浙江大学客座教授，曾任北京大学网络经济研究中心研究部主任，中国电子商务协会高级专家，《电子政务》和《电子商务世界》杂志编委，劳动部电子商务师专家委员会委员，国家信息化“十一五”规划起草组成员等。
这是一篇有趣的文章。我是认可将数据治理视为组织数据开发的“规划委员会”(类似于市政当局)。作者提出了一个很好的观点:数据治理和数据管理流程定义的细节在各组织之间可能有所不同。因此，每个流程及其关系应该由特定的组织在其独特的语境中明确定义。
近年来，我国数据生产力继续保持高速发展，在技术突破、产业创新、引领传统产业转型等多个领域，都实现了显著突破。国家政策对此也给予了大力支持。2019年，十九届四中全会首次将数据与劳动、资本、土地、 知识、技术、管理等生产要素并列。2020年又进一步地提出了要“加快培育数据要素市场”。
随着数据要素市场化配置写入中央文件、数据要素加速覆盖民众生活的方方面面，数据治理需求应运而生，日渐成为社会治理的重要命题。数据治理面临哪些挑战？我国要打造什么样的数据治理体系？建立健全系列法律法规、成立数据治理行业协会……24日，第十九届中国互联网大会“2020数据治理高峰论坛”展现了政府、行业、企业合力构建共建共治共享的数据治理格局做出的不懈努力。
导读：随着大数据时代的来临以及信息技术的发展，人们产生的数据量正在以指数级的速度在增长，并且数据正以多元结构（结构化与非结构化）趋势发展，如此海量的、多元结构的数据就要求利用有效的方法来管理。数据是一个企业或政府部门的核心资产，数据治理是将一个企业或政府部门的数据作为战略资产来管理，需要建立一套
过去的十年，银行的IT系统经历了数据量高速膨胀的时期，这些海量的、分散在不同角落的异构数据导致了数据资源的价值低、应用难度大等问题。同时，银行内部的业务条线或行政分化也在不断地制造着银行数据交互的断层，而银行与外部业务交互所产生的“体外循环”数据与企业的核心数据体系并不能自然地融合，这个时候数据治理体系建设可能不是银行的一个选择，而是唯一的出路。
数据是数字经济的基础性战略资源，数据治理能力是国家竞争力的体现。随着移动互联网、物联网、云计算等信息技术的飞速发展，人们的生产和生活方式加速信息化、智能化，人类悄然进入了大数据时代。
数据治理越来越受到银行、监管机构乃至国家层面的重视。银行已经意识到高效的管理体系、统一的数据标准、良好的数据质量才是数据价值实现的基础。在实践中，国内银行对于数据治理如何开展存在诸多的困惑，数据治理工作的落地也面临着众多的困难与挑战。
据戴尔易安信最新调查显示：全球大多数企业现已认识到数据的价值，受管理的平均数据量从2016年的1.45PB增加至2018年的9.70PB。全球范围内，92%的受访者都看到了数据的潜在价值，36%的受访者当前正将数据转化为经济效益。
数据是数字经济的基础性战略资源，数据治理能力是国家竞争力的体现。随着移动互联网、物联网、云计算等信息技术的飞速发展，人们的生产和生活方式加速信息化、智能化，人类悄然进入了大数据时代。与传统数据相比，大数据不仅体现为静态的、海量的、多类型的数据集，也体现在其具有动态的、高速的、实时在线的数据交换所产生的高价值。
随着大数据、人工智能、云计算、物联网等数字化技术的普及和广泛应用，传统的数据仓库模式，在快速发展的企业面前已然显的力不从心。
企业中的数据专业人员（如：开发人员和数据科学家）都是数据管理与治理中的关键成员。尽管我们在认识上已经把数据提升到了战略资产的高度，但仍需要转变思想认识到数据治理的重要性。通过数据治理，构建合理的组织架构，组建数据治理团队，可以更好地促进数据的使用和价值体现。而不仅仅是规避监管带来的风险。
导读：不同行业、不同企业的行业特点不同、企业性质不同、信息化发展程度不同、业务和管理需求不同，其数据治理的侧重点也是不一样的。企业在设计数据治理平台框架时，应从企业的实际需求和发展需要出发，设计适合企业的数据治理架构、解决企业痛点，这个过程业界最佳实践只能参照，不能照搬，最忌讳的是贪大求全。
面对新冠疫情，各行业小微客户（小微企业、小微企业主、个体工商户等）所处市场环境更加严峻，与此同时，受小微客户单体规模小、技术水平普遍偏低、经营行为不规范等问题制约，小微信贷自带高风险标签。虽经政府部门、金融持牌机构、互联网平台等“几家抬”，但融资难和贵仍是诸多小微群体面对的紧迫问题。究其原因，笔者认为信息不对称与道德风险所导致的市场逆向选择系主因，完善小微信用体系可有效缓解这一问题。
随着大数据、人工智能、云计算、物联网等数字化技术的普及和广泛应用，传统的数据仓库模式，在快速发展的企业面前已然显得力不从心。数据湖，是可以容纳大量的原始数据的存储库和处理系统，已经成为企业应用大数据的重要工具。数据湖可以更好地支撑数据预测分析、跨领域分析、主动分析、实时分析以及多元化结构化数据分析，可以加速从数据到价值的过程，打造相应业务能力。而有效的数据治理才是数据资产形成的必要条件，同时数据治理是一个持续性过程，也是数据湖逐步实现数据价值的过程。未来在多方技术趋于融合，落地场景将不断创新，数据湖、数据治理或将成为新的技术热点。
数邦客
