1 引言 数据是任何以电子或其他方式对信息的记录[1]。在新一轮科技革命和产业变革中，数据已成为形成新质生产力的优质生产要素。《中共中央国务院关于构建数据基础制度更好发挥数据要素作用的意见》提出，要从数据产权、数据要素流通和交易、数据要素收益分配以及数据治理四个方面构建数据基础制度[2]。因此，数据管理和数据治理既是响应国家发展战略、保障数据安全、助力技术创新与产业升级的重要举措，也是促进数据要素市场高效流通、提升国家治理能力现代化水平、推动数字经济高质量发展的关键引擎。 尽管数据管理与数据治理在支撑国家战略实施的进程中发挥着关键作用，但二者在定义、应用层次及关系等方面的多元化阐释已在理论和实践中引发了诸多问题。这一现象甚至反映在国家标准层面：由于应用场景不同，国家标准对“数据管理”和“数据治理”的定义存在差异化表述。 对于“数据管理”，GB/Z 18219-2008定义其为“在一个或多个信息系统中，定义、创建、存储、维护数据及关联进程并对其提供访问（权限）的活动”[3]，强调信息系统中的数据处理活动；在GB/T 34960.5-2018中，数据管理指“数据资源获取、控制、价值提升等活动的集合”[4]，强调信息技术应用中的数据资源处理活动；GB/T41780.2-2024认为，数据管理是“在物联网边缘计算节点中，对数据采集、数据汇聚、数据处理、数据存储、数据传输、数据交换、数据销毁、数据安全等数据相关活动进行管理的功能”[5]，进一步细化了数据管理在物联网边缘计算节点中的数据处理活动。三者均属于微观层面。 对于“数据治理”，在国家数据局发布的《数据领域常用名词解释（第一批）》中，它是“提升数据的质量、安全、合规性，推动数据有效利用的过程”[1]，强调针对数据本身的管理活动，属于微观层面。GB/T 34960.5-2018定义其为“数据资源及其应用过程中相关管控活动、绩效和风险管理的集合”[4]，强调信息技术应用中的数据资源管理活动，注重治理过程中的综合管理，属于中观层面；在GB/T 44109-2024中，数据治理指“对数据资源管理行使权力和控制的活动集合（计划、监督和执行）”[6]，强调大数据应用中的数据资源管理活动，同样属于中观层面。GB/T 37043-2018认为，数据治理是“基于数据生存周期，进行数据全面质量管理、资产管理、风险管理等统筹与协调管控的过程”[7]，关注数据生命周期内的全面管理，属于宏观层面智慧城市建设中数据管理的统筹协调活动。由此可见，数据治理的定义在不同应用场景中有不同的治理对象和路径。 根据上述定义，数据管理和数据治理在对象和目标上存在重叠：在对象上，数据管理涉及对数据从采集到销毁的全过程管理，数据治理同样关注治理过程中的综合管理及数据生命周期内的全面管理；在目标上，二者均聚焦于提升数据价值、保障数据质量、管理数据安全。 在此背景下，对国际标准中数据管理和数据治理的概念开展比较研究具有重要价值。一方面，国家标准中的多数定义直接来自国际标准，《贯彻实施〈国家标准化发展纲要〉行动计划（2024—2025年）》明确提出：“要持续开展国际标准跟踪研究，加快转化先进适用国际标准，实现国际标准转化率达到85%以上”[8]。另一方面，《中共中央关于制定国民经济和社会发展第十四个五年规划和二○三五年远景目标的建议》强调：“建立数据资源产权、交易流通、跨境传输和安全保护等基础制度和标准规范，推动数据资源开发利用……积极参与数字领域国际规则和标准制定”[9]。因此，开展国际标准研究对于促进我国借鉴国际先进经验、优化本土实践路径、构建完善的数据管理及数据治理标准体系具有现实意义。 2 文献综述与问题提出 2.1 数据管理与数据治理的概念界定 20世纪60年代，数据处理服务组织协会首次提出“数据管理”的概念。随后，Roach[10]定义其为“一个确定数据如何被收集、记录、存储、检索、分析和展示的领域”。当时的数据管理工作已涉及数据的生命周期管理，包括“资料管理”“档案管理”的含义。21世纪，国际数据管理协会（DAMA）认为数据管理是“为了交付、控制、保护并提升数据和信息资产的价值，在其整个生命周期中制订计划、制度、规程和实践活动，并执行和监督的过程”[11]，引入了“生命周期”的概念，强调“数据价值”和“信息资产”，明确数据管理是一项体系化的工作，视角更加宏观。简而言之，数据管理已从早期围绕数据生命周期管理和降低软硬件成本发展为更加注重数据价值最大化。 现有研究未就“数据治理”的定义达成共识，一般直接引用权威机构的解释。DAMA定义其为“对数据资产管理行使权力和控制（规划、监控和执行）”[11]。国际数据治理研究所（DGI）认为数据治理是针对与信息相关的流程所建立的一套决策权与问责制体系，该体系依据既定模型来执行。这些模型明确了谁可以在何种情况下、何时、采用何种方法，针对何种信息采取何种行动[12]。在数据赋能创新时代，数据治理已超越了简单的管控概念，逐步拓展到战略规划、流程优化等多个维度，涉及人员、技术、流程等多个要素。
