一种基于政务数据的治理模型及方法与流程

技术特征：
1.一种基于政务数据的治理模型，其特征在于：包括数据分类分级模块、数据标准建模模块、数据质量稽核模块、多源数据融合模块、数据清洗模块、数据脱敏模块和数据服务模块。2.一种基于政务数据的治理方法，其特征在于，通过权利要求1所述的数据分类分级模块、数据标准建模模块、数据质量稽核模块、多源数据融合模块、数据清洗模块、数据脱敏模块和数据服务模块共同实现。3.根据权利要求2所述的一种基于政务数据的治理方法，其特征在于，包括以下步骤：1)数据分类分级，通过所述数据分类分级模块，根据政务数据的属性和特征，按照数据的多维特征及其相互间客观存在的逻辑关联进行系统化归类和符合数据实际情况的区分和归类，并建立分类体系和排列顺序；2)数据标准建模，对信息系统所涉及的各项数据的定义与解释，是数据质量规则、数据管理与应用的基础，通过所述数据标准建模模块，根据数据元标准将数据目录与数据元标准建立关联模型；3)数据质量稽核，通过所述数据质量稽核模块，按照数据元标准规则和设置的检查维度、规则对数据进行多方位的校验检查，数据质量检查完成后，将结果数据存储到指定数据库中，并生成质量报告，或者对检查出的问题数据，指派给相应的数据提供方进行查询与整改；4)多源数据融合，通过所述多源数据融合模块对多来源数据分析处理；5)数据清洗，通过所述数据清洗模块重新检查和验证数据，删除重复信息，将脏数据替换成高质量可用数据；6)数据脱敏，通过所述数据脱敏模块实现数据去隐私化，对不同的字段内容设置不同的数据脱敏规则，通过脱敏规则进行数据的变形；7)数据服务，通过所述数据服务模块将数据资产通过在线化配置api的方式提供给业务方调用，数据服务以目录的方式对外发布，使用者可以查询到相应的数据服务，申请使用，经过审核审批管理后，使用者才能使用数据提供者的数据服务。4.根据权利要求3所述的一种基于政务数据的治理方法，其特征在于，在步骤1)中，数据分类分级方法如下：一、制定数据分类分级标准，根据数据的共享类别、开放类别、主体对象、数据特征、数据体量、敏感程度、影响程度综合考量划分；二、梳理分类分级识别规则，根据数据分类分级标准，梳理分类分级识别规则，形成分类分级规则的相关模板；三、数据资产准备，根据数据分类分级标准中所关联的维度，例如主体对象、所属领域、所属部门、所属行业、数据特征、数据体量、敏感程度、影响程度，对数据目录进行标记与划分，为后续分类分级工作打好基础；四、分类分级建模，通过数据内容分析、机器学习手段根据分类分级识别规则对数据资产进行智能分析，形成数据分类分级的策略规则及模型模板；五、分类分级判定，按照已配置的时间周期自动扫描，智能分析，并输出分类分级结果；六、持续更新，数据具有自我繁衍性，会在使用中产生更多的数据，其数据体量、影响程度会随之变化，因此数据的分类分级也需要持续更新与维护。
5.根据权利要求3所述的一种基于政务数据的治理方法，其特征在于，在步骤2)中，数据标准建模方法如下：一、梳理数据元信息，根据数据元标准文件中定义的标准数据元结合系统中制定的标准化模板梳理出数据元的信息；二、新增或导入数据元信息，将数据元信息录入或导入系统中，并提交审核；三、审核发布，对已导入的数据元进行审核和发布；四、关联数据元，梳理政务信息资源目录中与标准数据元的关联关系，并建立关联模型，形成对标准数据元的统一规范管理；五、建立数据模型，在对标准数据元统一规范管理的基础上建立与质量规则、数据模型的关系，形成统一标准规则库；六、维护与管理，数据标准可进行维护和管理，如果数据模型建立完成之后，有新增或更新的数据元标准，可以相应的进行调整走相应的审核发布流程，进而保障数据标准的更新、发布、使用的管理。6.根据权利要求3所述的一种基于政务数据的治理方法，其特征在于：在步骤3)中，数据质量稽核的方法如下：一、创建数据稽核规则，创建数据多维度规则检查；二、实体数据关联数据稽核规则，创建数据稽核规则后，需要把实体数据与数据稽核规则关联起来，包括关联规则编号、规则名称、规则方法、处理方法、维度、描述；三、数据质量精细化检查，数据质量精细化检查前需要创建质量检查服务，引用质量规则方法，并运行服务，进而开展数据质量精细化检查。数据质量精细化检查后会把有问题的数据抽取到问题库中；四、生成质量报告，根据数据质量精细化检查的结果和数据稽核规则设置的配分值、计算方法，最终会形成各数据提供方的数据质量报告；五、问题数据反馈及整改，生成质量报告后，可以把质量报告分派给各数据提供方，供其查阅问题数据，并开展问题数据整改工作；六、数据统计展示，数据统计展示可以对各数据提供方的数据检查维度、数据检查结果、质量报告分派情况、问题数据整改情况进行可视化展示，便于整体了解数据质量稽核情况；七、监控与维护，把数据质量稽核所配置的所有服务纳入监控管理中，如果发现错误警告，需要及时排查问题并进行维护，保障数据质量稽核工作的正常运行。7.根据权利要求3所述的一种基于政务数据的治理方法，其特征在于：在步骤4)中，多源数据融合方法如下：一、选择需要融合的表，开展多源数据融合的第一步，是在数据库中选择需要融合的表或者数据来源的表；二、建立数据融合模型，建立数据融合模型首先需要分析各数据来源表之间的关联关系和关联字段，从而梳理出一个新的数据模型；三、来源表与数据融合模型关系映射，通过分析出的各数据来源表与数据融合模型之间的关联关系和关联字段，按照新的数据组织逻辑进行关联映射，其目的是加强数据的内在联系；
四、设置数据同步规则，分析和明确数据来源表与数据融合模型中数据的同步规则，进行系统设置，比如数据来源表中删除了某条数据，数据融合模型中该条数据是否同步删除；五、数据融合，按照上述所配置的方法、规则运行相关服务，完成多源数据的融合，最终会形成一张新表；六、监控与维护，把多源数据融合所配置的所有服务纳入监控管理中，如果发现错误警告，需要及时排查问题并进行维护，保障多源数据融合工作的正常运行。8.根据权利要求3所述的一种基于政务数据的治理方法，其特征在于：在步骤5)中，数据清洗的方法如下：一、创建数据清洗规则，创建数据清洗规则是开展数据清洗的前提条件，可以引用数据元标准进行数据标准化清洗，配置相应的数据清洗规则，也可以根据特定的业务需求梳理数据清洗规则，进行数据清洗规则配置；二、实体数据关联数据清洗规则，创建数据清洗规则后，需要把实体数据与数据清洗规则关联起来，包括关联规则编号、规则名称、规则方法、处理方法、维度、描述；三、数据质量清洗检查，数据质量清洗检查前需要创建数据清洗检查服务，引用数据清洗规则和方法，并运行服务，开展数据质量清洗检查；四、问题数据加工处理，检查出的问题数据，需要进行加工处理，将脏数据替换成高质量可用数据；五、脏数据回流，当问题数据加工处理完成后，会回流至标准库中，从形成闭环；六、数据统计展示，数据统计展示可以对各数据提供方的数据清洗维度、数据清洗情况、问题数据处理情况进行可视化展示，便于整体了解数据清洗的情况；七、监控与维护，把数据清洗所配置的所有服务纳入监控管理中，如果发现错误警告，需要及时排查问题并进行维护，保障数据清洗工作的正常运行。9.根据权利要求3所述的一种基于政务数据的治理方法，其特征在于，在步骤6)中，数据脱敏的流程如下：一、创建数据脱敏规则，创建数据脱敏规则是数据脱敏工作的前提条件，数据脱敏规则包括数据加密解密、数据模糊化处理、数据掩饰替换、数字脱敏、数据混洗；二、实体数据关联数据脱敏规则，创建数据脱敏规则后，需要把实体数据与数据脱敏规则关联起来，包括关联规则编号、规则名称、规则方法、处理方法；三、数据脱敏，数据脱敏前需要创建数据脱敏服务，引用数据脱敏规则和方法，并运行服务，进而开展数据脱敏工作；四、脱敏数据入库，数据脱敏后，需要把已脱敏的数据抽取到业务库中，便于数据应用；五、监控与维护，把数据脱敏所配置的所有服务纳入监控管理中，如果发现错误警告，需要及时排查问题并进行维护，保障数据脱敏工作的正常运行。

技术总结
本发明涉及政务数据治理技术领域，具体的说是一种基于政务数据的治理模型及方法，包括数据分类分级模块、数据标准建模模块、数据质量稽核模块、多源数据融合模块、数据清洗模块、数据脱敏模块和数据服务模块，通过数据分类分级模块、数据标准建模模块、数据质量稽核模块、多源数据融合模块、数据清洗模块、数据脱敏模块和数据服务模块对数据元进行标准化，按照统一标准及口径，对政务数据进行数据质量稽核、多源数据融合、数据清洗、数据脱敏，提高政务数据的质量，再以数据服务形式对外提供更精准的数据服务，充分发挥数据的价值，形成政务数据资产，实现数据增值，为数据共享交换和数据开放提供体系化支撑，驱动政府数据服务创新。驱动政府数据服务创新。驱动政府数据服务创新。


技术研发人员：韦双梅 肖益 李宝东 穆显显 刘韶辉 张菁 贾若
受保护的技术使用者：太极计算机股份有限公司
技术研发日：2022.11.07
技术公布日：2023/2/6