亚洲午夜精品一级在线播放放,久久久久久国产精品视频,欧洲精品免费一区二区三区

向永清

大數據與數字化轉型專家《中小企業數字化轉型實戰》《大數據、企業數據中臺建設實戰》《大數據變現策略及數據思維培養》《大數據發展趨勢及通信行業發展機會分析》《工業互聯網》《智能制造》《數字化營銷》《云平臺產品、解決方案及典型應用》《工廠數字化轉型思路及實戰》提供專業企業內訓，政府培訓。 13439064501 陳老師

2022年06月03日向永清，張小輝次

推薦學習： 投資是認知變現，提高認知能力就是財富增長的關鍵點。熊曉鴿、徐小平、李開復、朱嘯虎、閻焱、劉晝、鄧鋒、陳瑋等數十位國內最知名投資大咖親自授課，九大模塊，課時一年半，只限60人！沙丘投研院股權投資黃埔12期>>

作者：向永清，張小輝

馬云說：我們正從IT時代進入DT時代。隨著云計算、物聯網、大數據、人工智能、區塊鏈、5G等技術的飛速發展，數字化的浪潮正在席卷世界的每一個角落。數字化時代，數據成為企業最核心的資產之一。對于任何企業和組織而言，如何建立適應快速高速發展業務的靈活數字資產體系，都將成為管理層要考慮的一個核心問題。在未來，高效率的數字資產體系，就會像工業時代的石油一樣，成為企業發展的源動力。

自一月份以來爆發的新冠病毒，給我國人民和世界人民帶來極大的困擾和不可估量的損失，中國內地的服務經濟基本停擺，學生只能通過在線視頻來與老師進行互動。在黨中央的強力領導下，我們采取有科學的、有針對性的的防疫措施，疫情正在逐步得到控制。

回顧疫情發展的各個關鍵時間節點，以及我們在應對疫情采取的一些處置措施，不難發現，我們的社會治理體系和應急響應體系還存在很多薄弱環節。比如武漢紅十字會對救災物資的管理和發放，還在采用非常原始的管理手段，導致大量救災物資發放不合理，滯留在庫房無法被一線醫務人員及時使用。慈善系統作為應急響應體系非常重要的一環，亟需應用數字化技術進行升級，提升響應效率，降低管理成本。

此外，在疫情防控過程中，由于沒有數字化技術支撐，要快速實現精準施策有比較大的難度。未解決疫情和復工的矛盾，黨中央提出了針對疫情精準施策的建議，我們互聯網企業、科技公司快速響應，開發了疫情實時大數據、疫情交通大數據、疫情分布大數據、疫情高發區域實時提醒等數字化產品，有效解決了疫情控制和復工復產之間的矛盾。

疫情發生以來，我們很多組織和個人，都在思考一個問題，那就是如何建立起適應數字化時代的應急安全響應體系，從而提升我們整個社會治理體系的數字化、科技化水平。在數字化時代，數據成為最重要的生產要素之一，要提升應急安全管理體系的科技化和數字化水平，首先要建立起相適應的數據治理體系。

一、建立應急安全數據治理體系的必要性分析

隨著數字科技的發展，數字空間和物理空間的界限正在變得越來越模糊，物聯網、云計算、邊緣計算以及人工智能技術的應用，數字空間和物理空間融合發展的趨勢越來越明顯。數字空間和物理空間的融合發展，也正在改變應急安全響應體系的建設。

在應急安全領域，各類型傳感器、攝像頭正在搭建起數字空間和物理空間的橋梁，應急安全數據正在源源不斷的產生，如何有效挖掘這些數據的價值，讓其在應急安全預警、應急安全響應、應急安全管理以及應急安全處置等領域發揮更大的作用，就必須建立起高效的應急安全數據治理體系。

數據治理體系本質上就是對來之不同源頭的數據進行有效的組織與管理，打通不同業務之間的數據孤島，讓數據可以讓血液一樣在應急安全管理的各個環節高效、有序的流動。只有讓數據流動起來，不同應急安全業務之間的相互配合才會更加密切，應急安全響應體系才能有更高的效率。

二、一個高效的應急安全領域的數據治理體系

架構應該是怎樣的？

一個高效率的數字化應急安全管理體系應該是由三個基本部分組成：

1. 應急安全數據采集層。

數據采集層匯集來自不同業務系統、不同傳感器的數據，經過處理、降噪、數據清洗之后，將其存儲在應急安全大數據平臺上，應用大數據平臺將文本數據、視頻數據、音頻數據和圖像數據高效率組織起來，為應急安全管理體系提供源源不斷的數據支撐。

2. 應急安全數據中臺體系。

應急安全數據匯聚到應急管理大數據平臺后，如何高效率加工、使用這些數據，確保不同來源的數據能夠在各種應急安全業務之間高效、安全、有序流動，為各種應急安全管理業務提供支撐，要解決這個問題，需要建立起應急安全管理的數據中臺體系。

應急安全管理的數據中臺體系由業務中臺、技術中臺、數據中臺和算法中臺四個核心部件組成。

業務中臺將上層應急安全管理業務需要需要使用的一些公共服務，比如將用戶權限管理、應急消息管理、業務流程引擎等抽象成標準化、可復用的業務組件，可以極大降低新業務開發和響應時間，為應急安全事件處置贏得時機。

數據中臺將數據管理相關的功能，比如數據權限管理、數據隱私管理、數據安全管理、數據預警管理、日志管理等抽象成標準化、可復用的數據管理組件，確保數據應用的高效、安全、有序。

技術中臺為應急安全管理業務提供通用的底層分布式技術架構、計算引擎和應急安全管理中間件。

算法中臺將一些常用的應急安全管理算法和模型做成標準化的應用組件，為應急安全管理提供計算服務。

3. 應急安全數據應用服務層。

應用服務層直接為政府應急安全管理工作人員、社會公眾以及企業等社會組織提供應急安全管理服務，通過APP、小程序、大屏幕、WEB等多種媒介，為社會提供應急安全預警、應急安全教育、應急安全動員、應急安全處置等數字化的服務，確保以最快速度、最高效率處置出現的應急安全問題，將突發問題所造成的社會損失降到最低，保障國家和人民的財產安全。

三、應急安全領域的數據治理體系建設

要重點關注哪些問題？

1、數據質量問題。

當今時代，“數據資產化”的概念已經被大多數人理解和接受。不論是企業、政府還是其他組織機構，對于的數據資產的管理越來越重視。然而，數據并不等于資產，也就是說不是所有數據都是數據資產，數據中也有垃圾數據。我們需要治理的是能夠為企業創造價值的數據資產，而不是全部數據。因此，在進行應急安全領域的數據治理體系建設的時候，首先要考慮的問題就是數據的質量問題，應該在數據質量和數據總量之間取得一個動態平衡，一方面保障數據的高質量，一方面保障好數據的完整性。

2、應急安全數據交換和共享問題。

應急安全領域的數字化建設初期缺乏整體的信息化規劃，系統建設大多都是以業務部門驅動的單體架構系統或套裝軟件，數據分散在這些架構不統一、開發語言不一致、數據庫多樣化的系統中，甚至還有大量的數據存放在工作人員的個人電腦中，導致在企業內部形成了一個個的“信息孤島”。這些“孤島”之間缺乏有效的連接通道，數據不能互聯互通，不能按照用戶的指令進行有意義的交流，數據的價值不能充分發揮。只有聯通數據，消除這些“信息孤島”，才能實現數據驅動業務、數據驅動管理，才能真正釋放數據價值。3、缺乏有效的應急安全數據管理機制。

目前，經過這一次疫情大考，我們很多應急管理領域的工作者已經意識到數據對于我們建立高效率的應急響應體系的重要性，并嘗試通過應急安全的業務流來控制數據流，但由于缺乏有效的管理機制和某些人為的因素，在數據流轉過程中，存在數據維護錯誤、數據重復、數據不一致、數據不完整的情況，導致了產生了大量的垃圾數據，這些問題都會導致應急安全響應體系效率的下降，甚至可能因為垃圾數據、臟數據導致一些錯誤決策，延誤最佳的應急響應時機。

4、如何確保數據安全，以及數據的隱私保護。

2018年3月份的Facebook 5000萬用戶信息被泄露和濫用的事件，受該事件影響，Facebook股價當日大跌7%，市值縮水360多億美元，而盜用數據的劍橋分析這家公司也于同年5月停止運營，并申請破產。這種數據安全事件，在我國發生頻率更多，我還清楚的記得：

2011年，黑客在網上公開了CSDN的用戶數據庫，高達600多萬個明文的注冊郵箱賬號和密碼遭到曝光和外泄；2016年，順豐員工應盜取大量客戶信息被送上法庭；

2017年，京東員工盜取用戶個人信息50億條，并通過各種方式在網絡黑市販賣。近年來，隨著大數據的發展，諸如此類的數據安全事件多不勝數。

數據資產管理上，正在由傳統分散式的人工管理向計算機集中化管理方向發展，數據的安全問題愈來愈受到人們的關注。在應急管理領域，一方面要充分利用數據為應急安全響應體系建設提供全方位的數字化支撐，另一方面要有效、有序保護好數據的安全，尤其是個人隱私數據的保護，以及關系國家安全的數據的安全保護，要絕對杜絕關系國家安全和國際民生的敏感數據出境。

四、應急安全領域數據治理體系

主要包括哪些內容？

DMBOK是由數據管理協會（DAMA，數據管理協會的簡稱，是一個全球性數據管理和業務專業志愿人士組成的非營利協會，致力于數據管理的研究和實踐。）編撰的關于數據管理的專業書籍，一本DAMA 數據管理辭典，對于應急安全領域的數據治理體系建設有一定的指導性。DMBOK將數據管理分為以下10個職能域：

1.數據控制：在數據管理和使用層面上進行規劃、監督和控制。

2.數據架構管理：定義數據資產管理藍圖。

3.數據開發：數據的分析、設計、實施、測試、部署、維護等。

4.數據操作管理：提供從數據獲取到清除的技術支持。

5.數據安全管理：確保隱私、保密性和適當的訪問權限等。

6.數據質量管理：定義、監測和提高數據質量。

7.參考數據和主數據管理：管理數據的黃金版本和副本。

8.數據倉庫和商務智能管理：實現報告和分析。

9.文件和內容管理：管理數據庫以外的數據

10.元數據管理：元數據的整合、控制以及提供元數據。

微信圖片_20200310142239.jpg

DMBOK對企業級數據治理給出了框架性建議，但是任何指導性的框架文件都不是萬能的。不同的行業、不同性質的企業、不同的信息化程度、不同的企業文化，其數據治理方案必須因地制宜，量身定制。我們常說：沒有最好的解決方案只有更合適的解決方案。企業在實施數據治理的時候，應做好充分的分析和評估，切勿盲目跟風，避免出現數據治理收效甚微，還浪費了投資的窘境。

數據治理是長期、復雜的工程，涉及到組織體系、標準體系、流程體系、技術體系和評價體系五方面的工作領域，包含了數據標準、數據質量、主數據、元數據、數據安全等多個方面內容。由于企業性質、業務特點、管理模式的不同，有必要建立符合企業現狀和企業需求的數據治理框架，指導企業數據治理工作的開展。

五、如何建立應急安全領域高效率、

低成本的數據治理體系？

CMMI協會在2014年發布了數據管理能力成熟度模型Data Management Maturity（DMM），可以用來評估和提升企業的數據管理水平，幫助企業跨越業務與IT之間的鴻溝。DMM模型可以幫助企業在管理數據資產上達成共識。它包括了5個連續能力和25個提升的過程域，可以反映所有數據管理的內容，可以促進企業建立自己的數據管理成熟度路線圖。

應急管理領域可以以DMM為藍本，針對應急管理領域數據治理的需求和特點，建立應急安全管理領域專屬的數據治理能力成熟度模型，保證數據治理的有效性，切實解決應急安全管理中的各種問題。

微信圖片_20200310142314.jpg