全国信标委大数据标准工作组

全国信标委大数据标准工作组数据管理成熟度模型引言随着大数据时代的到来，数据管理成熟度成为企业科学管理和数据治理的重要指标之一。

而在全国信标委大数据标准工作组中，建立数据管理成熟度模型，可以帮助企业评估现有的数据管理水平，并提出改进方案，以适应不断变化的商业环境。

本文旨在探讨全国信标委大数据标准工作组数据管理成熟度模型的构建和应用。

一、数据管理成熟度概述数据管理成熟度是指企业在数据管理方面的成熟程度，包括数据治理、数据质量管理、数据安全等方面。

一个成熟的数据管理体系可以提高数据的可靠性、准确性和安全性，为企业决策提供更可靠的支持。

数据管理成熟度模型是评估企业数据管理水平的框架，可以帮助企业了解当前的数据管理情况，并提供改进数据管理的方向和建议。

这些模型通常包括不同级别的成熟度指标，例如初始、重复、定义、管理和优化。

二、全国信标委大数据标准工作组数据管理成熟度模型框架全国信标委大数据标准工作组数据管理成熟度模型框架主要包括以下几个方面：1. 数据治理：包括数据管理策略、组织结构、数据流程和规程以及数据治理的工具和技术等方面。

评估企业是否有明确的数据治理策略和规划，以及是否有相关的组织结构和流程来支持数据治理。

2. 数据质量管理：评估企业对数据质量的管理情况，包括数据标准化、一致性、准确性和完整性等方面。

企业是否建立了数据质量管理的流程和工具，并对数据质量进行了监控和改进。

3. 数据安全：评估企业对数据安全的管理情况，包括数据访问控制、数据加密、安全审计和安全意识培训等方面。

企业是否建立了完善的数据安全策略和措施，并对数据进行了有效的保护。

4. 数据分析能力：评估企业对数据分析和挖掘的能力，包括数据分析工具、技术和人才等方面。

企业是否能够充分利用数据进行决策支持和业务创新。

5. 数据管理技术：评估企业的数据管理技术水平，包括数据集成、数据仓库、数据湖等方面。

企业是否采用先进的数据管理技术，以支持数据的有效管理和利用。

ISO/IEC JTC1 SC32 大数据标准化工作情况ISO/IEC JTC1 SC32 “数据管理和交换”分技术委员会,是与大数据关系最为密切的标准化组织。

SC32 持续致力于研制信息系统环境内及之间的数据管理和交换标准，为跨行业领域协调数据管理能力提供技术性支持,其标准化技术内容涵盖:协调现有和新生数据标准化领域的参考模型和框架；负责数据域定义、数据类型和数据结构以及相关的语义等标准；负责用于持久存储、并发访问、并发更新和交换数据的语言、服务和协议等标准；负责用于构造、组织和注册元数据及共享和互操作相关的其他信息资源（电子商务等）的方法、语言服务和协议等标准。

SC32 下设 4 个工作组和几个研究组，主要内容如下：WG1：电子业务工作范围为：研制各组织使用的信息系统间全球互操作所需的开放电子数据交换方面的通用 IT 标准，包括商务和信息技术两方面的互操作标准。

WG2：元数据工作范围为：研制开发和维护有利于规范和管理的元数据、元模型和本体的标准，此类标准有助于理解和共享数据、信息和过程，支持互操作性，电子商务以及基于模型和基于服务的开发，包括：建议用于规定和管理元数据、元模型和本体的框架；规定和管理元数据、元模型和本体；规定和管理过程、服务和行为数据；开发管理元数据、元模型和本体的机制，包括注册和存储；开发交换元数据、元模型和本体的机制，包括基于互联网、局域网等的语义。

WG3：数据库语言工作范围为：为动态规定、维护和描述多用户环境中的数据库结构和组件制定和维护语言标准；通过规定事务提交、恢复和安全机制提供额外的对数据库管理系统完整性的支持；为存储、访问和处理多并发用户使用的数据库结构中的数据制定和维护语言标准；为其他标准编程语言提供开发接口；为描述数据类型和行为的其他标准提供访问接口或为开发用户提供数据库组件。

WG4：SQL 多媒体和应用包工作范围为：规定各种应用领域使用的抽象数据类型包的定义。

一周要闻信标委云计算工作组成立将促进两化融合顺利进行近日，全国信息技术标准化技术委员会云计算标准工作组(简称云计算标准工作组)成立大会暨第一次工作会议在北京召开。

本次会议在国家标准化管理委员会、工业和信息化部规划司、工业和信息化部软件服务业司、工业和信息化部电子信息司的指导下，由中国电子技术标准化研究院承办。

国家标准化管理委员会副主任方向、工业和信息化部规划司司长肖华、电子信息司司长丁文武，中国电子技术标准化研究院赵波院长、书记林宁，北京航空航天大学计算机学院副院长胡春明、中国电子学会副理事长兼秘书长刘汝林等出席本次会议并发言。

方向在致辞中强调，云计算标准化工作是推动云计算技术产业及应用发展的重要基础性工作之一。

在《标准化事业发展“十二五”规划》中已将以云计算为代表的新一代信息技术作为标准化工作的重点内容之一。

国标委希望云计算标准工作组更好地组织协调国内企业积极参与云计算标准化工作，加强云计算标准体系的研究和具体标准的制定工作，以满足我国产业和应用的需求。

云计算标准工作组组长肖华在发言中指出，我国正面临发展战略性新兴产业和推动信息化与工业化深度融合的重要时期，促进云计算产业研发和示范应用被看做是新一代信息技术发展的重要内容之一。

云计算标准解决了云计算产业发展中暴露的一些亟待解决的问题，云计算标准成为推动云计算产业健康发展的重要举措之一。

云计算标准工作组要做好顶层设计，加快云计算标准推进工作，重视标准的应用推广，促进国内标准工作与国际工作的协同开展。

会上，云计算标准工作组秘书长赵波介绍了云计算标准工作组工作方案，云计算标准工作组副秘书长胡春明介绍了云计算标准体系规划，云计算标准工作组副秘书长刘志宏介绍了工作组近期的工作计划。

与会代表就工作组方案、云计算标准体系以及近期工作组计划安排进行了热烈的讨论，为工作组下一步工作的开展提出了很好的建议。

云计算标准工作组的成立标志着我国云计算产业标准化工作迈上一个新台阶。

标题：深度探讨全国信标委大数据标准工作组数据管理成熟度模型在当今信息爆炸的时代，数据已经成为企业发展和决策的核心资源。

然而，如何有效地管理、利用和保护海量的数据成为了各行各业面临的重要挑战。

为了解决这一问题，全国信标委大数据标准工作组提出了数据管理成熟度模型，以帮助企业评估其数据管理能力并提供改进方向。

本文将从简单到复杂，由浅入深地介绍全国信标委大数据标准工作组数据管理成熟度模型，并探讨其在实际应用中的意义和影响。

通过本文的阅读，读者将能够更深入地理解数据管理成熟度模型，并对其进行全面、深刻和灵活的理解。

一、数据管理成熟度模型的概念数据管理成熟度模型是指评估企业数据管理能力的标准和框架。

全国信标委大数据标准工作组提出的这一模型通过一定的指标和评估体系，帮助企业全面了解自身数据管理的水平，并提供相应的改进方向和建议，从而提升数据管理的效率和质量。

二、数据管理成熟度模型的指标体系全国信标委大数据标准工作组的数据管理成熟度模型主要包括数据质量、数据安全、数据治理、数据架构等多个方面的指标。

通过对这些指标的评估，企业可以全面了解其数据管理的状况，并有针对性地进行改进。

三、数据管理成熟度模型在实际应用中的意义数据管理成熟度模型的提出，对企业具有重要的意义。

通过对数据管理能力的评估，企业可以发现自身存在的问题和不足之处，从而有针对性地进行改进。

模型的建立可以帮助企业制定科学合理的数据管理策略，提升数据管理的效率和质量。

模型还可以帮助企业更好地应对数据安全、合规性等方面的挑战，保护企业数据的安全和完整性。

四、对数据管理成熟度模型的个人观点和理解作为数据管理领域的从业者，我对数据管理成熟度模型充满期待。

它不仅可以帮助企业全面了解自身的数据管理水平，还可以为企业提供改进方向和建议，从而推动企业数据管理水平的提升。

在未来的发展中，我希望能够深入研究数据管理成熟度模型，并在实践中应用，为企业的数据管理能力提升贡献自己的力量。

标准化快讯Standardization Express2021年第3期 7三项绿色数据中心团体标准发布实施按照工业节能与绿色标准体系建设要求，由中国电子学会牵头编制的T/CIE 049A-2020《绿色数据中心评估准则》、T/CIE 094-2020《数据中心能源综合利用评价方法》、T/CIE 096-2020《相变浸没式直接液冷数据中心设计规范》三项绿色数据中心团体标准近日发布实施。

《绿色数据中心评估准则》明确了绿色数据中心的评估对象、评估方法、评分体系和等级划分等；《数据中心能源综合利用评价方法》明确了数据中心电能使用效率、可再生能源利用率、储能率、能源再利用率和能源综合利用管理五个评估单元的评价内容、评价方法及数据中心能源综合利用等级划分；《相变浸没式直接液冷数据中心设计规范》明确了相变浸没式直接液冷数据中心的机房基础设施、机柜布局、相变浸没式直接液冷系统、供配电系统和智能化系统等方面的设计要求。

该三项标准的发布实施为绿色数据中心评估奠定了标准化基础，有利于引导数据中心进一步提升能效，加快绿色高质量发展。

IEEE P2937《AI服务器系统性能基准测试》 第二次标准研讨会召开2021年1月29日，IEEE P2937 《AI服务器系统性能基准测试》第二次会议由中国电子技术标准化研究院主办并成功召开。

来自企业、科研院所等单位的专家参加了会议。

P2937标准的提出是为解决当前人工智能领域存在的AI服务器性能测试基准与测试科学联系不紧密、测试指标不全面等问题。

中国电子技术标准化研究院联合国内大型AI服务器厂商，在IEEE计算机协会/标准活动委员会(C/SAB)下推动成立AI系统和应用程序测试工作组(C/SAB/ASAWG)，并担任ASA工作组主席。

2020年6月，ASA工作组的第一项标准《AI服务器系统性能基准测试》(标准号：P2937)成功立项。

会议宣布了工作组副主席和秘书选举结果，分别由华为、旷视科技承担，确定了《AI服务器系统性能基准测试》标准范围，具体包括：AI服务器系统性能测试框架；测试项目的类型和相关设置，包括测试模式、工作量和必要的参数设置、度量和相应的度量手段、对工具的要求。

2020全国大数据标准化工作会议在京召开作者：来源：《智能制造》2020年第10期2020年9月21日，2020全国大数据标准化工作会议在北京召开。

全国信标委大数据标准工作组组长、中国科学院院士梅宏，工业和信息化部信息技术发展司副司长杨宇燕，国家市场监督管理总局标准技术管理司处长刘大山，全国信标委大数据标准工作组副组长、中国人民大学校长助理杜小勇，河北省沧州市大数据管理办公室政务信息资源管理办公室主任韩冰，广东省政务服务数据管理局标准建设处处长姜宝等出席本次会议。

会议由中国电子技术标准化研究院副院长孙文龙主持。

梅宏院士在会议上做了“大数据标准工作组年度总结”，全面介绍了全国信标委大数据标准工作组自2014年成立以来的工作进展，充分肯定了《数据管理能力成熟度评估模型》（DCMM）等国家标准的研制和应用推广工作，并結合大数据在疫情防控中的具体应用案例对数据治理的重要性进行了深入剖析。

他指出，下一步工作组要加强组织建设和管理，建立长效工作机制，结合大数据产业发展需求，加快开展数据资源规划、数据服务、开放共享等重点标准的制修订工作，全面支撑我国大数据治理的建设和实施。

地方主管部门、企业代表围绕我国大数据产业和标准化发展趋势、成效经验等方面话题进行了交流。

会议发布了《大数据标准化白皮书（2020版）》和《数据治理发展情况调研分析报告》等研究成果。

白皮书梳理了国内外主要国家、地区大数据领域的发展战略，描述了大数据关键技术和产业应用现状，从政策、技术和产业等多个角度，勾画出当前大数据发展的整体脉络，并为我国大数据标准化工作提出了具体建议。

调研分析报告从数据价值与应用、数据战略规划、数据治理组织机制、数据管理活动，以及数据标准和方法论等五个维度全面摸底我国企事业单位数据治理现状，并基于深度分析提出了加快我国数据治理体系建设的重要建议。

本次会议启动了政务数据开放共享系列国家标准贯标试点工作，第一批试点地区包括河南省、广东省、贵州省、广西壮族自治区、重庆市、江苏省无锡市、河北省沧州市、重庆两江新区和湖州市安吉县等地区；发布了第一批通过《信息技术大数据大数据系统基本要求》国家标准符合性检测产品的企业名单。

1、DCMM简介、结构组成和能力等级划分1.1、DCMM简介：数据能力成熟度评价模型是一个综合数据管理过程、活动以及制度规范等多方面内容的模型，目标是提供一个全方位组织数据能力评估的模型，在模型的设计中，结合数据生命周期管理各个阶段的特征，对数据能力进行了分析、总结，提炼出组织数据管理的八大能力，并对每项数据能力进行了二级过程域、建设目标、发展等级等方面的描述DCMM（Data Management Capability Maturity Assessment Model，数据管理能力成熟度评估模型）是由全国信标委大数据标准工作组（国家工信部信软司主导，多家企业和研究机构共同组成）研发，并于2018年3月15日正式发布，是我国数据管理领域最佳实践的总结和提升。

DCMM模型是一个整合了标准规范、管理方法论、评估模型等多方面内容的综合框架，他将组织内部数据能力划分为八个重要组成部分，描述了每个组成部分的定义、功能、目标和标准。

该标准适用于组织在进行数据管理时候的规划，设计和评估，也可以作为针对信息系统建设状况的指导、监督和检查的依据。

1.2、DCMM结构组成：DCMM模型，按照组织、制度、流程、技术对数据管理能力进行了分析、总结，提炼出组织数据管理的八大过程域，即：数据战略、数据治理、数据架构、数据应用、数据安全、数据质量管理、数据标准、数据生命周期。

这八个过程域共包含28个过程项，441项评价指标。

2、关键领域定义组织数据能力被综合定义为八大一级过程域，其中每个一级过程域又有若干二级过程域来组成， DCMM中通过对每个二级过程域的概念、目标以及功能的定义来标准化组织数据管理的过程。

在进行数据能力评估的过程中，每个一级过程域相互独立，可以独立开展评估，但是，在实际的管理过程中，每个一级过程域又相互支撑，需要统一全面开展才能完善数据管理体系。

数据战略：数据战略规划、数据战略实施、数据战略评估数据治理：数据治理组织、数据制度建设、数据治理沟通数据架构：数据模型、数据分布、数据集成与共享、元数据管理数据应用：数据分析、数据开放共享、数据服务数据安全：数据安全策略、数据安全管理、数据安全审计数据质量：数据质量需求、数据质量检查、数据质量分析、数据质量提升数据标准：业务数据、参考数据和主数据、数据元、指标数据数据生存周期：数据需求、数据设计和开放、数据运维、数据退役2.1、数据战略数据战略是组织中数据工作开展的目标指引，定义组织数据工作的方向、愿景和原则。

数字化转型中的数据治理体系建设■吴新松摘要：数据治理是数字化转型的重要挑战，而数据治理体系的建设是数据治理的关键。

本文从数据治理的主要挑战入手，分析了数据治理的框架、过程和评估，给岀了数据治理体系建设的总体框图。

关键词：数字化转型；数据治理在互联网、云计算、大数据、人工智能等新一代信息技术创新发展的驱动下，我国经济社会持续向深度数字化转型，十四五规划纲要指岀“以数字化转型整体驱动生产方式、生活方式和治理方式变革”。

随着数字化转型的持续推进，数字化、网络化、智能化应用愈加广泛，应用内部沉淀的数据以及外部引入的数据日趋复杂，应用间的数据共享与交换需求纷繁多样，数据的质量、安全和价值挖掘己成为影响数字化转型的重要问题。

亟需厘清数据治理的深远意义，分析数据治理面临的主要挑战，研究数据治理体系的一般框架，认清数据治理的基本过程，加强数据治理的能力评估，有效提升数据治理的规范化水平。

一、数据治理的提出背景(一)数据的重要程度不断提高在数字化转型的大潮中，数据己经逐渐取代传统的IT基础设施和信息化应用成为企业发展的重要资产和新生动力。

正如经济学家汤姆•彼得斯(Tom Peters)所言“一个组织如果没有认识到管理数据和信息如同管理有形资产一样极其重要，那么它在新经济时代将无法生存”。

具体来说，数据的重要性体现在以下几个方面：(1)数据是企业的新无形资产无论数据是从企业自身业务系统中沉淀的，还是从外部公共资源中获得的，只要有商业价值，那么数据就可以赋予未来的权益，并且应该被认为是一种资产。

如果数据资产被交换和交易，它的价值就会增加到所有各方。

同时，多源数据聚集和跨组织、跨领域的深度融合挖掘将大大增加数据的价值。

(2)数据可有效辅助企业决策对企业掌握的内部数据和外部数据进行综合分析，可以有效总结经验、发现规律和预测趋势，为企业决策者提供辅助决策服务。

同时，在企业经营活动中有效地管理和使用数据可以减少或消除经营活动中的潜在风险，给企业带来相关的经济效益和社会效益。

全国信标委大数据标准工作组数据管理成熟度模型一、引言随着大数据时代的到来，数据管理成为企业发展中不可忽视的一部分。

在这样的背景下，全国信标委大数据标准工作组针对数据管理成熟度提出了一份成熟度模型，旨在帮助企业评估自身数据管理的水平，找出短板并制定提升计划。

本文将对该成熟度模型进行详细分析阐释。

二、成熟度模型概述1. 模型概念数据管理成熟度模型是一个用于评估企业或组织在数据管理方面的成熟度水平的工具。

通过对数据管理策略、流程、技术和文化的综合评估，可以得出一个企业在数据管理方面的成熟度评级，从而为企业提供改进的方向和建议。

2. 模型结构该成熟度模型主要由四个维度和多个层次组成。

四个维度分别为战略规划与治理、数据培训与管理、信息系统与技术支持以及数据质量与安全保障。

每个维度下又包含多个层次，涵盖了各方面的数据管理要素。

三、成熟度模型内涵1. 战略规划与治理这一维度主要评估企业数据管理的战略规划和治理水平，包括数据管理的战略目标是否与企业发展战略相契合，是否有明确的数据治理模式和组织机构等。

2. 数据培训与管理数据培训与管理维度评估企业在数据人才培养和管理方面的情况，包括是否有专门的数据管理团队、是否定期开展数据相关的培训以及员工数据意识的普及情况等。

3. 信息系统与技术支持该维度主要评估企业信息系统和技术在数据管理中的支持水平，包括数据管理系统的完善程度、技术设施的先进程度以及是否有专门的数据管理技术支持团队等。

4. 数据质量与安全保障数据质量与安全保障维度评估企业在数据质量控制和安全保障方面的情况，包括数据完整性、一致性、准确性的控制情况，以及数据安全保障措施的完善程度等。

四、成熟度模型应用1. 评估企业现状企业可以通过该成熟度模型对自身在数据管理方面的成熟度进行评估，找出当前存在的问题和瓶颈，并针对性地制定改进计划。

2. 指导改进计划根据成熟度评估结果，企业可以有针对性地制定数据管理改进计划，例如加强人才培养、提升信息系统支持水平、加强数据质量控制等。

国家标准《信息技术大数据存储与处理系统功能要求》（征求意见稿）编制说明一、任务来源按照国家标准委2016年第一批国家标准制修订计划的通知，全国信息技术标准化技术委员会启动了《信息技术大数据存储与处理平台技术要求》（立项号：20160598-T-469）的制定工作。

本标准为自主制定标准，起草单位为华为技术有限公司、浪潮电子信息产业股份有限公司、中国电子技术标准化研究院等，主办单位为华为技术有限公司，归口单位为全国信息技术标准化技术委员会（SAC/TC28）。

二、编制背景随着信息技术的不断发展，数据生成总量呈现了爆炸式的增长，海量的数据给社会带来大量信息的同时，也使得人们面临着信息爆炸带来的迷惑。

如何从如此庞大的数据总量中提取出能够被有效利用的信息数据，成为了现今这个“大数据时代”急需解决的问题。

而大数据存储与处理平台是实现用可扩展的体系架构对大量数据进行有效的存储、处理及分析的核心技术，各个IT公司和开源组织纷纷提供各自的解决方案和产品。

对这些解决方案和产品进行系统研究，提炼出一套一站式、弹性的、高性能的、高可用性的大数据存储与处理平台技术标准将有助于大数据领域的技术发展和大数据的产业发展。

三、编制原则本本标准内容以信标委大数据标准工作组、JTC1 WG9大数据工作组和NIST 的研究成果为基础，以目前业界主要大数据企业的主流大数据产品为依据进行研制。

参考《信息技术大数据参考架构》等大数据在研标准，研究制定相应的基本功能要求，保障大数据存储与处理平台的应用能力。

为使标准能够适应我国的实际需求，对我国大数据存储与处理平台的研制和使用具有指导性和适用性，在标准制定过程中，主要遵循了如下几个原则：1) 要符合国家的有关政策法规要求；2) 要与已颁布实施的相关标准相协调；3) 要结合产业对实际应用需求；4) 要充分考虑我国大数据存储与处理平台的实际技术水平和发展应用，满足应用基本要求，并对先进技术保持兼容性。

【摘要】大数据已经成为国家战略，数据资源也成为21世纪的核心战略资源之一。

政务大数据作为数据资源中最丰富、最有价值的部分受到社会各界的关注。

本文从政务大数据的概念、类别、特点、价值、存在的问题以及对策建议等方面对政务大数据进行了较为详细的阐述，为今后政务大数据深入研究提供支撑。

【关键词】电子政务；政务大数据；数据资源引言20世纪80年代，由于现代科学技术特别是信息技术的高速发展，人类社会产生的信息量急剧增长，随之出现信息爆炸现象。

近年来，由于大数据技术出现，信息爆炸时代升级为大数据时代，世界各国都在积极部署大数据战略，希望能够掌握数据这一核心资源。

我国已将大数据提升为国家战略，各部委和地方也积极响应号召，推进行业和区域大数据的发展。

数据资源中，占有量和价值最大的当属政务数据资源，有研究表明，政府掌握80%的数据资源。

政务大数据是政府在业务实践中产生的数据，不仅具备数据规模大、处理速度快、数据类型多等大数据特点，还具备完整性、连续性、原始性、公正性、真实性等特点。

其价值在于提高政府绩效，提升决策科学化和精细化，为公众提供更加便捷贴心的服务。

但是我国政务大数据存在的问题阻碍了大数据价值的发挥，影响了数据红利的释放。

本文从政务大数据定义、分类、价值、问题等方面阐述了什么是政务大数据、具备什么样的特性，存在什么样的价值以及问题，最后提出对策建议，为未来政务大数据的发展提供方向性的措施。

一、政务大数据的定义、分类（一）政务大数据定义政务大数据一词，来源于“E-Gov Big Data ”，也称政府大数据。

国外对于政务大数据没有明确的解释，而是将大数据作为一种技术手段变革政府的管理体制与模式，或提高政府的决策效率和服务水平。

国内一些专家学者从不同的角度定义政务大数据:从应用角度，于施洋等人认为，政务大数据是指政府推动大数据应用发展过程或大数据在公共服务领域的应用实践。

从类型角度，迪莉娅认为，电子政务大数据是指各种公务机构通过广泛应用现代信息技术，推动政务活动方式的变革，提高行政效率，发展民主决策进程，向社会提供优质规范透明的管理与服务过程中所产生的海量的类型复杂的数据。

大数据开放共享标准体系建设研究标准体系建设是大数据开放共享可持续发展的内在需求和走向成熟的重要标志。

《标准化工作指南第1部分：标准化和相关活动的通用词汇》（GB/T20000.1-2014）将“标准化”定义为，“为了在既定范围内获得最佳秩序，促进共同效益，对现实问题或潜在问题确立共同使用和重复使用的条款以及编制、发布和应用文件的活动”。

大数据开放共享标准体系建设就是通过数据采集、数据处理、数据流通、数据定价、数据开放管理等系列标准的研制对数据开放共享过程和结果进行规范和引导，从而形成科学、高效的数据开放共享秩序，促进相关主体的共同利益，最大化数据开放共享的政治、经济和社会效益。

一大数据开放共享标准建设的重要意义谁制定标准，谁就拥有发言权；谁能够掌握标准，谁就占据制高点。

标准之争既是技术研发之争，也是市场开拓之争，更是发展战略之争。

国家大数据发展战略的实施主要体现在数字经济发展和提升数据治理水平上。

通过大数据开放共享实现“数聚融合”从而释放数据价值推动数字经济发展是大数据经济价值实现的基本途径。

大数据时代，数据治理是衡量政府治理水平的标尺，而大数据开放共享标准体系建设则是决定数据治理水平的关键环节。

（一）大数据开放共享标准体系建设是抢占大数据规则创新制高点的重大战略大数据开放共享标准不仅是大数据领域的世界通用语言，也是参与国内外大数据市场活动的“通行证”，更是抢占国际数据开放共享规则甚至大数据市场发展规则制高点的重大战略。

全球范围内特别是欧美等发达国家正争先制定大数据开放共享标准，抢占大数据规则制定中的话语权。

尽管我国在大数据标准体系建设的重要性上从中央到地方都已达成普遍共识，并积极探索相关标准体系的建设，但建设力度和相关成果还不足以支撑我国大数据应用发展需求，在多个方面缺乏统一规范和标准，制约了大数据产业的健康可持续发展。

因此，无论从国际形势还是从国内发展来看，大数据开放共享等标准体系建设的紧迫性和必要性都愈加凸显。

关于数据产权流通与数据商品流通的关系和区别——全国信标委大数据标准工作组数据服务组联合组长王春涛关于数据产权流通和数据商品流通的关系界定问题，一直未能达成业界的统一共识，但这个问题不解决，数据要素市场的形成和培育将受到重重阻碍，本文将从数据资源市场和数据产品市场的对比分析上来清晰二者关系的界定。

一、数据资源和数据产品的区别首先，我们有必要分析一下数据资源和数据产品的异同，主要从二者的表现形态、确权方式、交易方式和依赖关系等进行对比分析，详细如下表：二、数据资源市场和数据产品市场的关系和区别其次，数据资源市场和数据产品市场由于其服务对象、交易标的物、市场作用和交易方式等方面的不同，导致二者存在着本质区别，详细如下：数据资源市场关注的是原始采集数据的确权和授权，其特征表现为“一源多体多态”，即一项数据资源的财产收益权，在同一时间点上，具有多个行权主体，并且体现多种产权形态。

关于数据资源市场的权利主体和标的物描述，见下表：关于数据资源市场的三项权利，其权利矩阵和产权流转关系如下图：权利矩阵（可转让，可质押，可许可，可入股，这四项为他项权利）关于数据资源市场的产权流通模式及路径如下：数据产品市场的上游产品在关联了数据资源市场的数据产品经营权之后，后续中游和下游数据产品市场通过产品流通进行关联追溯，实现数据要素市场全链追溯。

由于数据产品市场的核心价值在于基于数据资源和数据产品再加工的工艺和知识创新，因此数据产品市场更应该关注新型数据知识产权保护。

数据产品市场的商品流通模式及对比分析如下图：三、数据产权登记、数据产品登记和数据知识产权登记的关系和区别最后，关于数据登记的三种形态，包括数据产权登记、数据产品登记和数据知识产权登记，三者之间即紧密关联，但同时又存在很大差异，以下分别从标的物、市场作用、关联关系，登记机构和服务对象等因素进行对比分析。

数据产权登记是数据要素一级资源市场最根基、最关键的一环，主要发挥数据资源权利确认和保护等作用，为了确保其权威性和公正性，因此建议由地方/行业数据管理机构等政府职能部门或下属事业单位负责。

大数据标准研制仍处起步阶段作者：徐恒来源：《中国电子报》2015年第49期从IT时代到DT时代，大数据已成为一场革命，正在改变人们的生活、工作和思维方式。

大数据标准研制作为产业发展基础，目前仍处于起步阶段。

为实现数据间无歧义沟通，元数据标准研究与应用显得更为迫切。

在研国标有10项我国在数据管理方面缺乏标准化整体规划；相关技术标准及平台类新型产品标准亟须研制。

大数据领域的标准化工作是支撑大数据产业发展和应用的重要基础。

《中国电子报》记者近日从全国信标委大数据标准工作组第二次会议上获悉，目前大数据相关标准研制还处于起步阶段。

国际上有4大标准化组织针对大数据进行专门研究，分别是ISO/IEC JTCl SC32、ISO/IECJTCl WG9、ITU和NIST。

为了推动和规范我国大数据产业的快速发展，建立大数据的产业链，与国际标准接轨，我国在2014年12月正式成立了全国信息技术标准化技术委员会大数据标准工作组（以下简称工作组）。

工作组主要负责制定和完善我国大数据领域标准体系，组织开展大数据相关技术和标准的研究，申报国家、行业标准，承担国家、行业标准制修订计划任务，宣传、推广标准实施，组织推动国际标准化活动。

目前，工作组正在研制的国家标准有10项，其中《信息技术大数据术语》和《信息技术大数据技术参考模型》两项国家标准已经完成相应的草案，准备进入征求意见阶段。

“目前已有138家单位申请成为工作组成员。

”中国电子技术标准化研究院副院长高林表示，“工作组下一步将继续完善和维护工作组工作平台，加强元数据、数据分类、数据开放共享等方面的标准化研究，同时特积极开展测试评价、认证等相关准备工作。

”值得一提的是，在研究提出大数据技术框架的基础上，结合数据全周期管理，数据自身标准化特点，当前各领域推动大数据应用的初步实践，以及未来大数据发展的趋势，工作组提出了大数据标准体系框架。

大数据标准体系由五个类别的标准组成，分别为：基础标准、技术标准、产品和平台标准、大数据安全标准及应用和服务标准。

我国全面推进大数据标准化工作——2017大数据标准化论坛暨全国信标委大数据标准工作组第四次全会报道
李秋花
【期刊名称】《信息技术与标准化》
【年(卷),期】2017(0)4
【摘要】随着国家大数据战略的推进实施,我国大数据政策体系日臻完善,产业高速发展,地方大数据产业建设稳步推进,技术、应用创新取得明显突破,各领域对大数据服务需求进一步增强,数据开放、共享成为当前亟需突破和解决的问题,作为产业统筹布局的重要支撑,大数据标准的技术支撑和引领作用进一步凸显。

3月18-19日,为贯彻落实《促进大数据发展行动纲要》,全面推进大数据标准化工作,由工信部信息化和软件服务业司、国家标准委工业标准二部指导,
【总页数】2页(P9-10)
【作者】李秋花
【作者单位】
【正文语种】中文
【相关文献】
1.持续推进大数据标准化工作助力大数据发展——2018全国大数据标准化工作会议暨全国信标委大数据标准工作组第五次全会在京召开 [J], 贾静宇
2.完善大数据标准体系建设推动大数据标准应用落地——2019全国大数据标准化工作会议暨全国信标委大数据标准工作组第六次全会在渝召开 [J], 贾静宇
3.2020全国大数据标准化工作会议暨全国信标委大数据标准工作组第七次全会在
京召开 [J], 贾静宇
4.2021全国大数据标准化工作会议暨全国信标委大数据标准工作组第八次全会在济南召开 [J],
5.全国信标委大数据标准工作组第二次全会在京召开 [J], 张洪阳
因版权原因，仅展示原文概要，查看原文内容请购买。

九项大数据国家标准研制启动
佚名
【期刊名称】《信息技术与标准化》
【年(卷),期】2017(0)10
【摘要】全国信标委大数据标准工作组于9月20～21日在内蒙古呼和浩特市举行9月份会议周。

工作组副组长、中国电子技术标准化研究院副院长孙文龙介绍了工作组整体情况：一是大数据已成为重要的无形资产，
【总页数】1页(P11-11)
【关键词】国家标准;电子技术标准化;呼和浩特市;工作组;无形资产;内蒙古;副院长;研究院
【正文语种】中文
【中图分类】TN925.93
【相关文献】
1.“维哈柯文软件开发关键技术研究与应用”荣获2014年度国家科技进步二等奖/10项大数据领域国家标准的编制工作启动/国家标准委批准发布16项节能标准[J],
2.国家标准与公示语汉英翻译规范--写在《公共服务领域外文译写规范•英文》国家标准研制启动之后 [J], 王银泉
3.国家标准委召开光伏扶贫国家标准研制启动会议 [J], 宗和
4.10项大数据领域国家标准的编制工作启动 [J],
5.《大数据标准化白皮书(2018版)》发布我国已发布报批立项申报及研制大数据相关国家标准百余项 [J],
因版权原因，仅展示原文概要，查看原文内容请购买。