杨冰之：数据体系——构建智慧政府核心框架

构建智慧政府的核心框架有两个重要假设，一是数据要用体系来观察思考；二是数据体系是智慧政府的核心框架系统，做不好数据体系，智慧政府是做不起来的。

一、数据及其认知框架

数据的基本哲学问题：是什么？从哪里来？到哪里去？为什么来？要做什么？数据是生产力，也是改造力。数据正呈现几何级增长（像宇宙大爆炸，不断膨胀扩张），形成一个新世界——“数据世界”；数据会对人类社会产生非常深刻的影响，冲击巨大、影响全面、改造深刻、作用持久。

人类社会对数据的认知非常有限，而关键是认知驱动新世界的构建。这是一个本原问题，世界是物质的、精神的还是信息的？数据世界构成是基于我们的理念，就像软件产品，是先有物质还是精神？是先有产品理念（概念），才能做出产品来。我们对数据的认知要防止盲人摸象，更不要一叶障目，既要有望远镜，也要有显微镜，要登高望远、洞若观火。

要用数据思维来认识数据的价值与挑战。数据是社会发展新变量，是时代进步新动能，是快速崛起的新世界。我们要用数据的眼光来看待现实世界，不断解构、重构、创新、优化，通过数据和现实世界联系在一起。

二、理解数据的三个关键主题词

一是数据体系。保证数据内在一致性。当前政府数据存在各种问题，一个最重要的原因是数据的内在不一致，因为没有标准、规范，每个系统数据的含义、制定、标准、应用范围都不太一样。要提升数据整体能力，理解数据的关联，比如网络、系统、数据本身、业务、数据库、数据表、信息项、数据元、目录、标准等都是关联在一起的。现在我们是“东做一块，西做一块”，没有建立起有机的内在联系。所以，数据体系1.0在我看来已经out。

二是数据治理。保证数据的流动性。很多人没注意到“数据流动性”这个词，数据的价值在于数据流动（数据只有流动才能产生价值），共享开放是数据流动的一种，共享是内部的开放，开放是外部的共享。这里我们要进行数据治理，治理的核心是解决角色与责任、流程与规则、质量与效果（效能、效率、效益）问题，很多人讲数据只讲质量，而没有看到角色、责任、效果及规则等。

三是数据服务。数据不是来看的，必须要用，要带来价值，为数据服务赋能。要强调数据的利益与价值，数据的对象及其需求，通过什么样的方法和工具赋能，把这些问题解决好后，我们就能清晰地理解数据。

三、数据体系：升级对数据认知的方法论

数据体系，是升级我们对数据认知的方法论。我们现在看数据还是基于常规思维，或基于工业时代，或基于一个人局部对这个世界的认知，那肯定是片面的，所以我提出了“数据体系”的概念：数据体系是数据以及相关要素的关系集合，是描述和分析数据及其相关关系的框架，是数据世界的架构基础。

数据体系的价值。数据为何要上升到体系？反映数据不是一个简单、孤立、静止的事物，反映出数据内部的复杂性、多样性，反映数据的不同层次、类别。认知好数据，要升级认知方法，从局部到整体、从自身到外部、从静止到动态、从孤立到关联，不能光站在自己部门看数据，要跳出自己的部门，站高一点看数据才能知道它更多的价值和意义。

在思维方式上，要求数据体系优先于其它体系来分析。现在很多人还在关注技术体系、管理体系、业务体系、服务体系，却忽略了数据体系。其实这些东西都需要先把数据体系抓牢，这样技术体系、管理体系、业务体系、服务体系等就抓到了本质。而且数据是融合剂、催化剂、黏合剂，能促进各个体系之间融合、优化与升级。

数据体系的意义，是深化了我们对数据世界的认知，使数据世界从无序走向有序，从孤立走向协同，从传统走向现代。这句话很重要，我们过去看待数据多是传统思维方式，现在要以现代化的思维方式来看待，学会跳出数据看数据，才能把数据看清楚。

四、数据体系：全局认知和构建数据世界的新框架

以数据体系视角来看当前数据要素与体系的关系，以数据体系为核心来构建技术体系、服务体系、业务体系、组织体系、文化价值体系，这样才能使数字化转型真正做好。数据体系1.0的特点是静止、片面、表层、单向、技术导向、业务导向，2.0的特点是动态、全面、深度、多维、数据导向）。

数据体系有三个阶段：①机械运动体系阶段，是单系统、单应用，这是我们现在大部分的情况；②数据生命体系阶段，是复杂关联体系，各要素关联起来就发现数据标准不统一、技术架构不统一、数据融合较困难、数据支撑业务难等问题；③数据生态体系阶段，是动态融合演进体系。

当前大部分政府的数据体系最多发展到1.5阶段，有的还停留在1.0阶段，从1.0到1.5到2.0是一个巨大的跨跃。如果没有一个好的数据体系概念来引导，就会在1.0或1.5左右徘徊，类似猿猴到人类的进化，有一批还停留在猴子阶段，因为它没有上升到人类直立行走的方式。两条腿还是四条腿走路，是决定一个物种的问题，其实四条腿走路还快一点，但我们在现代生态里不只是快的问题，而是你对世界的认知和创造力的问题。

现在有一个很时髦的概念——“数据中台”，在我看来就是基于数据体系架构，在数据治理基础上，更好地体现数据的应用和服务。没有好的数据体系、数据治理、数据架构，就做不好数据中台。数据中台要求组织内在变革，没有好的组织形态改造，应用不好数据中台，因为数据中台要基于数据流来跨部门、跨环境、跨业务等。

五、从数字政府到智慧政府：问题与挑战

现在是建设“数字政府”，将来要建设“智慧政府”。当前数据政府和智慧政府建设有很多问题：①体系完备性。条块分割、信息孤岛、数据应用面临各种困难与挑战，管理杂乱、统筹低、联动性差；②数据质量，散（碎片化）、少（量）、乱（标准）、差（质）、死（流动）；③政务服务中标准不统一、平台不联通、数据不共享、业务不协同等；④数据治理能力涵盖采、存、管、用、评，但整个政务数据生命周期是断续的，还没有形成体系化的东西。亟待建立规范统一、运营高效、服务有力、业务高融合、保障到位的一体化数据体系。

六、政务数据体系1.0：成绩、问题与经验、教训

当前多数政务数据体系处于1.0阶段。1.0阶段的特征：①有而少用、联而难通、通而不用、用而低效；②各个系统尚未融合，大数据、大系统、大平台还处于初级阶段；③政府数据1.0碎片、低质、分散、局部应用问题还没有解决。

当然我们不能否认数据体系1.0。政务服务上半场应该取得了很多成绩，包括数据生产能力明显增加、依赖数据的程度明显提高、社会需求不断激发等。但问题也不少，如数据质量低、标准化程度差，数据生产、加工、应用和治理等未形成一条龙；各种（业务、服务、技术、管理）体系相互交织与矛盾，任务、目标、角色、组织、制度相互冲突与混乱。

经验我们有了，要随需而变、不断迭代；教训我们要注意吸取，如1.0是围绕业务开展，忽略了数据核心问题，数据到底是为适应现状还是改革，就是系统之间的数据跟外部怎么联动的问题；又比如出现各自为政开发的情况，是因为出发点、动机不一样，是为业务还是为转型？我认为过去的模式已经过时，很难实现新的目标。

七、智慧政府构建的数据逻辑：要点、方法和目标

当前政务信息化的主要任务是构建数据体系，用数据思维来建好数据体系。光想建数据体系还不行，要思路到位，要有数据思维。

方法与步骤是要以“数据体系建设”中心；抓好“数据与业务融合、治理与服务结合”这两个基本点；着力于最小颗粒度、标准化、供需认责体系这三个标准建设，这三项光靠自己部门、某个地区还很难建好，但它是硬骨头，是数据体系升级的拦路虎，必须解决。

智慧政府建设的目标：①数据中心角色升级，从仓库、车间到超市，我们现在还不是合格的仓库保管员，虽有很多仓库，但仓库存什么东西、质量好坏不够清晰，要变成车间，然后再变成超市，提供合适的个性化服务，现在绝大部分数据中心还处于不太规范、标准、服务功能较弱的状态。②数据融合要从物理、化学、生物到生态反应，当前数据大都是归集在一起，但数据之间没有发生关系，化学反应还未做到，生物反应、产生新服务更没有做到，数据是要把软件和规则融合在一起，才能有高质量数据。

八、数据体系2.0构建：系统（软件与数据）标配

数据体系1.0已过时，我们要构建2.0，就是把系统用“软件+数据”进行标配，关键是技术支撑能力，包括云化、微服务架构、、统一基础模块等；当然也要有公共服务能力，包括计算能力等。

数据体系2.0基础标配：①基础数据，包括基础数据库、主题数据库、行业数据仓；②数据层核心系统，包括资产普查、目录体系、供需对接、共享交换；③业务层核心系统，包括事项管理、业务优化、主题服务、事项办理；④管理与治理类系统，包括权限体系、清洗比对（数据治理）、考核评估、项目管理、安全保障；⑤其他，包括外部服务系统、内部作业与管控体系等。

九、一网通办是检验当前数字政府的唯一标准

数据体系和数据政府建设的好坏，我这里提出一个标准，即“一网通办”是检验当前数字政府的唯一标准。“一网”是载体，要做好“一网”就要做好大数据、大系统、大平台；“通办”是目标，要跨地区、跨部门、跨层级、跨系统；结果是数字政府，“一网通办”就是要让政务服务像网购一样便捷。

“一网通办”作为抓手，可带动政府整体数据能力建设；作为目标，聚焦聚气聚神，也有助于解决数据与业务两张皮问题。浙江和上海在这块做得比较好，浙江省的口号是“最多跑一次”，是以办事来带动数据体系建设的典型，上海的“一网通办”被国家层面高度认可。

“一网通办”的本质是建立起数字化服务体系。数字化是前提，要把数据用对用活用足，通过“一网通办”赋能政府、企业和公众。“一网通办“要实现数字化，首先要有数据，数据与业务是一体两面，做好“一网通办”核心在数字化方面发力。“一网通办”需要我们有长跑的耐心，更需要有多重要素有机集成的能力。

十、GDBOS——智慧政府核心架构

最后，我想讲下国脉又一智慧结晶——GDBOS（一网通办核心支撑系统），是国脉技术与产品集合。GDBOS通用名是“政府数据业务操作系统”，是根据数据体系理论架构，基于微服务技术架构，按“大数据、大系统、大平台”思路融合一体发展，遵照国家相关政策要求，融合各地实践经验，为数字政府升级而量身订制的一套作业平台。

GDBOS可一体化解决数据的基本问题。现在数据层面有很多问题，将来可能更多，我们不能“头疼医头、脚疼医脚”，而是要从体系去解决问题；GDBOS有多个场景说明，可多方位赋能业务和数据；最重要的是有实效，任何好东西都要用实效来说话。

为什么GDBOS能解决数据体系问题？宛如城市复杂的水资源运行系统，源头治水、过程管水、龙头放水，GDBOS是按照数据体系的生命周期和数据体系框架来优化盘活数据，与业务进行充分地结合。

用好GDBOS来构建数据体系，深挖数据价值，激活政府服务！在未来，数据体系与数据资产都会得到明显提升。我的演讲到此结束，不对之处请大家多批评指正！

内容来源摘自：电子政务智库

免责声明：本文转自网络公开渠道，旨在为广大用户提供最新最全的信息，AOLSEE（傲视）不对所包含内容的准确性、可靠性或完整性提供任何明示或暗示的保证。转载的稿件版权归原作者或机构所有，如有侵权，请联系删除。抄袭本文至其它渠道者引发的一切纠纷与本平台无关。