T/HAAI 002-2024 数据资产 数据治理规范

ICS 35.240.01
CCS L 70
团体标准
T/HAAI 002—2024
数据资产 数据治理规范
Data assets—Data governance specifications
2024 - 11 - 27发布2024- 12 - 01实施
海南省人工智能学会 发布

目次
前言 ............................................................................ II
1 范围 ................................................................................. 1
2 规范性引用文件 ....................................................................... 1
3 术语和定义 ........................................................................... 1
4 数据治理的目标与价值 ................................................................. 2 搭建数据质量管理体系
............................................................. 2 建设数据资产目录体系
............................................................. 2 建设数据管理组织体系 .............................................................
2
建设数据安全管理体系 .............................................................
2
促进数据价值释放 ................................................................
. 2
5 数据治理的框架 ....................................................................... 2
6 数据治理的模式 ....................................................................... 3 .............................................................
3
.............................................................
3
7 数据治理的实施流程 ................................................................... 4 保障体系构建 ................................................................
..... 4
调研阶段 ................................................................
......... 5
需求分析与设计阶段 ...............................................................
5
数据采集阶段 ................................................................
..... 5
数据存储阶段 ................................................................
..... 6
数据清洗阶段 ................................................................
..... 6
数据质量管理阶段 ................................................................
. 6
数据原子化阶段 ................................................................
... 7
数据目录建设阶段 ................................................................
. 7
数据交换阶段 ................................................................
.... 7
8 数据治理的主要工具 ................................................................... 8 数据开发管理平台 ................................................................
. 8
数据资源管理平台 ................................................................
. 8
数据质量管理平台 ................................................................
. 9
数据服务管理平台 ................................................................
. 9
参考文献 ........................................................................ 10
附录A （资料性） 附录一英文简写说明 .......................................... 11
T/HAAI 002—2024
II
前言
本文件按照GB/T 1.1—2020《标准化工作导则 第1部分：标准化文件的结构和起草规则》的规定起草。
本文件由海南省人工智能学会提出并归口。
本文件起草单位：中国电信股份有限公司数据要素技术创新（海南）中心、中国电信股份有限公司海南分公司、海南师范大学、武汉大学、海南科技职业大学。
本文件主要起草人：张小建、黄健强、陈文思、符舒凡、梁钰、吴佩琦、丁超、黄程杰、周政成、郭世坤、蔡雪云、严炜炜、王艺臻、白颢。
1
数据资产 数据治理规范
1 范围
本文件提出的数据治理规范涵盖了组织或机构的信息系统内部，及该系统支撑外部业务开展所需数据治理的基本过程。具体包括调研、分析、需求设计、数据采集、数据存储、数据清洗、数据质量管理、数据原子化、数据目录与数据交换等阶段的内容。
本文件适用于组织或机构数据资产入表前期的数据治理工作。
2 规范性引用文件
下列文件中的内容通过文中的规范性引用而构成本文件必不可少的条款。其中，注日期的引用文件，仅该日期对应的版本适用于本文件；不注日期的引用文件，其最新版本（包括所有的修改单）适用于本文件。
GB/T 34960.5—2018 信息技术服务 治理 第5部分：数据治理规范
GB/T 36073 数据管理能力成熟度评估模型
3 术语和定义
GB/T 37500界定的以及下列术语和定义适用于本文件。
数据资源 data resources
是指具有使用价值的数据，是可供人类利用的新型资源。
数据产品 data products
是指基于数据加工形成的，可满足特定需求的数据加工品和数据服务。
数据资产 data assets
是指特定主体合法拥有或者控制的，能进行货币计量的，且能带来直接或者间接经济利益的数据资源。
[来源:GB/T 40685-2021，3.1，有修改]
数据治理 data governance
数据资源及其应用过程中相关管控活动、绩效和风险管理的集合。
[来源：GB/T34960.5-2018，3.1]
数据质量管理 data quality management
数据质量管理是指对数据从计划、获取、存储、共享、维护、应用、消亡生命周期的每个阶段里可能引发的各类数据质量问题，进行识别、度量、监控、预警等一系列管理活动，并通过改善和提高组织的管理水平使得数据质量获得进一步提高。
[来源：GB/T 44109-2024，6.4.4，有修改]
2
4 数据治理的目标与价值 搭建数据质量管理体系
通过统一的数据标准制定与发布，结合制度约束、系统控制等手段，实现组织或机构内部数据的完整性、有效性、一致性、规范性、开放性与共享性管理，为数据治理工作打下坚实的基础，为数据资产入表提供规范有效依据。
通过设计科学合理的数据质量评估指标和方法，定期对数据的准确性、完整性、一致性、可用性和及时性等方面进行评估，及时发现数据存在的质量问题，为数据质量改进提供明确的方向和重点。
利用先进的技术工具和手段，对数据的产生、流转和使用过程进行实时监控，及时捕捉数据质量的异常情况，做到早发现、早处理，有效预防数据质量问题的扩大和蔓延。
针对数据质量评估和监控中发现的问题，制定切实可行的数据质量改进方案，并组织相关部门和人员实施，持续跟踪改进效果，形成数据质量提升的闭环管理。建设数据资产目录体系
建设数据资产目录体系是数据治理的核心工作。数据资产目录体系要匹配组织或机构的战略规划，形成高效的数据资产目录体系与数据服务能力。通过系统化的数据整理、分类、描述与索引，组织或机构可以更加高效地管理与利用数据资源，为业务创新与决策优化提供有力支撑，促使数据源不断地向数据资产目录输出数据资源。同时，数据资产目录的持续优化与迭代，确保数据始终能够适应业务需求与技术发展的要求，即业务产生数据，数据延申业务，形成业务数据化、数据产品化、数据资产化的闭环。 建设数据管理组织体系
全面协同的组织体系是数据治理工作的组织保障。该体系要契合组织或机构的战略规划，形成高效的协同组织体系与协作服务能力。通过跨部门跨业务的整合、协调、分工与合作，组织或机构能够更有效地推进数据治理工作，为业务发展与管理优化提供有力保障，促使各部门不断地向组织体系输入资源与支持。同时，组织体系的持续优化与迭代，确保其始终能够适应业务需求与管理发展的要求，即业务驱动组织，组织服务业务，形成业务组织化、组织高效化、组织完善化的闭环。 建设数据安全管理体系
组织或机构数据安全体系建设是数据治理与信息生命周期管理的基础。梳理组织或机构内部数据全生命周期，确定数据所有权分配与权责制度，满足监管合规要求。在数据治理中，提高数据安全能力是价值共享关键，推动安全体系建设是必要保障。组织或机构按重要程度为数据打标签、分级分类，明确使用范围与开放方式，不同等级数据在不同场景采用不同安全策略。还可通过数据泄露防护、加密、权限管理等手段保护机密数据，降低泄露风险。 促进数据价值释放
数据治理作为一套涵盖数据标准制定、数据质量管控、数据安全防护及元数据管理等多维度协同的系统性工程，数据治理的重要目标是让数据有序安全流动，挖掘价值。数据流动要推动开放分享，实现汇聚、建模、共享，关键是数据汇聚打破孤岛，重构获取与应用方式，重塑链条，建立高效应用。数据治理促进数据应用及共享，让组织或机构用已有资源，减重复工作与费用，专注新开发及集成。数据应用及共享能降成本、增能力、提效率、减重复、促合作、强联系。
5 数据治理的框架
构筑数据治理体系核心在于以数据应用构建“良性循环的闭环数据治理管理体系”。各 IT 系统获取业务活动所生成的各类数据，通过系统的数据治理和管理操作，持续挖掘并实现数据价值，拓展和深化数据应用场景，为业务决策予以指导。与此同时，在数据的持续应用过程里，基于发现的数据问题，
3
依靠数据治理与管理流程不断修订，推动业务系统全面升级，切实优化业务流程管理机制和规范，最终构建出数据“获取→管理→变现→发现→应对→修正”的闭环管理机制。以数据应用为核心，以数据治理平台工具作支撑，在数据治理组织/制度的保障下，借助不断的治理手段，推动实现数据标准化与业务标准化，达成业务、技术、管理、平台的有效协同联动。
图1数据治理框架图
6 数据治理的模式
数据治理推动应用模式是一种体系化的数据治理模式。该模式一般适用于数据量庞大、数据集成应用能力相对薄弱或者新建及自研系统较多的大型组织或机构。它强调体系化的计划、监督、预防与执行，包括持续周期长的数据策略。依据现有数据基础，从底层数据着手，自下而上对数据进行治理，依次进行盘点、建设、治理与应用。
特征：自下而上，切入便捷，成本可控，重视架构，但脱离应用，对执行团队的架构能力有较高要求，成效缓慢。
应用牵引数据治理模式是以提升数据应用过程中的数据准确性为目标的数据治理模式。该模式通常适用于数据应用强、业务部门强势但主管部门整体数据认知弱的组织或机构。它强调在数据应用的过
数据生产
各个业务系统 | 结构化数据/非结构化数据 | 人工数据 | 外部数据
支撑
规划
数据治理
保障体系
需求分析
分析阶段
需求设计
数据采集
数据存储
数据清洗
数据质量管理
数据原子化
数据资源目录
共享交换
... ....
数据治理实施流程
数据治理与规划
数据治理工具
数据开发平台
数据资源管理平台
数据质量管理平台
调研阶段
落实
指导
固化
支撑
数据产品应用
场景应用 | 数据分析
输出
输入
发现
应对
修正
获得
管理
变现
4
程中定位和解决问题，以数据应用项目为建设周期，自上而下对数据进行治理，依次进行盘点、建设、治理与应用。
特征：自上而下，目的明确，切入方便，成本可控，重应用，但轻治理，容易造成面子工程，出现重复治理的风险。
7 数据治理的实施流程 保障体系构建
7.1.1组织体系
构建全方位、跨部门、跨层级的数据治理组织架构，是实现组织级统一化、专业化数据管理的基础，也是落实数据管理责任的保障。通常，数据治理组织架构涵盖决策层、组织协调层、管理层、工作执行层四个层级。
——决策层：由组织的CIO或CDO出任，负责制定数据治理决策、战略及考核机制。
——组织协调层：由虚拟的数据治理委员会承担，负责统筹管理与协调资源，细化数据治理考核指标。
——管理层：由数据治理办公室负责，作为数据治理的主要实体管理部门，承担构建与维护组织级架构（包括业务架构、数据架构、IT 架构），制定数据治理制度体系与长效机制，定期开展数据治理检查与总结，并向组织协调层与决策层汇报的职责。
——工作执行层：由业务部门与技术部门共同承担，负责在数据项目中落实数据治理工作，并与管理层协同参与各项活动。
7.1.2制度体系
为保障数据治理工作与组织架构的正常运行，需围绕数据治理流程构建一套涵盖数据引入、加工、使用、服务等整个数据生产运营过程的制度规范，对数据治理领域各工作环节的主要活动予以说明，为各业务部门开展数据管理工作提供参考依据，从制度层面确保数据治理工作有依据、可行且可控。
数据治理制度体系通常分层设计，依据管理颗粒度，可划分为总体规定、管理办法、实施细则与操作规范四个层次，基本内容如下：
——总体规定：从决策层与组织协调层视角出发，包含数据战略、角色职责、认责体系等，阐述数据治理的目标、组织、责任等。
——管理办法：从管理层视角出发，规定数据治理各活动职能的管理目标、管理原则、管理流程、监督考核、评估优化等。
——实施细则：从管理层与执行层的视角出发，围绕管理办法相关要求，明确各项活动职能执行落实的标准、规范、流程等。
——操作规范：从执行层的视角出发，依据实施细则，进一步明确各项工作需遵循的工作规程、操作手册或模板类文件等。
7.1.3安全体系
在构建数据治理基础框架时，确保数据安全是核心任务之一。通过综合运用数据加密、访问控制、数据备份与恢复等技术手段，以及强化数据安全管理与培训等措施，能够有效提升数据安全水平，切实保障数据的机密性、完整性、可用性与可追溯性。
——数据加密：在数据存储与传输环节，应采用业界先进的加密算法，防止敏感数据被非法获取或篡改。
——访问控制：实现数据的分级管理与权限控制，仅允许授权人员访问与操作相关数据，以杜绝潜在安全风险。
——数据备份与恢复：为应对数据丢失或损坏等风险，建立完备的数据备份与恢复机制至关重要。通过定期备份数据，并结合灾难恢复计划，可在意外发生时迅速恢复数据，保障业务的连续性与稳定性。
——安全管理与培训：除技术保障措施外，还需加强数据安全意识教育与培训。通过提高组织内部对数据安全的认识与重视程度，降低人为因素导致的数据安全风险。建立完善的数据安全管理制度，规范数据的使用与管理行为，为数据安全提供有力支撑。
5
调研阶段
7.2.1 业务调研
业务调研需系统梳理业务部门的业务现状，涵盖但不限于：
——部门情况：梳理业务部门的组织架构、职责分工、业务开展以及各业务处室的关联情况等，整
理“三定”方案、权力清单、责任清单及相关规章文件；
——系统情况：梳理业务部门的信息系统及应用状况，包括用户、建设厂商、建设年份、运维厂商、
项目文档、使用频率等；
——业务流程情况：梳理业务部门的业务流程，包含各项流程的业务分工、业务环节及产生的业务
信息等。
7.2.2 数据调研
数据调研需系统梳理业务部门的数据现状，涵盖但不限于：
——数据情况：梳理业务部门的现有数据情况，如数据项名称、数据格式、数据类型、值域等；
——数据标准情况：梳理业务部门现有数据对各类标准（国家标准、行业标准与地方标准等）的采
用与需求状况；
——数据管理情况：梳理业务部门的数据规范化、数据清洗比对、数据校验等数据管理情况；
——数据应用情况：梳理业务部门的数据统计分析、数据服务调用、数据可视化等数据应用情况。
需求分析与设计阶段
数据治理需求分析与治理阶段一是要精准识别组织内各业务场景下的数据治理需求，二是要对已
识别的治理需求进行需求设计，以规范后续的数据治理过程。其中，数据治理需求分析包含数据来源分
析、目标模型分析与数据标准分析四部分，数据治理需求设计包含数据质量设计与数据接入设计两部分。
7.3.1 数据治理需求分析
——数据来源分析：应分析业务部门的数据来源状况，梳理数据来源对应的业务部门与业务系统，
为数据资产入表前的数据资产登记确权环节提供有效依据；
——目标模型分析：依据业务部门的应用场景，进行业务抽象与数据抽象，构建业务模型与数据模
型；
——数据标准分析：应结合业务部门的核心数据及业务流程所涉数据各类标准（国家标准、行业标
准与地方标准等）的采用与需求等情况进行进一步分析，需梳理业务流程业务规则、所涉数据元，按主
题域类建数据目录；对标行业法规、最佳实践及内部既有规范，识别各数据元格式、编码、值域等，汲
取成熟标准，结合组织特性适配优化从而构建契合自身、可落地的数据标准体系，为后续治理筑牢根基；
7.3.2 数据治理需求设计
——数据质量设计：应依据业务部门的数据质量状况，设计数据质量等级，为后续数据资产入表数
据资产质量提供依据；
——数据接入设计：应根据应用场景梳理数据接入场景，确定结构化数据、半结构化数据、非结构
化数据等各类型数据的接入方式与接入流程。同时涵盖接口标准设计，作为后续数据资产入表数据标准
的基础；
数据采集阶段
7.5.1 实施过程
图2 数据采集过程图
7.5.2 实施要求
数据采集技术包括但不限于数据来源验证、数据分类分级，具体技术要求如下：
——数据来源验证：数据采集阶段需要对数据源身份、数据完整性及可追溯性进行验证。可以通过
制订数据
采集方案
建立数据
采集模板
明确数据
质量要求
配置数据
采集规则
开展数据
采集
进行数据
验证
6
在数据产生处，采用电子签名及时间戳等相关技术来进行实现。
——数据分类分级：数据采集阶段宜先对数据按照数据业务领域、产生频率、产生方式、结构化特
征、存储方式或质量要求进行分类，再进行数据分级管理。
数据存储阶段
7.6.1 实施过程
图3 数据存储实施过程图
7.6.2 实施要求
数据存储技术主要包括集中存储、分布存储、分层存储三种类型：
——数据集中存储：数据集中式存储由一台或多台存储设备组成中心节点，数据集中存储于中心
节点，可采用DAS、NAS 与SAN 等模式。
——数据分布存储：数据分布式存储由分布在不同物理位置的多台存储设备组成，可采用集群存
储、云存储等模式。
——数据分层存储：热数据存储方法宜使用高性能存储介质，用于存储关键业务数据；冷数据存
储方法宜使用成本低、容量大的存储介质，用于存储非关键业务数据。
数据清洗阶段
7.7.1 实施过程
图4.数据清洗实施过程图
7.7.2 实施要求
完整的数据清洗实施过程一般包含了以下三个个部分：
——数据清洗规则：数据包括但不限于非空检验、主键重复、非法代码、非法值、数据格式检
验、记录数检验。对于空缺值、离群值与不一致等脏数据，宜采用人工检测、聚类、分类、关联规则
等方法实现数据清洗。
——数据标准化处理：进行数据过滤、去重、格式转换、质量校验等操作，对接入数据进行标准
化处理，生成符合标准及质量要求的数据。
——数据审查与校验：对汇聚的不同来源业务数据进行审查与校验，进行清洗前后的数据一致性
检查，确保数据在指定条件下使用时，数据特性满足明确的或隐含的要求。
数据质量管理阶段
7.8.1 实施过程
图5 数据质量管理实施过程图
7.8.2 实施要求
完整的数据质量管理实施过程一般包含了以下四个部分：
选择数据
存储产品
设定数据
存储策略
指定数据
存储方案
指定数据存
储运维方案
执行数据
存储方案
制定清洗
规则
数据标准
化处理
数据审查
与校验
明确数据
质量要求
开展数据
质量检查
开展数据
质量分析
提升
数据质量
7
——明确数据质量要求：依循业务需求与数据要求，确立用于衡量数据质量的规则，涵盖衡量数据质量的技术指标、业务指标以及相应的校验规则与方法。
——开展数据质量检查：依据数据质量规则中的技术指标、业务指标、校验规则及方法，对组织或机构的数据质量状况予以实时监控，以发现数据质量问题，并向数据管理人员反馈。
——开展数据质量分析：针对数据质量检查中所发现的数据质量问题及相关信息加以分析，探寻影响数据质量的缘由，明确数据质量问题的优先级，作为提升数据质量的参考依据。
——数据质量提升：基于数据质量分析的结果，拟定、施行数据质量改进方案，包含错误数据的更正、业务流程的优化、应用系统的修复等，并制定数据质量问题预防方案，确保数据质量改进的成果得以有效维持。 数据原子化阶段
对经过标准转换的数据进行原子化处理，促使多源异构数据向同一模型转换。将开发处理完毕的数据资源拆分、处置，形成最小粒度的数据资源，满足数据资源在数据融合开发过程中快速复制、便捷使用的原则。
示例：数据资源社保缴纳信息表，涵盖姓名、身份证、缴纳单位、缴纳单位类型、缴纳月份、缴纳基数、缴纳比例、缴纳金额、缴纳状态等信息，此表可拆分为以下原子信息：
a
） 社保个人缴纳信息；
b
） 个人所属组织或机构性质、缴纳单位类型信息；
c
） 统计近 2 年缴纳月数、最近连续缴纳月数，形成个人工作稳定性信息；
d
） 对社保缴纳基数进行泛化、转化等处理，形成收入等级信息。 数据目录建设阶段
数据目录建设阶段是数据治理的重要组成部分，以对业务友好的方式呈现数据资源及其位置，便于用户更优地查找、理解与运用其数据，也利于强化数据管理。 数据交换阶段
数据交换服务阶段是达成系统间或用户间的数据资源流转的关键阶段。数据交换过程包括但不限于以下四种具体要求：
——数据适配，包含文件适配（如二进制与文本等格式文件的适配）与数据库适配（涵盖各种关系型数据库与非关系型数据库的适配），主要涉及文件或数据库数据的访问、抽取、传输与写入等。
——数据转换，主要为异构数据的格式转换，通过定义数据转换规则实现。
——数据传输，借助 HTTP、HTTPS、TCP 等协议实现数据于网络中从一个数据交换节点至多个数据交换节点的可靠传输，4Gb 以上文件宜采用单个文件传输，并支持断点续传。
——数据安全，运用加密技术、下一代防火墙、防 DDoS、漏洞检测等安全技术，对数据资源的访问、操作、共享、使用等过程进行安全防护。
8
8 数据治理的主要工具
数据治理八项核心能力涉及4大平台，如图6所示： 1.数据架构和模型管理 2.数据开发 3.数据安全 管理 4.数据标准管理 5.元数据管理 6.数据生命周期管理 7.数据质量管理 8.数据服务管理
数据开发平台
数据资源管理平台
数据质量管 平台
数据服务 平台
战略目标管理 组织体系保障 管理机制
图6 数据治理的平台 数据开发管理平台
数据开发平台主要涵盖数据表模型管理与数据开发。
8.1.1表模型管理
基于数据标准和数据模型的规范设计，借助标准化建表功能，对数据予以规范约束，更优的落实更规范的建表模型建设，从根源上把控增量的数据质量实时数据开发，达成从实时数据采集、实时数据处理到任务监控运维的全链路覆盖。
8.1.2数据安全
数据安全一般包含了数据脱敏管理和数据分级分类两个部分：
数据脱敏管理：针对部分敏感数据，用户能够配置并应用相关脱敏规则，避免敏感数据泄露，更好地服务于数据安全。
数据分级分类：依据分级结果可对数据进行权限访问控制，例如数据加密、数据访问权限等功能，以更优地管理和运用元数据。用户能够对字段进行分级设置，支持手动、自动对字段分级。 数据资源管理平台
数据标准管理平台主要包含数据标准管理、元数据管理和数据生命周期管理。
8.2.1数据标准管理
构建数据标准，对存量数据进行管理，映射至已有元数据，统一字段标准；对增量数据进行管理，运用数据标准，使模型字段更规范统一。
8.2.2元数据管理
在元数据管理中，将业务元数据、技术元数据补充完备，同时协同数据资源中心的数据标准管理，对数据资源的健康状况和使用情况进行观测，助力组织或机构识别并掌控真正有价值的资产。
8.2.3数据生命周期管理
数据资源的生命周期管理可对数据从产生到销毁整个过程进行管控，将有助于组织或机构能够更好地驾驭数据资产，确保数据在其整个生命周期内的质量、安全性、可用性和合规性，以实现数据价值的最大化利用并降低数据相关风险。具体过程包含了以下六个阶段：
——数据产生阶段。对来自业务系统的操作记录、传感器采集、用户输入等多种途径的数据进行格式、标准等规范，以便后续处理。
——数据采集阶段。选择合适的数据采集工具与技术，例如通过 ETL（Extract，Transform，Load）工具从不同数据源抽取数据并进行初步转换，确保数据的完整性与准确性。
——数据存储阶段。依据数据的类型、访问频率、重要性等因素选择适宜的存储介质与架构，像
贯穿全域
9
结构化数据可存储于关系型数据库，非结构化数据可能存储在分布式文件系统或 NoSQL 数据库。
——数据使用阶段。提供高效的数据访问机制与工具，让数据服务于各种业务需求，如数据分析、决策支持、报表生成等。
——数据共享阶段。遵循相关安全与隐私政策，建立数据共享协议与权限管理体系，确保数据在不同主体间安全共享，随着业务发展和变化，确保数据保持准确性与时效性。
——数据销毁阶段。当数据不再有价值或超出保留期限，需按照规定的流程与方法进行销毁，防止数据泄露风险，销毁过程也需记录以备审计。 数据质量管理平台
支持对数据进行质量校验，助力组织或机构及时察觉数据问题。通过事前规则配置、事中规则校验、事后分析报告的流程化方式，对数据的准确性、完整性、一致性、及时性、可靠性、相关性、可理解性、有效性、唯一性、可访问性等方面进行多维度评估，保障组织或机构数据质量服务。支持规则配置、任务查询、实时校验等。 数据服务管理平台
数据治理的数据服务管理平台，一是聚焦数据资产整合与管控，依规范流程实现全生命周期治理，保障数据质量、安全与合规；二是立足多元需求，封装适配接口，以高效分发、精准推送赋能业务，驱动数据价值释放。操作层面上实现快速创建 API、组织或机构级 API 市场管理、丰富的调用安全策略等，迅速释放数据价值。支持可视化生成与注册 API，快速构建 OneService 数据共享服务，通过多种手段标准化管控服务，能够完成从 API 创建、发布、申请/审批、调用的全生命周期管控，形成组织或机构级API市场和API服务管理平台，提升数据开发与共享效率。
10
参考文献
[1]
GB/T 7027-2002 信息分类和编码的基本原则与方法
[2]
GB/T 34960.5-2018 信息技术服务 治理 第5部分：数据治理规范
[3]
GB/T 36344-2018 信息技术数据质量评价指标
[4]
GB/T 36073-2018 数据管理能力成熟度评估模型
[5]
GB/T 40685-2021《信息技术服务 数据资产 管理要求》
[6]
DB33/T 2350-2021浙江省地方标准 数字化改革术语定义
11
附录A （资料性） 附录一英文简写说明
A.1
表
A.1 英文简写说明
CIO
首席信息官（Chief Information Officer)组织或机构中的高级管理人员角色，负责组织或机构的信息技术战略规划和管理。
CDO
首席开发官（Chief Development Officer)组织或机构中的高级管理人员角色，负责组织或机构的数据治理、数据利用策略等诸多事务。
DAS、NAS与SAN等
一种定义存储设备和服务器关系的存储架构。
ETL
数据抽取（Extract），转换（Transform），加载（Load）是数据仓库中的一个关键流程。
NoSQL
非关系型数据库（Not Only SQL），是一种不同于传统关系型数据库的数据存储系统，它不使用SQL作为主要的数据操作语言或者不遵循传统关系模型。
API
应用程序编程接口(Application Programming Interface)一组定义软件组件之间交互规则的接口，用于不同软件系统之间的通信和数据交换。它规定了软件如何调用另一个软件的功能或服务。
OneServic
一种统一的服务模式或平台，将多种相关的功能或服务整合在一起，以提供一站式的服务体验。