【今日要闻】数据治理：从工业到社会，驱动与挑战并存

于海斌：工业数据治理应从“被动管控”到“智能驱动”

于海斌：🅿【】工业数据治理应从“被动管控”到“智能驱动”....。

中国数据治理深度调研及投资前景预测报告

一、人口规模构成二、社会消费规模三、居民收入水平四、居民消费水平五、网民发展规模六、企业数字化转型第四🈴【】节技术环境一、区块链二、新基建三、人工智能第五节 疫情下的数据治理的应用一、新冠肺炎疫情的大数据应用二、新冠肺炎疫情下数据治理问题三、重大疫情的数据治理体系框架四、重大疫情的数据治理对策建议第四章2025-2025年中国数据治理发展状况分析第一节2025-2025年中国数据治理发展状况分析一、基本过程分析二、市场发展背景三、市场驱动因素四、市场发展形势五、市场发展规模六、市场。

「数据治理」与「数据管理」的联系和区别

4 数据标准 制定数据标准，包括数据格式、数据精度、数据范围、数据来源等，确保数据的规范性和一致性。5 数据质量 通过数据质量管理和校验工具，检查和清洗数据，确保数据的准确性和完整性。6 监督及考核 建立监督和考核机制，对数据治理的效果进行评估和改进，提高数据治理的水平。▼ 数据治理在企业中的重要性 随着企业数字化转型的加速，数据已经成为企业的重要资产。因此，对数据进行有效治理和管理变得尤为重要。数据治理在企业中的重要性主要体现在以下几个方面： 1 数据质量管理 通过数据治理。

于海斌：工业数据治理应从“被动管控”到“智能驱动”

工业数据治理是围绕工业领域数据全生命周期的管理体系，通过策略、流程、技术等手段，确保数据的可用性、一致性、安全性及合理性。其核心要素包括数据全生命周期管理、新型技术架构支撑和健全的组织架构保障三方面。 工业数据治理的难点何在？于海斌认为，核心症结在于数据治理和数据流通能力不完善。他具体剖析了六大挑战：数据复杂性带来治理技术瓶颈；治理平台多停留在数据汇聚层面，工业领域有影响力的平台稀缺；治理标准体系与规范缺失；产业链协🌻同存在标准壁垒；公信力与价值回报机制缺失；数据权责利界定及落。

健康码“卷土重来”？假的！

无论是健康码、行程卡，均是基于风险管控来进行数字化的治理技术，在为各地防控疫情做出重要支撑外，数字化治理也出现了权力滥用的情形。在数字技术的加持下，公共部门如何在法治的轨道上，合理合法地行使日益强大的数据权力，变得尤为重要。程啸认为，🍅利用收集的个人信息对公民的人身自由、出行、就诊等进行管理控制变得更为容易，应警惕不受制约的数据权力。从实践来看，健康码背后个人数据的删除、销毁落地行进艰难。记者搜索发现，目前仅有无锡、南通等少数城市宣布销毁了涉疫个人数据。2025年3月，无锡市举。