12月20日，在“2023数据资产管理大会”上，中国信通院云计算与大数据研究所所长何宝宏表示，数据治理的目的是数据的可得、可用、好用，释放数据价值，最终实现数据驱动的企业运营。只有对数据科学治理，数据在企业内部的流动才具有意义，不同维度的数据汇聚在一起，才能创造新的价值。整体来看，数据治理有六个大的发展趋势。
具体而言，何宝宏认为，一是国内数据管理方法论正在形成，DCMM评估在各行业逐渐普及；二是数据管理与数据开发的融合正在进行，DataOps体系正当其时；三是数据编织构建下一代数据架构，极大提升数据管理效率；四是数据管理向资产管理跃迁，资产评估和资产运营理论框架进一步细化；五是面向人工智能的数据管理需求迫切，亟需构建面向AI的数据治理体系；六是数据安全落地规模与深度逐渐加快，需要关注数据流通安全、人工智能数据安全以及数据安全运营等新的发展方向。
何宝宏表示，数据管理与数据开发的融合在加速，新的数据开发范式正在形成。数据开发能力是企业数据生产力的核心，大型银行、大型运营商已经构建了较为强大的数据治理体系，但仍然存在数据需求不畅通、开发治理两张皮、数据开发效率低、跨域协同难推进等问题。DataOps是一种敏捷数据开发的理念，通过对数据相关人员、工具和流程的重新组织，打破协作壁垒，构建集开发、治理、运营于一体的自动化数据流水线，不断提高数据产品交付效率与质量。
2023年8月，财政部正式发布《企业数据资源相关会计处理暂行规定》，并于2024年1月1日开始施行，指出现阶段数据资源会计处理应当按照企业会计准则相关规定执行。何宝宏表示，从数据资源到可以入表的数据资产，中间还有很多的难点需要一一击破，特别是从价值评估的角度，质量因素、应用因素、成本因素和法律因素都会对结果形成关键的影响。
“当前我们正在和一些头部央国企、银行，围绕企业数据应用场景开展数据资产估值落地实践，制定了七大估值步骤和详细的实施方案，为数据资产入表做好前期准备。”他说。
随着通用人工智能的发展，何宝宏认为，面向人工智能的数据治理面临诸多挑战，包括方法论缺失、数据集质量评价体系不完善、数据安全与隐私保护的挑战等。他表示，目前，中国信通院正在积极探索推进人工智能数据治理的发展。由中国信通院牵头，联合30多家企业，已启动编写《人工智能数据治理白皮书》，面向人工智能数据治理的核心问题，总结方法论和实践体系，帮助企业构建全面的数据治理能力。面向高质量数据集，将推进可信数据集流通及质量评价方法的标准制定，定义数据质量评价维度和评价方法，形成数据工程化的方法。
