第4章
数据治理的发展趋势

数据治理的发展是伴随着各国及不同行业对数据资源资产化，数据确权与合规，数据价值创造与共享，隐私保护的认识、研究和实践的一个演进过程。目前，随着数据治理理论体系的逐步完善，技术方法和工具的日趋成熟，数据治理被越来越多的企业学习、了解和实际应用。

4.1　国内外数据治理的演变与发展

1. 国外数据治理的发展

自“数据治理”的概念被首次提出以来，数据治理已在政府、企业、公共服务性机构等中得到广泛的关注、研究和实践。根据国际数据管理协会发布的调研报告，数据是企业最为宝贵的资产之一，已成为企业界的共识。然而，目前企业的数据状态与数据管理水平并不匹配，普遍存在着“重创造轻管理、重数量轻质量、重利用轻增值利用”的现象，在数据质量、服务创新、开放共享、安全合规、隐私保护以及数据伦理道德规范等方面面临着越来越严峻的挑战。数据管理中出现的问题，究其根源是由于在更深的层面——数据治理中出现混乱或缺失。

事实上，以欧洲、北美洲、日本和澳大利亚等为代表的地区和国家，都高度重视数据治理工作，自2012年以来都密集出台了多项政策予以支持和指导。从各国的举措来看，政策着力点主要在于3个方面：其一是开放数据，给予产业界高质量的数据资源；其二是在前沿及共性基础技术上增加研发投入；其三是积极推动大数据的共享与应用。

2. 中国数据治理的发展

在中国，大数据已上升到国家战略层面，大数据技术和应用对国家的数字化治理和企业的智能化升级，都产生着深刻的影响。

近年来数据治理在中国的蓬勃发展更偏重于实践，更聚焦于数据治理工程项目的落地实施和技术工具的设计开发。在金融、电信、能源、互联网等信息化较为成熟的行业中，多年前就已经积极开展相关的数据治理工作，并积累了一定的数据资产管理经验。这些经验的总结对于补充及完善数据治理理论体系、推进数据资产管理在各个行业的普及和发展有着重要的指导意义。

中国信息通信研究院、中国通信标准化协会大数据技术标准推进委员会（CCSA TC601）及众多的技术研究社团和机构，通过白皮书、技术论坛和研讨会的形式，就数据治理相关的内容和目标、实施步骤、实践模式、技术工具及需要注意的要素等问题进行研究和讨论，为政府和企业开展数据治理工作提供参考，为相关服务商和工具产品开发提供指导。

各级政府和中央大型企业在数据治理方面担任了关键主体，其既是重要推动者也是执行者。在推进数据治理和大数据应用的过程中，有一批数据服务型公司脱颖而出，形成完整的技术方案和工具产品；除大型企业外，也有许多中小企业开始关注和实践数据治理，成功实现数字化转型。可以说中国的数据治理理论体系正逐步完善，实施工具越来越丰富，工业企业的数据治理热潮已经到来。

4.2　数据隐私保护政策

无论是企业还是政府或其他机构，在数据应用层面，首先面临的问题就是数据的隐私保护。数据的隐私保护与数据的安全保障的侧重点不同，但都是倡导在数据共享互通的前提下对数据使用权限、范围和目的限制。随着数据资料传递越来越容易，获取企业数据信息和个人影音资料的渠道变多，这些数据在被应用时的目的，可能已与当初记录资料、采集数据时完全不同了。如何保障数据隐私，成了企业、政府及相关机构关注的问题。在执行数据共享的同时，如何防止滥用数据的情况发生，各国政府，都在积极寻求新的立法，以保障数据的流通、共享与合理使用。

关于保护隐私数据的立法，各国的法律法规虽然不同，但大致有3种模式：第一种是以美国为代表的行业自律模式，这一模式依靠企业的自我约束及行业协会的监管，以避免过度保护形成对行业正常发展服务的阻碍，也避免国家立法限制信息科技在社会的应用；第二种是以欧盟为代表的纯粹的立法规制模式，是由国家和政府主导的一种模式，在法律层面确立隐私信息保护制度，进而将这些制度作为建立司法和行政措施的基础；第三种模式是以日本为代表的将行业自律模式与立法规制模式相结合的模式，既通过法律全方面地保护隐私信息，也注重行业自律和协会的监管。

中国早在2013年就开始进行隐私信息保护的立法研究工作，并已逐步形成了隐私信息保护法规体系。但在数据应用过程中出现的数据完整性、准确性、一致性、及时性等质量问题，造成数据可信度和可用性不高，价值难以充分发挥。如何在数据隐私保护的框架下，提升数据质量，推动数据共享，深度挖掘数据价值，是中国各级政府机构、各企事业单位正在积极探讨和践行的课题。

纵观上述几个国家和地区的情况，隐私保护立法已成为一个趋势，目前已有90个左右的国家和地区制定了隐私信息保护法律，且信息越来越趋于严苛。总体上看，现有数据法规难以适用因诸如人脸识别、区块链等创新技术不断涌现导致的隐私信息保护和数据流通应用的现象。主流解决思路是从两端出发，一是行业主动自律，以“科技向善”的理念进行自我约束，明确技术不能突破的底线；二是立法与监管也需要不断创新，以创造性提出解决方案。未来，对数据主权隶属、数据跨境流动与共享、数据保护合规等环节的深入研究和相应法规颁布，将是隐私保护和数据安全政策领域的发展趋势。

4.3　区块链与数据共享

区块链技术的出现和应用，为提升工业企业的数据治理能力提供了新契机。工业企业中的数据孤岛、垄断现象比较普遍，而数据共享和流通中的安全与隐私保护，时时面临着威胁和攻击的风险。区块链是实现信息数据资产流通、共享和隐私保护的新技术，为企业基于数据治理促进生产经营转型发展带来了新的机遇。

1. 区块链与大数据的融合

如今对区块链的技术研究和实际应用已如火如荼地展开。同时，以大数据作为载体，将区块链技术作为新的技术融入大数据技术中，已逐步实现了区块链与数据管理的融合。主要表现在以下两个方面。

一方面，区块链技术可以有效打破企业数据孤岛现象。区块链技术的本质是一种分布式存储技术，属于计算机底层技术。在现有的计算机技术能力下，只要基于大数据平台开发出一套符合区块链技术的程序与接口，就可把分散、孤立的数据源整合并汇集到大数据平台中，形成分布式数据资源库，进行统一管理。

另一方面，区块链技术可以提升企业数据的安全性。将区块链数据作为企业大数据平台的数据源，依靠区块链技术的私钥签名验证形式可以有效保护数据在存储、传输过程中的安全。

区块链和大数据的结合，不仅能解决目前工业企业普遍存在的数据孤岛现象和数据安全问题，更能促进数据流通，数据只有流通才能产生更多的价值。区块链的加密技术和分布式账本技术使得互联网的去中心化成为可能，在链上的每一步操作都公开可见，想要获得链上数据也更加容易。由于具有不可篡改和时间戳的特性，区块链还能保证数据的真实性，极大地降低信用成本，促进更多陌生商家之间的合作。此外，大数据具有的海量存储技术和灵活、高效的分析技术可以弥补区块链数据存储量小、分析能力弱的缺点，从而极大地提升区块链的数据处理能力。

2. 区块链促进数据共享

传统的数据共享模式是通过统一的数据仓库或大数据平台集中采集、处理、存储并应用数据。这一模式在中心化的部门内运转良好，为提升部门的运营效率、推动部门数字化转型带来很大帮助。但如果是关系对等的部门之间需要共享数据，采用中心化的共享模式就会带来一系列问题。各部门之间共享数据困难，主要是因为数据的校验、保存和同步是难点。在工业企业内部各部门之间以及企业与企业之间推动数据共享、开放、市场化利用的过程中，企业面临数据不敢共享、不愿开放、不知如何共享和开放等难题。破解这些难题需要一种足够安全、可靠、灵活的技术来支撑。

各个利益相关方在访问和共享数据时会存在严格的限制，需要花费大量的资源和时间用在共享数据的权限审查、质量保障、真伪校验、产权界定上。造成这种现象深层次的原因主要来自以下4个挑战：

（1）主导权之争。如果由多个机构共同建设数据集中平台，则该平台的主导方会很难界定。任何一方主导平台都会带来其他参与机构的争议或者不满。

（2）隐私保护难。数据共享不可避免地会产生数据隐私泄露风险，如何在充分保障用户数据隐私的前提下实现数据共享是一个必须尽快解决的难题。

（3）数据确权难。数据在共享及流通过程中很容易被复制。如果不能对数据确权，明确数据的产生者、使用者、管理者及受益者，那么将无法很好地实现数据的精准授权，严重阻碍数据的共享及流通。

（4）无激励机制。传统的数据集中方式很难量化每个数据贡献者的实际贡献大小，因此没有很好的共享激励机制。参与方无论共享的数据是多还是少，数据质量是好还是坏，获得的收益都是一样的。如果没有合理的贡献激励机制，每个参与方都不会积极共享自己的数据或干脆不共享。

根据《中国区块链技术和应用发展白皮书》的定义，区块链是分布式数据存储、点对点传输、共识机制、加密算法等计算机技术的新型应用模式。区块链不仅包括加密货币等公有链，还包括应用区块链技术解决商业及社会问题的联盟链。联盟链在本质上是一个分布式账本，其通过共享账本实现多方业务协同和数据共享。

基于区块链技术的分布式账本、密码学技术、智能合约及激励机制这4个特点，可有针对性地解决多组织数据共享的诸多难题，例如：

（1）分布式账本技术解决主导权问题。

分布式账本技术（Distributed Ledger Technology，DLT）是一种在网络成员之间共享、复制和同步数据的技术。记录网络参与者之间的交易，如资产或数据的交换等。在传统数据集的共享模式下，关系对等的参与方不可避免地会遇到系统主导权问题。在基于分布式账本技术搭建的共享账本模式下，因每个参与方都拥有相同的账本，主导权问题迎刃而解。分布式账本技术具有以下优点：去中心化，每个参与方都有一份账本，没有一个中心化的机构进行集中维护；不可被篡改，通过数学算法保障账本数据不可被篡改，增加账本的可信度并降低审计成本；大幅降低交易及记账成本，因为是数字账本，记账的边际成本为零。

（2）密码学技术解决数据隐私保护问题。

国内外立法机构对数据隐私保护都有明确的规定。对此，区块链使用加/解密授权、零知识证明等密码学技术。

（3）区块链可溯源解决数据确权问题。

利用区块链分布式账本、不可被篡改等特点，可以有效进行数据确权。数据的产生者及终端使用者作为节点被加入区块链网络中，利用区块链详细记录数据的产生、流转、交易等全部环节，通过节点标示每笔数据对应的产生者及使用者身份。区块链不但记录数据本身，而且记录数据的上传方，以及数据被访问的全部历史，实现数据确权及精准授权，从而促进数据的共享和流通。

（4）区块链数学算法解决终端用户授权问题。

利用区块链的数学加密算法，如哈希、非对称加密、CA签名等，可以实现终端用户对自身数据的掌控：在未获得用户授权时，机构不得共享用户的数据；只有在获得用户授权时，机构才可以共享用户的数据。相比查询征信报告的授权机制，基于区块链的授权可以做到颗粒度更细，如支持字段级别的授权。

（5）基于零知识证明技术实现数据共享。

零知识证明是指证明者能够在不向验证者提供任何有用信息的情况下，使验证者相信某个论断是正确的。应用零知识证明技术，可以在密文情况下实现数据的关联关系验证，在保障数据隐私的同时实现数据共享。例如，可以实现对于那些用同一标的物在不同银行重复融资的企业或个人的预警。

（6）基于智能合约的积分激励机制。

积分激励机制是激励用户为获得更多有价值积分而共享更多数据的机制设计。当用户上传数据至共享账本时，积分增加，上传的数据越多，获得的积分越多；当用户通过共享账本查询数据时，消耗积分，查询的次数越多，消耗的积分越多；当用户上传的数据被其他参与方查询时，积分增加，被查询次数越多，增加的积分越多，建立共享数据后评价机制，根据数据质量的高低以及价值变现的大小设置不同的积分。

3. 区块链与数据治理

工业企业数据治理的目的是盘活企业的数据资产，挖掘和利用数据的潜在价值，取得社会化利用和变现。区块链具有的自治、匿名、可溯源及不可篡改的分布式账本技术，非常适合应用于多主体参与、多流程的复杂过程的机制重塑及流程改造，以增强各参与方的信任度，提高系统效率。区块链的这些技术特性，对工业企业在数据治理中涉及的提高数据质量、保障数据安全、促进数据共享等工作可以起到很好的支撑作用，具体介绍如下。

（1）分布式可追溯数据区块链系统有助于提高数据的质量。在传统的工业企业数据治理体系中，企业主体之间的商业行为，需要工商、税务、行业协会、银行、会计师事务所等充当中介组织进行协调或出具证明，导致企业数据以孤岛的形式散落在不同性质、相互毫无业务关联的机构的数据库中，或集中在行业龙头企业中。企业的数据无法自行在社会或行业中直接流通，会影响数据的实时获取和真实性，制约数据资产的共享、流通和变现。区块链在不同企业主体之间（甚至企业内的业务部门之间）构建了点对点分布式数据系统。各企业主体通过访问此数据系统，将各项生产经营和交易活动记录入区块链，保证数据资产交易、转移事件及生产、经营信息能快速被广泛传播、校验和确认，保证数据的真实性与完整性，提高了数据的质量。

（2）非对称加密与分散式数据库技术可提升数据的安全性。数据的私密性与数据的完整性是数据安全的重要内容。区块链运用数据的非对称加密、哈希算法等技术可以实现数据安全和隐私保护。非对称加密算法能验证数据来源，保护数据在存储和传递过程中的安全。哈希算法等匿名算法能保护数据隐私，防止数据泄露。非对称加密技术是指在加密和解密过程中使用公钥和私钥两个密钥来验证身份、加密和解密信息，以满足信息所有权的验证和签名，提高数据的安全性。数据的使用者和监管机构用相应的公钥访问数据库，解密并读取数据。由于时间戳记录读取数据的时间，当任何一方发现不合理时，可随时随地通过区块数据和时间戳来追溯历史数据。

（3）在使用区块链的分布式链接结构来存储加密信息时，当这些信息被访问时，将当前块与存储的每个前一个块进行比较。如果链被正确地验证，则用户将获得对该文件的访问权。否则，用户将得到一个不可读的加密文件。每次共享一个文件时，链就会增长，这就增加了共享文件的真实性和安全性。如果文件落入其他人手中，他们将缺少验证链的信息，从而阻止他们访问数据。通过将区块链技术应用于分散式数据库，会要求数据库中的每个节点对信息进行身份验证。要想窃取数据，每个节点都必须同时受到攻击，这几乎是不可能的，因为节点中的任何更改都将取消该节点的身份验证。这种数据处理方式使得数据安全性得到了极大的提高。

（4）点对点技术与智能合约有助于实现数据共享。作为一种“去中心化”的分布式账本系统，区块链中的每个参与主体都能单独地写入、读取和存储数据，并在全网迅速广播和及时查证。经全体成员确认及核实后，数据作为某一事件的唯一、真实的信息在区块链全网中实现共享。点对点技术可以实现全网共同拥有数据，解决数据共享需要中介的问题。另外，利用区块链的信息技术和智能合约可以打破各自为政的数据统计标准和方法，取代传统的数据协议。通过在区块链的智能合约中写入指定、统一的代码，系统将根据代码推断合约的实现条件，保障合约执行。当政府部门统计数据时，区块链会自动根据智能合约上的写入代码对照相关数据的类型、标准、范围、数量等内容和电子签名进行核对和验证，方便数据统计及共享，提高效率。当某些部门数据残缺或者未及时上报时，智能合约自动在全网发送实时警告，并将警告记录和相关部门的答复记录在区块链上，便于追溯问责。由此，点对点技术与智能合约会扩大数据共享的范围和程度，提高数据共享的及时性和标准化程度。

4.4　5G技术与数据安全

5G技术加速了万物互联时代的到来，使得互联网的范围和容量等级都得到大幅提升，整个互联网开始成为真正意义上的物联网，更可能推动许多工业场景的真正落地：万物互联、边缘计算、多接入技术、数字生态系统、智能工业……5G技术不仅使网速大幅提高，更使信息量呈指数级增长。而随着大数据的价值越来越大，数据安全问题将更加严峻。随着5G技术的普及应用，黑客攻击、恶意代码感染、数据窃取等风险也会随之而来，数据安全防范范围也已被扩展到更广泛的领域。

1. 5G带来新的数据安全风险

工业企业数据治理中的主要任务之一就是保障数据的安全性。5G网络在工业领域的广泛应用所带来的数据安全风险主要体现在以下两个方面。

（1）5G网络采用了更加强大、高速、灵活和开放的网络架构设计，但同时也将面临更多的安全威胁。5G核心网和MEC边缘网络将包含大量的诸如虚拟机和物理机、虚拟网络和物理设备、虚拟存储和物理存储等基础设施，这些基础设施一旦被入侵，将可能使重要的工业数据被窃取和篡改。传统的数据威胁治理战略、单边的信息安全工具都应重新规划及设置。

（2）5G网络使企业可以把更多的设备和传感器、控制器连接起来，完成更为复杂、高效的操作，使工业场景下的新应用层出不穷。各种连接设备数量的增加，使得数据的多源异构现象更为突出，这也意味着黑客拥有更多的攻击目标和发射台。

2. 基于5G技术的数据安全防护

虽然5G技术带来了一系列新的安全问题，但作为商业化电信网络，5G通过SIM/USIM等身份标示、认证授权、信道与承载加密、访问控制方式保障了网络接入的安全性，为用户提供了更健壮的业务安全保护、更严密的数据保护及更强的用户隐私保护。

5G网络继承了4G网络分层分域的安全架构，采用传送层、归属层/服务层和应用层的安全分层，各层之间相互隔离。采用接入域安全、网络域安全、用户域安全、应用域安全、服务域安全、安全可视化和配置安全6个安全分域，与4G网络安全架构相比，5G网络增加了服务域安全。这些都在技术层面提升了数据安全保障。

另外，为应对5G技术带来的新的数据安全风险，选择边缘计算与5G技术结合的布局是一个重要举措和趋势。边缘计算的基础架构布置在云端，5G技术实施网络“切片”，即将网络资源为特定应用进行“切片”，在同一个物理基础架构下，提供各种专门服务。网络“切片”旨在提供隔离中断的流量分段，用统一的安全防护措施减小网络受攻击的风险。

总之，5G技术带给数据安全保障的优势和风险并存，相应的数据治理战略也将随着网络通信技术的发展不断面临新的挑战，需要持续更新数据安全管理策略。

4.5　新技术与数据治理

目前正处于第四次工业革命时期，新技术的发展比以往任何时候都快。除基础科研方面的突破外，物联网、人工智能、云计算、增强现实、虚拟现实、深度学习、机器学习、机器视觉和图像识别等新兴技术亦取得了跳跃式的进步。新技术之间的相互组合及快速发展与应用，促使制造业生产效率提高、产品质量改善、产品成本和资源消耗降低，并将传统工业提升到智能工业的新阶段。新技术的应用发展，使得数据迎来爆发式的增长。要有效利用数据，让数据变得更有价值，就需要建立完善的数据治理体系。

1. 新技术与大数据

目前，我国在物联网+工业、人工智能+物联网、深度学习、机器学习、图像识别、增强现实和虚拟现实等新兴技术领域中已经取得突破性成就，并在市场上也得到了广泛的应用和推广。新兴技术成为当前最重要的投资发展领域之一。新技术的广泛应用，使得各种数据信息呈爆发式增长，比如传统单体智能无法协调大规模智能设备共同完成实时感知和决策等工作，但随着物联网协同感知新技术、5G高速通信新技术的发展，多智能体之间的协同合作已成为可能。大规模智能交通灯调度可以实现动态实时调整；无人仓储多机器人可以将完成货物分拣的高效协作；无人驾驶车可以感知全局路况；群体无人机可以协同，并且可以与地面多机器人协同。它们都会产生超大规模的数据交换与处理。又如深度学习需要采用规模非常庞大的网络，存储很多参数及完成大量计算，同时，在这些计算过程中，会生成大量的数据。如果没有有效的数据治理，这些大量的数据要么使得系统崩溃或者变慢，要么就安静地躺在数据服务器里变成一堆毫无用处的“废弃品”。随着新技术的不断发展，在未来的十年、二十年中，数据呈爆炸式地增长的趋势是不变的，特别是随着大数据、云计算及5G技术的发展，万物互联成为一个现实，在这个时代下大家产生的数据只会逐渐增多，这就更加迫切地需要数据治理。

2. 新技术下的数据治理

在大数据时代，数字经济极大地改变了人类的生产及生活方式，给人类带来了诸多的便利。人类的生活与数字经济的发展已密不可分，而数据治理则是数字经济发展绕不开的话题。

随着工业大数据的发展，为满足数据治理的需求，采用与机器学习相关的数据分析模型和算法可实现对工业数据的精准类别的识别、划分；采用线性回归、逻辑回归、支持向量机、决策树等算法可实现工业设备、产品等数据预测模型的建立，对设备和产品的运行趋势或故障状况进行科学预测分析，支撑设备和产品的预测性维护，以提高工业企业设备、产品等运营管理水平；采用图像识别处理、计算机视觉等算法，可实现对工业生产制造中产生的非结构化的图形图像大数据进行结构化知识发现和分类分析，为工业数字孪生、数字仿真等数据应用提供重要的技术支撑。

在大数据时代，数据治理能够更好地辅助新技术的推广与应用，促进技术的不断创新发展，而新兴技术的广泛应用又能带动数据治理体系的建立和完善。

4.6　数据文化与伦理道德

1. 数据文化与伦理问题

在大数据时代数据文化和技术同等重要。其中，数字鸿沟是其主要特征。大数据技术的迅速发展对社会变革的驱动力越来越大，而各国的数据伦理制度和规范相对滞后。因此，要实现数字鸿沟的有效伦理治理，就必须要不断完善相关的伦理制度和规范，并努力弘扬公平参与及协作精神、共享精神、契约精神和人文精神。

DAMA在《数据管理知识体系》中表示，数据道德文化是一项社会责任，不仅要保护数据，还要管理数据质量。由于数据会影响决策，数据的完整和准确尤为重要，所以应当避免数据被滥用、误解的风险，这项工作贯穿数据全生命周期。

数据伦理问题包括以下5个方面。

（1）当数据被共享时需要妥善保护和处理的隐私和保密问题。

（2）使用数据方与供给（被采集）数据方可能在时间和地点上都离得比较远，使用数据方是否会顾及供给数据方的意愿，即是“道德距离”（moral distance）问题。

（3）当数据的使用场景还不明晰时，数据的采集能否获得供给方认同的问题。

（4）当数据泄露后，发生的与社会公正有关的诸如污名和歧视的问题。

（5）数据在未来使用时，对公众信任的影响及对未知事件、流程、规则的影响问题。

因此，大数据的整体框架不仅包括物质层、行为层、制度层，也包括精神层，其使大数据具有思维属性。大数据的互通共享与资产化，带来了诸多使社会、商业及亿万人受益的创新，但同时也带来风险和新的文化与伦理道德问题，我们必须能鉴定风险，平衡创新带来的利益与风险。

2. 数据的伦理道德治理

数据的伦理道德治理应提供所有利益相关者关于数据价值实现的意见，应由数据应用者在开展数据需求、数据质量、数据安全和数据价值实现时进行有关伦理道德的影响和风险评估。企业负责人应清醒地认识到：

（1）越坚持规范数据道德的企业，越具有商业竞争力优势。

（2）在数据道德规范下处理和使用数据，可以提升企业的可信度，建立更好的客户关系。

（3）企业要通过设置必要的岗位制度和职责权限来控制数据道德风险，防止未经授权或不当的数据访问及操作。

总之，企业对于数据处理的监督，要上升到伦理道德规范和法律范畴，要制定基于伦理道德及规范的政策、标准、工作流程，且严格监督执行。

4.7　工业企业数据的运营

1. 数据运营的定义

数据运营也被称为数据化运营。它是一种将数据作为新型经济资产类别来经营和管理的能力和行为，以数据存储和分析挖掘应用作为核心支撑，广泛采集和融合组织内外部各类数据，通过数据逻辑关联和分析应用，挖掘其中蕴藏的业务价值，并将其内涵信息和潜在价值作为服务或商品，提供给组织内外部的数据消费者。

2. 数据运营的定位

数据运营包括两个重要方面，一是数据运营的核心活动职能，二是确保这些活动职能能够落地实施的保障措施（包括组织架构、制度体系）。数据运营的定位如图4-7-1所示。

3. 数据运营的目标

数据运营可以为企业运营带来以下5个方面的价值。

（1）客户管理。

通过数据运营，可以融合客户通过社交网络、电子商务、终端媒介等产生的非结构化数据，构建客户360°视图。

（2）产品管理。

通过数据运营，可以获取客户的反馈信息，及时获取客户需求，再经过深入分析，可以合理设计企业产品与服务。

（3）营销管理。

借助数据运营，通过挖掘、追踪、分析客户数据，可以提升精准营销水平。

（4）风险管理。

数据运营能够帮助企业了解客户的自然属性和行为属性，结合客户情绪分析、行为分析、客户价值度分析、客户风险分析及客户的信用情况，可以及时识别风险，建立完善的风险防范体系。

（5）组织管理。

数据运营能增强企业内部机构的透明度，使得企业上下级之间的信息流通更加顺畅。同时数据运营可以优化企业内部的各种流程，提高企业的运营效率。

4. 数据运营的主要内容

数据运营管理框架包含5个职能活动和2个保障措施，如图4-7-2所示。职能活动是指落实数据运营管理的一系列具体行为，保障措施是为了支持活动职能实现的一些辅助的组织架构和制度体系。

本章精要

本章对主要发达国家的数据治理情况进行了介绍，对区块链、5G等新技术对数据治理的影响做了分析，并倡导企业要重视数据的相关伦理道德和隐私保护。