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
1、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。
2、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。
3、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。
2. 政府大数据治理的成熟度模型构建
本研究同时借鉴国际领域适用最为广泛的智慧城市成熟度及基准模型的阶划分的TR259准则, 该准则认为智慧城市的智慧维度评估比较复杂, 体现在城市生活运用数据智能的不同领域, 且每个城市达到智慧的路径不同, 其成熟度涵盖领导力和治理, 利益相关方参与度和市民关注度, 数据有效利用, 集成的信息通信技术基础设施, 当前智能程度五个广义领域, 采用更多更细的层级——八级评测标准。智慧城市和数据治理从成熟度领域、实现路径、技术手段等方面均有相同之处, 鉴于此, 本研究将模型分成未启动、非正式、有文件、有计划、有部署、有影响、有重大影响7个阶段, 这种成熟度构建方法具有4个方面优势:能客观反映政府大数据治理的实际现状, 揭示经验做法, 发现亟须改进的地方, 分享发展进程中全球化的最佳实践经验和适宜做法, 成熟度等级的详细描述见表3。
表3 政府大数据成熟度等级划分
将表2引用文献中大数据成熟度子领域做统计并归类, 形成本文大数据治理的成熟度要素, 涵盖战略规划、制度保障、组织保障、技术架构、数据管理、治理能力六个层面。针对政府大数据类型和信息治理功能应用, 结合表2中文献内容分析, 以及《关于促进大数据发展行动纲要》文件内容和实践需求进行内容映射和拓展, 提取政府大数据治理成熟度的要素指标和执行指标, 构建出以下政府大数据治理成熟度评测指标体系 (简称GBD-GMIS) (表4) , 旨在帮助政府了解其大数据治理现状、构建大数据治理能力和发展路径及其持续改进对策、调整和优化政府大数据治理计划或行动计划, 推进国家治理体系和治理能力现代化水平提升。
通过对政府大数据治理成熟度评测指标体系进行分析提炼, 生成政府大数据治理成熟度评测模型 (图1) , 作为自我测评和改进的工具, 了解当前政务活动开展现状以及所处的发展阶段、存在问题, 根据当前成熟度评估状态和未来状态之间差距, 制定改进计划和策略, 并根据计划优先级制定治理路线图。同时, 通过该模型还可以进行不同地区之间政府大数据治理能力的基准比较, 有利于寻求区域、地方之间的差异, 学习赶超好的区域、地方, 加快推进政府大数据治理体系和治理能力现代化建设。
表4 政府大数据治理成熟度评测指标体系
图1 政府大数据治理成熟度评测模型
四、结 语
目前大数据治理成熟度研究多局限于企业, 本文转向政府, 在吸收企业大数据治理成熟度研究成果的基础上, 结合《促进国家大数据行动纲要》的政策要求和相关政府大数据治理实践需求, 提出可用作政府大数据治理发展以评促改的政府大数据治理成熟度模型, 未来研究将实验和检验该模型对不同地区政府大数据治理的适应性, 通过实证研究迭代式优化和持续改进政府大数据治理成熟度模型。
来源:《情报资料工作》 , 作者:张宇杰 安小米 张国庆
声明:本文来自网信科技前沿,版权归作者所有。文章内容仅代表作者独立观点,不代表士冗科技立场,转载目的在于传递更多信息。如有侵权,请联系 service@expshell.com。