马云说：我们正从IT时代进入DT时代。随着云计算、物联网、大数据、人工智能、区块链、5G等技术的飞速发展，数字化的浪潮正在席卷世界的每一个角落。数字化时代，数据成为企业最核心的资产之一。对于任何企业和组织而言，如何建立适应快速高速发展业务的灵活数字资产体系，都将成为管理层要考虑的一个核心问题。在未来，高效率的数字资产体系，就会像工业时代的石油一样，成为企业发展的源动力。

自一月份以来爆发的新冠病毒，给我国人民和世界人民带来极大的困扰和不可估量的损失，中国内地的服务经济基本停摆，学生只能通过在线视频来与老师进行互动。在党中央的强力领导下，我们采取有科学的、有针对性的的防疫措施，疫情正在逐步得到控制。

回顾疫情发展的各个关键时间节点，以及我们在应对疫情采取的一些处置措施，不难发现，我们的社会治理体系和应急响应体系还存在很多薄弱环节。比如武汉红十字会对救灾物资的管理和发放，还在采用非常原始的管理手段，导致大量救灾物资发放不合理，滞留在库房无法被一线医务人员及时使用。慈善系统作为应急响应体系非常重要的一环，亟需应用数字化技术进行升级，提升响应效率，降低管理成本。

此外，在疫情防控过程中，由于没有数字化技术支撑，要快速实现精准施策有比较大的难度。未解决疫情和复工的矛盾，党中央提出了针对疫情精准施策的建议，我们互联网企业、科技公司快速响应，开发了疫情实时大数据、疫情交通大数据、疫情分布大数据、疫情高发区域实时提醒等数字化产品，有效解决了疫情控制和复工复产之间的矛盾。

疫情发生以来，我们很多组织和个人，都在思考一个问题，那就是如何建立起适应数字化时代的应急安全响应体系，从而提升我们整个社会治理体系的数字化、科技化水平。在数字化时代，数据成为最重要的生产要素之一，要提升应急安全管理体系的科技化和数字化水平，首先要建立起相适应的数据治理体系。

一、建立应急安全数据治理体系的必要性分析

随着数字科技的发展，数字空间和物理空间的界限正在变得越来越模糊，物联网、云计算、边缘计算以及人工智能技术的应用，数字空间和物理空间融合发展的趋势越来越明显。数字空间和物理空间的融合发展，也正在改变应急安全响应体系的建设。

在应急安全领域，各类型传感器、摄像头正在搭建起数字空间和物理空间的桥梁，应急安全数据正在源源不断的产生，如何有效挖掘这些数据的价值，让其在应急安全预警、应急安全响应、应急安全管理以及应急安全处置等领域发挥更大的作用，就必须建立起高效的应急安全数据治理体系。

数据治理体系本质上就是对来之不同源头的数据进行有效的组织与管理，打通不同业务之间的数据孤岛，让数据可以让血液一样在应急安全管理的各个环节高效、有序的流动。只有让数据流动起来，不同应急安全业务之间的相互配合才会更加密切，应急安全响应体系才能有更高的效率。

二、一个高效的应急安全领域的数据治理体系

   架构应该是怎样的？

一个高效率的数字化应急安全管理体系应该是由三个基本部分组成：

1. 应急安全数据采集层。

数据采集层汇集来自不同业务系统、不同传感器的数据，经过处理、降噪、数据清洗之后，将其存储在应急安全大数据平台上，应用大数据平台将文本数据、视频数据、音频数据和图像数据高效率组织起来，为应急安全管理体系提供源源不断的数据支撑。

2. 应急安全数据中台体系。

应急安全数据汇聚到应急管理大数据平台后，如何高效率加工、使用这些数据，确保不同来源的数据能够在各种应急安全业务之间高效、安全、有序流动，为各种应急安全管理业务提供支撑，要解决这个问题，需要建立起应急安全管理的数据中台体系。

应急安全管理的数据中台体系由业务中台、技术中台、数据中台和算法中台四个核心部件组成。

业务中台将上层应急安全管理业务需要需要使用的一些公共服务，比如将用户权限管理、应急消息管理、业务流程引擎等抽象成标准化、可复用的业务组件，可以极大降低新业务开发和响应时间，为应急安全事件处置赢得时机。

数据中台将数据管理相关的功能，比如数据权限管理、数据隐私管理、数据安全管理、数据预警管理、日志管理等抽象成标准化、可复用的数据管理组件，确保数据应用的高效、安全、有序。

技术中台为应急安全管理业务提供通用的底层分布式技术架构、计算引擎和应急安全管理中间件。

算法中台将一些常用的应急安全管理算法和模型做成标准化的应用组件，为应急安全管理提供计算服务。

3. 应急安全数据应用服务层。

应用服务层直接为政府应急安全管理工作人员、社会公众以及企业等社会组织提供应急安全管理服务，通过APP、小程序、大屏幕、WEB等多种媒介，为社会提供应急安全预警、应急安全教育、应急安全动员、应急安全处置等数字化的服务，确保以最快速度、最高效率处置出现的应急安全问题，将突发问题所造成的社会损失降到最低，保障国家和人民的财产安全。

三、应急安全领域的数据治理体系建设

    要重点关注哪些问题？

1、数据质量问题。

当今时代，“数据资产化”的概念已经被大多数人理解和接受。不论是企业、政府还是其他组织机构，对于的数据资产的管理越来越重视。然而，数据并不等于资产，也就是说不是所有数据都是数据资产，数据中也有垃圾数据。我们需要治理的是能够为企业创造价值的数据资产，而不是全部数据。因此，在进行应急安全领域的数据治理体系建设的时候，首先要考虑的问题就是数据的质量问题，应该在数据质量和数据总量之间取得一个动态平衡，一方面保障数据的高质量，一方面保障好数据的完整性。

2、应急安全数据交换和共享问题。

应急安全领域的数字化建设初期缺乏整体的信息化规划，系统建设大多都是以业务部门驱动的单体架构系统或套装软件，数据分散在这些架构不统一、开发语言不一致、数据库多样化的系统中，甚至还有大量的数据存放在工作人员的个人电脑中，导致在企业内部形成了一个个的“信息孤岛”。这些“孤岛”之间缺乏有效的连接通道，数据不能互联互通，不能按照用户的指令进行有意义的交流，数据的价值不能充分发挥。只有联通数据，消除这些“信息孤岛”，才能实现数据驱动业务、数据驱动管理，才能真正释放数据价值。3、缺乏有效的应急安全数据管理机制。

目前，经过这一次疫情大考，我们很多应急管理领域的工作者已经意识到数据对于我们建立高效率的应急响应体系的重要性，并尝试通过应急安全的业务流来控制数据流，但由于缺乏有效的管理机制和某些人为的因素，在数据流转过程中，存在数据维护错误、数据重复、数据不一致、数据不完整的情况，导致了产生了大量的垃圾数据，这些问题都会导致应急安全响应体系效率的下降，甚至可能因为垃圾数据、脏数据导致一些错误决策，延误最佳的应急响应时机。

4、如何确保数据安全，以及数据的隐私保护。

2018年3月份的Facebook 5000万用户信息被泄露和滥用的事件，受该事件影响，Facebook股价当日大跌7%，市值缩水360多亿美元，而盗用数据的剑桥分析这家公司也于同年5月停止运营，并申请破产。这种数据安全事件，在我国发生频率更多，我还清楚的记得：

2011年，黑客在网上公开了CSDN的用户数据库，高达600多万个明文的注册邮箱账号和密码遭到曝光和外泄；2016年，顺丰员工应盗取大量客户信息被送上法庭；

2017年，京东员工盗取用户个人信息50亿条，并通过各种方式在网络黑市贩卖。近年来，随着大数据的发展，诸如此类的数据安全事件多不胜数。

数据资产管理上，正在由传统分散式的人工管理向计算机集中化管理方向发展，数据的安全问题愈来愈受到人们的关注。在应急管理领域，一方面要充分利用数据为应急安全响应体系建设提供全方位的数字化支撑，另一方面要有效、有序保护好数据的安全，尤其是个人隐私数据的保护，以及关系国家安全的数据的安全保护，要绝对杜绝关系国家安全和国际民生的敏感数据出境。

四、应急安全领域数据治理体系

    主要包括哪些内容？

DMBOK是由数据管理协会（DAMA，数据管理协会的简称，是一个全球性数据管理和业务专业志愿人士组成的非营利协会，致力于数据管理的研究和实践。）编撰的关于数据管理的专业书籍，一本DAMA 数据管理辞典，对于应急安全领域的数据治理体系建设有一定的指导性。DMBOK将数据管理分为以下10个职能域：

1.数据控制：在数据管理和使用层面上进行规划、监督和控制。

2.数据架构管理：定义数据资产管理蓝图。

3.数据开发：数据的分析、设计、实施、测试、部署、维护等。

4.数据操作管理：提供从数据获取到清除的技术支持。

5.数据安全管理：确保隐私、保密性和适当的访问权限等。

6.数据质量管理：定义、监测和提高数据质量。

7.参考数据和主数据管理：管理数据的黄金版本和副本。

8.数据仓库和商务智能管理：实现报告和分析。

9.文件和内容管理：管理数据库以外的数据

10.元数据管理：元数据的整合、控制以及提供元数据。

DMBOK对企业级数据治理给出了框架性建议，但是任何指导性的框架文件都不是万能的。不同的行业、不同性质的企业、不同的信息化程度、不同的企业文化，其数据治理方案必须因地制宜，量身定制。我们常说：没有最好的解决方案只有更合适的解决方案。企业在实施数据治理的时候，应做好充分的分析和评估，切勿盲目跟风，避免出现数据治理收效甚微，还浪费了投资的窘境。

数据治理是长期、复杂的工程，涉及到组织体系、标准体系、流程体系、技术体系和评价体系五方面的工作领域，包含了数据标准、数据质量、主数据、元数据、数据安全等多个方面内容。由于企业性质、业务特点、管理模式的不同，有必要建立符合企业现状和企业需求的数据治理框架，指导企业数据治理工作的开展。

五、如何建立应急安全领域高效率、

低成本的数据治理体系？

CMMI协会在2014年发布了数据管理能力成熟度模型Data Management Maturity（DMM），可以用来评估和提升企业的数据管理水平，帮助企业跨越业务与IT之间的鸿沟。DMM模型可以帮助企业在管理数据资产上达成共识。它包括了5个连续能力和25个提升的过程域，可以反映所有数据管理的内容，可以促进企业建立自己的数据管理成熟度路线图。

应急管理领域可以以DMM为蓝本，针对应急管理领域数据治理的需求和特点，建立应急安全管理领域专属的数据治理能力成熟度模型，保证数据治理的有效性，切实解决应急安全管理中的各种问题。