AI数据治理研究院：2026 DCMM专项报告：数据认责体系建设白皮书（39页）.pdf

1、DCMM专项报告数据认责体系建设白皮书AI 数据治理研究院年月精简版总序从“贯标”到“实效”：DCMM十五五展望“十四五”期间，我国数据管理能力成熟度评估模型（DCMM）贯标工作取得令人瞩目的进展，形成了基于价值的广泛行业影响力。截至年底，全国已有超过万家企业参评DCMM，覆盖全国余省、市、自治区，企业分布于金融、电信、能源、制造等行业领域。DCMM标准为企业从战略、组织、技术和应用各层面提升数据管理能力、推进数字化转型提供了一套科学有效的方法框架，这成为其被各行业广泛接纳和快速推广的根本原因之一。央国企和各行业领先企业已开始将数据管理作为战略要务，标杆企业的数据治理和供给水平以及共享和市场化

2、能力获得显著提升，数据的新型生产要素价值初步显现。高质量发展和创新是十五五规划的关键词，DCMM需要自我创新、更好的支撑经济和社会高质量发展目标。在十四五的良好基础上，十五五期间要让DCMM在助力企业数智转型和业务提升方面发挥更大、更持久的作用，还需在以下三个方面发力。需要审视数据治理工作精细化和系统化水平，倡导从“纸上制度”到“业务日常”、从“文档管理”到“系统运营”的转变；需要关注和推进从“结构化”到“多模态”数据管理，以及从依赖“专家人工”到“AI智能体”的技术创新实践和标准研制；一是推动机制落地深化二是推动技术智能升级结合DCMM.贯标试点，助力政企组织的数据要素能力建设，推广从静态“

3、报表支撑”到闭环“决策智能”、从内部“数据平台”到一体化“可信空间”的最佳实践。在上述背景下，AI 数据治理研究院联合国内政企用户、评估机构、技术厂商和业内专家，深入开展基于DCMM的理论和实践研究，将围绕治理机制、高质量数据集、可信空间、AI+数据治理等关键和创新议题编制“DCMM专项报告”系列白皮书，包括：数据认责体系建设基于本体的数据治理和智能体落地AI+数据治理数据质量和高质量数据集可信数据空间数据治理组织架构设计和建设数据文化和数据素养培育数据治理和数据安全的边界和协同数据审计数据跨境希望这些汇集行业专家经验和智慧的报告，不仅能够成为参与DCMM贯标各方的专业知识库和工作参考书，也能

4、进一步激发数据管理全行业的思想碰撞和实践创新，推动数据管理工作更好的与业务融合、为业务服务、释放数据要素的巨大价值。三是推动数据管理价值显性化12345678910符山AI 数据治理研究院院长主编单位AI数据治理研究院数据易（北京）信息技术有限公司、北京赛西科技发展有限责任公司中国联合网络通信集团有限公司、中信建投证券股份有限公司、广西电网有限责任公司中国人民保险集团股份有限公司、人保信息科技有限公司、贵州电网有限责任公司 中国人民人寿保险股份有限公司、海南电网有限责任公司符山符山宾军志编写组娄瑜贾晓菁许立芳刘树国刘莹徐飞张倩何东川李瑾蔡渊李冰方俊霆 李小森许洁缪新萍查毓灵周迪贵银源黄依婷艾徐

5、华韦宗慧林子健郝宏宇葛海婧李佳林 狄秋燕李霞童艳丽陈元勋张文杰曹恒智朱昌会吴漾张易朱姝睿高立伟胡婵娟闵爽郭佳李雅平于文燕白雪王昊宋博宇胡之恒编委参编单位执行摘要关键发现与报告综述数据认责是数据治理的奠基性工作之一，是一套体系化的管理机制。毋庸讳言，对于数据这一关键生产要素进行有效的管理，必须通过一定的责任约束，将参与者纳入数据质量、安全与合规要求的框架中。由于数据具有不同于实物资产的业务伴生性、多方参与性和抽象性等特点，需要精细化的责任划定规则、方法、流程才能应对业务动态变化、多方协作以及语义多歧环境下的各种复杂数据治理问题。然而现实中，数据认责往往是政企机构数据治理中最易被忽视的短板。DCM

6、M贯标中常见的现象是，许多企业误将“设立岗位、明确职责”等同于“完成数据认责”。对数据认责的简单化理解和粗放处理将直接导致数据责任“真空”与“重叠”，数据质量和安全合规等问题难以有效问责、数据治理事倍功半。数据认责体系建设力度和完善程度在一定意义上已成为企业数据管理工作水平的试金石。政企组织的数据认责落地往往面临理论与现实结合的挑战。由于数据组织架构和认责机制等顶层规划不完善、认责矩阵粒度粗、运营机制缺失等问题，数据认责推进中的典型现象包括：参与各方对认责工作以及各角色作用理解不足、数据责任划定模糊、运动式认责和效果难以持续等。更根本的痛点在于，数据治理价值场景不突出、业务获得感不高，数据认责