摘要：[目的/意義]深入探析國外數據治理模型的構成要素、治理特點、優勢與不足等，為我國數據治理模型的構建提供理論基礎與實踐參考。[方法/過程]采用文獻調研和網絡調查法，對比分析國外4個典型數據治理模型，總結優劣之處。[結果/結論]國外數據治理模型各具特色，結合對比分析的結果，遵循由明確治理模型的原則與目的到理論回歸實踐的邏輯思路，從數據治理原則與目的、數據治理利益相關者、數據治理技術與系統、數據治理要素關系四個視角提出建議，以期為我國的數據治理模型構建提供借鑒與參考。
引言
繼十八屆三中全會首次提出國家治理體系和治理能力現代化之后，十九大對此進一步提出了明確的要求。由于國家治理體系體現的是數量與結構，治理能力體現的是品質與能力，而治理體系是一項系統工程，所以在治理體系和治理能力建設方面，應重結構提品質，分類細化治理，通過實現國家治理體系和治理能力現代化，實現其它目標。同樣的，在學術界，通過實現數據治理，將提升數據管理，確保數據質量，形成開放共享的新局面等。研究人員指出數據治理是決策、職能以及操作流程有機組合的系統，并且人們對這些數據資產承擔責任W。而構建一個數據治理模型，能為組織的數據治理工作提供直觀清晰的操作指南與行動方針[2]。
一、數據治理模型概述
通過對國內外文獻及相關網站的廣泛調研，發現國外數據治理始于2004年在企業管理中的探討[3]，2005年后陸續有學者對其展開研究，討論數據治理在企業、政府等領域發揮的影響與作用[4_6]。國內數據治理的研究大多集中在計算機、行政學以及金融等領域。包冬梅在借鑒國外數據治理模型框架的基礎上，首提我國高校圖書館數據治理框架CALib[7]。此外，國內己有多位學者從數據治理的內涵、要素、模型等角度進行述評，指出體系、模型等的設計是未來研究的重點方向，治理實踐是其最終目的[8_9]。
通過在Web of science數據庫中檢索"data governance"相關的論文，發現國外研究集中在案例分析方面，指出行業或企業缺乏數據治理這一事實。例如，調查發現西澳大利亞警察槍支管理系統和衛生信息系統存在很多數據問題，數據管理人員對本系統數據的準確性沒有信心，無法落實數據責任，這兩個案例強調非常真實的數據管理問題，相關學者指出這些問題不是規則或技術造成的，而是由于缺乏完善的數據治理[10]。在第五屆歐洲信息管理與評估會議中(European Conference on Information Management and Evaluation，簡稱ECIME)，研究人員調查中小企業對數據治理的看法，以及數據治理模型是否適用于中小企業等問題。結果顯示，盡管許多模型具有適應性和可擴展性，但缺乏可操作性，無法滿足許多中小企業的要求。更需關注的是，大多數中小企業不承認數據的內在價值，沒有將數據視為具有支持其業務流程的系統而獨立存在[n]。顯然，隨著大數據浪潮的推進，數據治理卻并未普及，組織中缺乏數據治理的現象依然大量存在，組織各階層管理人員對數據治理的重視程度依然欠缺。學術界對數據治理研究的透徹與全面，并不能代表組織機構愿意接受理論，使用模型。宄其根源，數據治理難以落實的原因可歸納為以下幾點，首先組織內部的不同團體之間缺乏溝通與協調，導致數據信息滯留。其次，組織人員對數據資產無責任意識，無法確保數據質量，沒有重視數據治理等。因此，構建數據治理模型是必要的，同時模型的可操作性和實踐意義也值得關注。
目前在國外己有數據治理模型中，提及較多的是數據治理協會（The Data Governance Institute，DGI)數據治理框架(模型）⑽，以及國際數據管理協會（The Data Management Association，DAMA)數據治理框架（模型）[13]。DGI數據治理模型包括規則與協同工作規范、人員與組織架構、過程三大部分及10個子部分。該模型的特點是將治理流程融入模型之中，以流程箭頭的形式標識出治理順序。此外，該模型條理清晰，重點突出，回歸研究問題的本質，回答了5W問題（WHY、WHAT、WHO、WHEN、HOW)。DAMA數據治理模型通過兩個子模型共同構建：功能與環境要素。該模型的核心意義在于解決數據管理功能與環境要素之間的匹配問題。這兩種模型，因其全面性和邏輯清晰的特點，被研究人員廣泛借鑒和引用，但不容忽視的是，數據治理模型不能忽略的特點是行業特征性，即組織唯一性。上文提及的CALib框架[7](模型），基于這兩種模型，以立方體的形式，多角度概述了我國高校圖書館數據治理的著陸點以及評價機制。本文通過網絡調研和文獻閱讀，將國外較少提及但具有鮮明特征的數據治理模型進行對比研究，這四個模型分別具有全面性、簡潔性、變化性與可重復性的特征，筆者期望通過分析四個模型的治理特點及相關要素，為我國數據治理模型的構建提出參考建議。
二、國外數據治理模型調研
管控風險，降低成本，增加收益，實現價值，這些是每個組織的目標和驅動因素。而數據治理的真諦即為如此。組織所有的努力最終都會落實到這些普遍價值中。倘若參與者對目標、策略、過程等不清楚，則很難實現組織的最終價值。制定管理活動的規則體系，溝通復雜模糊的概念及其邏輯關系，可以確保人們的勞動得到應有的價值回報。
隨著時間推移，由于數據質量下降，數據系統支持業務流程，追求組織目標的能力降低，導致組織成本增加，收益減少。管理層試圖在操作層面解決這些問題將無法正常工作，添加更多的數據或數據系統來修復這些問題只會使其更糟。因此，解決這類問題不是依靠更多的技術、系統或數據，而是數據治理。數據治理不代表技術功能，而是由業務驅動，搭建管理人員和技術人員之間的橋梁，而治理模型代表了一種狀態，即解決當今信息資產妥協問題所需的未來狀態。
1、ISACA數據治理模型
國際信息系統審計協會（Information Systems Audit and Control Association，簡稱ISACA)是全球公認的信息科技管理、監控的領導組織。ISACA從行政資助、文化、管理指標、培訓與意識培養四個角度，全覆蓋構建了如圖1所示的數據治理模型[14]。由圖1可知，ISACA數據治理在組織資助的前提下，以組織的愿景和使命，組織利益以及具體目標，共同確定數據治理的策略或目標。經由此類過程，數據治理模型的定位將會更精準，更扎根于組織本身。由于治理是靈活的，可以根據組織需求適當擴大或縮小治理范圍，所以其模型不應是"死板"的，在可控的范圍內進行調整是模型的特點。該模型的另一特點是充分體現了人的能動性與主導作用，全程參與到數據治理過程中。此外，模型采用頂層設計，基層實施的方法，秉持簡單實用的原則，只在需要的地方進行治理，不將額外的步驟加入簡單的過程中，確保模型的所有環節都為整個組織增值。
在模型建構的背景中，ISACA指出倘若治理難易程度較高，管理層和實際操作人員都會選擇繞道而行，這與治理的初衷背道而馳。如果將治理定制化，治理模型充分體現人的主導作用，治理各階層的人就會感覺獲得所有權，這更有助于數據治理模型的實行。在數據治理合規性方面，該模型從政策、標準以及內部質量保證三方面著手。合規性的設置遵循了內外結合的原則，在響應各地區政府政策的前提下，緊跟行業標準，完善內部質量保證，從而提升整個模型的效能，達到數據治理的目的。
圖1ISACA數據治理模型[14]
2、HESA數據治理模型
高等教育統計局（Higher Education Statistics Agency，簡稱HESA)是英國收集、分析和傳播高等教育定量信息的官方機構，提出了如圖2所示的數據治理模型[15]。HESA強調數據治理模型和組織的設計與管理結構密切相關，同時指出每個組織應根據各自側重點，對通用模型進行適當修改，即"特色化"。因此在該模型中，HESA將數據治理團隊與法律、安全、人力資源等團隊置于并列位置，共同受數據治理委員會指導。其次，授權給數據管家、業務人員和數據用戶等。HESA指出治理模型在一定程度上構成了"為所有人公平獲取數據"的概念，數據應被視為組織資產，而不是一個孤島。故該模型數據治理的范圍包括:①確保數據安全，管理良好，確保組織面臨的風險可控;②防止和糾正數據錯誤，作為計劃持續改進的一部分;③衡量數據質量并提供檢測和評估數據質量的改進框架;④制定標準記錄數據及其在組織內的使用情況;⑤作為數據相關問題/變更的升級和決策主體。由圖2的主體部分可知，數據治理呈現一種層層遞進的態勢，在數據治理模型中，需要定義和分配一些關鍵角色。HESA首提大學數據受托人（university data trustee)，指出大學數據受托人對數據管理的戰略協調負責。但實質上，大學數據受托人是一名高層數據管理人員，例如校方規劃處處長等。這與利益相關者理論下美國伊利諾伊大學數據銀行[16]的角色分配有異曲同工之處。大學數據受托人擔任治理職務，確保數據管理活動得到優化，從而配合和支持戰略目標的達成。除此之外，從模型的整體結構可知，組織的數據治理，既離不開操作層面的管理，也離不開政策層面的指導。因此政策指引是數據治理模型中必不可少的一部分。筆者認為，政策指引包括兩部分，其一是基于數據生命周期的數據管理過程的政策，該政策應嵌入治理過程內部;其二是縱觀治理全過程的宏觀層面政策。HESA模型中的"指導"與"授權"步驟正是這種政策的具體表現。HESA指出，構建模型的同時會定義和分配一些關鍵角色。重要的是，分配的是角色，而不是工作，數據治理過程應是一個整體，模型將這個過程清晰化、具體化。
圖2HESA數據治理模型[15]
3、Mustimuhw Information Solutions數據治理螺旋模型
Mustimuhw Information Solutions是加拿大一家計算機軟件公司。研究發現，隨著時間的推移，人們的需求和能力不斷變化和發展，治理模型將隨著擴張和改進的迭代循環而發展壯大。因此，該公司認為數據治理應以螺旋模型呈現間（如圖3)，以反映模型的動態和不斷演變的性質。由圖3可知，Mustimuhw Information Solutions數據治理螺旋模型始于數據治理的愿景和原則。數據治理模型根植于人們對數據治理和核心指導原則的愿景，這些核心指導原則為組織的數據治理提供了全面的方法和維護。隨著模型的螺旋形發展，該模型的第二個核心要素是治理結構，即治理的概念、組織結構、相關角色與責任。在這部分中，模型將數據從兩個維度進行劃分，首先分為國內和國外數據；其次再將數據分為四部分：企業、文化、人力、地產與資源。在組織結構中，該模型與上文提及的HESA數據治理模型有類似之處，即在數據治理委員會中，需要一名高層數據管理人員，還要有關注具體領域的數據管理人員；除此之外，對于不同類型的數據而言，需分不同部門進行數據治理，這也是該模型的一大特點。在第三個核心要素責任機制中，該模型強調要明確責任重點、要求及相關機制。并且在責任機制中，提出決策矩陣的概念，與相關政策保持一致和連貫性，如螺旋模型后端的數據治理政策和安全隱私政策等，用以明確和界定決策當局的任務和責任。筆者認為，從此處可以看出，該公司在開發構建該螺旋模型時，充分考慮了數據治理模型的連貫性，使整個組織共同參與，而不是前后斷層，要素分離。
基于螺旋形的結構特點，每個政策都應將數據治理模型的第一步--愿景和原則納入考慮。有別于其他模型的是，該模型認為數據治理政策的目標是通過對數據治理應用的共同理解來幫助預防發展中可能遇到的問題。隱私與安全政策描述了如何保護數據，并維護隱私和安全的措施與流程，從而防止隱私侵權和治理過程中的不當訪問。結合數據治理模型的其他要素，該要素為數據治理成果及數據保護提供了更多的保障。最后，該模型的第六個核心要素是法律，例如數據管理法、數據治理協議、數據共享協議等。通過上述基于要素的模型分析，筆者認為該模型雖從直觀上看是螺旋形，實則是具有縱向深度的柱體，包含全面的數據治理及其相關延伸。
圖3 Mustimuhw Information Solutions數據治理模型[17]
4、Information Builders數據治理簡易模型
Information Builders是美國一家軟件與咨詢公司，致力于幫助組織構建信息系統，以形成巨大的競爭優勢公司強調，創建一個模型確保數據的保密性、質量和完整性，是數據治理的核心價值，這對于滿足內外部要求(如財務報告、合規性和隱私權等)至關重要。數據治理通過加強監督，根除風險，有效地將政策與業務戰略相結合。而采用可重復的漸進式方法使任何規模的組織均可實施，適應其短期或長期需求和預算的實用且經過證實的策略。Information Builders數據治理模型是一個簡易可重復的過程[19](如圖4)，由該模型可知，對于大多數組織而言，采取漸進式方法是實現業務價值并建立數據治理可持續發展計劃的實用方式，從而避免在治理過程中過猶不及。
與其他模型不同的是，Information Builders在構建模型的同時，配以7個步驟輔助實施，確保有效的數據治理：①優先考慮業務改善領域；②最大化信息資產的可用性；③創建并分配角色、職責；④完善和確保信息資產的完整性；⑤建立問責制；⑥以主數據文化為基礎;⑦制定流程改進反饋機制。當地一家醫院基于這個模型和7個步驟，快速、經濟有效地在醫患系統中解決了數據有關問題。該醫院一年內收治了近6萬名住院病人和約53萬名門診病人。然而，經過一系列的系統創建、更新和交換，導致了約20%的患者數據不正確，數據質量問題堪憂，影響醫院的正常運營。因此醫院進行了數據治理，以確保為醫療決策提供適當信息。醫院利用該模型，旨在提高醫療質量，減少醫療錯誤，同時減少因低效、不完整的信息造成的醫療成本。面對龐雜的患者數據，對其進行標準化和清洗是必要的，隨著患者記錄的匹配和合并，一部分數據被推送至圖4的數據治理模型中，另一部分數據被推送至不同的患者管理系統進行轉換，進而再被推送至圖4。數據治理的推進，改善了醫院日常工作的協調性，保證了患者的信息安全和準確。結合此案例分析，筆者認為Information Builders數據治理模型更應稱之為數據治理流程，模型應兼具全面性與實效性。而其提出的7個步驟結合圖4所示的簡易模型，應是一個更為具體和全面的數據治理模型。
圖4 Information Builders數據治理簡易模型[19]
三、國外數據治理模型對比分析
由于各機構構建的數據治理模型存在差異，因此筆者對各模型的特點、優勢與不足進行分析（見表1)，在對比中發現數據治理模型的構建要點，需要規避之處，以期為我國學者數據治理模型的構建提供參考。
表1 國外數據治理模型對比分析
明確治理目標與原則是四個治理模型的共同點也是出發點。目標與原則對數據治理既能起到指導作用，也能讓治理主體以及治理相關者厘清治理目標，而治理原則是整個治理模型的行動綱領。ISACA模型和Mustimuhw Information Solutions數據治理螺旋模型均指出在構建模型之前，首先應有一套明確的界定標準，弄清數據治理對于組織的意義所在。數據治理整體的愿景和目標需清晰、準確。此外，政策是構建要素中十分重要的部分，數據治理政策描述了治理數據所需的具體要求，用于指導實施數據治理模型和履行相關角色、責任，并向其他利益相關者提供治理主體對治理需求的解讀。
對于治理相關者而言，模型的重要性在于能夠清晰地使其掌握治理的流程與重點。因此，在上述四個模型中，ISACA模型與HESA模型具體詳細地列出治理步驟或角色等，突出治理的重點。而數據治理螺旋模型與Information Builders數據治理簡易模型雖未在模型中詳細列出重點，但在模型的輔助說明中都指出了各要素或治理階段的涵蓋內容與注意事項。需要注意的是，筆者在分析螺旋模型時，認為治理核心要素的界定需更加清晰與明確，如第四和第五要素，數據治理政策包含安全與隱私政策，但安全與隱私政策卻不完全包含于治理政策中。治理政策針對的是數據治理過程，而安全與隱私政策既涉及治理過程，也涉及數據治理之外的組織管理活動。
在構建數據治理模型時多次提到"one does not fit all"，即模型不是"一成不變"的，不是一勞永逸的操作。一是因為每個行業甚至每個組織，它們的治理模型具有獨特性與應變性。二是因為治理是一個動態過程，過于詳盡的模型，不僅不會給治理工作帶來便捷，還會增加其應用的復雜程度，適得其反。恰當與靈活的模型給予組織數據治理正確的指導方針，同時配以合適的評估機制。不同利益相關者可以從數據治理模型中獲取決策信息，從而提高決策水平。而不恰當的治理模型既會讓數據管理人員繞"道"而行，放棄治理，也會讓組織的數據問題演變成組織架構等問題，從而得不到根本的解決。
四個模型的共同之處還在于，明確指出數據治理不是游離于組織而單獨存在的，數據治理模型的建立應與組織的管理指標、文化背景相融合。此外，數據治理模型應特色化，這是不爭的事實，但無論如何修改，數據治理都必須被視為是為整個組織的共享服務的。數據治理模型與組織的其他功能應是相互協調，共同運作的，避免單獨運作。數據治理模型的最終目的是為組織的數據治理具體實踐提供指導，同時培養各階段數據管理人員的治理意識與治理能力。
四、啟示
數據治理對于組織的重要性不言而喻，構建治理模型也是每個組織的當務之急。我國于2015年發布了《數據治理白皮書》國際標準研究報告[20]，從國家層面強調了數據治理是必然趨勢。對于組織而言，數據治理是一項復雜卻又意義重大的工作，而數據治理模型又是治理行動的先行與基礎，筆者根據上述模型的對比分析，從治理意義、職責、未來發展等角度，提出幾點啟示。
1、明確數據治理原則與目的，概覽治理意義
原則是說話或行事所依據的標準或準則。數據治理原則即是數據治理活動所應遵循的標準或法則等。在數據治理模型中首先將原則列出，使整個模型運轉的邊界線更加明晰化。通過上述表1的各項對比可以發現，原則與目的明確便于整個治理模型的邊界明晰化，扎根于各組織的實際情況。需要說明的是，Information Builders雖未在簡易模型中明確列出原則與目的，但在其輔助步驟中指出，應優先考慮業務改善領域，即治理目標精準化，著重治理有助于業務改善的領域。各國或各行業有關數據治理的規章法則等各有不同，因此組織的數據治理原則應根據各國各行業的法律法規，進行細化。毫無根據的原則，既無法滿足合規性的要求，也不能從本質上滿足數據治理的期望。此外，模型中應體現數據治理的目的，目的是遵循原則的成果展示，也是治理活動的展望。DGI指出，數據治理模型的目的可能會帶來一些"柔性"結果[21]，即在治理過程中伴隨產生的附帶效應，并非最終期望成果。筆者認為，這些"柔性"結果包括組織中人的改變：各崗位人員的意識觀念、管理能力以及組織向心力的凝聚。DGI認為這些結果是難以衡量的，但卻是無法缺少也是必要具備的。至此，數據治理的意義雖未曾在模型中明確指出，但己滲透在原則與目的之中。模型的意義即在于幫助組織明晰數據治理的流程，實現治理清晰度;創建明確的任務，確保努力的價值。治理的意義則更偏向于數據本身與組織自身的協同發展。
2、建立數據治理利益相關者鏈條，明晰治理主體的角色與職責分配
二十世紀六十年代斯坦福大學最早提出了利益相關者理論，研究人員將該理論定義為"失去支持則無法獨立生存的組織或團體"，并提出利益相關者"不僅能夠借助組織實現自身的目標，而且還能對組織整體目標的實現發揮重要作用"。人是數據治理的關鍵與主體，也是治理模型中的重點。數據治理活動的整個過程會有不同的主體參與進來，根據各方利益的不同，不同的主體扮演著不同的角色。如高校建立數據治理模型，學校高層數據管理人員、圖書館及其相應的數據服務部門、各學院研究中心、教師與學生等，共同構成利益相關者鏈條。如上述的HESA數據治理模型中，大學數據受托人也是治理的主體之一。此時數據治理模型的作用在于分配鏈條中各主體的角色與職責，為各方進行數據治理活動指明方向。同時，由于治理活動是一個動態的過程，因此模型也應體現多元化與靈活性。在分配角色與職責時，根據治理活動各階段的側重點不同，主體的角色和職能也應隨之變化。螺旋模型指出不同類型的數據應由不同部門來治理，即每一主體的治理側重點都應隨數據特征的變化而變化。此外，筆者認為治理模型中體現出治理主體的角色，是模型全面性的體現。同時，組織構建的模型，是面向全體人員的，在模型中落實各方主體的職責，能夠體現模型較強的實踐性。
3、關注并發展數據治理技術與系統，理論構建終要回歸實踐
數據治理技術的本質是信息技術，信息技術在數據時代的發展中扮演著輔助者的角色，起到推波助瀾的作用。數據治理有豐富的基礎理論，國內學者間在談及數字圖書館治理理論時，指出自組織理論、人本理論等對理論建構具有指導作用。借助協同理論的思想，將組織數據治理看作一個系統，系統內部存在若干屬性不同的數據治理個體，但在組織數據治理的環境中，不同數據治理個體間存在著相互影響而又相互合作的關系。提出數據治理個體的概念，并非強調數據治理內部是分離的，相反，數據治理既不能脫離組織而單獨存在，也不能由單獨的治理單位完成。筆者認為，運用協同理論，可以找出影響數據治理成果的控制因素，進而發揮數據治理個體間的協同作用。理論是超前的，先于實踐，可本質上還是為實踐探路?，F階段的數據治理，亟需技術或軟件的輔助治理。治理技術的創新研究，有助于實踐的順利進行。
4、厘清數據治理要素關系網，形成模型構建的基石
將模型看作一張網，治理要素就是網中的結點。模型中各要素并非是相互獨立的概念，而是共同存在于治理體系中。倘若治理要素尚未厘清，盲目進行治理，治理模型就會有失偏頗，不能將治理面對的所有問題納入其中。以上述4種模型的要素為基礎，從本質分析，筆者認為大致可分為人、操作、環境三方面。根據上文提及的利益相關者理論，模型構建要素--人，可分為數據管理員、數據用戶以及組成的數據治理委員會等。人既是數據治理的主體，也是構建模型必不可少的要素。在構建模型時，應體現治理的主客體。操作要素包括技術、管理以及政策法律等。目前國外一些機構依托計算機軟件進行局部的數據治理工作，如數據清洗等，但全面的數據治理技術仍然是一個亟需探索的領域。筆者將政策法律歸納為操作要素的原因是，政策法律是進行治理操作的保障，雖不涉及具體的操作步驟，但卻是治理活動的外部推動因素。而內部推動因素是組織治理的原則和目的，也是治理操作的內在依據。治理活動秉承治理原則，與治理目的遙相呼應。環境要素是指組織進行治理活動的環境特征，如資金的資助、文化的沖擊以及人們的觀念意識等。誠然，各模型對要素的表達不盡相同，組織可根據實際情況，在構建模型時確定具體的治理要素。
五、結語
數據治理模型的建立，是建構數據治理的重中之重和當務之急。本文通過剖析數據治理的4個模型發現，數據治理沒有一成不變的模型，每個模型都有適用范圍、優點與缺點。但模型并非終點與目的，治理也只是手段，都是提升機構競爭力與核心價值的輔助。新形式下，許多決策是由數據支配的，政府、企業、高校等的轉型與發展迫切需要數據治理的理論指引與實踐探索，構建簡明全面的數據治理模型，對解決現實問題具有重要意義。
參考文獻
[1]SOMAP. Six critical success factors for data governance - viewpoints on innovation [EB/OL]. [2017-06-15] .http://viewpoints.io/entry/six-critical-success-factors-for-data-govemance.
[2]DUTTAH. Graph based data governance model for real time data ingestion[EB/OL].
[2017-05-27] .https ://link. springer, com/article/10o 1007/s40012-016-0079-y.
[3]WATSON H, FULLER C,ARIYACHANDRAT. Data warehouse governance: best practices at Blue Cross and Blue Shield of North Carolina[J], Decision support systems, 2004, 38(3): 435-450.
[4]GRIFFIN J. Data governance: a strategy for success[J], Information management, 2005,15(6):49.
[5]CHEONG L, CHANG V. The need for data governance: a case study [EB/OL], [2017-10-09],
http: //theartofservicelab. s3. amazonaws. com/All%20Toolkits/The%20Data%20Govemance%20Toolkit/Plan/The%20Ne ed%20For%20Data%20Govemance-%20A%20Case%20Study.pdf.
[6]POWER D. The politics of master data management & data governance [J], Information management, 2008,18(3): 24.
[7]包冬梅,范穎捷，李鳴o高校圖書館數據治理及其框架[J].圖書情報工作,2015,59(18):134-141.
[8]張寧，袁勤儉o數據治理研究述評[J]o情報雜志,2017,36(5): 129-134.
[9]劉桂鋒，錢錦琳，盧章平o國內外數據治理研究進展：內涵、要素、模型與框架[J]o圖書情報工作， 2017,61(21):137-144,
[10]THOMPSON N, RAVINDRAN R, NICOSIA S. Government data does not mean data govemance:Lessons learned from a public sector application audit[J],Government information quarterly,2015,32(3):316-322.
[11]BEGG C,CAIRAT.Exploring the SME quandary:data governance in practise in the small to medium-sized enterprise sector[J].The electronic journal information systems evaluation,2012,15(1):3-13.
[12]Data governance framework[EB/OL] .[2017-10-18], http: //www. datagovemance. com/the-dgi-frame work/.
[13]DAMA international. The DAMA guide to the data management body of knowledge [M],
New York: Technics Publications,2009:37.
[14]ISACA data governance overview[EB/OL] .[2017-10-10],
https://www.isaca.org/chapters3/Atlanta/AboutOurChapter/Documents/GW2014/Implementing%20a%20Data%20Gove mance%20Program%20-%20Chalker%202014.pdf
[15]HESAdatagovemance[EB/OL].[2017-10-ll].
https://www.hesa.ac.uk/support/tools/data-capability/signposting/govemance.
[16]Illinois data bank policy framework and definitions[EB/OL], [2017-11-04], https://databank.illinois.edu/policies.
[17]Mustimuhw Information Solutions Inc. data governance framework[EB/OL].[2017-10-13]. https://staticl.squarespace.eom/static/558c624de4b0574c94d62a61/t/558c75a5e4b0391692159c81/1435268517023/BC FNDGI-Data-Govemance-Framework.pdf
[18]Information builders [EB/OL] .[2017-10-20] .http: //www. informationbuilders. com/about_us.
[19]Seven steps to effective datagovemance[EB/OL].[2017-10-12],
https://www.whitepapers.em360tech.com/wp-content/files_mi7white_paper/wp_iway_7steps.pdf.
[20]張明英，潘蓉o《數據治理白皮書》國際標準研究i告要點解讀[J]o信息技f與標準化,2015?:54-57.
[21]The DGI Data Governance DGI Data Governance Framework[EB/OL], [2017-10-20] http: //www. datagovemance. com/wp-content/uploads/2014/11 /dgiiramework.pdf
[22]鄭建明，孫紅蕾.數字圖書館治理的理論建構及其要素解析[J].大學圖書館學報,2017(5):101-107.
