立數據安全監(jiān)測預警制度，對安全監(jiān)測信息、監(jiān)督檢查信息和通報信息進行分析研判和風險評估，發(fā)布安全風險預警。建立數據安全評估制度、安全責任認定機制和重大安全事件及時處置機制，完善數據全生命周期安全保障措施。編制數據安全應急預案，明確應急處置的組織機構及其職責、安全事件分級、應急響應程序、處置措施等。（二）強化數據安全防護開展數據安全技術創(chuàng)新研究和數據安全關鍵技術攻關，加強安全可靠技術和產品推廣應用，增強數據安全預警和溯源能力，持續(xù)提升數據隱私保護水平，確保數據安全自主可控。提升大數據資源中心安全防護能力，開展數據安全評估、應急演練，確保重要數據基礎設施運行安全穩(wěn)定。建設安全領先、整體合規(guī)的密碼基礎設施和密碼服務體系，加強國產瀏覽器、國產閱讀器等軟件推廣應用，實現密碼在網絡安全等級保護三級及以上信息系統、關鍵信息基礎設施等重要網絡和系統中的全面應用。健全數據安全宣傳培訓制度，開展數據安全法規(guī)標準宣傳貫徹、教育培訓和技能考核，提升數據安全從業(yè)人員數據安全防范意識和防護能力。（三）加強個人信息保護貫徹落實個人信息保護相關法律法規(guī)，建立個人信息授權許可制度，完善個人信息統一授權機制，通過單獨授權、明示授權等多種方式切實保護個人信息安全。常態(tài)化開展互聯網平臺違法違規(guī)收集個人信息治理，嚴格規(guī)范個人信息收集使用行為，強化數據采集、分析、存儲、使用等方面的安全防護舉措，完善個人信息保護長效工作機制。建立健全個人信息違法違規(guī)行為聯合執(zhí)法機制，強化個人信息保護管理。推進個人信息保護社會化服務體系建設，加強個人信息保護第三方評估、認證工作，形成源頭治理、綜合治理、系統治理的工作格局。（四）落實數據安全監(jiān)管建立數據安全常態(tài)化監(jiān)管工作機制，建設數據安全監(jiān)管平臺，加強數據資源、數據流通、跨境數據流動安全監(jiān)管。研究建立獨立合規(guī)評估規(guī)則和工具，提供數據流通合規(guī)過程證明存證及專家支持服務，加強對大數據資源中心、互聯網平臺等數據流通載體監(jiān)管。探索監(jiān)管沙盒機制，支持數據流通創(chuàng)新實踐在安全可靠和風險可控的環(huán)境中先行先試，形成數據流通溯源體系。建立第三方評估機制，對數據運營合規(guī)及成效進行評估，輔助監(jiān)管機構有效開展管理。數據治理保障體系（一）數據治理組織體系保障建立全方位、跨部門、跨層級的數據治理組織架構，是實施組織級統一化、專業(yè)化數據管理的基礎，是數據管理責任落實的保障。一般來說，數據治理組織架構包括決策層、組織協調層、管理層、工作執(zhí)行層四個層級。決策層作為數據決策方，由組織CIO或CDO擔任，負責制定數據治理決策、戰(zhàn)略和考核機制。組織協調層由虛擬的數據治理委員會承擔，負責統籌管理和協調資源，細化數據治理的考核指標。管理層由數據治理辦公室承擔，作為數據治理的主要實體管理部門，負責構建和維護組織級架構（包括業(yè)務架構、數據架構、IT架構），制定數據治理制度體系和長效機制，定期開展數據治理檢查與總結，并向組織協調層和決策層匯報。工作執(zhí)行層由業(yè)務部門和技術部門共同承擔，負責在數據項目中落實數據治理工作，與管理層協同參與各項活動。（二）數據治理制度體系保障為了保障數據治理工作和組織架構正常運轉，需要圍繞數據治理流程建立一套覆蓋數據引入、加工、使用、服務等整個數據生產運營過程的制度規(guī)范，對數據治理領域各工作環(huán)節(jié)主要活動進行說明，為各業(yè)務部門開展數據管理工作提供參考依據，從制度上保障數據治理工作有據、可行、可控。數據治理制度體系通常分層次設計，依據管理的顆粒度，制度體系可劃分為總體規(guī)定、管理辦法、實施細則和操作規(guī)范四個層次?？傮w規(guī)定從決策層和組織協調層視角出發(fā)，包含數據戰(zhàn)略、角色職責、認責體系等，闡述數據治理的目標、組織、責任等。管理辦法從管理層視角出發(fā)，規(guī)定數據治理各活動職能的管理目標、管理原則、管理流程、監(jiān)督考核、評估優(yōu)化等。實施細則從管理層和執(zhí)行層的視角出發(fā)，圍繞管理辦法相關要求，明確各項活動職能執(zhí)行落實的標準、規(guī)范、流程等。操作規(guī)范從執(zhí)行層的視角出發(fā)，依據實施細則，進一步明確各項工作需遵循的工作規(guī)程、操作手冊或模板類文件等。數據治理新模式（一）數據治理架構隨著世界經濟由工業(yè)經濟向數字經濟轉型，數據逐步成為關鍵的生產要素，企業(yè)開始將數據作為一種戰(zhàn)略資產進行管理。數據從業(yè)務中產生，在IT系統中承載，要對數據進行有效治理，需要業(yè)務充分參與，IT系統確保遵從，這是一個非常復雜的系統工程。實踐證明，企業(yè)只有構筑一套企業(yè)級的數據治理綜合體系，明確關鍵數據資產的業(yè)務管理責任，依賴規(guī)范的制度流程機制，構建有效的管理平臺及工具，數據的價值才能真正發(fā)揮出來。構筑數據治理體系的過程，即以數據應用為核心打造良性循環(huán)的閉環(huán)數據治理管理體系的過程。各IT系統獲取業(yè)務活動產生的各類數據后，經過系統的數據治理、管理，不斷挖掘、變現數據價值，拓展、深入數據應用場景，指導業(yè)務決策，同時在不斷應用數據過程中基于發(fā)現的數據問題，通過數據治理、管理的過程不斷修訂，推動業(yè)務系統全面升級，真正優(yōu)化業(yè)務流程管理機制及規(guī)范，最終構建數據獲取→管理→變現→發(fā)現→應對→修正的閉環(huán)管理機制。以數據應用核心，數據治理平臺工具為支撐，在數據治理組織/制度保障下，不斷通過數據治理手段，推動實現數據標準化及業(yè)務標準化，實現業(yè)務、技術、管理、平臺的有效聯動。在數據治理綜合體系內，數據治理核心模塊包括數據治理規(guī)劃、數據治理職能及數據治理平臺工具，數據治理規(guī)劃是指數據治理體系與規(guī)劃、數據治理組織與職責、數據治理制度及流程，是數據治理規(guī)范化管理的核心模塊；數據治理職能包括數據標準管理、數據質量管理、數據架構及模型管理、數據開發(fā)、元數據管理、主數據管理、數據生命周期管理、數據安全管理八大職能，實際過程中，企業(yè)通常會合并管理；數據治理平臺工具包括數據開發(fā)平臺、數據資產管理平臺、數據質量管理平臺、數據服務平臺，通常數據治理平臺工具基于數據治理的階段功能并不完全一致，實踐中平臺工具通常綜合多方面功能，而不是單平臺功能。三大模塊互為動力，數據治理規(guī)劃指導數據治理職能的全面發(fā)揮，數據治理各項職能通過數據治理平臺工具協助管理，數據治理平臺工具支撐數據治理規(guī)劃的落地及優(yōu)化，數據治理規(guī)劃各層面逐步固化在數據治理平臺上，數據治理平臺輔助數據治理各項職能的管理，通過數據治理各項職能不斷落實和完善數據治理規(guī)劃，實現組織數字化轉型，固化管理機制及流程體系。未來企業(yè)通過構筑數據治理綜合體系，逐步建立數據治理機制，完成組織轉型，數據治理職能將成為企業(yè)管理的重要組成部分，良性循環(huán)的管理體系將推動企業(yè)實現更廣、更深層次的數據應用，數據決策將成為企業(yè)人思考的習慣，企業(yè)決策將更加科學、有效。未來企業(yè)數據治理藍圖架構中，業(yè)務系統、數據治理及數據應用互為動力，共同推動企業(yè)數字化轉型的實現。（二）數據治理模式1、數據治理基本模式數據治理模式是指企業(yè)基于不同的數據治理目標，根據企業(yè)組織、系統、數據應用的現狀，以何種數據治理策略開展數據治理活動。通常數據治理模式包括三種基本模式。模式一：自下而上，以數據架構為重，開展數據治理。這種模式重在數據架構，層層向上治理數據，至數據應用層。這種模式從底層數據切入，基于現有數據基礎，盤點、建設、治理、應用層層展開，對企業(yè)整體的數據思維、數據治理水平要求較高，通常適用于數據量重、業(yè)務應用輕大型技術型企業(yè)，或政府機構，或新建、自研系統較多的企業(yè)。模式二：自上而下，以明確的數據應用為重，開展數據治理。這種模式即單點應用式，通常以現有應用需求為核心開展數據治理。聚焦各個業(yè)務領域的數據應用、數據治理需求，在有需求、有資源、有驅動力的前提下，按需組織推進數據治理工作。只有業(yè)務部門的深入參與才能做好數據治理，只有針對業(yè)務自身需求進行的治理，才能得到業(yè)務部門的認可和支持。此模式通常圍繞數據應用的需求進行數據治理，比如升級架構、更換平臺等涉及數據應用遷移時，或聚焦監(jiān)管、上報類等明確數據應用時，圍繞數據應用進行數據治理。此模式通常適用于數據應用較強、業(yè)務部門較為強勢、但整體數據認知較弱的企業(yè)。這種模式的數據治理切入相對較為簡單，實踐證明，大部分企業(yè)數字化轉型初期會這種模式，慢慢探索企業(yè)的數據治理道路，這種模式有助于拉齊數據部門、業(yè)務部門的認知，提升企業(yè)整體數據認知，為未來數據治理的開展提供基石。模式三：大規(guī)劃模式，從數據應用規(guī)劃入手，治理現狀，規(guī)劃未來，基于數據資產的未來開展數據治理。這種模式需要企業(yè)全面梳理業(yè)務的現狀痛點及業(yè)務未來暢想，盤現狀、規(guī)劃未來，基于業(yè)務現在及未來的需求規(guī)劃分析應用場景，在應用場景藍圖規(guī)劃的范圍內，全面的梳理數據的現狀、規(guī)劃數據的未來，針對藍圖規(guī)劃中的數據需求，制定全方位策略。這種模式通常是企業(yè)的戰(zhàn)略項目，由高層推進開展，對數據、業(yè)務協同性要求較高，整個過程涉及系統改造升級、業(yè)務流程優(yōu)化再造，是企業(yè)全面升級的過程。組合模式一：模式一&模式二組合，即全域數據治理+明確應用場景規(guī)劃。這種模式兼顧底層數據與上層應用，可對沖底層數倉重建的部分風險，同時可有效地闡述數據價值，整體可行性較高。組合模式二：模式一&模式三組合，即全域數據治理+全面應用場景規(guī)劃。這種模式從現在、未來的角度全面開展數據治理，業(yè)務、數據全面覆蓋，返工重建風險小，同時有助于推動業(yè)務系統、數據全面升級，業(yè)務價值較高，但對組織協同要求高，且成本投入高、耗時久，對執(zhí)行團隊要求高，復合型人才需求大，屬于高風險高收益模式，需要企業(yè)高戰(zhàn)略、高執(zhí)行的推進落地。2、數據治理模式對比三大數據治理模式開展方式、適用場景、優(yōu)劣勢、資源投入各不相同。模式一，自下而上，切入方便，成本可控，重架構，但脫離應用，對執(zhí)行團隊架構能力要求較高，成效慢。模式二，自上而下，目的明確，切入方便，成本可控，重應用，但輕治理，容易造成面子工程，出現重復治理的風險。模式三，大規(guī)劃模式，規(guī)劃的眼光，覆蓋業(yè)務、數據雙層面，重建風險小，聚焦業(yè)務，有利于充分挖掘數據價值，但對組織的協同性要求較高，同時需要高質量復合型人才配合團隊執(zhí)行，整體落地風險較大，成本較大。三大數據治理模式各有優(yōu)劣，而組合模式在某種程度上對沖單一模式的風險，可以更好地滿足企業(yè)數據治理的需求和目的。企業(yè)應基于面臨的現狀，選擇適合的自己的治理模式。3、數據治理模式選擇不同的數據治理模式，對企業(yè)的數據治理水平、組織協同程度要求不同。自下而上的模式一是基于底層數據治理的，對數據治理水平要求較高，數據治理水平包括數據基礎（數據量、數據質量等）以及數據治理能力，數據治理能力主要體現在數據治理團隊專業(yè)度以及數據治理體系（組織、制度及流程）完善度。這種模式對組織協同度要求相對較低，主要靠數據治理團隊推動進行。自上而下的模式二是基于明確數據應用進行數據治理的，相較于自下而上的模式一，組織的協同性要求會更高，需要業(yè)務部門、數據部門配合實現，但整體以需求為主，對數據治理的水平要求一般。大規(guī)劃的模式三既治理現狀，又規(guī)劃未來，對組織協同性及數據治理水平均有極高要求。該模式需要動員企業(yè)的業(yè)務部門、技術部門、數據部門，同時需要企業(yè)各階層（高層、中層、基層員工）的人員共同配合，全面盤點業(yè)務的痛點及未來規(guī)劃，同時梳理數據現狀，規(guī)劃數據未來，通常為戰(zhàn)略項目、高層領導共同將企業(yè)數據治理水平推向一個新水平，同時完成數字化組織的轉型。組合模式在組織協同性、數據治理水平上會疊加單一模式的要求，如模式一&模式三的組合模式對組織協同性、數據治理水平要求最高。各模式對企業(yè)的組織協同性、數據治理水平的要求，基于各模式對企業(yè)組織協同、數據治理水平的要求不同，企業(yè)應充分盤點企業(yè)的組織現狀、數據現狀、應用現狀，初步評估企業(yè)數據治理水平、組織協同度，結合數據治理的目標，評估可行性，選擇最佳模式。企業(yè)數據治理是個復雜而漫長的過程，通常在不同的發(fā)展階段，企業(yè)選擇數據治理模式并不同，基于面對的組織、數據、應用現狀，企業(yè)需要均衡目標與現狀，選擇當下最合適的數據治理模式。企業(yè)數據治理并不是一蹴而就的，它需要企業(yè)不斷地進行規(guī)劃、治理、監(jiān)測、優(yōu)化，通過數據治理不斷完善企業(yè)的組織、制度、流程管理體系，同時不斷提升企業(yè)數據治理管理水平，包括數據標準、數據質量、數據架構及模型、數據應用等模塊的管理水平提升。數據治理是一個持續(xù)循環(huán)的過程，需通過不斷地改進提升及完善。PDCA循環(huán)不是在同一水平上循環(huán)，而是呈階梯式推動上升，每次循環(huán)將推進企業(yè)的數據治理水平及組織協同性向新的、更高的層級進階，最終實現企業(yè)數字化轉型。（三）數據治理實施路徑企業(yè)數據治理實施路徑通常包含三個階段。第一階段：起步階段，業(yè)務運營數字化階段。這個階段主要是梳理企業(yè)面臨的現狀，響應痛點，探索業(yè)務場景化。企業(yè)逐步開始由信息化向數字化轉型，這個階段企業(yè)會重新審視原有的數據治理策略，重構數據治理戰(zhàn)略及實現路徑，逐步開始搭建數據治理框架、數據治理體系框架，升級原有的數據處理、應用模式，搭建大數據平臺，構建大數據采集、匯集、存儲、計算、服務的基礎能力，逐步整合各系統的數據，打破數據孤島，沉淀數據資產，探索業(yè)務場景化。第二階段：深入拓展階段，數據賦能常態(tài)化階段。這個階段數據應用成為重點，企業(yè)開始深挖數據價值，提高數據應用覆蓋。數據應用的范圍，由核心KPI指標的實現，逐步覆蓋全部核心業(yè)務，搭建完善的分析框架和洞察體系，不斷地提升業(yè)務決策質量。大數據平臺持續(xù)發(fā)揮大數據處理的能力，企業(yè)納入更多、更廣的數據內容，不斷擴大數據應用的廣度及深度，初步形成企業(yè)的數據資產地圖，數據標準體系逐步搭建，數據應用的效率大大提升，初步完成由經驗主義向數據主義的轉型，數據決策成為企業(yè)決策主要決策方式。這個階段，企業(yè)開始全面建立數據管理權限體系，完善數據治理機制，優(yōu)化數據治理流程及制度體系，由原有的粗放式管理升級為精細化管理，數據質量不斷提升，企業(yè)數據管理能力升級，逐步通過數據質量平臺、數據資產平臺、數據治理平臺工具等實現智能管理，企業(yè)數據思維認知全面提升。第三階段：智能應用階段，運營決策智慧化階段。這個階段企業(yè)實現洞策合一，智慧場景應用成為常態(tài)，全面完成數字化轉型，探索數字業(yè)務，開啟新篇章。這個階段以智能應用為主，AI賦能成為常態(tài)，企業(yè)不斷地挖掘數據的價值、激發(fā)創(chuàng)新，開始為企業(yè)戰(zhàn)略性分析提供準確的數據依賴，在這個階段，有些企業(yè)甚至在原有商業(yè)模式上，激發(fā)新的業(yè)務模式。數據管理層面，由數據治理體系建設逐步向數據治理體系優(yōu)化進階，完善機制、流程，進一步細化數據管理職責；數據資產層面，完成全域數據資產建設，構建強壯的數據模型體系，完成企業(yè)數據標準建設，不斷完善數據資產體系；平臺工具層面，大數據平臺能力逐步向算法能力轉移，智能推薦算法模型開發(fā)成為常態(tài)化的需求，數據治理平臺逐步完善功能，協助企業(yè)智能化數據質量、數據標準、數據資產及主數據等模塊，企業(yè)真正進入運營決策智慧化階段。（四）數據治理項目交付步驟1、數據治理項目交付組織建議專業(yè)的交付團隊，是項目成功的關鍵，依托于專業(yè)的數據治理服務團隊和知識沉淀，開展項目實施工作。首先客戶的CIO或CDO是項目順利進行的關鍵角色，可以更高效地推動實施團隊與業(yè)務的融合。其次是項目的項目經理，負責項目的管理和資源調度，各階段人員及工作安排，項目計劃制定、進度控制、項目風險管理、項目質量把關等；技術負責人、系統架構師、項目管理專員是項目團隊的智囊團和質量保障；根據項目需求，安排不同崗位職能人員開展實施及售后工作，包括但不限于業(yè)務架構師、業(yè)務分析師、數據架構師、數據開發(fā)工程師、測試工程師、技術支持、運維工程師、產品專家、產品經理、客戶成功專員等。2、數據治理項目交付步驟項目交付主要分為4個步驟，以需求調研為切入點，以方案設計為規(guī)劃核心，以開發(fā)實施為交付重點，以上線運維為服務保障，依次穩(wěn)步開展保證項目的順利實施。第一步是需求調研：通過業(yè)務調研切入，以收集資料和訪談調研為抓手，了解客戶的業(yè)務流程和痛點，深挖根本原因。以數據調研作為后續(xù)方案設計的開端，結合業(yè)務調研的痛點與根本原因，了解客戶數據系統的現狀后，以數據角度切入整體解決方案。第二步是方案設計：以數據標準方案為基石，以場景規(guī)劃方案為需求原點，以數據架構方案為綱領，進行整個數據治理方案設計；以客戶實際需求為主，形成規(guī)范的組織架構、管理制度，參考國標及行標，形成數據標準方案，為后續(xù)實施打下堅實基礎；通過需求調研整理客戶實施的場景范圍，輸出原型設計及指標清單，與客戶確認后輸出場景規(guī)劃文檔，以此確定客戶整體需求范圍；根據整體需求范圍和數據系統現狀，搭建數據架構，劃分業(yè)務域及數據域，規(guī)劃后續(xù)開發(fā)實施的整體框架。第三步是開發(fā)實施：確定整體方案后，進行產品部署、數據探查、數據同步工作，根據場景規(guī)劃和架構設計方案，遵循數據標準方案，進行數據開發(fā)與數據治理。第四步是上線運維：整體開發(fā)完成后進行試運行，同步開展產品測試工作，均通過后進行產品驗收及正式上線，質保期間由運維部門進行巡檢及售后工作。3、數據治理項目交付成果項目交付成果與交付步驟緊密相關，需求調研階段以調研會議紀要、數據資產清單為主，方案設計階段以產品需求文檔、數據架構設計文檔、數據標準方案為主，開發(fā)實施階段以數據模型設計、需求變更清單為主，上線運維階段以試運行報告、驗收報告、售后運維方案為主，結合客戶實際需求，交付相應的數據治理成果。數據治理發(fā)展目標數據共享開放質量顯著提升，數據治理與利用能力持續(xù)增強，數據聚通用發(fā)展水平大幅提升，一體化數據協同治理與安全防護體系全面建成。加快培育數據要素市場，持續(xù)優(yōu)化大數據應用發(fā)展生態(tài)，推動數字化高質量發(fā)展。以數據共享、數據開放、數據質量、數據安全、數據運營、數據交易、數據要素市場培育等政策法規(guī)、標準規(guī)范為補充，構建全方位、專業(yè)化的數字規(guī)則體系，數據治理體系建設的法治化、規(guī)范化再上新臺階。新型智慧城市運行管理中心全面建成，數據疊加、建模、分析等數據治理支撐能力顯著增強，推動數字化應用全業(yè)務覆蓋、全流程貫通、跨部門協同，實現一網統管、一網通辦、一網調度、一網治理。在城市運行、基層治理、交通出行等領域，打造一批在全國有影響力的智慧應用新范例。基本構建權責清晰的數據要素市場化配置規(guī)則、組織架構和監(jiān)管機制。數據要素市場規(guī)范有序發(fā)展，數據要素配置科學合理，數據要素市場主體持續(xù)活躍，數據治理服務相關產業(yè)集聚能力顯著增強。數據安全法規(guī)制度更加健全，數據安全管理平臺全面建成，數據共享開放、融合應用、跨境流通的數據安全風險管控能力顯著增強，數據安全保障水平顯著提高，形成規(guī)范有序、高效流通、安全可控的數據治理體系。一體化大數據資源中心工程（一）城市大數據資源中心完善數據目錄管理、供需對接、交換等功能。升級公共數據開放系統，完善目錄發(fā)布、指引發(fā)布、便捷檢索、統計分析、應用展示等功能。建設數據中臺，利用建模、映射、對標檢查、同態(tài)加密、數據標簽或水印等技術，開發(fā)數據元管理、數據模型、數據標準、數據質量、數據安全及審計等工具。（二）城市信息模型（CIM）以三維空間數據底座為核心，匯聚融合建筑、道路、軌道、隧道、橋梁、水體、地下空間等基礎設施，以及資源調查、規(guī)劃管控、公共專題、工程建設項目、物聯感知等數據，統籌建設時空基礎數據庫、資源調查數據庫、規(guī)劃管控數據、工程建設項目數據庫、公共專題數據庫、物聯感知數據庫等主題數據庫，形成融合共享、開放協同的GIS＋BIM＋IoT數據資源體系。筑牢數據安全保障防線（一）完善數據安全保障體系強化大數據安全頂層設計，落實網絡安全和數據安全相關法律法規(guī)和政策標準。鼓勵行業(yè)、地方和企業(yè)推進數據分類分級管理、數據安全共享使用，開展數據安全能力成熟度評估、數據安全管理認證等。加強數據安全保障能力建設，引導建設數據安全態(tài)勢感知平臺，提升對敏感數據泄露、違法跨境數據流動等安全隱患的監(jiān)測、分析與處置能力。（二）推動數據安全產業(yè)發(fā)展支持重點行業(yè)開展數據安全技術手段建設，提升數據安全防護水平和應急處置能力。加強數據安全產品研發(fā)應用，推動大數據技術在數字基礎設施安全防護中的應用。加強隱私計算、數據脫敏、密碼等數據安全技術與產品的研發(fā)應用，提升數據安全產品供給能力，做大做強數據安全產業(yè)。構建穩(wěn)定高效產業(yè)鏈（一）打造高端產品鏈梳理數據生成、采集、存儲、加工、分析、服務、安全等關鍵環(huán)節(jié)大數據產品，建立大數據產品圖譜。在數據生成采集環(huán)節(jié)，著重提升產品的異構數據源兼容性、大規(guī)模數據集采集與加工效率。在數據存儲加工環(huán)節(jié)，著重推動高性能存算系統和邊緣計算系統研發(fā)，打造專用超融合硬件解決方案。在數據分析服務環(huán)節(jié)，著重推動多模數據管理、大數據分析與治理等系統的研發(fā)和應用。（二）創(chuàng)新優(yōu)質服務鏈圍繞數據清洗、數據標注、數據分析、數據可視化等需求，加快大數據服務向專業(yè)化、工程化、平臺化發(fā)展。創(chuàng)新大數據服務模式和業(yè)態(tài)，發(fā)展智能服務、價值網絡協作、開發(fā)運營一體化等新型服務模式。鼓勵企業(yè)開放搜索、電商、社交等數據，發(fā)展第三方大數據服務產業(yè)。圍繞診斷咨詢、架構設計、系統集成、運行維護等綜合服務需求，培育優(yōu)質大數據服務供應商。（三）優(yōu)化工業(yè)價值鏈以制造業(yè)數字化轉型為引領，面向研發(fā)設計、生產制造、經營管理、銷售服務等全流程，培育專業(yè)化、場景化大數據解決方案。構建多層次工業(yè)互聯網平臺體系，豐富平臺數據庫、算法庫和知識庫，培育發(fā)展一批面向細分場景的工業(yè)APP。推動工業(yè)大數據深度應用，培育數據驅動的平臺化設計、網絡化協同、個性化定制、智能化生產、服務化延伸、數字化管理等新模式，規(guī)范發(fā)展零工經濟、共享制造、工業(yè)電