2018年3月16日，中国银监会宣布了《银行业金融机构数据治理指引（征求意见稿）》，就相关数据治理问题，向全社会果真征求意见，至此银行业金融机构周全数据治理的大幕拉开 。而在大洋彼岸，关于Cambridge Analytica滥用Facebook 5000万用户数据的丑闻正闹得沸沸扬扬，并一连发酵 。这一切都说明，数据治理已经成了一个极其主要、亟待解决的重大社会问题 。一个科学合理的数据治理规范，是数据清静与价值的制度包管，是数据工业康健生长，甚至是国家人工智能战略实验不可或缺的条件条件 。本文实验凭证自己的有限相识，提出一个数据治理的或许理论框架，希望能够为相关事情提供一些思绪参考 。
在我看来，所谓数据治理，就是对数据资产的治理，属于公司治理的领域，是对数据资产所有相关方利益的协调与规范 。详细内容包括但不局限于：（1）数据资源资产化；（2）数据确权与合规；以及（3）价值创立与人才作育 。
第一、数据资源资产化 。数据不即是数据资产，数据就是电子化纪录，仅此罢了 。数据并不天生具备资产属性 。资产需要能够给企业带来预期收益 。因此，只有知足一系列须要条件的数据资源，才可能成为数据资产 。
第二、数据确权与合规 。隐私�；の侍庠嚼丛绞苤厥� 。所谓隐私�；ぞ褪嵌砸绞莸谋；� 。最理想的情形是，能够在产权层面，确立相关小我私家作为隐私数据的正当的唯一拥有者 。这就需要一个执法基� 。憾允莶ǎòǖ痪窒抻谝绞荩┘蛑倍�，也就是数据确权 。若是暂时做不到数据确权，那么至少要做到，对数据现实控制者的行为严加管制，做到正当合规 。
第三、价值创立与人才作育 。对价值创立而言，数据治理不应该关注太过详细的营业问题，由于营业形态千变万化，具有极强的不确定性，不可能通过一成稳固的规章制度去治理 。相反，数据治理应该关注人才团队的建设与作育，这才是价值创立的沃土 。只要醒目数据头脑的人才沃土在，就一定会开出鲜艳的花朵，结出丰富的果实 。
一、配景先容
2018年3月16日，中国银监会宣布了《银行业金融机构数据治理指引（征求意见稿）》，就相关数据治理问题，向全社会果真征求意见 。至此银行业金融机构周全数据治理的大幕拉开 。该指引要求银行业金融机构将数据治理纳入公司治理领域，并凭证数据治理情形，评价公司治理水平，甚至与羁系评级挂钩 。该指引还勉励银行业金融机构开展制度性探索，并设立专业岗位，为人才团队的作育建设提供了制度包管 。
这是一个非�Ｆ鹁⒉⑶抑饕氖挛�，对数据工业（不但限于银行业金融机构）的康健生长具有重大意义 。它带来两个主要启示 。
第一、从工业政策层面，作为银行业金融机构的主管机构，中国银监会对数据治理的重视与推动，必将对数据工业爆发重大并且起劲的影响 。其影响也许不但仅局限于银行业金融机构，还包括其他数据相关的工业 。
第二、从理论层面，该指引的宣布，驱动学术界从理论上思索：数据治理的内在究竟是什么？它和公司治理之间的关系究竟怎样？数据治理的奇异之处何在？需要一个相对统一的理论框架，便于开展理论研究，并形成同工业实践的优异互动 。
为此，我实验凭证自己的有限相识，提出一个数据治理的或许理论框架，希望能够为相关事情提供一些思绪参考 。更主要的是，希望能够起到抛砖引玉的作用，吸引更多的政府、工业、学术专家，一起来关注这个重大问题 。一个科学合理的数据治理规范，是数据工业康健生长，甚至是国家人工智能战略实验不可或缺的制度包管 。
接下来，将从几个方面举行讨论 。第一、银监会的指引里明确指出，数据治理应该纳入公司治理的领域 。为此，需要首先对公司治理有基本的相识 。第二、数据作为一种新兴资产，它的治理事情，有哪些奇异、主要，且详细的内容？第三、数据资产价值的创立离不开专业的人才 。因此，人才团队的建设与作育也至关主要 。
二、公司治理与数据治理
中国银监会《银行业金融机构数据治理指引（征求意见稿）》第四条（数据治理总体要求）明确指出：“银行业金融机构应当将数据治理纳入公司治理领域” 。为此，需要先简朴相识一下：什么是公司治理（Corporate Governance）？
为了说明这个问题，虚构一个“老王卖耗子药”的搞笑案例 。假设老王开了一个小公司，叫做“老王科技”，专业售卖耗子药 。老王科技就一个员工，那就是老王自己 。老王既是唯一股东、董事长、CEO，又是市场总监、销售主干、前台接待，全都是老王一小我私家干 。那么，老王科技的业绩优劣，就看老王自己的谋划能力是否够强 。无论老王科技的业绩是好照旧坏，都只跟老王一小我私家相关，跟其他人无关 。因此，这是一个纯粹的谋划问题，跟公司治理无关 。为什么？由于：“老王科技”这个资产（即：公司）的所有者（老王，唯一股东兼董事长），以及现实谋划者（照旧老王自己，兼任CEO、市场总监、销售主干、前台接待等众多职务），是100%统一小我私家 。因此，现实谋划者（老王，CEO、市场总监、销售主干、兼前台接待），在他的能力规模内，一定会100%尽全力为股东（照旧老王，唯一股东兼董事长）起劲斗争，不需要任何制度推动 。若是谋划不善，老王自己负全责，没法怨天尤人 。这样的公司，只有谋划问题，没有治理问题 。
可是，老王科技生长的太好了，以至于必需开分店！一不小心，在北京城里开了100家分店，讨教：老王自己一小我私家还忙得过来吗？显然忙不过来了 。怎么办？老王必需为每个分店，请店长，请员工 。为了协调这100家分店的市场行为，还在总店约请了市场总监 。为了协调100家分店的货物配送问题，还在总店安排了物流主管 。这么多员工，他们的招聘、去职、五险一金，也是一个不小的事情，迫于无奈，老王还约请了一个HRD 。好家伙，这么七七八八算下来，总店的员工人数也不少了，太操心了 。搞得老王连搓麻将、玩德扑、打电游的时间都没了 。这可严重影响了老王的生涯质量 。于是，老王又重金约请了一个海归MBA来当CEO（Michael） 。
不知不觉中，老王科技的员工数目，已经从原来老王1人，酿成300人了 。这时间，新的问题就来了 。作为“老王科技”的唯一股东，老王心心念念希望老王科技的利益（也就是自己的股东利益）越来越好 。可是，员工的心思可纷歧样 。无论是高管CEO、中层种种总监、照旧最下面的店长伙计，每小我私家的利益跟老王都有交集（事实老王科技做得好，各人才有人为奖金），可是又不尽相同（事实老王科技业绩，跟员工小我私家利益，并不是完全确定性关系） 。于是，每个员工，自觉或者不自觉地，都有一点自己的小心眼儿 。这不是一个好征象，也不是一个坏征象，这是一个太正常不过的中性征象 。关于这个征象，若是使用适当，可以成为公司生长的重大动力 。可是，若是治理失控，就会极大地影响公司业绩，影响公司所有相关方的权益 。这时间，公司治理就变得极其主要了 。
由此可见，所谓公司治理，在一个相对狭义的层面，就是要解决公司实践中，资产所有者（股东老王）和现实谋划者（CEO Michael，中层大张，店长小赵，N多伙计）的疏散所爆发的矛盾 。若是没有优异的治理制度包管，公司资产（例如：老王科技的分店）的现实谋划者（店长+伙计），极有可能做出危险公司利益的行为（例如：使用老王科技的分店，私下兜售老李科技的产品） 。这就是公司治理中经典的委托署理问题，也是现代金融学研究的焦点内容之一 。
若是老王科技有融资上市妄想，公司治理问题会变得越发严重 。以前老王科技就老王一个股东，他对公司中所有事物有绝对的生杀大权 。可是，现在为了企业高速生长，老王科技履历了A到Z无限轮融资，最后终于在外洋上市 。比及上市的那一天，老王在公司股权中的占比，已经不到10%，而其他的股权散落在各个投资机构，甚至散户手中 。只管通过双层的股权结构设置，老王仍然拥有在董事会的绝对控制权 。可是，此时老王的影响力，一定不如以前了 。以CEO Michael为首的治理团队（公司资产的现实谋划者），具备了很强的挑战老王的能力，散户就更别提了 。治理团队具备了更大的用公司资产为自己谋私利的可能 。此时，若是没有科学合理的制度设计，老王科技的前途堪忧 。
现在为止，老王科技的治理问题只牵涉到两方利益，即：股东方（资产所有者）利益与治理方（现实谋划者）利益 。若是有第三方介入，老王科技的治理问题会变得越发重大 。例如，老王科技的快速生长，带来一个严重效果：情形污染 。为了生产剧毒耗子药，老王科技的生产制造历程，不可阻止的涉及到大宗有毒有害的化学质料以及放弃物，对情形爆发了很大的危险 。外地政府、住民，以及环保主义者都对此体现强烈的不满 。为相识决该问题，老王科技同外地政府、住民，以及环保主义者，建设了优异的相同机制，起劲接纳最新的低排放生产工艺，找到了各方都知足的解决要领 。此时，老王科技协调规范的不但仅是股东、治理层之间的利益，还包括外部第三方（外地政府、住民、环保主义者） 。从一个越发广义的领域看，这也可以被看作是公司治理的内容 。
因此，从一个越发广义的角度看，公司治理就是要对公司（作为一个资产）的所有相关者（不但仅局限于股东和治理层，还包括第三方）利益的协调与规范 。
回到数据治理问题的讨论，讨教：数据治理，治理什么？治理的工具是什么？是数据吗？答：不是 。数据作为一种电子化纪录，无处不在，大大都情形下都无关企业重大利益，并没有治理的须要 。因此，数据治理的工具必需是主要的数据资源，是关乎企业重大商业利益的数据资源 。这样的数据资源可以称其为“数据资产” 。关于数据资产越发详细的讨论将在下一节举行 。这里不难获得一个结论：所谓数据治理，不是对数据的治理，是对能够为企业带来商业利益的数据资产的治理 。数据资产显然是公司资产的一部分 。因此，无论是从狭义的角度照旧广义的角度看，数据治理应该属于公司治理的领域 。所有关于公司治理的典范问题，都可能在数据资产上泛起 。公司资产会泛起所有者与现实谋划者疏散的问题，数据资产更会泛起 。数据资产的所有者，跟现实使用谋划者，险些历来就不是统一小我私家，或者至少极具争议 。公司资产的现实谋划者（例如CEO），有可能用公司资产谋取私利；数据资产的现实控制者（例如数据库治理员），更有便捷的条件，通过倒卖数据，谋取私利 。公司的利益有可能同外部第三方（例如环保主义者）爆发冲突；这个问题对数据资产而言越发突出 。以电商平台为例，除了股东、治理层以外，相关数据资产有一个天生的第三方——消耗者 。股东治理层对数据的利益诉求，极容易同消耗者这个第三方冲突 。作为冲突的焦点，数据确权与隐私�；な椎逼涑� 。
总结一下，所谓“数据治理”，不是对“数据”的治理，而是对“数据资产”的治理，是对数据资产所有相关方利益的协调与规范 。
三、数据资源资产化
数据治理是关于数据资产的治理，那么数据资产又是什么？行业中有一个普遍撒播的误解，许多朋侪不假思索地以为：“数据就是资产！” 错！数据不即是数据资产 。所谓数据就是电子化纪录，电子化纪录就是数据 。但并不是任何数据都可以被称为资产，由于数据资产的要求更高，只有数据具备了资产属性后，才可以被称为数据资产 。那么，基础会计学中，对资产的界说是什么？其对数据资产的界说能有什么启发？
新《企业会计准则-基本准则》第20条划定：“资产是指企业已往的生意或者事项形成的、由企业拥有或者控制的、预期会给企业带来经济利益的资源 。”若是照猫画虎修改一下，不难获得一个关于数据资产的界说：“数据资产是指企业已往的生意或者事项形成的，由企业拥有或者控制的，预期会给企业带来经济利益的数据资源 。”由此可见，数据要成为数据资产，至少要知足3个焦点须要条件：（1）数据资产应该是企业已往的生意或者事项形成的；（2）企业拥有或者控制；（3）预期会给企业带来经济利益 。
其中（1）似乎不是问题 。企业数据资源的获得无外乎两种途径 。第一种途径，是自己已往正常谋划的一个自然积累与产出，或者由于营业实验的须要而被现实控制 。例如，对电商网站而言，网络浏览日志数据、消耗购置数据自然而然就爆发了；为了给消耗者快递商品，消耗者的姓名、银行卡、手机号、地点等数据也被纪录了下来，被电商网站现实控制 。第二种途径，就是资源交流 。可能是A企业通过钱币（或者等价物）购置了B企业的数据，也可能是A企业的数据同B企业的数据做了等价置换 。假设相关操作正当合规，那么这种途径获得的数据资源也切合数据资产界说的条件（1） 。
可是，（2）似乎是一个很大的问题 。凭证焦点条件（2），数据要成为资产，要么被企业正当合规地拥有，要么被企业正当合规地控制 。关于通俗资产而言，这似乎不是一个很大的问题，由于通俗资产的产权很是明晰 。可是对数据资产而言，产权很是禁止易界定 �Ｕ站梢缘缟掏疚�，网站积攒大宗的关于消耗者的消耗纪录数据 。这些数据的现实控制者是电商网站，可是其正当的产权方是谁？这不是一个容易回覆的问题 。关于该数据的生产，电商网站提供了软硬件装备，似乎孝顺重大 。可是，这些数据的内容，却由消耗者生产，并且关乎消耗者隐私，消耗者也有无可争议的权益 。这其中的矛盾冲突，怎样通过科学合理的制度予以规范协调，这是一个极具挑战，需要大智慧的问题 。关于数据确权与合规这个主要问题，后面一节还会进一步讨论 。
最后，（3）似乎也不是一个容易解决的问题 。数据要成为资产，就需要能够给企业带来可预期的经济收益，不然就不是资产 。因此，那些被大宗存储，爆发可观存储本钱，可是却不可给企业带来可预期经济收益的数据资源，也不可被称为数据资产 。只有那些能够给企业带来可预期经济收益的数据资源，才华够被称为数据资产 。什么样的数据资源才华够爆发可预期的经济收益？这需要一些须要条件 。
第一、纪录电子化 。电子化的纪录才是数据，不然连数据都不算，怎么能爆发可预期的经济收益，又怎么能从数据资源酿成数据资产？请不要忽视纪录电子化这个卑微的事情，其意义极其重大 。由于相关行业中，大宗的历史纪录都没有被电子化，而这些纪录中蕴藏着海量的名贵信息 。最典范的例子莫过于：病历！虽然现在的医院大宗接纳电子化病历，可是已往几十年里可都接纳的是纸质病历 。这些病历上写满了只有医生护士才看得懂的天书 。这样的纸质病历，一个大型三甲医院，就有上亿份之多！内里蕴藏了无比珍贵的临床数据 。不把这些纪录电子化，就成不了数据，支持不了科学研究，支持不了规�；τ�，爆发不了可预期的经济价值，因此不是数据资产 。
第二、数据聚合 。统一的数据聚合平台，是数据资产化的优质条件 。若是没有统一的数据聚合平台，每次差别的营业需求，都会爆发纷歧样的数据提取、整合、整理需求 。这些需求经常需要和差别的营业部分相同，在差别的数据库上直接操作 。这需要高昂的相同本钱，以及欠亨俗的数据库操作手艺，而这些手艺往往是数据需求方（例如：营业方）不具备的 。最后只能托付手艺团队去完成，而手艺团队的时间本钱也很是高昂 。过高的数据提取整理本钱，会抵消数据资源原本应该爆发的经济收益，成为数据资源资产化的重大障碍 。而要消除该障碍，一个统一规范的数据聚合平台不可或缺 。
第三、质量包管 。数据剖析中有一句名言，叫做：“垃圾进去，垃圾出来 （Garbage in, garbage out）” 。它讲的原理是，若是数据自己质量很差，犹如垃圾一样，还用做模子输入，那么无论模子有多高峻上，最后出来的效果仍然是垃圾，没有任何价值 �？杉葜柿康闹饕� 。数据质量主要体现在以下几个方面：（1）真实性 。虚伪数据是没有任何意义的；真实的数据，经常疏散在各个职能部分中 。若是没有合理且强力的制度包管，正常情形下，没有任何人愿意自动孝顺自己的真实数据，他的利益何在？因此，合理并且强力的制度设计很是主要 。（2）完整性 。该网络整齐的数据要只管网络整齐 。一套数据对被纪录工具的所有相关指标的完整水平越高，相关模子的展望精度就会越好，数据资源就越有价值 。相反，过多的缺失数据会极大地危险相关模子的展望精度，进而限制数据的应用能力 。（3）精准性 。有三层寄义：第一层寄义是数据的逻辑要合理 。例如：关于大气数据而言，由于PM2.5是PM10的一部分，因此，相关数据必需知足PM10的数值要大于PM2.5，不然就不对逻辑，是过失数据 。第二层寄义是数据的详尽水平 。同样的数据，差别的收罗方法，差别的存储方法，带来的数据详尽水平是纷歧样的 。以车联网数据为例，数据收罗应该详尽到每秒？照旧每15秒？在不思量本钱的情形下，显然越详尽越好 。第三层寄义是数据的准确水平 。以定位数据为例，应该准确到10米以内？照旧1米以内？在不思量本钱的情形下，显然数据精度越高，关于营业的支持能力越强 。
四、数据确权与合规
随着社会的生长，隐私�；の侍庠嚼丛绞苤厥� 。所谓隐私�；ぞ褪且；す睾醺鎏逡降氖� 。小我私家隐私数据之以是应该受到�；�，就是由于这些数据的滥用有可能对小我私家造成重大的工业甚至人身危险 。所谓隐私�；�，着实就是对隐私数据的�；� 。一个最理想的情形是，能够在产权层面，确立相关小我私家作为隐私数据的正当的唯一拥有者 。这就需要一个执法基� 。憾允莶ǎòǖ痪窒抻谝绞荩┘蛑倍�，也就是数据确权 。若是暂时做不到数据确权，那么至少要做到，对隐私数据现实控制者的行为要严加管制，做到正当合规 。要阻止，由于数据资产的过失使用，给任何相关方造成不须要的损失 。因此，相关的数据治理规则很是主要，主要关注几个方面 。
第一、数据确权 。数据一旦成为资产，就一定有产权方，或者现实控制人，可以把他们统称为主人 。讨教：数据资产的主人究竟是谁？犹如实物资产一样，若是一不小心，错用了别人的资产，可能会爆发严重的执法效果 。关于实物资产，确权似乎不是一个问题 。由于，无论是桌椅板凳，照旧电脑打印机，它们在产权层面是很是明晰的 。制造商自力制造了这些产品，整个制造历程跟消耗者无关，制造商独享产权 。制造完成后，消耗者通过付费，获得了这些实物资产的产权 。可是，数据的生产历程太纷歧样了 。以电商为例，大宗的消耗者数据被电商平台所掌控（例如：消耗者的小我私家信息、购物信息等），电商平台事实上在经常使用这些数据为自己的营业效劳（例如：支持电商平台自己的个性化推荐） 。甚至，不认真任的电商可能通过种种灰色生意将数据售卖给了莫名其妙的第三方 。可是，这些数据资产的生产历程，可不是电商平台自己能够完成的 。电商平台提供了“平台”，在这个平台上，消耗者通过注册、浏览、订阅、购置、谈论等一系列行为生产了相关的数据 。因此，整个数据资产的生产历程，既有电商平台的孝顺（在线场景、软硬件情形），也有消耗者的孝顺（注册、浏览、订阅、购置、谈论） 。这样的数据资产，其产权归属怎样确定，其控制权应该怎样治理？主人究竟是谁？这是一个极具挑战性，而又很是主要的问题 。
第二、数据收罗 。大宗的数据收罗来自营业实践，但响应的数据收罗历程是否正当合规？有几个基本的原则可供参考 。第一个原则是“正当正当原则” 。显然，不法收罗的数据，通过不正当途径获得的数据，是不可接纳的 。第二个原则是“知情赞成原则” 。数据作为一种电子化纪录，大宗纪录了关乎小我私家隐私（例如：姓名、手机号、身份证）或者商业神秘（股权结构）的信息，因此很是敏感 。收罗云云敏感的信息，被收罗方充分的知情、赞成，并且授权，是必不可少的先决条件 。第三个原则是“须要性原则” 。由于数据可能涉及小我私家隐私或者商业神秘等敏感信息，因此，数据收罗应该遵照越少越好的原则 。例如，一个电商平台的APP，收罗用户的姓名、银行卡、手机号、地点等信息，很是须要 。不然，无法完成在线支付、线下快递等须要营业 。可是，若是该APP同时收罗你的社交圈信息，还要看你的电话簿纪录，这似乎就违反了数据收罗的须要性原则 。
第三、使用场景 。纵然企业对数据拥有100%的产权，或者正当合规的现实控制权，也不可对数据不分场景地恣意使用 。这个原理着实好懂 。假设你拥有100个鸡蛋，你对这100个鸡蛋拥有100%的产权 。这是否代表你可以对鸡蛋做恣意处置惩罚？不可以！任那里置方法，都必需知足一个基本条件：差池他人造成不须要的危险 。例如，你可以把这100个鸡蛋酿成：煮鸡蛋、煎鸡蛋、蒸鸡蛋 。可是，你不可拿鸡蛋去大马路上扔汽车的挡风玻璃 。这可就太危险了，容易引起交通事故，给他人造成危险 。由于数据纪录了大宗关乎机构或者小我私家的敏感信息，因此数据资产的使用场景，要慎之又慎！坊间听说，腾讯内部对QQ和微信的谈天纪录（数据）给予最高的保密级别，称为“高压线”，禁绝任何人碰这部分数据 。缘故原由何在？这部分数据涉及到太多的用户隐私 。这是一个认真任企业自我约束的好例子 。因此，数据治理的一个主要事情就是界说数据的使用场景 。什么样的数据，可以应用于什么场景？支持什么产品？谁来使用？使用的条件条件？都需要认真思索，需要须要的规章制度 。
第四、使用手段 。接下来应该关注的是数据的使用手段 。纵然企业关于数据拥有了100%的产权，也确定了一个正当合规的使用场景，也要对数据的使用手段很是审慎 。由于数据纪录了敏感信息，因此对数据的每次加工使用，都有泄密的危害 。为此，要对数据的使用手段做出须要的合规要求 。这里继续沿用上面的例子 。你对这100个鸡蛋拥有100%的产权，并且有一个合规的使用场景：餐厅 。餐厅售卖种种加工后的鸡蛋，例如：煮鸡蛋、煎鸡蛋、蒸鸡蛋 。效果某吃货发明，你给他提供的单面煎鸡蛋内里居然有三个蛋黄，这是一个少少见的“三黄蛋”！没想到，该吃货是鸡蛋大数据的能手，经由他的大数据剖析，最后判断，世上能够产三黄蛋的老母鸡只能是隔邻家老李鸡场的78号老母鸡 。该吃货把这个新闻在微博微信上放纵张扬，效果是老李鸡场78号老母鸡的隐私没了 。其他老母鸡都知道78号下三黄蛋，以为很是奇葩，超等藐视，议论纷纷 。78号老母鸡因此患上了严重的抑郁症，失去了产蛋能力，最后被主人老李炖成了一锅鲜美的鸡汤，下场好惨！这个例子说明，粗心大意的数据使用手段，容易爆发隐私泄露的危害 。因此，须要的隐私�；ぃɑ蛘呒用埽┦忠�，应该被起劲接纳 。例如，当初厨房的鸡蛋治理制度划定：不许加工单面煎鸡蛋（能看出三个蛋黄来），而是要求蛋黄蛋清必需打碎搅和匀称后才华做进一步加工（例如：蒸鸡蛋、炒鸡蛋）蛋，这并不会对鸡蛋的鲜味爆发太大的影响，可是却能够极小化三黄蛋（一个敏感信息）被识别的可能性，因此78号老母鸡的隐私也被�；ち� 。
第五、数据清静 。由于大宗数据关乎小我私家隐私、商业神秘，因此数据清静是一个很是主要的问题 。现实生涯中的数据泄露触目皆是 。我自己的履历是，只要孩子加入了一个课外培训班（例如：英语），其他偕行培训机构就会跟上来 。曾几何时，有租房履历的朋侪也知道，只要在任何一个房地产中介留下过租房信息，很快就有更多的中介找上门来 。伟易博小我私家手机号码，云云主要的小我私家数据，是怎样泄露的？数据清静是整个数据工业正在面临的重大问题！数据清静的包管需要须要的软件和硬件 。可是，最需要的是一个合理的数据治理制度 。该制度应该对数据从爆发、使用、到消亡的整个链条举行严酷治理 。详细内容包括但不局限于：存储清静治理、用户匿名化、会见权限治理等 。
五、价值创立与人才作育
数据资产作为一种资产的须要条件是爆发可预期的经济收益，或者商业价值 。可是，怎样才华让数据资产创立出最大的商业价值，响应的制度包管又是什么？
伶仃而纯粹的数据没有价值，哪怕是聚合在统一的数据平台上的数据资产也没有价值 。数据价值的彰显必需依赖于详细的、带有不确定性的营业场景 。为此，企业需要：（1）寻找带有不确定性的营业场景，由于只有“不确定性”这个浊世，才有成绩“价值”这个英雄的时机；（2）将该营业问题转化成为一个，关于Y（因变量）和X（自变量）的数据可剖析问题 。以后，笼统的营业问题，酿成了详细的数据剖析手艺问题 。这是数据资产价值创立的基本套路 。为此，企业的谋划治理团队，从上到下，都需要有数据头脑的能力，尤其需要有回归剖析的头脑 。若是营业团队缺乏数据头脑能力，就无法把错综重大的营业问题，转换成为手艺团队善于的数据可剖析问题；若是手艺团队缺乏数据头脑能力，就无法准确明确营业需求，无法设计准确的数据产品；若是企业中层缺乏数据头脑能力，质朴的数据价值观就无法在企业内部树立，回归剖析标准的Y X语言就难以普及；若是企业高层缺乏数据头脑能力，就无法从战略的高度，明确数据资产的商业价值，将失去开拓优质数据营业战略新偏向的能力，并造成企业价值在资源市场的低估 。
由此可见，数据资产价值创立，不是一小我私家两小我私家的事情，是企业全员团队的事情 。需要企业各个岗位的员工、治理者都深谙数据商业价值之道，并在各自的营业实践中，自觉（甚至不自觉地）寻找可以彰显数据价值的营业时机 。为此，企业需要全员的，以回归剖析头脑为焦点的数据头脑能力 。由此可见，价值创立的历程，实质上是一个数据头脑作育的历程，是一个全员人才作育的历程 。为此，一方面需要对现有职员的数据头脑能力做周全的作育提升，另一方面可以思量在各个焦点主干的营业部分设立专门的岗位 。该岗位职员的主要职责不是营业，不是数据，更不是手艺，而是应该肩负链接营业与数据的桥梁作用 。为此，相关职员需要对营业、数据、手艺都有足够的相识 。对专业深度要求低一些，可是专业广度要求更高，而这样的人才就是商业剖析人才 。
由此可见，对数据资产的价值创立而言，数据治理应该关注的不是太过详细的营业问题 。真实的商业情形千变万化，带有极强的不确定性，不可能通过一成稳固的规章制度去治理 。以银行业金融机构为例，站在任何一个时间点，都无法绝瞄准确展望，未来的商业形态会怎样？营业内容会怎样？响应的数据剖析会怎样？因此，作为一个纲要性的制度设计，数据治理不应该太过关注详细营业问题 。相反，应该关注人才团队的建设与作育，这才是价值创立的沃土 。由于商业情形的变迁，营业形态的转变，数据价值的多样性，人们关于这片沃土上会结出什么花朵，什么果实，并不确定 。可是，只要醒目数据头脑的人才沃土在，就一定会开出鲜艳的花朵，结出丰富的果实 。因此，作育人才，作育具备数据头脑能力的人才，作育企业从上到下醒目回归剖析头脑的人才，并为此提供科学的制度包管，这才是数据资产治理在价值创立这方面应该关注的重点 。
六、讨论与总结
就在本文形成的历程中，大洋彼岸传来一个令人震惊的新闻 。据媒体报道，一家叫做剑桥剖析（Cambridge Analytica）的数据公司，违规使用了5000万Facebook用户数据 。通过对这些数据剖析，展望每小我私家的政治倾向，然后动专心理学手段，形成干预的内容，最后通过Facebook的广告信息，将干预内容推送到用户眼前，也许能抵达不知不觉中改变一小我私家政治倾向的目的 。作为一个通俗的读者，我们无法判断这样做的现实效果 。可是，可以确认的一点是，Facebook的数据治理有重大缺陷 。Facebook用户数据由Facebook现实控制着，并将该数据应用于其广告系统，为Facebook带来可观收益 。关于这样的数据资源确权若是太难题，那么至少要做到正当合规 。为此，Facebook应该对数据的使用场景（例如：政治宣传或干预），以及使用手段（例如：通过广告系统推送个性化信息），建设越发严酷的规章制度，增强数据治理 。最后，想用Facebook首创人马克扎克伯格就Cambridge Analytica数据违规使用问题的部分声明作为最后，同体贴数据工业康健生长的偕行们共勉：
I started Facebook, and at the end of the day I'm responsible for what happens on our platform. I'm serious about doing what it takes to protect our community. While this specific issue involving Cambridge Analytica should no longer happen with new apps today, that doesn't change what happened in the past. We will learn from this experience to secure our platform further and make our community safer for everyone going forward.
王汉生，伟易博商务统计与经济计量系教授、系主任 。国际统计协会会员（International Statistical Institute），美国统计学会(American Statistical Association)，美国数理统计研究员(Institute of Mathematical Statistics)，英国皇家统计协会(Royal Statistical Society)，以及泛华统计学会(International Chinese Statistical Association)会员 。
他揭晓英文学术论文五十余篇，中文论文近二十篇 。合著英文专著1本，自力完成中文课本2本 。先后担当多个学术刊物副主编(Associate Editor) 。这些刊物包括：The Annals of Statistics (2008—2009)，Computational Statistics & Data Analysis (2008—2011),Statistics and its Interface (2010至今)，Journal of the American Statistical Association (2011至今), 以及Statistica Sinica (2011至今) 。现主要理论研究兴趣为：高维数据剖析、变量选择、数据降维、极值理论、以及半参数模子 。主要应用研究兴趣为：搜索引擎营销、社会关系网络 。
