周潤松

今天我報告的內(nèi)容主要分為兩部分，一部分是數(shù)據(jù)治理方面的工作情況，另外一部分是測評認定的工作情況。

第一部分是數(shù)據(jù)治理方面的工作情況。數(shù)據(jù)作為信息時代重要的生產(chǎn)要素，引起了大家的重視，我們也圍繞數(shù)據(jù)治理，整合了已有的業(yè)務單元，成立了數(shù)據(jù)治理中心。針對數(shù)據(jù)治理、數(shù)據(jù)政府網(wǎng)站的咨詢評估，我們開展了測評業(yè)務，同時構建了數(shù)據(jù)治理和流通的實驗室。

我們和中國電子信息行業(yè)聯(lián)合會聯(lián)合進行了數(shù)據(jù)管理能力成熟度評估工作，設立了數(shù)據(jù)管理成熟度的標準，這個標準從企業(yè)的組織、制度、技術、流程四個方面評估一個企業(yè)的數(shù)據(jù)管理能力。我們還建立了數(shù)據(jù)管理能力成熟度評估模型，將評估認證分成8個一級域：數(shù)據(jù)戰(zhàn)略、數(shù)據(jù)治理、數(shù)據(jù)架構、數(shù)據(jù)應用、數(shù)據(jù)安全、數(shù)據(jù)質(zhì)量、數(shù)據(jù)標準、數(shù)據(jù)生存周期。28個二級域：數(shù)據(jù)戰(zhàn)略規(guī)劃、數(shù)據(jù)戰(zhàn)略實施、數(shù)據(jù)戰(zhàn)略評估、數(shù)據(jù)治理組織、數(shù)據(jù)制度建設、數(shù)據(jù)治理溝通、數(shù)據(jù)模型、數(shù)據(jù)分布、數(shù)據(jù)集成與共享、元數(shù)據(jù)管理、數(shù)據(jù)分析、數(shù)據(jù)開放共享、數(shù)據(jù)服務進行評估、數(shù)據(jù)安全策略、數(shù)據(jù)安全管理、數(shù)據(jù)安全審計、數(shù)據(jù)質(zhì)量需求、數(shù)據(jù)質(zhì)量檢查、數(shù)據(jù)質(zhì)量分析、數(shù)據(jù)質(zhì)量提升、業(yè)務術語、參考數(shù)據(jù)和主數(shù)據(jù)、數(shù)據(jù)元、指標數(shù)據(jù)、數(shù)據(jù)需求、數(shù)據(jù)設計和開發(fā)、數(shù)據(jù)運維、數(shù)據(jù)退役進行評估。綜合評估分析后將企業(yè)分成了五級：初始級、受管理級、穩(wěn)健級、量化管理級、優(yōu)化級。

我們設立的標準囊括了數(shù)據(jù)治理的方方面面，包括企業(yè)的數(shù)據(jù)戰(zhàn)略和數(shù)據(jù)治理，主要強調(diào)組織架構的設計、制度的制定、數(shù)字化過程中實施的工作。在初始級企業(yè)中數(shù)據(jù)需求的管理主要是在項目級體現(xiàn)，沒有統(tǒng)一的管理流程，主要是被動式管理;在受管理級企業(yè)中，組織已意識到數(shù)據(jù)是資產(chǎn)，他們根據(jù)管理策略的要求制定了管理流程，指定了相關人員進行初步管理，在穩(wěn)健級企業(yè)中，數(shù)據(jù)已被當做實現(xiàn)組織績效目標的重要資產(chǎn)，在組織層面制定了系列的標準化管理流程，促進數(shù)據(jù)管理的規(guī)范化;在量化管理級企業(yè)中，數(shù)據(jù)被認為是獲取競爭優(yōu)勢的重要資源，他們能對數(shù)據(jù)管理的效率進行分析、監(jiān)控;在優(yōu)化級企業(yè)中，數(shù)據(jù)被認為是組織生存和發(fā)展的基礎，相關管理流程能實時優(yōu)化，能在行業(yè)內(nèi)進行最佳實踐分享。我們希望通過評估幫助企業(yè)更好地完善數(shù)據(jù)治理能力。

2020年，我們在梅宏院士的指導下完成了《數(shù)據(jù)治理之論》一書，并有幸參與了數(shù)據(jù)資源開發(fā)利用文件的撰寫，同時我們也在支撐工業(yè)數(shù)據(jù)的分類分級標準的設定。而在數(shù)據(jù)管理能力成熟度建立方面，目前我們在貴州、海南、福建等省都開始將項目落地，已經(jīng)有眾多企業(yè)完成了評估。我們還對一些平臺進行了測試，如國務院客戶端，該客戶端由騰訊開發(fā)，我們配合完成測試，在測試中我們模擬了63萬人同時在線的情況，實現(xiàn)4個小時內(nèi)支持1.7億次訪問，同時我們也通過測試鑒定了程序的穩(wěn)定性，并修改了一些問題。

第二部分是測評認定的工作情況。我想重點報告優(yōu)秀大數(shù)據(jù)產(chǎn)品和解決方案的評價工作，從聯(lián)盟成立之初，我們就一直在推行這項工作，不斷完善大數(shù)據(jù)產(chǎn)品和人工智能產(chǎn)品的評價體系。我們重點關注企業(yè)核心的數(shù)據(jù)功能要素，如在大數(shù)據(jù)方面具備穩(wěn)健的存儲處理能力，支持一定的主流分析算法或處理方式，具備分布式數(shù)據(jù)集成能力。在人工智能方面，我們不僅關注神經(jīng)網(wǎng)絡模型，還聚焦數(shù)據(jù)的場景化，如企業(yè)對圖像、視頻以及文本的處理能力。我們還關注企業(yè)的數(shù)據(jù)安全、自有知識產(chǎn)權，并將其作為測評認定的核心參考依據(jù)。

我們認為解決方案應該能夠覆蓋一定的業(yè)務需求，通過大數(shù)據(jù)或人工智能的手段去解決實際的業(yè)務場景需求，同時我們強調(diào)應用的規(guī)模，這個方案應該是一個已經(jīng)落地的、能夠得到很好實踐的方案，這是我們五年來一直堅持的評定標準。從2016年起，我們已經(jīng)累計完成了九期大數(shù)據(jù)相關測評認定和六期人工智能產(chǎn)品的認定，累計的案例數(shù)量已經(jīng)達到了206項，衷心感謝聯(lián)盟內(nèi)很多企業(yè)持續(xù)配合。

下面我想介紹幾個典型的案例，我們見證了美林數(shù)據(jù)TempoAI平臺的成長，從最開始簡單的數(shù)據(jù)的處理分析豐富到了可以在分析的基礎上可視化，集成了很多機器學習的方案和內(nèi)容;東方金信今年發(fā)布了人工智能的模型應用平臺，在數(shù)據(jù)分析的基礎上整合了很多人工智能算法，圍繞金融反欺詐方式建立了很多模型;科技谷現(xiàn)在圍繞數(shù)據(jù)也開始推出了聯(lián)邦學習的數(shù)據(jù)處理和分析平臺。這些企業(yè)經(jīng)常會參與我們的評審，我們也通過評審逐漸發(fā)現(xiàn)這些企業(yè)在實際應用中不斷磨煉自己的產(chǎn)品，并應用很多新技能進行加持。

我們一直在完善大數(shù)據(jù)&AI生態(tài)共享平臺—“數(shù)智團”，并持續(xù)把測評報告上傳到這一平臺?！皵?shù)智團”已經(jīng)迭代了三個版本，我們希望通過這個平臺分享已有的產(chǎn)品解決方案，也希望企業(yè)可以把在線體驗環(huán)境對接到“數(shù)智團”上。我們可以通過“數(shù)智團”把企業(yè)的產(chǎn)品更好地推薦給行業(yè)用戶。

（根據(jù)演講內(nèi)容整理，未經(jīng)本人審核）