国家电子计算机质量检验检测中心专家表示，垂直大模型的第一关是数据治理，面临缺乏统一标准的问题。特别是金融行业，虽然有很多部门和政府都在尝试做数据治理，但还未形成统一的数据治理标准。专家指出，数据治理是一项复杂工程，需要系统性指引。我国推出了DCMM标准，但具体实施层面仍面临挑战。大多数企业处于数据管理的2级阶段，数据需求仅限于业务层面。同时，政务数据和金融数据的管理也各有特点，金融行业的整体数据管理情况积极向好，但仍需完善和提升。
政务数据管理在推动数据整合和共享方面发挥积极作用；金融行业整体数据管理情况积极向好，但仍需完善和提升。
来源 | 零壹智库
垂直大模型的第一关：把数据“煮熟”
在应用上下功夫，被很多人认为是中国大模型超车的捷径。应用就要落脚到各个行业和场景，也就是垂直大模型。但是做垂直模型也面临着很多难关。
“很多行业缺乏权威统一的标准规范，缺少工作依据，特别是金融行业，虽然有很多部门和政府都在尝试做，但还未形成统一的数据治理标准。”国家电子计算机质量检验检测中心（以下简称“国家计算机质检中心”）专家认为，这是发展垂直大模型要过的第一关，否则都将是无米之炊。
2024年8月16日，在零壹智库与苏州高铁新城产业发展有限公司联合举办的“金融数智化系列研讨会之：金融大模型的机遇与门槛”会议上，国家计算机质检中心专家对数据治理问题进行了深入阐述。
在会后的访谈中，国家计算机质检中心专家在会议发言的基础上，系统阐述了对数据治理、数据管理等方面的理解。
垂直模型初具数据基础
零壹财经：一般认为，大模型的发展有三大基础，算力、算法和数据。当前讨论较多的数据更多是各类公开和公共数据，但随着大模型向各个产业、细分领域和场景深入，行业性数据、商业性数据、用户数据等非公开数据就成为核心资源。现在是否具备发展垂直领域大模型的数据基础？
国家计算机质检中心专家：
随着各行业数字化水平持续提高以及大数据前沿技术的进步，许多企业和单位已经建立起自己的数据中心、数据仓库等，积累了大量的行业性数据、商业性数据和用户数据，其内容和种类丰富，已经初步具备了发展大模型的技术和数据基础。
但是在具体实施层面，仍然存在一些挑战。比如数据的有效性和准确性，直接影响大模型的训练效果；比如在训练过程中如何保护用户数据隐私，防止泄露。
让数据可用、好用，更加真实地反映行业和用户需求，这对于数据质量和数据安全提出了持续性要求，需要有一套常态化的数据管理手段。
数据管理的国家标准
零壹财经：看来数据管理是关键。但数据管理是很笼统的说法，可以包含数据业务的方方面面，如何建立合理的数据管理标准？
国家计算机质检中心专家：
近年来虽然对于数据管理和治理领域的标准重视程度日益提高，但其内容和方法确实缺少统一定义，通常以信息化、数字化系统建设为主要手段。
而不同企业的数据管理现状差异很大。数据治理是一项复杂工程，往往面临众多问题，需要系统性指引。
正是基于构建数据管理基础制度的顶层设计，我国从整个体系框架的层面推出了DCMM标准，即《数据管理能力成熟度评估模型》。
这是我国在数据管理领域的首个国家标准，代表了一种自上而下的数据治理方法，经过多年的大力推广，正处于高速发展期。
DCMM标准体系将企业数据管理成熟度划分为五个等级，按照从低至高的特征，分别为项目级、部门级、组织级、量化级、优化级，清晰地定位不同企业数据管理能力所处的阶段。
通过数千家企业的评估实践，已经充分证明了DCMM等级划分的科学性和适用性。
金融行业同样也适合借助DCMM标准体系的推广、贯标以及应用，帮助企业和行业机构科学的评估自身的数据管理能力，发现自身在数据管理方面的问题和不足，建立起符合自身特点的数据管理框架，为金融数据资产化、参与数据市场流通奠定了坚实基础。
零壹财经：具体而言，在哪些环节、哪些领域进行改进，才能获得更好的数据管理级别？
国家计算机质检中心专家：
DCMM体系兼顾了技术和管理多方面的要求，从组织、制度、流程、工具等多个维度综合分析，帮助企业发现问题，改进问题。它充分覆盖了数据治理的常见要素，具体包括八个核心能力域——数据战略、数据治理、数据架构、数据标准、数据应用、数据安全、数据质量、数据生存周期。
具体来说，应当运用先进的技术工具和平台，支撑大数据治理和应用工作落地；同时也要重视全过程的规范管理，引导企业的管理部门和业务部门共同参与，保障数据管理工作的闭环和常态化执行；应当自上而下地推动形成数据管理文化和意识，明确数据管理的目标、路径和权责，避免为了治理而治理；积极探索多样的数据分析、数据共享方式，挖掘并实现内外部数据资产价值。
这样多管齐下，才能全面提升数据管理水平。
挑战：大部分企业还处于2级阶段
零壹财经：经过近几年的数据管理检测和评级的推进，你们认为现在数据管理领域面临的最大的问题是什么？
国家计算机质检中心专家：
从企业方面来说，领导层面的认识和决心是最重要的，是数智化转型的原动力。面对数据管理这样一项涉及众多部门、需要耗费大量精力和财力的工作，不同行业和地区的现状也差异较大。
以DCMM全国贯标工作的数据来看，大部分企业处于2级阶段，也代表着大部分数据需求仅限于业务层面，对于数据治理体系和平台的整体规划投入不足，企业对于数据治理的意义和认识有待提升。
从行业的角度，数据管理工作在落地的过程中，往往面临行业数据标准欠缺的问题。各行业工作特性差异巨大，势必需要细致的数据质量、数据标准、数据安全等行业规范。
如果没有权威、统一的行业数据治理标准，由企业自行开展规划建设，既增加了数据治理的成本和难度，也对数据开放共享流通环节带来困难。
而在数据管理测评认证方面，虽然数据领域的各项标准在积极推进，但全国性的、权威的数据治理认证体系仍然不多。
譬如现在国家大力推动的数据入表、数据要素交易流通等工作，其前提就要求确保数据质量，由第三方机构出具数据质量报告。但数据质量标准在各行业、各地区的落地转化、评估认证仍然缺乏统一的体系，尺度和要求不一。
数据质量报告难以跨行业、跨地区的相互认可，这不仅限制了大规模数据交易和应用，也增加了国家和行业监管的难度，无法准确衡量数据质量和制定监管措施，影响数据市场的长远健康发展。
政务数据的特点与尝试
零壹财经：各行各业都有很多数据其实掌握在政府部门。从政府数据管理的角度看，目前“数据成熟度”如何？
国家计算机质检中心专家：
政府和政务数据是我国近年在数据治理领域意识比较领先的，发挥着积极作用。一方面各地政数局等数据主管部门牵头制定公共数据共享服务标准，规划和规范各地区数据治理的顶层设计。
同时一些发展水平较成熟的地区，积极牵头建设数据交换共享服务平台，甚至设立数据交易流通市场，深度参与到数据治理工作中，推动数据资源的整合和共享，为政府数据管理提供了更加便捷、高效的工具，有助于提升各地数据管理的规范化和标准化水平。
