数据运营是一项长期性的、体系化的工作，企业需建立与之相适应的组织架构、制度体系、平台工具和流程机制，以保证各项活动有效开展，统筹推动数据运营顺利进行。

(一)组织架构

一般来说，数据管理和运营的组织架构包括决策层、组织协调层、数据管理 层、工作执行层四个层级。其中，决策层作为数据决策方，由组织CIO或CDO担任，负责制定数据管理决策、战略和考核机制。组织协调层由虚拟的数据管理委员会承担，负责统筹管理和协调资源，细化数据管理的考核指标。数据管理层由数据管理办公室承担，作为数据管理的主要实体管理部门，负责构建和维护组织级架构(包括 业务架构、数据架构、IT架构)，制定数据管理制度体系和长效机制，定期开展数据管理检查与总结，并向组织协调成和决策层汇报。工作执行层由业务部门和IT部门共同承担，负责在数据项目中落实数据管理工作，与数据管理层协同参与各项活动。

伴随着数据认识的不断加深，数据管理和运营的投入持续增加，CDO这一角色在决策层中的重要性日益显现。各地区相继出台了首席数据安全官(首席数据官)制度，截止目前北京、上海、深圳、广东、四川、湖南、浙江、江苏、福建等多数省市相继发文，推进首席数据官的落地。相关统计数据显示，金融行业和通讯、媒体与科技行业的数字化成熟度较高，首席数据官或类似管理岗的数量位居前列。大部分商业银行已经进行了体系化的数据建设工作，现阶段首席数据官的职责主要聚焦在业数融合推动数字化转型“破局”、数据价值链“重塑”、提升数据交付效能和推动企业数据文化“革新”、创造“权责对等、数据驱动”的企业数据生态等方面上。

在组织协调层中形成由业务部门和数据部门组成的数据需求团队和数据应用团队，从需求端和应用端加强数据和业务的协同，有利于加速数据“端到端”的流转效率。数据需求团队负责统一管理内外部各类需求，明确需求类型，根据过往实践量化不同类型数据需求的主要流程、所需资源和潜在风险，提高数据需求理解和对接的效率。数据应用团队一方面负责统筹构建企业级的数据应用场景地图，明确各应用场景的关键要素，并根据应用范围的不断丰富持续优化场景地图，提高数据用户找数和用数效率，为数据价值评估和入表奠定基础;另一方面通过建立业务人员和数据人员的沟通协作渠道，聚焦特定业务问题，加深业务理解，提升策略的准确性和有效性。

以中国移动为例，中国移动集团构建了全网协同的数据管理组织架构，在集省专各单位组建覆盖管理、技术和运营的复合型数据团队，为加强业务IT融合，试点建设两级团队，协同支撑内外部大数据产品建设及赋能工作，目前全集团共有千余人的数据管理人员。

数据管理层和工作执行层依托数据认责体系，通过“责权利”机制持续开展运营工 作。由于数据产生于业务，数据流转依赖于业务，因此，数据认责机制对于统筹协调数据管理、加强各方对于数据管理的认可具有较强的积极作用。例如，平安银行建立了以数据类别(基础数据、指标数据、外部数据等)为基础的数据认责原则，明确了数据采集者、数据加工者、数据使用者等不同角色在数据生命周期各环节的责任，建立数据认责矩阵，并将数据认责机制与考评激励措施相结合;在数据应用层面，依据认责原则搭建五级认责体系，分别为“归口管理部门”、“报表主管部门”、“业务场景主 管部门”、“字段主管部门”、“字段协管部门”，解决了数据在应用层面职责划分不清晰的痛点，有效支撑了数据口径、数据规范等数据治理层面管理措施的落地执行。

数据运营让传统数据管理部门的价值日益凸显，推动其从成本中心向运营中心的转变。传统数据管理部门主要被动响应业务的需求，定位是支撑部门或成本中心。通过将数据价值评估作为抓手，以提升业务经济效益作为目标开展数据应用，显性化数据价值，主动以服务的方式向不同数据用户推送各类数据产品，让数据提供方也成为数据受益方，推动各数据责任部门更有动力参与数据运营的工作中，持续提供高质量的数据源，扩大共享的数据范围，让数据在组织内高效流转。

(二)制度体系

围绕数据目录管理、数据应用场景构建、数据服务推广、数据动态优化、数据成本管理、数据价值评估等活动形成相应的制度体系，明确各活动的管理流程、主要角色、岗位职责、考核要求等内容。数据运营制度体系是保障数据运营活动有序开展的基石，包括但不限于数据需求管理、数据成本管理、考核评价机制、数据目录运营保障等。

数据运营制度体系应与数据管理、项目管理等相关制度保持一致。例如，数据质量管理制度包括数据质量的监控、评估、改进等方面的规定，有助于确保数据的准确、完整、有效，同时也有利于提高数据的可用性和价值。一套严格的数据安全制度包括数据加密、访问控制、备份恢复等方面的规定，有助于防止数据泄露、篡改和丢失，确保数据的安全。针对数据运营团队制定培训与考核制度，包括新员工培训、在职员工培训、运营结果定期考核等方面的内容，有助于提高团队成员的专业素质和工作能力，调动团队积极性，保障数据运营工作的顺利开展。

(三)平台工具

平台定位方面，数据运营平台位于数据管理平台上层，为各项数据运营活动职能的执行提供技术保障。数据运营平台内部对接企业数据库以及数据管理平台，支持不同数据库的元数据采集以及数据管理平台数据标准、数据质量、数据安全结果的对 接引用;外部对接数据交易所平台，支持实现数据产品的登记上架，打通数据申请、加工、审查、交易全链条。

功能架构方面，数据运营平台是数据运营的载体，以实现数据的可管、可找、 可知、可用、可评为目标。数据运营平台应具备数据目录管理、数据全景概览、数据 服务、价值评估、成本管控和监测分析等功能。通过对数据进行统一接入、集中管控和应用管理，帮助运营管理方理清数据从资源到资产的价值流向，可视化数据应用场景分布，及时根据用户需求和反馈优化数据服务内容，自动化开展数据价值评估和成本核算，识别并展示高价值数据。

图12 数据运营平台功能框架图

(四)流程机制

审计机制是保障数据运营按既定规划和规范执行的有效方式。 数据是企业 一项新型而复杂的资产，审计难度较大，在进行数据审计时，重点关注数据的权属范围、 安全合规、成本计量、交易规范等行为。权属范围方面，从“数据二十条”所提出的 “三权”出发，对于各类数据明确企业是否拥有资源持有权、加工使用权和产品经营权，同时考虑企业所处行业和自身需求(例如外购数据金额、外购数据内容等因素，进一步界定范围;安全合规方面，企业结合自身数据合规管理制度体系、标准和操作流程等，明确数据权限控制机制，建立合规风险评估机制，对数据分类分级保护情况、数据处理合规情况、法律法规变化和监管动态落实情况等进行评估和改进。成本计量方面，在企业项目管理和财务管理相关要求的基础上，加强数据相关项目的成本审计，全面覆盖数据全生命周期的各类项目。交易规范方面，针对交易对象、交易流程、交易数据等明确审计内容，对于依托数据交易所开展的交易行为，应遵循或参考相关交易要求，定期对各类交易活动的合规合法性进行审计，防范交易风险。

收益分配机制是构建数据贡献分配模型，建立分配机制并量化评估各个参与方价值贡献的一套规则。构建收益分配机制目标就是基于数据价值评估结果，对接数据产品应用的场景目标，科学量化评估各个参与方的价值贡献，实现内部合理分配，有效激发各参与主体的积极性和动力，促进内部资源整合协同能力。

按数据贡献分配收益的关键活动包括：一是构建数据价值评估模型，作为各参与方贡献分配的基准。二是设计内部贡献分配模型。在数据价值评估的基础上，从数据全生命周期、主要服务内容构建数据贡献分配矩阵，明确数据全生命周期各环节的主要责任部门、岗位人员，量化评估相关数据服务主体所做出的贡献，进行相应的激励分配。三是建立内部贡献分配机制。制定建立通过绩效评分、积分以及奖金等多种方式，进行激励分配的机制，支持对相应的各级服务主体进行激励，鼓励各类参与主体利用数据赋能业务，可以有效促进企业内部资源能力的整合协同，推动企业资源的有效调配与投放，并进行市场化分配机制的探索实践。

培训宣贯是数据运营理论落地实践、流程执行运作的基础。通过安排员工参与数据运营培训、课程，加深行业内、外部单位优秀经验沟通与交流，组织开展案例分享，促进员工提升技术水平。绩效考核是确保数据运营各项工作落实到位的关键举 措。建立数据运营考核机制，开展常态化、全面性问题巡检，将问题处理结果与员工薪酬关联，确保数据认责体系的有效执行。

摘录自：CCSA TC601大数据技术标准推进委员会发布的《数据运营实践白皮书》