科研院所科学数据治理路径探讨

张超

山东非金属材料研究所  山东   250031

摘 要：科研院所作为科学数据生产和管理的重要部门，有效实施科研院所科学数据治理是实现其科学数据高效利用的重要手段。本文以数据治理框架为基础，构建科研院所科学数据治理模型，并进行实例分析，为科研单位开展科学数据管理提供参考。

关键词：科研院所；科学数据；数据治理；数据服务

引言

科研院所是科学数据生产和利用的重要主体，是科学研究的重要执行基地，在研究过程中产生大量有价值的数据。对科研院所科学数据高效管理是提升科学数据开放共享水平、发挥科学数据价值的重要内容通过深入探索，我们发现，在当前的科技领域，管理和使用大量的数据已经成为一个重大挑战。因此，有必要建立一套完善的数据管理体系，以有效地解决当前的管理难题。

1.数据研究现状

由于资讯技术的发展，大量的数据挖掘不断涌现，因此，"数据仓库管理"的概念引起了人们的广泛兴趣，并且引起了许多学者的关注。他们将"数据仓库管理"定义为一种旨在激励人们正确处理大规模数据的决策权与负担的机构；"数据仓库管理"则被视为一种普遍的、能够满足各种数据挖掘及其管控的方式；"数据仓库管理"则被视为一种能够确保管控过程的机构，它能够确保管控过程的正确性，并且能够确保管控过程的顺畅性。通过建立一套完善的数据挖掘管控机制，我们能够更好地控制并实施各种措施，从而提高数据挖掘的使用价值。通过有效的数据治理，科研院所能够更好地控制和优化数据资源，确保各部门的利益最大化，这种方法不仅能够提高效率，而且能够更好地保护数据的隐私。2004年，IBM提出的四个方面11个基本要素的数字治理框架及其相关的实施方案，大大推进了数据治理的发展，并且被国际数据管理协会的《DAMA数据管理知识体系指南》所肯定，它不仅仅是一种关于如何有效地利用数字的技术，而且也被广泛应用于各种重大的会议中。

综合考虑，数据治理已成为一个全球性的课题，它不仅可以为信息管理系统提供更加完善的支持，还可以帮助企业更好地实现其目标。它不仅要求机构建立有效的数据处置机制，还要求制定合适的规章制度，并落实相应的职能。随着技术的发展，越来越多的学术团队、公司以及专家都在探索如何利用数字技术来改善信息的质量，他们建立起一套完善的数字化管控模式，明确各自的任务、目标以及权限，以期达到更好的信息安全性。然而，在实际应用中，这一概念在科研院所的数字化管控中仍然缺乏深入的探索。

2.科研院所数据治理实施路径

2.1治理目标

数据治理中要确立明确的数据管控目标，并为实现这些目标绘制清晰的蓝图。其中，重点应放在确保决策的一贯性、信息的完整性、降低调整的可能性、提高信息的安全性以及实现信息的有效利用上。通过建立一个完善的组织架构，以及实施一系列的流程，可以有效地支撑企业的发展，实现企业的战略与目标。科研院所数字化转型应该具备以下四个主要目标：提升数字化转型的成果，实现数字化转型的准确性，实现accountability的完善，实现performance的准确性，以及实施risk management。通过数据管控，科研院可以更好地整合其内外多源异构科学数据，以满足其特殊需求，为客户提供更加全面、灵活、可靠、可持续、可扩展性强的数据融合解决方案。

（1）为了提高数据使用的积极性，我们应该制定一套有效的数据管理机制，以确保机构内部的各个部门、研究小组和科研人员都能够积极地收集和分析科学数据，并设立相应的奖励措施，以促进数据的有效共享和利用，从而形成一种充满活力、乐于分享、追求价值的良好文化氛围。

（2）为了有效地控制数据的质量，应当制定严格的、可靠的、可追溯的、可验证的、可操作的的数据管理规范，以及相应的技术手段，以便更好地收集、分析、处理、传输、使用、分析、分析、分析报告，以及与其他相关的信息。为了确保数据的高质量和可靠性，应该制定一套完整的、覆盖整个流程的、包括收集、处理、整合、传输和分发的管理标准和方式。

（3）为了提高数据使用效率，科研院所需要不断推广应用信息技术，建立一个专为机构内部数据汇集和保存而设计的数据仓库和服务平台。通过运用先进的信息管理技术和数据分析技术，确保服务能够及时向机构内的用户提供，并且能够持续扩展用户体验。

2.2治理模型

在组织层面，数据分析控制的5个关键基本要素是：policies，即制定和执行有关组织层面的操作流程、决定和管控活动的方式；processes，即细节的过程和输出；business rules，即实现组织层面的数据管控的组织策略和决定；people，即拥有特定职能的人物，可以直接衡量和对组织层面的数据管控产生的贡献；technologies，即使用的技术，可以用于实现组织层面的数据管控；通过引入先进的技术，如数据质量管理、中间件、工作流以及专业的数据分析管理软件，可以有效地改善数据处理过程，从而实现更高效、更准确、更可靠的数据处理。除了IBM的支撑域、中心域、促成因素和结果4个层次11个基本要素，以及Gartner的数据分析控制指导结构，都为我们提供了更加完善的数据治理服务，以满足不同的需求。为了确保科研院所的数据治理能够达到预期的目标，科研院所必须确保治理战略与机构战略的一致性，并且采取合法的行动来提升服务的绩效。为此，科研院所需要从决策域的角度来考虑，确定哪些领域需要重点关注，并且对这些决策进行评估、监督和指导，以确保治理的流程和行动符合法律法规。在数据治理的实施过程中，应当清晰界定各方的职责范围，结合当前的科学数据资源和使用情况，进行全面的评估，确定数据治理的关键领域，并将其分配给相应的角色，定期进行治理状况的评估和监督，以便不断改进治理方案，最终实现科学数据的有效利用。科研院所采取的科学数据管理措施主要有4个方面，以确保数据的准确性和可靠性。

（1）通过对科研院所的深入调查，以及对收集、整合的科学数据的全面评估，发掘出可能出现的问题，并制定出有效的科学数据管控策略，以实现有效的管控。

（2）为了更好地管控科研活动，需要建立一套完善的管理结构，明确每一位参与者的权限和义务，同时设置适当的激励和处罚措施，以保障其有效运作。

（3）为了实现治理目标，应该积极开展决策域的治理活动，以构建一个完善的元数据整合汇聚框架，以及一套有效的数据质量提升策略，并将科研院所数据融入数据模型和应用服务门户架构，以满足不同场景下的数据共享和应用服务需求。

（4）通过进行全面的治理成熟度评估和科学的数据资产审计，及时反映治理效果，并不断改进针对各种决策领域的治理措施，以提升治理水平。

结语

科研院所作为我国科技创新的核心单位，应当积极推进数据治理，以满足当前科学数据的有效管理和利用的要求。为此，应当建立完善的数据治理规划，以及有效的数据处理机制，以及建立健全的权责体系，以确保科研院所的数据采集、加工、处理、交流、传递、共享、利用等过程的有效运作，从而提升数据的整体价值。科研院所的数据治理应当根据其业务需求、数据特性等因素，灵活调整治理范围和内容，以确保有效的管理效果。

参考文献

[1]李善斌. 银行业数据治理分析[J]. 金融科技时代，2017（4）：36-38.

[2]李振，鲍宗豪. “云治理”：大数据时代社会治理的新模式[J]. 天津社会科学，2015（3）：62-67.

[3]徐建忠，张亮，李娇娇. 数据智能分类技术在数据治理中的应用研究[J].信息安全与通信保密，2016（6）：88-90.