赛迪智库：2019中国数据治理发展报告

从微观角度，数据治理是指个体的数据管理，即对数据的实用性、可用性、完整性和安全性的整体管理。从中观角度，数据治理是指公共治理，即区域和国家对其主权范围内的数据质量、权属、流动机制等方面的宏观管理。从宏观角度，数据治理是指全球治理，即在大数据时代，以国家、国际组织、多利益攸关方等为主体，对数据权利、流通、管理等方面的治理。

数据治理的目的
一、优化数据质量，发掘数据资产价值
大数据时代下的数据本身表现出与传统数据不同的大数据化特点，具体体现在数据体量大（Volume）、数据类型多（Variety）、处理速度快（Velocity）、价值密度低（Value）四个方面，统称为大数据的 4V 特征（也有称 5V 特征，加上准确性 Veracity）。通过数据治理可以压缩数据体量、提高价值密度，促进数据资产价值最大化。

二、保障数据安全，确保国家社会稳定
数据共享在公共治理方面起到的作用也越来越大。以贵州为例，作为国内应用数据进行社会治理的先驱，贵州运用大数据技术实施精准扶贫，使扶贫方式从年审过渡到日审、甚至实时更新，极大的提高了扶贫精度和有效性。但是由于公共数据共享机制的缺失，部门间、地区间仍存在合作困难。

三、建立数据规则，维护数据主体权利
一方面，数据治理可以为工业大数据、商业数据和公共数据流动保驾护航。另一方面，数据治理有利于维护数据主体权利。

四、降低边际成本，提高数据流通效率
目前，许多公共部门、研究机构和企业掌握着大量的数据，但由于缺乏有序的共享和交易机制而使其成为了众多“数据孤岛”，数据价值大打折扣。部分商业数据交易也由于权属不明，而使企业和公众面临巨大风险。