2020中國優秀大數據、人工智能產品與解決方案測評分析

周潤松

今天我報告的內容主要分為兩部分，一部分是數據治理方面的工作情況，另外一部分是測評認定的工作情況。

第一部分是數據治理方面的工作情況。數據作為信息時代重要的生產要素，引起了大家的重視，我們也圍繞數據治理，整合了已有的業務單元，成立了數據治理中心。針對數據治理、數據政府網站的咨詢評估，我們開展了測評業務，同時構建了數據治理和流通的實驗室。

我們和中國電子信息行業聯合會聯合進行了數據管理能力成熟度評估工作，設立了數據管理成熟度的標準，這個標準從企業的組織、制度、技術、流程四個方面評估一個企業的數據管理能力。我們還建立了數據管理能力成熟度評估模型，將評估認證分成8個一級域：數據戰略、數據治理、數據架構、數據應用、數據安全、數據質量、數據標準、數據生存周期。28個二級域：數據戰略規劃、數據戰略實施、數據戰略評估、數據治理組織、數據制度建設、數據治理溝通、數據模型、數據分布、數據集成與共享、元數據管理、數據分析、數據開放共享、數據服務進行評估、數據安全策略、數據安全管理、數據安全審計、數據質量需求、數據質量檢查、數據質量分析、數據質量提升、業務術語、參考數據和主數據、數據元、指標數據、數據需求、數據設計和開發、數據運維、數據退役進行評估。綜合評估分析后將企業分成了五級：初始級、受管理級、穩健級、量化管理級、優化級。

我們設立的標準囊括了數據治理的方方面面，包括企業的數據戰略和數據治理，主要強調組織架構的設計、制度的制定、數字化過程中實施的工作。在初始級企業中數據需求的管理主要是在項目級體現，沒有統一的管理流程，主要是被動式管理;在受管理級企業中，組織已意識到數據是資產，他們根據管理策略的要求制定了管理流程，指定了相關人員進行初步管理，在穩健級企業中，數據已被當做實現組織績效目標的重要資產，在組織層面制定了系列的標準化管理流程，促進數據管理的規范化;在量化管理級企業中，數據被認為是獲取競爭優勢的重要資源，他們能對數據管理的效率進行分析、監控;在優化級企業中，數據被認為是組織生存和發展的基礎，相關管理流程能實時優化，能在行業內進行最佳實踐分享。我們希望通過評估幫助企業更好地完善數據治理能力。

2020年，我們在梅宏院士的指導下完成了《數據治理之論》一書，并有幸參與了數據資源開發利用文件的撰寫，同時我們也在支撐工業數據的分類分級標準的設定。而在數據管理能力成熟度建立方面，目前我們在貴州、海南、福建等省都開始將項目落地，已經有眾多企業完成了評估。我們還對一些平臺進行了測試，如國務院客戶端，該客戶端由騰訊開發，我們配合完成測試，在測試中我們模擬了63萬人同時在線的情況，實現4個小時內支持1.7億次訪問，同時我們也通過測試鑒定了程序的穩定性，并修改了一些問題。

第二部分是測評認定的工作情況。我想重點報告優秀大數據產品和解決方案的評價工作，從聯盟成立之初，我們就一直在推行這項工作，不斷完善大數據產品和人工智能產品的評價體系。我們重點關注企業核心的數據功能要素，如在大數據方面具備穩健的存儲處理能力，支持一定的主流分析算法或處理方式，具備分布式數據集成能力。在人工智能方面，我們不僅關注神經網絡模型，還聚焦數據的場景化，如企業對圖像、視頻以及文本的處理能力。我們還關注企業的數據安全、自有知識產權，并將其作為測評認定的核心參考依據。

我們認為解決方案應該能夠覆蓋一定的業務需求，通過大數據或人工智能的手段去解決實際的業務場景需求，同時我們強調應用的規模，這個方案應該是一個已經落地的、能夠得到很好實踐的方案，這是我們五年來一直堅持的評定標準。從2016年起，我們已經累計完成了九期大數據相關測評認定和六期人工智能產品的認定，累計的案例數量已經達到了206項，衷心感謝聯盟內很多企業持續配合。

下面我想介紹幾個典型的案例，我們見證了美林數據TempoAI平臺的成長，從最開始簡單的數據的處理分析豐富到了可以在分析的基礎上可視化，集成了很多機器學習的方案和內容;東方金信今年發布了人工智能的模型應用平臺，在數據分析的基礎上整合了很多人工智能算法，圍繞金融反欺詐方式建立了很多模型;科技谷現在圍繞數據也開始推出了聯邦學習的數據處理和分析平臺。這些企業經常會參與我們的評審，我們也通過評審逐漸發現這些企業在實際應用中不斷磨煉自己的產品，并應用很多新技能進行加持。

我們一直在完善大數據&AI生態共享平臺—“數智團”，并持續把測評報告上傳到這一平臺?！皵抵菆F”已經迭代了三個版本，我們希望通過這個平臺分享已有的產品解決方案，也希望企業可以把在線體驗環境對接到“數智團”上。我們可以通過“數智團”把企業的產品更好地推薦給行業用戶。

（根據演講內容整理，未經本人審核）