《2024年政府工作报告》中提到了数字经济、数据要素、数据安全，如下：
深入推进数字经济创新发展。制定支持数字经济高质量发展政策，积极推进数字产业化、产业数字化，促进数字技术和实体经济深度融合。深化大数据、人工智能等研发应用，开展“人工智能+”行动，打造具有国际竞争力的数字产业集群。实施制造业数字化转型行动，加快工业互联网规模化应用，推进服务业数字化，建设智慧城市、数字乡村。深入开展中小企业数字化赋能专项行动。支持平台企业在促进创新、增加就业、国际竞争中大显身手。健全数据基础制度，大力推动数据开发开放和流通使用。适度超前建设数字基础设施，加快形成全国一体化算力体系。我们要以广泛深刻的数字变革，赋能经济发展、丰富人民生活、提升社会治理现代化水平……提高网络、数据等安全保障能力。
数据治理的6个价值
•降低业务运营成本
•提升业务处理效率
•改善数据质量
•控制数据风险
•增强数据安全
•赋能管理决策
数据治理的 5 类问题
“数据是企业的重要资产” 已经成为各行各业的共识，但是拥有了数据就等于拥有了数据资产吗？事实上，并非如此。
企业数据管理的问题主要有以下 5 类：
1、黑暗数据与数据尾气：
黑暗数据，亦称为睡眠数据，是指那些被收集和处理却未被用于任何业务目的的数据。这些数据往往被埋没，业务部门甚至领导层对其存在一无所知。与之相似，数据尾气指的是那些为特定目的收集后便被闲置的数据，其真正价值并未得到充分挖掘。这些问题的根源在于，很多企业系统的设计并不符合业务人员的需求，导致大量数据未被发掘和利用。据估计，企业数据中有50%至80%属于此类，未被充分认识与利用。
2、数据孤岛：
在信息化建设的初期，由于缺乏整体规划，企业内部形成了众多基于单一业务需求建设的系统，这些系统独立运行，数据互不关联，形成了所谓的数据孤岛。这些孤岛阻碍了数据的有效利用，而打通它们既是一项技术挑战，也是一个涉及深度理解企业业务和流程的复杂工程。
3、数据“巴别塔”：
借用《圣经》中巴别塔的故事，企业内部的数据“巴别塔”问题指的是不同部门、不同员工之间因数据定义不一致、缺乏统一标准而导致的沟通障碍。这种缺乏共通对话标准的现象，使得即使是简单的数据查询也变得复杂化。
4、糟糕的数据质量：
数据质量直接影响到数据分析的可信度和决策的有效性。然而，企业数据普遍存在的不一致性、不完整性、不准确性等问题，严重阻碍了数据价值的实现。原始数据如同“原油”，仅有经过一系列的加工处理，才能转化为有价值的数据资产。
5、数据的安全风险：
数据的广泛应用带来了对数据安全的挑战。从数据的合法收集到隐私保护，再到数据的安全应用，这一系列问题成为了制约大数据发展的重要瓶颈。缺乏有效的数据管理规范，将使数据面临遗失、篡改和泄密的风险。
数据治理的6个挑战
随着企业规模的扩大，对数据的需求与产出也随之增加，这不可避免地带来了对定制化、高效的数据质量策略的需求。在数字化转型的快速发展中，企业的数据治理面临着多方面的挑战，这些挑战主要包括：
（1）对数据治理商业价值的认识不充分：企业中普遍存在对数据治理所能带来的商业价值和潜力认识不足的问题。
（2）缺少企业级数据治理的战略规划：许多企业缺乏从顶层设计出发的企业级数据治理框架，这限制了数据治理的系统性和有效性。
（3）高层领导对数据治理的重视程度不够：数据治理的推进和成功很大程度上依赖于高层的支持和重视。
（4）数据标准不一致，整合复杂：数据的多样性和复杂性使得标准化和整合变得困难，这阻碍了数据的有效利用。
（5）业务人员认为数据治理是IT部门的责任：这种观念划分了数据治理的责任边界，而实际上数据治理应是企业各部门共同的责任。
（6）缺乏专门的数据治理组织和专业人才：数据治理的有效实施需要专业的组织和人才支持，但目前许多企业在这方面还存在缺口。
领导层和员工的观念差异凸显了企业在形成数字化推进共识方面的困难。数字化的成功植根于其背后的企业文化土壤，而一个适宜的企业文化环境是成功实施数字化转型的关键。资源虽然有限，但企业文化却能持续生长和演进。然而，塑造一种积极的企业文化绝非一蹴而就的事情。
构建健康的数据文化，需要将数据战略、数据人才、数据管理以及先进的技术手段和决策方法相结合，通过这种综合性的努力，企业才能在数字化时代中稳步前行，释放数据的真正潜力。
