石油天然气高度依赖数据的产业，石油和天然气在地下深埋着，看不见，摸不着，找油找气离不开物探数据，采油采气离不开油藏模拟数据。石油产业在上游大量投资，主要是获取数据来分析和应用数据。数据获取能力、利用能力决定油气产业发展的质量和效益。

目前，数据成为新型生产要素，具备可复制、可共享、无限增长等特征，已成为发展最快、倍增性最强的生产要素。全面激活数据要素、充分发挥数据价值是石油行业非常重点的课题。

数据是人工智能、区块链新兴技术运用的基础。石油企业要发展成为数字化企业，需要这些新兴信息技术的融合创新。

数字化转型过程以数据为驱动。国务院发展研究中心报告中对数字化转型概括性表述是“数字化转型是利用新一代信息技术构建数据的采集、传输、存储、处理和反馈的闭环。打通不同层级、不同行业间的数据壁垒，提高行业的整体运行效率，构建全新的数字经济体系“。

随着数据驱动的持续发展，带来了组织模式、管理方式、业务运行方式的变革，正在推动油气产业转型升级。

对中石油而言，数据资源开发利用是伴随着信息化发展而持续迭代提升的。中国石油信息化经历从分散向集中、从集中向集成、从集成走向共享的发展历程，目前已步入数字化转型、智能化发展新阶段，正在向“数字中国石油”迈进。我们的数据资源也从分散单个系统数据存储到数据集成，再到数据共享演进，即将开启数据驱动的新境界。

经过多年的发展，中国石油数据按业务领域分为12类，累计管理各类数据量达到27PB，有效支撑各项业务生产运行和经营管理。

由于产业链条长、业务种类多、数据体系庞杂，加之历史周期长等因素，随着信息化的快速发展，我们在建设数据、应用和管理数据过程中面临诸多难题和挑战。

针对这些难题和挑战，近年我们在持续推进数据治理，期望逐步解决问题、突破瓶颈，提高数据质量和价值。

基本思路如上图所示，数据管理体系依托统一技术平台工具和保障措施，重点打造数据方面的四项能力，一是数据治理存储能力，二是数据加工服务能力，三是共享运营能力，四是数据安全能力，确保数据要素清洁、可信、一致、高效、安全、共享。从而支持业务数据化、数据业务化的数字化转型。

总体目标是推进数据资源化向数据资产化发展，最终体现数据资产价值的最大化。

数据治理体系如上图所示。包括10个方面，三个保障方面是制度保障、标准规范、组织保障，一个平台支撑方面是数据治理平台、公共数据编码平台；六项核心活动围绕数据架构、数据共享、数据质量、数据安全、主数据和维度数据开展。

第一阶段夯实基础，第二阶段深化重点领域的数据治理，第三阶段持续构建数据运营机制，释放数据价值。

根据各阶段任务，采取“统筹推动、分步实施、以点带面、多维支撑“策略。

第一，完善数据管理组织体系。明确数字和信息化部作为数据归口管理部门，同时成立数据管理中心负责数据管理的实施工作。正在逐步完善各层级的数据管理组织，明确职责任务。

第二，在今年上半年发布数据管理规定。落实数据管理的机构和职责，明确数据管理活动的基本要求和规定，确立数据管理考核纳入粘度信息化工作评价考核，成为数据管理工作指导性文件。

第三，制定数据管理专项规划。明确数据管理工作愿景和重点任务，按照规划持续开展数据工作。

第四，发布数据管理标准规范。包括数据管理与技术规范，三大类数据标准，包括公共数据的编码、生产运行数据和经营管理数据标准。

第五，建设数据安全体系。包括制度流程、组织保障、数据全生命周期安全等，基础安全、技术工具也正在实施过程中。

第六，研究数据资产化管理与经营体系。包括数据资产认定、确权、价值评估和资产处置一系列关于数据资产管理活动的规划设计。数据资产运营模式和相应工作流程、制度也正在研究过程中。

第七，建设数据治理平台。统一管理数据架构、数据地图和数据开发，为数据生产者、使用者、管理者，提供平台性工具，推进多主体协同数据治理机制的形成。

第八，建设统一数据湖体系。包括总部数据库和专业领域数据库，期望在符合标准的基础上全量高效完成数据入湖，建设良性的数据生态。

第九，在应用方面搭建大数据应用平台。持续提升多元数据汇聚能力、海量数据存储能力、高性能计算能力、多维智能分析能力。目前已在经营分析、供应链优化、财会监督等领域开展大数据平台的示范应用。

第十，建立全局数据资源目录。将自身数据分成三大类，经营管理 、生产管理、公共数据三个主题域。

此外，我们还对1200万条存量数据分析，在公共数据编码平台清理各类主数据编码300万余条，消除大量冗余，从数据标准、数据质量、技术手段、管理体系四个方面，完善主数据管理管理，提升标准化能力。

总结多年经验，我们制订了数据治理实施指导手册，为全面开展数据治理工作奠定基础。

近两年开展针对数据治理方面培训，让各级管理人员、业务人员，走进数据、重视数据，提升人员数据管理能力，同时营造良好数据文化。

在治理活动中取得一些进展，举两个例子。一是在油气勘探开发领域，按照源头认证、量化管理、共享应用的思路，完成高质量数据入湖，有效支撑一百余个业务应用运行。

二是在销售领域，开展数据资源盘点和整体确权工作，推进数据可视化，梳理落实680余个关键业务指标，持续提升数据质量，开展数据脱敏等系列活动。

最后谈点数据治理体会。一是提升认知，二是加强管控，三是健全组织，四是关注价值，五是做强技术，六是培养人才。