|
数据应用
|
概述
|
数据应用是组织对内外部数据进行统一管理、加工和应用的过程。数据应用包括建立数据应用管理制度、组建数据应用团队、建设数据应用系统、数据应用需求管理、数据应用建设、数据应用运营评价和数据应用迭代优化等活动。
|
|
过程描述
|
a）建立数据应用管理制度，明确工作目标、组织职责、管理流程及运营评价机制，规范数据应用的各项活动；
b）组建数据应用团队，在组织层面规划数据应用团队，设立岗位并明确职责，专职开展数据应用的各项活动；
c）建设数据应用系统，集成常规报表分析、多维分析、动态预警及智能预测等功能，面向各类数据需求提供技术支持；
d）数据应用需求管理，开展需求评估和可行性分析，制定需求解决方案；
e）数据应用建设，基于数据应用需求，制定解决方案，推动数据应用需求的技术实现；
f）数据应用评价，开展数据应用相关培训和推广，建立评价体系，定期评价数据应用效果。
|
|
过程目标
|
a）组建数据应用团队，建设数据应用系统，支撑组织各类数据应用需求；
b）数据应用支撑组织业务运营、管理决策和价值创造，提升组织的核心竞争力。
|
|
初始级
|
1）在项目层面开展数据应用需求分析和设计开发等工作；
2）数据应用局限于各业务系统，符合特定范围的数据使用需求。
|
|
受管理级
|
1）在部门层面根据自身需求应制定数据应用管理制度；
2）在部门层面独立开展数据应用需求管理和建设；
3）在部门层面开展数据应用的运营评价。
|
|
稳健级
|
1）在组织层面制定统一的数据应用管理制度，指导组织数据应用建设；
2）在组织层面组建数据应用团队，专职开展数据应用的各项活动；
3）在组织层面进行统一的数据应用需求管理，开展需求评估和可行性分析，制定需求解决方案；
4）在组织层面建设统一的数据应用系统，集成常规报表分析、多维分析、动态预警及智能预测等功能，面向各类数据需求提供技术支持；
5）在组织层面建立统一的数据溯源方法，高效开展数据资源协调及应用；
6）在组织层面基于数据应用需求，制定解决方案，推动数据应用需求的技术实现；
7）在组织层面定期开展数据应用相关培训、推广、效果评价和迭代优化等工作。
|
|
量化管理级
|
1）设定数据应用管理量化指标，监测并持续优化数据应用管理过程；
2）设定数据应用效果量化指标，定期评价数据应用效果和收益；
3）基于业务应用场景推动高质量数据集建设，开展高质量数据集标准符合性评测、应用和运营管理等工作；
4）采用人工智能技术建设数据应用系统，辅助业务人员开展数据智能决策；
5）参与数据应用相关国家标准，主导行业标准的制定。
|
|
优化级
|
1）人工智能技术在组织内得到大规模实质化应用；
2）参与数据应用相关国际标准，主导国家标准的制定；
3）在国际和国家层面分享最佳实践，成为行业标杆。
|
|
外部数据管理
|
概述
|
外部数据管理是根据业务需求从组织外部获取数据全过程的管理。外部数据管理包括建立外部数据管理制度、外部数据需求评估、外部数据接入、外部数据整合、外部数据评价、外部数据提供方评价等活动。
|
|
过程描述
|
a）建立外部数据管理制度，规范外部数据需求、数据提供方管理、数据接入、数据整合和数据评价等活动
b）外部数据需求评估，对组织各类外部数据需求进行统一管理，开展外部数据溯源和提供方的选择。
c）外部数据接入，明确外部数据接入方式，规范外部数据传输与存储，接入外部数据并更新外部数据目录。
d）外部数据整合，基于业务场景将多源的外部数据进行清洗、关联和整合。
e）外部数据评价，从数据质量、安全合规和应用效果等方面建立外部数据评价规范，在事前、事中和事后三个阶段开展评价。
f）外部数据提供方评价，建立外部数据提供方SLA，定期开展外部数据提供方评价，进行外部数据提供方的筛选。
|
|
过程目标
|
a）建立外部数据管理机制，实现高质量、高可用和高安全的外部数据使用和管理；
b）通过外部数据的引入，实现多方数据的汇聚应用，提升数据应用的价值。
|
|
初始级
|
在项目层面各自开展外部数据需求评估、收集和接入等工作。
|
|
受管理级
|
1）在部门层面制定外部数据管理策略和管理流程；
2）在部门层面开展外部数据提供方评价和筛选；
3）在部门层面开展外部数据接入、整合和评价。
|
|
稳健级
|
1）在组织层面制定统一的外部数据管理制度，明确外部数据的质量标准和合规要求；
2）在组织层面对各类外部数据需求进行统一管理，开展外部数据溯源，对数据提供方进行选择；
3）在组织层面建立外部数据接入规范，明确外部数据传输与存储要求，接入外部数据并更新外部数据目录；
4）在组织层面按规范的流程进行外部数据清洗、关联和整合活动，实现内外部数据汇聚和应用；
5）在组织层面建立外部数据评价规范，在事前、事中和事后三个阶段定期开展评价，提升外部数据质量，保障外部数据安全合规；
6）在组织层面建立外部数据提供方SLA，定期开展外部数据提供方评价，提升外部数据提供方筛选的准确性。
|
|
量化管理级
|
1）设定量化指标，监测并持续优化外部数据管理过程；
2）设计数据驱动的外部数据提供方匹配模型，以供需匹配度、数据可信度和安全可信度等因素为核心指标自动开展外部数据提供方的匹配，自动生成数据溯源方案；
3）设定外部数据应用效果量化指标，定期评价外部数据应用效果；
4）参与外部数据管理相关国家标准，主导行业标准的制定。
|
|
优化级
|
1）参与外部数据管理相关国际标准，主导国家标准的制定；
2）在国际和国家层面分享最佳实践，成为行业标杆。
|
|
数据开放
|
概述
|
数据开放是指按统一的管理制度对组织内部的数据有选择地对外开放和报送。数据开放包括建立统一数据开放制度、建立开放数据目录、识别公共数据、开放需求管理、实施数据开放和数据开放效果评价。
|
|
过程描述
|
a）制定统一的数据开放制度，包括数据开放的原则、目的、范围、质量和安全等内容；
b）建立开放数据目录，对开放数据进行统一的分类和编目，方便外部用户的查询和应用；
c）识别公共数据，识别公共数据并明确公共数据发布渠道；
d）开放需求管理，对数据开放需求进行统一收集和评估；
e）实施数据开放，组织需按数据开放策略通过各种方式实施对外开放，保证开放的安全和质量；
f）数据开放效果评价，制定数据开放效果评价体系，定期开展效果评价。
|
|
过程目标
|
a）数据开放符合安全、监管和法律法规要求；
b）通过数据开放促进数据流通，丰富数据资源供给。
|
|
初始级
|
1）按特定的数据需求进行数据开放；
2）对外开放的数据分散在各个业务系统中，各系统分别管理。
|
|
受管理级
|
1）在部门层面建立数据开放管理制度，规范部门数据开放活动；
2）在部门层面对数据开放需求进行管理，审核数据开放需求的合理性；
3）在部门层面实施数据开放，符合数据质量和安全的需求。
|
|
稳健级
|
1）在组织层面制定统一的数据开放制度，明确数据开放的原则、目的、范围、质量和安全等内容；
2）在组织层面建立统一的数据开放目录，对开放数据进行统一的分类和编目，方便外部用户的查询和应用；
3）在组织层面梳理并识别公共数据范围，明确公共数据发布渠道；
4）在组织层面进行统一的数据开放需求管理，开展需求分析评估，确定需求优先级，对需求进行跟踪管理；
5）在组织层面按数据开放管理制度进行数据开放，及时更新开放数据目录，并符合数据质量和数据安全的需求；
6）在组织层面建立统一的评价体系，定期开展数据开放效果评价。
|
|
量化管理级
|
1）设定数据开放量化指标，监测并持续优化数据开放管理过程；
2）设定开放数据质量量化指标，保障开放数据的完整性、准确性和及时性；
3）采用人工智能技术定期评价数据开放效果，提升数据开放影响力；
4）参与数据开放相关国家标准，主导行业标准的制定。
|
|
优化级
|
1）参与数据开放相关国际标准，主导国家标准的制定；
2）在国际和国家层面分享最佳实践，成为行业标杆。
|
|
数据服务
|
概述
|
数据服务是通过对组织内外部数据的统一加工和分析，结合社会、行业和组织的需要，以数据产品的形式对外提供服务的过程。数据服务包括数据服务需求分析、建立数据产品目录、数据产品管理、数据服务合同管理、产品收益分配、数据服务方管理和数据服务效果评价管理。
|
|
过程描述
|
a）数据服务需求分析，基于外部环境，结合组织内数据资源和技术能力，挖掘数据服务场景和明确数据需求，形成数据产品体系规划。
b）建立数据产品目录，明确数据产品的分类，对数据产品进行统一编目，方便外部用户的查询和应用。
c）数据产品管理，明确产品定位与目标，建立产品解决方案，开展数据溯源，明确产品价格体系，完成产品功能的开发。
d）数据服务合同管理，制定标准化的合同模板，建立并执行合同审查机制，对合同的履行进行监控。
e）产品收益分配，基于服务约定的计费规则、结算周期和收益分配机制等，完成数据服务费用结算与分配等工作。
f）数据服务方管理，通过能力准入机制、权责管理、监督体系和风险防控措施等对数据服务方进行管理。
g）数据服务效果评价管理，建立数据服务评价指标体系，从合规性、技术能力、价值贡献和数据质量等维度开展服务效果评价。
|
|
过程目标
|
a）建立数据产品体系，推动组织从数据资源化向数据业务化变革；
b）通过数据产品的流通应用实现数据资产价值倍增。
|
|
初始级
|
在项目层面开展数据服务定制开发。
|
|
受管理级
|
1）在部门层面开展数据服务需求分析；
2）在部门层面开展数据产品开发；
3）在部门层面对数据服务合同开展管理，规范数据服务全过程。
|
|
稳健级
|
1）在组织层面统一开展数据服务需求分析，明确数据产品需求，形成数据产品体系规划；
2）在组织层面建立统一的数据产品目录，明确数据产品分类，对数据产品进行统一编目，方便外部用户的查询和应用；
3）在组织层面建立统一的数据产品全生存周期管理体系，包括产品的设计开发、测试、运行、发布和市场推广等；
4）在组织层面统一开展数据产品开发，明确产品定位与目标，建立产品解决方案，开展数据溯源，明确产品价格体系，完成产品功能的开发实现；
5）在组织层面统一开展数据服务合同管理，制定标准化的合同模板，建立并执行合同审查机制，对合同的履行内容进行监控；
6）在组织层面统一产品收益分配，基于服务约定的计费规则、结算周期和收益分配机制等，完成数据服务费用结算与分配等工作；
7）在组织层面建立覆盖能力准入、权责管理、监督体系和风险防控等维度的数据服务方管理体系，实现数据服务方的筛选准入、协同监督和价值贡献量化管理；
8）在组织层面统一开展数据服务效果评价管理，建立适当的数据服务评价指标体系，从合规性、技术能力、价值贡献和数据质量等维度开展服务效果评价。
|
|
量化管理级
|
1）设定数据服务量化指标，监测并持续优化数据服务管理过程；
2）构建数据服务方服务能力量化评价体系，定期开展服务能力评估，构建数据服务产业链；
3）采用人工智能技术，构建数据产品价格调控机制，为数据产品定价提供可靠的数据基础；
4）参与数据服务相关国家标准，主导行业标准的制定。
|
|
优化级
|
1）参与数据服务相关国际标准，主导国家标准的制定；
2）在国际和国家层面分享最佳实践，成为行业标杆。
|
