科研機構科學數據治理路徑初探

彭潔

科研機構科學數據治理路徑初探

彭潔

（中國科學技術信息研究所，北京 100038）

科研機構作為科學數據生產和管理的重要部門，有效實施科研機構科學數據治理是實現其科學數據高效利用的重要手段。本文以數據治理框架為基礎，構建科研機構科學數據治理模型，并以某科技信息研究機構數據治理為例進行分析，為落實《科學數據管理辦法》提供參考。

科研機構；科學數據；數據治理；數據服務

科學數據是科技創新的重要戰略資源。科學數據主要包括在自然科學、工程技術科學等領域，通過基礎研究、應用研究、實驗開發等產生的數據，以及通過觀測監測、考察調查、檢驗檢測等方式取得并用于科學研究活動的原始數據及其衍生數據[1]。它既是支撐科學研究的重要基礎，也是科學研究的重要產物和成果；既有一般科學數據和大數據的特征，也有其自身獨有的特征。

科研機構是科學數據生產和利用的重要主體，是科學研究的重要執行基地，在研究過程中產生大量有價值的數據。對科研機構科學數據高效管理是落實《科學數據管理辦法》的基本要求，也是提升科學數據開放共享水平、發揮科學數據價值的重要內容。數據治理（data governance）是各類組織對其數據使用的一整套管理行為，本研究主要基于數據治理理念，針對當前科學數據管理和利用過程中的問題，提出科研機構開展科學數據治理的基本框架和實施路徑。

1 相關研究

隨著信息技術的發展，數據量日益增加，數據治理成為信息研究的重要領域。Watson等[2]最早提出“數據倉庫治理”的概念，開始關注數據治理這一研究領域。許多學者對數據治理的內涵進行了深入探討：Wende[3]認為數據治理是鼓勵理想的使用數據行為的決策權和責任框架；Weber等[4]認為數據治理作為實施數據責任的通用方法，適合所有數據和組織的需求；Thomas[5]認為數據治理是對于信息相關流程的決策權利和責任制度，按照商定的模型執行，描述誰可以采取什么行動。可以說，有效的數據治理已被認為是獲取數據使用價值的關鍵[6]。本研究認為，數據治理是對于數據相關流程的決策權利和責任制度，按照商定的模型執行，描述誰可以采取什么行動。數據治理的核心是數據資產管理的決策權分配和職責分工。

數據治理需要鞏固和結合整個公司、機構的數據，其重要性得到了從業人員的認可，并且認為數據治理一直也必將是企業信息管理的新趨勢。在此基礎上，在許多重要會議上數據治理都成為重要主題，如TDWI（The Data Warehousing Institute）World Conference、DAMA（Data Management Association）International Symposium、DG（Data Governance）Annual Conference和MDM（Master Data Management）Summit。《DAMA數據管理知識體系指南》認為數據治理是對數據資產管理行使權力和控制的活動集合[7]。2004年IBM制定了包括四大領域11個要素的數據治理框架和方法來指導數據治理工作的開展。近年來，國內外研究逐漸增多，國外有Wende[3]等進行了數據治理模型方面的研究；國內來看有李振[8]、徐建忠[9]、孟曉峰[10]等分別對大數據治理的模式、方法及隱私保護進行了相關研究。

總體來看，數據治理是一個新興的熱點研究領域，是數據管理的補充，是IT治理的高級階段和內容深化。數據治理是鼓勵數據創造、使用、存儲、歸檔和刪除而涉及的組織結構、規則、決策權及責任。當前已經有許多學術組織、企業和學者提出了一些數據治理模型、重點內容、工作原則、角色職責等。將數據治理理念用于科研機構科學數據管理領域的研究較少，有針對科研機構數據政策[11-12]、管理現狀分析[13]等尚未成熟的治理體系和方法路徑。

2 科研機構數據治理模型及實施路徑

科研院所是由國家或部門根據經濟社會發展需要建立并資助，由占有一定空間與設備條件的各級各類科研人員所組成的科研工作單位，是國家科技創新體系的基本力量[14]。中國科研機構眾多，在物理、地理、化學、數學、機械、電子等理工科及人文和社會科學、醫學、農學、藝術學等各個方面都有涉及。截至目前，中國有各大科研機構近1?300所，涵蓋中國科研的各個方面。在科研機構的數據庫建設方面，幾乎每個科研機構都有自己的專業數據庫，只是在專業程度、規模、建設層次和水平等方面有著較大的差異。

長期以來，科研院所集聚了大量國家投入形成的科技資源。其中，科學數據庫是最重要的科技資源之一，這些分布在科研院所內部的數據庫是一筆巨大的財富，它們既是科學研究的基礎，也是科學研究的成果，在大數據時代，更是一種重要的國家戰略資源，同時具有很高的經濟價值，應該得到充分的共享和使用。但是，分布在科研院所內部的大量科學數據庫的共享一直是難點，迄今未得到有效解決，嚴重制約了中國科研和科研經費使用效率的提高。科研院所內部數據庫的共享和利用是一個復雜的系統問題，既涉及個人和單位的利益，也涉及知識產權、機制和技術等諸多因素，需要對這些因素進行研究，并以政策的形式對諸多因素進行協調，開展數據治理。

2.1 治理目標

在數據治理中，非常關鍵的是進行數據治理總體目標與藍圖規劃。對于數據治理的核心目標，一是增加決策制定的一致性和保密性，二是減少調節的風險，三是提升數據安全性，四是將數據產出最大化。其包含組織結構和過程來確保組織的數據資產維持并拓展組織的戰略和目標。Rifaie等[15]指出數據治理有4個目標：數據價值和對齊（data value and alignment）、任責/問責（accountability）、績效測評（performance measurement）和風險管理（risk management）。

科研機構開展數據治理的目的是實現科研機構內部已有和新增的多源異構科學數據的有效共享與高效利用，并能夠根據機構的業務定位，面向不同場景，提供基于數據融合的各類服務。

（1）在數據使用意愿方面，需要制定形成機構內部的數據管理辦法，保證機構內部各業務部門、研究團隊、科研人員能夠主動地匯聚科學數據，建立匯交數據的各種獎勵措施，保證能夠按照機構戰略實施數據共享，促進數據利用，形成一種愿共享、想被用、促增值的良好文化氛圍。

（2）在數據質量方面，需要形成對各類科學數據元數據質量、數據質量、數據匯交質量等管理的標準，并根據標準進行比對檢查，保證提交數據的準確性、一致性和完整性。同時建立基于科研機構業務的數據模型，形成數據的關聯。建立機構內部科學數據獲取、加工、組織、關聯、匯聚、共享服務等全生命周期的管理規范、辦法等，保證數據的有效管理。

（3）在數據使用效益方面，需要根據信息技術的發展，建立適用于機構內部各類數據匯聚和保存的數據倉儲和數據服務門戶，利用先進的IT技術和數據技術，保證服務響應周期內面向機構內用戶共享和利用，保持用戶服務的可拓展性。

2.2 治理模型

Moseley[16]指出數據治理的5個核心內容包括政策（policies，有關組織層面數據治理操作程序、決策制定和數據管理活動的方向）、過程（processes，詳細的過程定義了步驟和產出）、業務規則（business rules，用于實施數據治理的組織政策和決策制定過程）、人員（people，具有專門職責的角色，直接度量和對數據治理產生貢獻）、技術（technologies，數據質量管理工具、中間件、工作流和主數據管理軟件等）。

對于數據治理的體系框架，由于機構背景、治理目的、研究視角等不同，不同的機構和研究者提出了不同的數據治理框架，例如：Thomas[17]提出的重點在于關注數據倉庫和商業智能的治理框架；Weber等[4]提出的面向企業的角色、決策任務、責任三位一體治理框架；Khatri等[18]提出強調數據原則和數據生命周期的治理框架。此外，還有IBM數據治理模型（支撐域、核心域、促成因素和成果4個層級11個要素）[19]、《數據治理白皮書》的治理框架（原則、范圍、實施和評估）[20]、ISACA的體系框架（提出數據治理的5項基本原則）、Gartner數據管理參考架構（規范、規劃、構建和運行）等。

綜上，本研究認為，對于科研機構來講，數據治理可采用《數據治理白皮書》框架，包括3個維度：原則、范圍、實施與評估（見圖1）。原則維度給出了科研機構數據治理工作所遵循的、首要的和基本的指導性法則，即治理戰略與機構戰略一致、治理行動合規、服務績效提升。范圍維度（決策域）描述了科研機構數據治理的關鍵域，即科學數據治理決策層應該在哪些關鍵領域作出決策。治理目標是在現有數據資源基礎上，實現科研機構數據的高效利用與共享，在這個過程中，需要對實現這些目標的各個決策域開展工作，并進行評估、監督和指導，以保證這些流程和行動合規。在數據治理實施過程中，需要明確參與數據治理各個角色的權責范圍，根據目前科學數據資源及利用現狀，開展現狀評估，梳理確定開展數據治理的關鍵重點領域，并將關鍵重點任務分配給各個角色負責實施，在此過程中定期開展治理狀況的評估與監督，根據評估反饋不斷完善治理實施路徑，以達到科學數據高效利用狀態。

科研機構開展科學數據治理的基本方法和步驟包括以下4個方面。

（1）了解科研機構科學研究及其產生和匯聚的科學數據現狀，分析在其利用過程中存在的問題，形成科學數據治理的目標（確立目標和指導原則）。

（2）根據科研機構特點，建立科學數據治理的組織體系，對涉及的各個角色進行職責分配，并確立獎懲機制（組織保障）。

（3）針對治理目標，開展治理活動（決策域）。重點形成科學數據治理的元數據整合匯聚框架和質量提升策略，構建融合科研機構數據的數據模型和數據應用服務門戶架構，設計科學數據共享及應用服務的主要場景和服務內容。

（4）開展治理成熟度評估和科學數據資產審計，反饋治理效果，并不斷優化針對各個決策域的治理活動（評估、監督和指導）。

3 科研機構數據治理案例

本研究以科技信息研究機構為例，按照本研究提出的科研機構科學數據治理模型，對其科學數據治理現狀進行剖析，重點針對數據治理中的組織體系建設以及治理過程中的元數據集成、場景化的數據服務等關鍵問題進行案例分析。

3.1 科學數據治理現狀及問題分析

某科技信息研究機構是一個面向科技管理決策提供數據和信息支撐的智庫型研究機構，同時也是為創新主體提供科技知識服務的服務機構，建有科技文獻數據庫、專利數據庫、科技人才數據庫、科研機構數據庫等近50個數據庫，由下屬各業務部門分別建設。該機構科學數據建設和利用現狀如下。

（1）缺乏支撐數據高效利用的政策體系。該機構制定出臺了《自建數據庫資源使用暫行管理辦法》，主要對數據庫資源在機構內各部門間共享的審批流程、共享數據的使用、數據共享過程中的責任劃分做出了規定。但隨著時代的進步，科學數據共享資源標準的提高，該辦法一方面無法完全滿足科研工作者對于數據共享的需求；另一方面無法充分調動相關部門對于數據利用的積極性，在一定程度上制約了科研工作的高效開展。

（2）數據資源標準化程度不高。同一主題類型的數據庫存在數據標準不統一、相互沖突，而數據庫建設標準是實現數據共享利用的前提條件，同時也是科學數據平臺建設的基礎和支撐。只有將原始數據的來源、表現方式、存儲形式等量化并制定統一標準，才能更好地進行數據的融合與共建共享。例如，同一研究對象，由于采用的相關理論、研究手段、研究范圍等沒有統一的標準作為規范，在理論指導層面不盡相同，各個研究機構調研數據呈現方式也不同，同一研究出現多種數據結果等。這就導致數據共享時數據內涵和對數據的理解出現混淆，為數據利用和深入處理的后期工作帶來應用困難和不確定性等問題。缺乏共享建設標準直接導致數據頂層設計難以進行，現存的數據治理與共享體系建設需求、現實科研和科研管理需求的匹配性有待提高。

（3）缺少統一的數據資源目錄。有10余個數據庫是以在線服務系統的形式體現，其余則是各種離線的異構數據庫，存儲于機構內部各科研人員機器或相關服務器上；已經建設的一些數據系統中，有時會出現數據無法瀏覽、無法下載、數據鏈接不存在等情況，大數據平臺的穩定性和可通達性較低，甚至有些數據服務平臺處于后臺服務和更新停滯的狀態，沒有形成基于全局發展戰略和業務目標的數據資源目錄，給科研人員及數據使用者造成不利影響。

（4）數據資源利用的利益分配機制缺失。對于數據開放與共享方面，大多數部門都有使用其他部門數據的現實業務需求，認為目前數據資源共享利用效果不佳的主因是利益分配及共享機制問題，各部門希望并接受以利益分成的形式進行數據資源共享。

為了解該機構科學數據治理的現狀和理想目標間的差距，以便給科學數據治理領導決策層提供決策依據，本研究開展了科學數據治理成熟度測評。本次測評選擇6個內設部門中參與數據采集加工、數據管理和服務的項目團隊、數據典型用戶等開展內部訪談和調研，借鑒卡內基梅隆大學的能力成熟度集成模型（Capability Maturity Model Integration，CMMI）的過程改進方法，從領導、范圍、測量和管理4個維度開展科學數據治理的成熟度評測，分別將成熟度的6個階段對應1～6的數值進行打分，然后通過綜合平均計算，得到各維度的平均評測值（見表1）。

針對數據治理的領導、范圍、測量和管理4個維度對機構內部業務部門進行測度后，可以發現兩方面問題。一是各部門數據治理成熟度不一。有些部門形成特色數據庫產品和系統平臺，具有較好的數據治理水平。大多數部門業務與數據庫建設、系統平臺搭建關聯性不大，相關業務系統應用單一，缺少成熟穩定的治理應用，表現欠佳。二是從單個數據庫來看，有的數據庫在資金支持、人員配備、數據體系建設及服務等方面都極具戰略性，數據治理成熟度較高。部分數據庫面臨共享程度低、使用率低、數據更新緩慢或停滯等各種狀態，數據治理成熟度較低。

3.2 科學數據治理的組織體系建設

數據治理的重要內容是確保所有權、客觀性、有效的決策和行動，因此需要定義數據治理的角色與職責[21]。主要的治理角色包括數據治理委員會、數據治理指導組、數據治理工作組及成員等。按照治理需求建立科學數據治理組織體系，主要是保證各個涉及科學數據的角色能夠各司其職，相互協調，共同完成治理任務。其中數據治理委員會是研究機構內開展數據治理工作的最高決策組織，主要成員包括機構領導、各業務部門領導和外部專家顧問。數據治理指導組受數據治理委員會的領導，按照治理實施要求，可以劃分為不同的工作團隊，分別負責數據質量管理、數據建模、數據隱私和安全保密、數據服務等工作內容和方案制定，并提交數據治理委員會審議，成員由該機構熟悉上述業務內容的工作人員組成。數據治理工作組的每項具體工作一般由數據治理指導組成員牽頭推進，各業務部門有至少一位熟悉業務的員工參與其中。各個角色的主要職責如下。

（1）數據治理委員會。其主要職責是從戰略角度來統籌和規劃本機構數據治理內容、方法和要求，明確數據治理各角色在數據使用和管理過程中的流程及職責。根據相應的標準和原則開展對各角色工作內容的監督評估，保證數據治理順利實施。

（2）數據治理指導組。其主要職責是指導和協調本機構的數據治理工作，制定本機構的數據管理辦法、數據治理考核標準、流程及獎懲措施等，進行數據治理過程的監測與評估。

（3）數據治理工作組。數據治理工作組包括數據業務分析員、數據質量分析員、數據管理員、系統開發人員等。不同角色在數據治理過程中承擔的職責不同，但相互之間需要協同工作。工作組的主要職責包括：對數據質量進行評估、提升；在數據管理流程中根據相關要求進行元數據管理、數據模型構建、數據產品設計等數據處理工作；根據數據治理指導組意見修正工作內容；提供數據服務，作為完善數據治理內容的重要參考。

3.3 科學數據治理實施

科學數據治理實施包括4部分內容，分別是制定數據內容標準、完善科學數據技術支撐、構建科研機構科學數據開放服務平臺、構建科研機構數據應用體系。

（1）制定元數據標準、數據標準術語、交換格式標準、數據轉換標準和數據參考模型等數據內容標準，制定數據整理標準和分析標準等科研數據處理標準，制定科學數據平臺架構標準，建設數據庫開放應用接口標準、數據可視化工具標準等。

（2）完善科學數據技術支撐。包括科學數據的來源與篩選技術，科研數據資源編目技術和數據格式規范技術等。

（3）構建科研機構科學數據開放服務平臺，明確科研機構層面大數據平臺和服務平臺的建設任務，厘清服務平臺與科研機構已有各個業務數據平臺和系統之間的銜接配合關系，制定各部門數據范圍邊界，明晰各部門數據管理的義務和權利。推動與外部各級科研機構信息系統和公共數據互聯共享、制度對接和協作協同。

（4）構建科研機構數據應用體系。圍繞科學數據服務水平提高，建立科研機構數據產生、交換、運算，以及數據融合、平臺建設、數據治理等要素的監測體系；建立科研機構在人員配備、數據采集、后期采編、數據傳送等方面的運行機制。

數據治理主要業務流程如下。

（1）獲取和創建流程。數據庫及相關子庫是系統的原始資源，首先對這些數據庫采用不同的技術手段導入中間數據庫，導入過程中控制需要監測和審計導入的字段。對中間數據庫進行進一步深入融合和分析。首先進行該機構人員、項目、機構信息的比對、去重、標識，形成主數據庫，在此過程中可能需要借助文本挖掘技術。通過主數據庫匹配關聯策略，生成關聯關系數據庫；對中間數據庫的成果信息進行提取比對去重，可以生成成果數據庫。

（2）其他應用調用流程。其他應用調用數據流程包括應用系統提交資源訪問請求，進行資源需求及用戶標識（根據用戶信息判定是否給其相應資源）；根據請求情況，分別向主數據庫、關聯關系數據庫、成果數據庫提交請求；各數據庫返回相應結果，按照約定的格式提供給其他應用。

（3）科學數據目錄體系。科學數據目錄體系主要包括科研機構內所有的數據目錄及可以用來匯聚的數據資源目錄，從而幫助未來使用該機構科學數據服務平臺的用戶發現和定位數據資源。

3.4 基于數據治理的數據服務

3.4.1 元數據集成體系

根據該科研機構數據特點，元數據集成設計分為數據抽象層和業務邏輯層，數據抽象層為核心數據模型，包括人員信息、機構信息、項目信息等基本實體，也包括出版物、專利、產品等產出實體，還有項目資金、語言、貨幣等二級實體；業務邏輯層為核心數據模型的衍生層，選取核心數據模型的一部分來完成一項業務數據存儲，根據業務方向的不同，劃分為人才數據庫、機構數據庫、項目數據庫等不同類型的業務域，梳理形成各類實體相互關聯的E-R圖[22]（見圖2）。

3.4.2 數據服務場景示例

在該機構各個業務部門充分數據共享的前提下，結合關于科技多要素融合后的模型查詢和分析需求，應用知識圖譜的技術，將融合后的模型轉換為具有圖結構的RDF數據，使得科技各要素之間的關系顯性化，實現基于此類數據的查詢和基于關系的畫像分析場景，進一步挖掘融合后的各要素數據存在的價值。

以科技人員數據為例，將人物基本信息，科研成果信息，與其他人、機構、項目、科研成果等的關系圖譜信息，以及分析統計信息和人物標簽、合作關系展現等匯聚成科研人員畫像。在科研人員基本信息和關系圖譜構建的過程中，按照科學數據治理中的隱私相關內容，依照脫敏的規范要求，對可能涉及的隱私進行脫敏處理。

以研究人員為中心點，對其和其他實體之間的關系進行圖譜展示，其中包含的元素有機構、人員、項目、科研成果等，可以看到人員和人員、人員和機構、人員和項目、人員和專利、人員和期刊等之間的關聯信息，還可以將本身有聯系的信息匯聚在一起顯示，可以更加清晰地看到他們之間的聯系（見圖3）。

通過這種元數據集成和可視化展示，可以更加精準幫助科技信息研究機構開展科研人員成長規律分析、科研團隊特征分析、科研人員評價等。

基于該信息研究的主要服務內容和對象，通過對數據資源管理現狀的問題剖析，開展數據治理，形成針對具體場景的各類數據服務，有效提升了數據服務效能。從科研機構數據治理實施來看，還應循環進行科學數據治理成熟度測評，針對評測結果不斷優化治理實施，即不斷進行元數據管理與集成、數據建模、服務產品開發，從而使得數據治理保持可持續發展。

4 結語

科研機構是我國科技創新活動的基本單元，圍繞數據現狀、治理組織和權責體系等主題，進行清晰的數據治理規劃，開展數據治理，符合當前科學數據高效管理和利用的需求。通過數據治理，對科研機構科學數據采集、加工、處理、交流、傳遞、共享、利用等過程進行重塑，進而實現數據整體價值增值。同時，科研機構的數據治理也應結合本機構業務特點、數據特征等靈活進行治理范圍和內容的優化，保證治理效果。

［1］ 國務院辦公廳關于印發科學數據管理辦法的通知［EB/OL］.［2021-11-05］. http://www.gov.cn/zhengce/content/2018-04/02/content_5279272.htm.

［2］ WATSON H J，FULLER C，ARIYACHANDRA T. Data warehouse governance：Best practices at Blue Cross and Blue Shield of North Carolina［J］. Decision Support Systems，2004，38（3）：435-450.

［3］ WENDE K. A Model for Data Governance Organising Accountabilities for Data Quality Management［C］//Australasian Conference on Information Systems. OAI，2007.

［4］ WEBER K，OTTO B，HUBERT S. One size does not fit all - a contingency approach to data governance［J］. Journal of Data & Information Quality，2009，1（1）：1-27.

［5］ THOMAS G. The DGI Data Governance Framework［EB/OL］.［2021-11-26］. https://www.docin.com/p-1718904829.html.

［6］ KAREL R. Data governance：what works and what doesn’t［EB/OL］.［2021-11-26］. https://www.mendeley.com/research/data-governance-works-doesnt/.

［7］ 李善斌. 銀行業數據治理分析［J］. 金融科技時代，2017（4）：36-38.

［8］ 李振，鮑宗豪. “云治理”：大數據時代社會治理的新模式［J］. 天津社會科學，2015（3）：62-67.

［9］ 徐建忠，張亮，李嬌嬌. 數據智能分類技術在數據治理中的應用研究［J］. 信息安全與通信保密，2016（6）：88-90.

［10］ 孟小峰，張嘯劍. 大數據隱私管理［J］. 計算機研究與發展，2015，52（2）：265-281.

［11］ 郭春霞. 科研機構數據管理與共享政策研究［J］. 情報雜志，2015，34（8）：147-151.

［12］ 薛秋紅，徐慧芳. 西方國家科研機構科學數據管理政策要素研究［J］. 情報理論與實踐，2021，44（7）：124，191-196.

［13］ 邢文明，楊玲. 我國科研機構科研數據管理現狀調研［J］. 數字圖書館論壇，2018（12）：27-33.

［14］ 張雅群. 公共科研機構技術商業化能力影響因素研究［D］. 合肥：中國科技大學，2015.

［15］ RIFAIE M，ALHAJJ R，RIDLEY M. Data governance strategy：a key issue in building enterprise data warehouse［C］//iiWAS’2009. DBLP，2009：587-591.

［16］ MOSELEY M. Improving Data Quality through Agile Data Governance［EB/OL］.［2021-11-26］. http://tdwi.org/～/media/5A2DC52A7C154F51ABFE165F9821774C.pdf.

［17］ THOMAS G. Alpha Males and Data Disaster［M］. Boston：Brass Cannon Press，2006.

［18］ KHATRI V，BROWN C V. Designing data governance［J］. Communications of the Acm，2010，53（1）：148-152.

［19］ 談談典型的數據治理體系框架［EB/OL］.［2021-12-24］. http://www.360doc.com/content/21/1224/14/78237952_1010147429.shtml.

［20］ 張明英，潘蓉. 《數據治理白皮書》國際標準研究報告要點解讀［J］. 信息技術與標準化，2015（6）：54-57.

［21］ STOCKDALE S. Deconstructing data governance［EB/OL］.［2021-11-26］. http:digitalrepository.unm.edu/cgi/viewcontent.cgi?article=1010&context=hslic-posters-presentations.

［22］ CERIF in Brief［EB/OL］.［2021-11-26］. https://www.eurocris.org/eurocris_archive/cerifsupport.org/cerif-in-brief/index.html.

An Approach to Governance of Scientific Data in Scientific Research Institutions

PENG Jie

( Institute of Scientific and Technical Information of China, Beijing 100038, P. R. China )

Scientific research institutions is the important branch of scientific data production and management, effective scientific data governance is the important means that makes its scientific data to be used efficiently. Based on the data governance framework, this study constructed a scientific data governance model for scientific research institutions, and carried out a case study of data governance in a scientific information research institution, it will provide an important reference for the implementation of scientific Data Management Measures.

Scientific Research Institutions; Scientific Data; Data Governance; Data Services

（2021-11-11）

G350

10.3772/j.issn.1673-2286.2021.12.003

彭潔. 科研機構科學數據治理路徑初探[J]. 數字圖書館論壇，2021（12）：15-21.

彭潔，女，1965年生，博士，研究員，研究方向：信息資源管理，E-mail：pengj@isitc.ac.cn。