Page 45 - 大数据背景下计算机信息安全及防护

第二章 数据要素治理和应用

的创新应用实践提供了保障。
建设成效：将知识图谱技术应用于数据资产管理、数据资产目录建设、数据
资产地图、数据质量治理等功能场景，其设计理念和模式方法具有创新性，落地
验证价值高。对有效盘活企业数据资产、快速定位数据质量问题、提升数据运营

管理和共享开放能力具有显著成效，对提高跨组织、跨业务、跨职能的数据协同
合作，持续发挥企业数据价值等也有一定的效果。
（3）互联网及软件提供商行业
主要做法：互联网和软件提供商利用技术上的先天优势，以全链路、一体化、

智能化数据治理为重点，着重于平台工具的开发。其中，以阿里和华为为典型代
表。阿里是中国数据体量最大的互联网公司之一，对于数据治理的智能化的建设
重点，主要体现在平台工具的智能化能力上。阿里在 2021 年的云栖大会全链路
数据治理峰会上，发布了大数据开发治理平台 Data Works，将多年研究验证和实

践积累的数据开发治理能力进行产品化输出，完整覆盖了智能数据建模、全域数
据集成、主动数据治理、全面数据安全等贯穿数据全生命周期的全链路数据治理
环节。华为作为一家非数字原生企业，已在数据管理领域持续投入十几年，成为
数据驱动数字化转型的典型代表。2007—2016 年，是华为数据治理的第一阶段，

该阶段的最大成效是实现了数据的清洁，实现了业务流的打通和财务报表的准确，
为华为在 2017 年开始的数字化转型打下了坚实有力的基础。从 2017 年进入第二
个阶段以来，华为提出了以实现数据可视、共享、发挥数据价值的主要目标，并
围绕此目标，建设了数据湖治理中心（DGC），提升了数据从汇聚到消费再到价

值发挥的关键能力。
建设成效：阿里的 Data Works 几乎服务于阿里内部的所有部门，每日活跃
用户数超过 5 万。基于阿里官网披露的数据，在 2020 年，阿里通过数据治理节
省的成本高达 10 亿元。华为通过持续有效的数据治理，打通了数据治理与业务

的连接，实现了业务的可视化，并通过业务规则数字化，以及将智能化的核心算
法嵌入业务流，实现了逐步用数据替代人工进行决策的转变，为华为的数字化转
型成功提供了重要的基础保障。
实践启示：数据治理作为数字化转型的重要基础，寻求智能化解决方案已成

为企业的必要举措，不少企业已经围绕数据治理的相关问题开展了自动化、智能
化的研究和实践，大部分企业已经依靠深度学习、自然语言识别、模式识别等人

·35·