摘要@@：文章针对政府@@大数据@@治理@@@@的现状@@、能力和发展路径不清晰等问题@@, 提出评估和优化政府@@数据治理@@@@计划和策略的成熟度测评指标体系@@。通过对成熟度概念@@、信息治理@@@@、数据治理@@@@和大数据治理@@@@@@等核心概念界定@@, 对政府@@大数据@@治理@@@@的成熟度研究@@现状及成果进行归纳@@, 总结形成大数据治理@@@@@@的成熟度要素@@, 结合@@《关于促进大数据发展行动纲要@@》的实践需求@@, 构建出政府@@大数据@@治理@@@@成熟度评测指标体系@@, 提出政府@@大数据@@成熟度评测模型@@, 可以作为当前@@政府@@大数据@@发展自我测评和改进的工具@@@@, 同时还可以作为不同地区之间政府@@大数据@@治理@@@@能力的比较基准@@。
成熟度模型作为一@@个解释型或标准@@化的概念@@, 被广泛应用于计算机领域@@、管理领域@@、医疗领域等多种不同领域@@。其中软件领域各类成熟度模型如@@@@Nolan成长阶段模型@@, CMMI能力成熟度模型@@, SPICE软件过程改进和能力提升模型@@, 管理领域@@如@@企业管理成熟度模型@@、项目管理成熟度模型@@、质量管理成熟度模型@@、知识管理成熟度模型@@、数据管理成熟度模型@@, 医疗领域如@@医疗信息成熟度模型@@、医疗连续性成熟度模型@@。随着大数据时代数据驱动理念席卷全球@@, 推动人们思维价值观念@@、经济生活方式乃至国家信息治理@@@@模式的巨大变革@@, 大数据领域成熟度的研究初现端倪@@。
本文通过对相关代表@@性文献的内容分析@@, 系统梳理了成熟度模型和大数据治理@@@@@@的相关概念@@, 对大数据成熟度及模型构建的研究成果进行了归纳@@, 在此基础上结合@@@@《关于促进大数据发展行动纲要@@》的实践需求@@, 提出了一@@套政府@@大数据@@治理@@@@成熟度评测指标体系@@。
一@@、成熟度模型概念界定@@
成熟度通常指特定能力从最初到期望达到目标的过程中的演化进度@@。成熟度模型是一@@种对关注@@领域进行评估的工具@@和持续改进的方法@@@@, 用于把成熟度要素分成若干不同阶段@@, 评估领域现状和所处发展阶段@@。目前成熟度模型主要分为组织@@、技术@@、文化三@@类视角@@, 现将不同领域视角下的成熟度模型定义@@、描述与应用进行简单梳理@@, 如@@表@@@@1所示@@。
表@@1 成熟度模型概念描述及应用@@
成熟度要素可以是人@@、物或者社会系统@@, 其关注@@领域可以是过程@@、数字资源@@、人的能力等成熟程度@@。成熟度模型基本构成要素通常包括等级@@、等级符号@@、等级特性描述@@、维度@@、维度@@元素或活动@@、等级各元素或活动描述@@。模型通常定义@@3~6个等级@@, 且每个等级@@的多个维度@@具有共同属性@@。
二@@、信息治理@@@@、数据治理@@@@、大数据治理@@@@@@涵义@@@@辨析@@
（一@@）信息治理@@@@涵义@@
信息治理@@@@是信息资源管理计划的重要组成部分@@, 也是信息资源管理项目成功实施的关键因素@@。英国国民健康服务组织基于信息生命周期管理视角@@, 经济学人智库基于信息经济视角@@, Gartner基于组织战略视角@@, 一@@些学者基于信息技术@@@@、信息活动@@、过程协同视角等均对信息治理@@@@进行过描述@@, 提出相应治理@@途径@@, 如@@HORUS信息治理@@@@模型@@, 企业级战略框架和执行机制@@, 责任框架@@, 最终成果体现为政策@@@@、原则@@、标准@@、流程@@等顶层设计项目@@。有学者认为@@, 信息治理@@@@的学科@@领域涵盖组织@@、元数据管理@@、安全和隐私@@、数据质量@@、业务流程@@集成@@、主数据集成和信息生命周期管理@@, 其中不少学者对数据质量@@@@、数据管理和数据安全与隐私论述较多@@, 且在数据治理@@@@和大数据治理@@@@@@中依然适用@@。
（二@@）数据治理@@@@涵义@@
数据治理@@@@和信息治理@@@@是两个较为相近的概念@@, 甚至有时学者互换使用@@。实际上信息和数据这两个核心关键词决定其概念差别@@, 信息治理@@@@是基于信息化问题研究视角更为广义的定义@@, 数据治理@@@@重点采集不同来源@@的实际数据元素进行研究@@。DGI、TWDI、MD、IBM等各类数据研究机构和企业基于企业数据资产@@、信息权@@、数据管理等视角均对数据治理@@@@进行过定义@@, 也有学者基于@@IT治理@@、数据资产管理@@、数据质量@@管理@@、组织战略等视角对数据治理@@@@进行过阐述@@。治理@@主体@@通常是数据治理@@@@委员会或其他组织机构@@, 数据治理@@@@的客体是组织信息@@、组织数据和信息权@@@@, 数据治理@@@@采取指定模型@@、业务技术@@@@、组织要求@@、协同方法@@@@、最佳实践等手段@@, 其成果形式体现为决策过程@@、职责描述@@、组织政策@@@@、质量控制原则@@等具体执行层项目成果@@。
（三@@）大数据治理@@@@@@涵义@@@@
对于大数据治理@@@@@@@@, 使用最广泛的是桑尼尔@@·索雷斯的定义@@。他认为@@, 大数据治理@@@@@@是广义信息治理@@@@计划的一@@部分@@, 通过调整多种功能目标@@, 制定与大数据有关的数据优化@@、隐私保护与数据变现的政策@@@@。大数据治理@@@@@@的领域基础主要来源@@于传统信息治理@@@@学科领域@@, 信息治理@@@@的学科@@、工具@@、平台@@依然可以应用于大数据治理@@@@@@@@, 但数据多样性导致多类型数据管理工具@@和平台@@的多样性@@。国外大数据治理@@@@@@研究层面呈现出以下特点@@:多元化的治理@@原则@@和法律规范@@, 多维度@@的治理@@框架@@、方法@@和活动@@, 多行业的治理@@功能应用@@。国内大数据治理@@@@@@研究处于起步阶段@@, 多为表@@示方法@@@@、信息融合@@、高效低成本存储@@、结构化和半结构化数据分析技术@@等技术@@视角@@。无论是信息治理@@@@@@、数据治理@@@@还是大数据治理@@@@@@@@, 企业和数据机构实践相对较多@@, 政府@@层面实践研究相对缺乏@@。大数据治理@@@@@@实践主要包括数据治理@@@@战略@@、方法@@, 大数据应用的人员@@、技术@@、流程@@, 大数据领域业务管理@@, 大数据价值案例@@, 大数据项目测度指标@@, 数据治理@@@@政策@@@@、标准@@和数据集等@@。
三@@、政府@@大数据@@治理@@@@的成熟度研究@@
（一@@）大数据治理@@@@@@成熟度研究述评@@
当前@@, 大数据治理@@@@@@成熟度的研究多为信息治理@@@@@@、数据治理@@@@项目的一@@部分@@, 并非单独一@@个项目@@, 且企业和组织机构涉及较多@@, 政府@@层面较少@@, 研究零散分布在信息治理@@@@@@、数据治理@@@@、企业信息管理领域@@@@, 专门进行大数据成熟度研究的文章很少@@, 且均借鉴以上领域的研究成果@@。目前大数据治理@@@@@@成熟度模型主要从组织@@、技术@@、政策@@、管理等视角定义一@@系列大数据成熟度要素@@, 并制定不同成熟度等级@@, 如@@表@@@@2所示@@。
表@@2 大数据成熟度等级与要素@@
（二@@）政府@@大数据@@治理@@@@成熟度评测指标体系构建@@
1、政府@@大数据@@治理@@@@概述@@
政府@@大数据@@是政府@@部门业务活动中产生积累的数据@@, 如@@人口数据@@、社保数据@@、交通数据@@、教育数据等@@, 目前存在诸多问题和挑战@@, 政策@@层面多涉及共享@@、开放与安全等问题@@, 缺乏覆盖数据资源全生命期关键信息活动@@和过程管理的法律法规@@, 尤其是缺乏大数据融合@@、共享和治理@@机制层面的法律法规和技术@@标准@@@@, 亟待大数据治理@@@@@@实现政府@@数据资源可持续管理@@, 支持政府@@信息公开和部门信息共享@@, 支撑政府@@治理@@创新和治理@@能力现代化@@。我国有@@30多个省市制定了大数据行动计划@@, 但对于目前政府@@大数据@@的认知能力@@、应用能力@@、发展路径和阶段目标均没有清晰界定@@, 建立政府@@大数据@@发展水平和治理@@评估体系就显得尤为迫切@@。
