研究员成果 | 张宁等企业非结构化文档数据治理探究 - 电子文件管理研究中心

研究员成果 | 张宁等企业非结构化文档数据治理探究

档案学研究,2020(6)
张宁,冷秀斌,梁帆

关键词：非结构化文档数据企业

摘要：非结构化文档数据是企业文档数据的重要组成部分。但目前企业普遍缺乏对于非结构化文档数据的专门治理，极大阻碍了数据资产价值的实现。本文通过对案例企业的深度调研，提出由顶层设计、数据治理环境、数据治理域和数据治理过程四部分组成的企业非结构化文档数据治理的总体规划，并以分级分类为治理思路，从平台化、智能化和安全化三个方向入手提出实施高效非结构化文档数据治理的方法。

本期，我们将向大家推出研究员成果“数据管理专题”系列的第四篇——张宁、冷秀斌、梁帆《企业非结构化文档数据治理探究》

戳此链接快速回顾本系列往期推文：

研究员简介

张宁

中国人民大学信息资源管理学院副教授，电子文件管理研究中心研究员。

企业非结构化文档数据治理探究

摘要：非结构化文档数据是企业文档数据的重要组成部分。但目前企业普遍缺乏对于非结构化文档数据的专门治理，极大阻碍了数据资产价值的实现。本文通过对案例企业的深度调研，提出由顶层设计、数据治理环境、数据治理域和数据治理过程四部分组成的企业非结构化文档数据治理的总体规划，并以分级分类为治理思路，从平台化、智能化和安全化三个方向入手提出实施高效非结构化文档数据治理的方法。关键词：非结构化文档数据企业

引文格式：张宁,冷秀斌,梁帆.企业非结构化文档数据治理探究[J].档案学研究,2020(6):97-103.

0引言

大数据时代，数据资产管理应运而生。数据成为企业各项经营与业务活动的主要驱动力和核心信息资产。一个机构可能没有从数据分析中获得价值，但是绝对无法在没有数据的情况下开展业务，如何管理数据、利用数据发挥其资产价值已经成为企业当前的必修课。著名的数据管理咨询公司Veritas认为，当今信息时代企业需要转换思路，不该执着于关注基础架构，而应该多关注数据。未来的企业都会是数据企业。所以，企业IT决策者们真正应该关注的是对数据的管控[1]。而数据管控的前提是对数据的理解与了解。涂子沛在其著作《数据之巅》中说：“大数据的出现，是人类大量记录世界的结果。”[2]记录数据即文档数据，是大数据的主体，是企业各项业务活动的全过程记录，是企业核心记录数据。而在这些数量巨大且不断增加的记录数据中，又以非结构化文档数据为主体。据国外第三方研究机构IDC的调查结果显示，企业全部数据中有80%是非结构化文档数据（按容量计算）。因此，从非结构化文档数据的角度对文档数据进行治理与管控具有重要意义。

1企业非结构化文档数据治理现状—案例调查

非结构化数据是指数据结构不规则或不完整，没有预定义的数据模型，不方便用数据库二维逻辑表来表现的数据，包括所有格式的办公文档、文本、图片、XML、HTML、各类报表、图像和音频/视频信息等。非结构化数据格式非常多，标准也具有多样性。在技术上，非结构化数据比结构化数据更难标准化和理解，所以非结构化文档数据管理需要更加符合其特点的管理方法和更加智能化的信息技术，比如海量存储、智能检索、知识挖掘、内容保护、信息的增值开发利用等[3]。

非结构化文档数据管理在企业数据管理中非常普遍，各类应用系统和平台系统都会有各自的非结构化文档数据管理需求，如办公自动化系统、企业资源计划（ERP）系统、合同管理及审批系统、数字档案馆系统（或电子文件管理系统、档案管理系统）及其他各类业务系统等。以某能源集团企业为例，其下属单个能源公司拥有数以百万计的非结构化文档数据量，存储数据量均在数十TB以上。整个集团的存储量则可达到数百至数千TB。再以该企业中的生产设备运行监控系统为例，该系统产生的数据以结构化数据为主，但其中仍然存在着大量的操作记录单、工作单、经验反馈、日志及统计报告等各类以非结构化数据形式存在的文档数据。而且从数据量来看占据着系统管理数据的绝大部分。非结构化文档数据的管理不同于结构化数据，除了存储量大以外，还存在着难以查询、难以利用、难以有效分类等多个不同于结构化数据管理的难题。并且由于非结构化文档数据可以大量拷贝复制，其中又经常包含很多企业的管理信息和机密信息，很容易造成信息泄密。这样就要求企业必须能够提供行之有效的方法对这些非结构化文档数据进行全生命周期的管理，从非结构化文档数据的产生开始管理直至数据的归档保存，乃至数据的销毁或作废。近年来伴随着新技术的涌现，非结构化文档数据的管理也引入很多非传统的管理方式来强化其可管理性，包括视觉分类学导航、信息智能化过滤及筛选、大数据汇集及展示以及连接结构化数据等。

为了更好地把脉企业非结构化文档数据的管理现状，根据文件全生命周期管理原则的要求，笔者对某大型央企进行了实地调研，选取了该企业的办公厅、新闻中心、董事长办公室、规划部、预算部、企管部、法务部、营销部、燃料部、资本部、生产部、安监部、科环部、基建部、采购部、国际部、人资部、纪监部及党组巡视办、审计部、党建部、工委、财务部共22个部门，针对其部门的非结构化文档数据管理情况通过问卷和访谈进行了较为细致的考察、梳理与分析。根据调研结果，笔者发现该企业非结构化文档数据的管理存在以下五个主要问题：

1.1数据种类繁杂，形式多样

由于企业日常经营管理和业务管理的需要，建立了功能各异的应用系统或信息化管理平台，而这些管理系统和平台中生成了形式多样的非结构化文档数据，用以支撑企业的各类管理工作。除此之外，还有大量与管理相关的非结构化文档数据散存在员工个人工作电脑中。这些数据种类繁杂，有的来源于外部，有的是经过内部整理编研形成的，有的则是完全产生于内部；涵盖了不同格式、不同存储载体、不同管理阶段的非结构化文档数据。本文所调研企业属于能源行业，企业拥有形式多样的存储设备，包括个人工作电脑以及信息化管理平台中管理的设备，且归属于不同的专业领域，业务活动中产生的非结构化文档数据除了常见的与办公活动相关的非结构化文档数据外，还包括了如照片、视频、设计图纸等多种形式。目前，这些不同种类的非结构化文档数据基本处于分散状态，很难进行有效的关联和整合。

1.2信息孤岛造成数据割裂现象严重

由于信息系统建设具有阶段性特征，已有的信息系统建设之初仅以单个的业务需求为目标，彼此孤立，存在着比较严重的孤岛现象，系统之间缺少横向的数据接口，且数据标准不统一。即便是归档后进入档案系统之中的文档数据也难以实现有效的管理与集成。例如，企业业务活动中存在着很多简称、全称以及英文名称并行使用的情况，很多数据标签对应同一个事物、同一个意思却使用不同的标签值。随着企业对数据资产价值需求的日益提升，这种现象的弊端亦凸显，打通企业非结构化文档数据的“任督二脉”，实现其资产价值势在必行。

1.3存在过多的“账外”非结构化文档数据，缺少统一管控

由于企业的归档制度不够完善，集团制订的归档范围未将一些应归档但无法通过系统流转的文档纳入其中，部门相当一部分非结构化文档数据仍保存在个人电脑之中，没有统一的管理和控制，难以进行检索和共享利用，导致企业文档数据资产存在着流失的风险。上述调研部门几乎无一例外均有此类“账外”非结构化文档数据的存在。

1.4非结构化文档数据管理功能不全

如不支持有版本的非结构化文档数据管理，使用口径不统一，相同文件分散在不同的业务系统中，无版本控制导致无法确定系统中版本是否为最新。再如，业务系统缺少归档功能和接口，导致部门无法及时提交应归档保存的非结构化文档数据，导致非结构化文档数据资产容易丢失。同时，许多非结构化文档数据往往以“附件”的形式存在于系统中，难以检索与利用。企业一些信息系统（如办公自动化系统、企业资源计划（ERP）系统等）中文档多以表单（如办文单）的形式进行流转，需要办理的文档通常作为表单的附件，其中既有word或pdf等格式的文本文档，也有多种格式的图片、音视频文件等。这些非结构化文档往往只能借助其所依附的表单信息或者简单的文件标题等元数据加以检索和利用，检全率低，开发利用不足，难以开展深度的数据挖掘与分析。

1.5相关制度体系不健全、管理缺位

企业现有的文档管理制度并不是建立在彻底的数据清理基础之上，因此，对于企业中生成哪些非结构化文档，哪些需要归档，如何进行归档？如何进行管理和利用等问题，现有制度中均缺少系统、细致、可操作的规定和描述。在调研中发现，非结构化文档数据缺少必要的分类及元数据项。尤其是文档生命周期流程，即从文档生成、流转、办结到归档、保存、利用的全过程，并没有非常清晰和规范的管理流程和要求。同时，该企业业务活动往往涉及多个参与方，既有企业内部的部门，也有外单位，协同管理与归口管理的矛盾突出。这就对企业的非结构化文档数据管理提出了更高的要求，尤其是非结构化文档数据的准确性、及时性、一致性、安全性等方面。

此外，企业非结构化文档数据类型包括内部发文、外部发文、收文、签报、合同、业务文件附件及归档之后的档案。除了归档之后的档案数据是由数字档案管理系统进行集中统一管理之外，归档之前的非结构化文档数据往往处于分散管理的状态，存在着失存、失真、失控和失用等诸多问题，直接影响了后端档案数据的质量，影响了文档数据资产价值的发挥。针对上述问题，要想真正实现企业文档数据资产的科学管理，非结构化文档数据管理势在必行。

2企业非结构化文档数据治理规划

由于非结构化文档数据数量大、范围广、数据状态繁杂，涉及部门、人员和系统众多，正所谓牵一发而动全身。因此，要顺利开展非结构化文档数据的治理，必须充分做好前期的准备工作和规划。在“摸清家底”—现状调查和现状评估的基础上，结合《信息技术服务治理第5部分：数据治理规范》提出的数据治理框架，从顶层设计、数据治理环境、数据治理和数据治理过程四大部分开展非结构化文档数据的管理[4]（见图1）。

2.1顶层设计

企业的发展战略、管理模式和关键业务活动对于企业信息化及其数据治理的方向和目标起着决定性的导向作用，同时，企业各级部门及人员对于非结构化文档数据管理的理解与期望也将影响数据治理方案的设计。因此，首先可以通过对企业关键业务活动的流程进行调查与分析，借助成熟度矩阵来评估企业非结构化文档数据在不同业务活动中的现状水平，并根据相关制度规范或行业标杆进行对标，找出差异点，作为项目开展的现实基础。然后，在上述活动的基础上，制定企业非结构化文档数据项目的实施规划，包括定位、阶段、原则和目标，作为项目开展的基础与依据（见图2）。

2.2数据治理环境

任何管理活动的开展都离不开所处的环境，后者是前者赖以生存的生态系统。国内外宏观环境、行业环境和企业内部环境构成了环境要素的三个层面。在这三个层面中需要纵向考虑政策、制度标准、趋势、文化、传统等要素对于项目的影响作用，要遵循法律法规、行业监管、内部管控，满足数据风险控制、数据安全和隐私的要求；识别并评估市场发展、数据清理、竞争地位和技术变革等变化，规划并满足数据治理对各类资源的需求，包括人员、经费和基础设施[5]。尤其要关注企业文化、体制传统对管理活动实施的潜在影响，区别有利因素和阻碍因素。

2.3数据治理框架

在前述两个步骤的基础上，围绕数据标准、数据质量、数据安全、元数据管理、内容管理和文档全生命周期管理等方面，搭建企业非结构化文档数据管理系统平台，在企业内部打通各业务系统之间的壁垒，在统一的平台之上规范非结构化文档数据的管理，同时融合元数据管理和内容管理（见图3）。文档类型关联着文档的元数据，不同的文档类型具备不同的文档元数据集合，也对应着不同的管理策略和机制。因此，需要统一制定符合管理和利用要求的非结构化文档数据元数据标准体系。内容管理理念则作用于数据管理平台底层，以数据内容为中心统一存储、管理企业内部已建、在建、未系统化管理的非结构化文档数据，为上层业务管理、知识管理、智能搜索等业务应用的建设提供支撑。

2.4数据治理过程

按照项目管理流程的一般要求，针对企业非结构化文档数据管理具体目标和内容，进行统筹规划、构建运行、监控评价、改进优化四个阶段的流程控制。在此过程中，由于项目涉及企业各个层级、各个部门的众多人员、系统及工作流程，为了保证项目的顺利实施，需要在项目开展的同时进行变革管理（Change Management），通过调研、宣贯和培训等手段加强企业员工对项目的认知和接受程度。

3企业非结构化文档数据治理思路与方法

3.1企业非结构化文档数据治理的思路——分级分类

在数据的安全管理中，一直都有数据的分级分类的管理思路，而数据的其他方面也应该同样适用于此种管理思路。数据分级分类在数据安全治理过程中至关重要，它是数据重要性的直观化展示，是组织内部管理体系编写的基础，是技术支撑体系落地实施的基础，是运维过程中合理分配精力及力度的基础（80%精力关注重要数据，20%精力关注普通数据），更是管理体系合理规划、数据安全合理管控、人员精力及力度合理利用的基础，是迈向数据安全年精细化管理的重要一步。数据分级分类起到承上（管理）启下（技术）的作用。承上即从运维制度、保障措施、岗位职责等多个方面的管理体系都需依托数据分级分类进行针对性编制（管理体系与分类分级的结合，可强化体系落地执行性）。启下即根据不同数据级别，实现不同安全防护，如高级数据需要实现细粒度规则管控和数据加密，低级别数据实现单向审计即可。

因此，非结构化文档数据治理的思路亦应该从分级分类入手，将数据管理的各类手段和分级分类进行结合，从而实现精细化管理的目标。当非结构化文档数据管理面临企业几百类或更多的数据管理要求时，如果能通过行之有效的手段，划分出不同的类/级别，并且将不同的管理要求和技术手段，对应到不同的分级分类级别上，则内外部以及数据管理都会有清晰可靠的原则和划分标准，并且可以满足企业在数据管理范围上的扩展，以及在不同维度的管理要求和安全要求等。如图4所示，假设将企业的非结构化文档数据的分级分类划分成4个级别，分别是0、1、2、3级。

0级意味着严格受控的文件，从内容、格式到有效性都应进行严格的受控管理，但这一类或这一级别的文件，通常都不是很多。伴随着分级分类级别的提升，管理的范围和数量逐渐扩大，管理要求相应有所降低。有了类似这样的分级分类管理模型，我们在面对业务部门或业务系统的时候，就可以此为基础给非结构化文档数据的梳理和管理提供更为清晰、科学、有效的指导。

值得注意的是，通常，管理要求的分级分类和安全要求的分级分类不是一个维度，意味着企业可能会制定两套分级分类标准，二者可以通过不同维度不同模型进行有效组合，从而形成严格、完善、统一、有效的非结构化文档数据管理体系。

3.2企业非结构化文档数据治理方法

伴随着数字化要求的不断提升，企业对数据管理水平的要求越来越高。非结构化文档数据管理必须充分结合当前先进的信息技术，具备高弹性、高契合度、高融合度等特点，抓住企业在非结构化文档数据管理中的“痛点”，结合企业数字转型的迫切需求，从平台化、智能化、安全化三个方向入手来实施高效的非结构化文档数据治理。“平台化”的目标是实现一体化管理，从整体的视角来考虑企业非结构化文档数据管理的问题，“平台化”重在突破企业信息孤岛、打破信息数据管理烟囱化；“智能化”则是结合时代发展的浪潮，实现“AI+”的非结构化文档数据管理和利用，从而突破原有非结构化文档数据管理技术的制约，创造出更具智能化、智慧化的管理手段，实现管理水平的大幅度提升；“安全化”则是强调数据管理的信息安全和数据安全，无论采用什么样的技术手段和管理思路，采用多么先进的管理技术和平台，信息安全和数据安全都应该成为应用技术手段和管理平台首要考虑的条件。

3.2.1平台化

很多传统的浏览器/服务器（即Browser/Server）架构的应用通常都是客户端层的三层架构，在此架构之下客户端浏览器通过中间件提供的网页（Web）服务来访问后端数据层提供的数据，并和这些数据进行交互。在结构化数据交互应用为主或非结构化文档数据的简化应用场景中，这样的架构可以快速实施和部署，并且可以减少服务端的整体成本。但在此架构之下，数据的管理功能实际上由数据库来提供，实现了结构化数据的统一管理、统一接口，数据服务在此场景下充当了数据平台，并对上层服务提供支撑。在相对简单或结构化数据管理为主的应用系统中，采用此类架构体系的确会带来相当的灵活性，并且足以支撑其数据的管理。

而在复杂的、海量的或以非结构化文档数据为主的应用系统中，如果使用上述架构，则只能由应用服务器来直接管理和连接存储设备，并对外提供数据的管理和利用功能。这样，应用服务器既要提供原本的应用服务，还要担负非结构化文档数据平台的管理功能。在此架构环境中，应用服务平台无论是在系统复杂度还是专业程度上都远远差于专业的非结构化文档数据平台，并且很难支撑其他应用系统在非结构化文档数据管理方面的需求，难以实现平台化的价值和意义。因此，构建独立的非结构化文档数据管理服务并且以平台化的方式来提供这些服务就成为解决此类问题的关键。

平台是指计算机硬件或软件的操作环境，泛指进行某项工作所需要的环境或条件。计算机平台的概念基本上有三种，第一种是基于快速开发目的的技术平台；第二种是基于业务逻辑复用的业务平台；第三种是基于系统自维护、自扩展的应用平台。技术平台和业务平台都是软件开发人员使用的平台，而应用平台则是应用软件用户使用的平台。平台不同于系统，系统是专为做一件事或一类事而开发的一套系统。而平台则是以服务于系统为目的，专门解决多个系统问题的专业化产品。

平台化的目的是提供专业的非结构化文档数据管理服务，这些服务是非结构化文档数据管理的核心，用于实现整个平台系统的核心业务逻辑。通常的做法是把业务逻辑划分成一个个独立的模块，以服务的形式对外提供，这些服务可以独立运行和被调用。这些服务在对外提供各类服务的调用方式的同时，还可提供完整的API接口，API接口方式可以为一种或多种，用户交互层或其他系统则可以通过调用这些模块服务或接口来实现或完成相应的业务操作。

平台所管理的为数据层，数据层通常包含非结构化文档数据的管理、非结构化文档数据管理所必需的结构化数据的管理，以及非结构化文档数据的索引文件的管理。结构化数据管理可以依托于关系型数据库。非结构化文档数据管理可以以文件存储为管理单元，支持多种类型的文件存储，以满足不同类型的文件管理要求。

3.2.2智能化

“智能化”是通过引入各类人工智能和其他智能化信息技术手段，来降低非结构化文档数据治理过程中各类人工工作，并且通过机器学习和深度学习来预测用户对于非结构化文档数据管理和利用方面的诉求，从而更加智能地服务于非结构化文档数据生成者和利用者。智能化目前因为人工智能技术的快速发展，已经能够很好地结合在非结构化文档数据管理平台中，产生出原来不可想象的增值和收益。

人工智能不会是一场轰轰烈烈的革命，它的成果将会像一条平缓宽广的河流，无法阻挡却平静地向我们流来。未来的智能会像如今的电流一样平静地围绕着我们，彻底改变人类政治、经济、社会和生活的状态。非结构化文档数据管理引入人工智能也是如此，它不会彻底改变非结构化文档数据管理的方向、管理思路和技术手段，但却会直接地、潜移默化地影响着这一代的非结构化文档数据管理。当今智能化在非结构化文档数据治理和安全防护中可以应用的点很多，包括非结构化文档数据搜索排序的智能化调优算法，非结构化文档数据智能化推荐和推送模型，通过机器学习来进行非结构化文档数据密级漏洞监测，以及非结构化文档数据智能分类和智能标记等，这些都已有成熟的应用场景和案例。

以非结构化文档数据智能分类和智能标记为例，可以通过机器学习以及深度学习来解决此问题。在人工智能领域，基于文本的预定义标签和自动分类问题，可以被视为大规模多标签文本分类问题。文本分类问题算是自然语言处理领域中一个非常经典的问题，相关研究最早可以追溯到20世纪50 年代，当时是通过专家规则（Pattern）进行分类，甚至在80年代初一度发展到利用知识工程建立专家系统。后来伴随着统计学习方法的发展，特别是90 年代后互联网在线文本数量增长和机器学习学科的兴起，逐渐形成了一套解决大规模文本分类问题的经典算法，这个阶段主要是人工特征工程+浅层分类模型。随后伴随着机器学习和深度学习的大规模快速发展，出现了完整的机器学习和深度学习来解决大规模文本分类问题的成熟算法。应用深度学习解决大规模文本分类问题最重要的是解决文本表示，再利用CNN（卷积神经网络）/RNN（循环神经网络）等网络结构自动获取特征表达能力，去掉繁杂的人工特征工程，端到端地解决问题。其他的智能化应用例子也是类似的情况，例如，通过机器学习来进行非结构化文档数据密级漏洞监测实则可视为文本分类问题的简化，机器学习已经能够很好地解决此类问题，甚至无须引入深度学习。

以上这些智能化和服务化的思维和技术已在互联网技术中大规模应用，并且在互联网应用中快速演化和发展，在企业信息化的应用和结合也已经开始。“AI+”可能无法影响非结构化文档数据管理的基础，却会让非结构化文档数据管理成效极大地提升和改善。

3.2.3安全化

数据的安全和信息的安全目前已经成为数据管理方面无法回避的话题，而平台化和智能化则为我们打开了全新洞察和思考数据安全和信息安全的视角，也为我们提升数据安全和信息安全提供了新的可能性。

平台化可以让我们更加全面、更早地识别和管理非结构化文档数据的安全级别要求，而智能化则让我们可以通过更加智能化的方式来识别这些非结构化文档数据的安全级别和潜在漏洞，从而更加完整、更加严格地落实国家和企业在信息安全方面的要求。同时，平台化和智能化也提高了对非结构化文档数据管理的数据安全级别，尤其是当用平台来实现企业非结构化文档数据的汇集和统一管理后，平台后面所管理的数据安全就成了企业80%数据安全的问题。

非结构化文档数据管理的目的在于为数据的利用者提供更加便利的数据利用，因此，如何在数据利用的过程中，既方便于数据的利用，又能够平衡好信息安全和数据利用便捷性之间的矛盾，就成了现代化技术手段应该考量的关键点。

4结语

数据就像石油，需要经过提纯加工才能使用，才能实现其资产价值。非结构化文档数据是“数据石油”的重要来源，企业需要遵循分级分类的管理思想，通过平台化、智能化和安全化的管理方法，才能构建出完整的非结构化文档数据管理体系，围绕能给业务带来价值的非结构化文档数据资产进行建设，从而推动非结构化文档数据向数据资产的转化。

原文载《档案学研究》 2020 年第 6 期，经杂志社授权后发布。

学生研究员学习感悟

袁丽娜：非结构化文档在企业数据信息资源中广泛存在。文章首先通过对案例企业的调研得出文档数据管理存在的5个问题：数据种类繁杂、形式多样；信息孤岛造成数据割裂现象严重；存在过多的“账外”非结构化文档数据，缺少统一管控；非结构化文档数据管理功能不全；相关制度体系不健全、管理缺位。基于此，作者提出从顶层设计、数据治理环境、数据治理与数据治理过程4个维度开展对非结构化文档数据的管理，并提出了分级分类的数据治理思路与“三化”治理方法。在信息化、网络化与智能化的办公环境下，这些问题可能是在广大企业中普遍存在的问题，对此类非结构化文档数据的治理规划、思路与方法对众多企业亦具有一定参考与借鉴价值，可以帮助企业将其非结构化文档数据向数据资产进行有效转化。冯天予：现今，各类数据作为“资产”进入企业管理者视野中，美国数据管理学者劳拉·塞巴斯蒂安·科尔曼（Laura Sebastian-Coleman）曾提及：“数据是一种风险与价值并存的的资产，一个组织可以通过低质量数据的代价和高质量数据的收益来分析数据的价值。”其中，非结构化文档数据在日渐灵活的企业业务工作中展示出更加重要的地位，张宁老师的文章正是聚焦企业的非结构化文档数据，深入探究其实践管理过程的现实问题。

文章选用大型能源类央企作为实地研究走访对象，分析其业务工作中非结构化文档数据出现的难点问题，如数据繁杂且孤立、管理集中度松散、管理功能及制度不健全等。从现有业务问题入手，设计企业非结构化文档数据治理规划。总体规划考量了多方视角：其一，企业非结构化文档数据治理需要专门项目化开发的强而有力顶层设计；其二，充分考虑显性隐性条件对数据治理环境的优劣影响；其三，在业务连通的基础上设计治理框架；其四，通过流程监控、人员培训等手段确保数据治理过程平稳运行。在这一规划过程中，分级分类思想贯穿其中，并进一步提出运用相关技术确保“平台化”、“智能化”和“安全化”三项治理目标需求的实现。

总的来说，本文在企业数据管理实际问题发现、企业非结构化文档数据治理的规划设计及需求挖掘等方面给予了后续研究钥匙般的启迪作用。

本文参考文献

[1] 知与谁同.数据基因指数：从不同视角挖掘数据价值[EB/OL]. https：//yq.aliyun.com/articles/208739.[2] 涂子沛.数据之巅:大数据革命，历史、现实与未来[M].北京:中信出版社，2018.

[3] https：//baike.baidu.com/item/非结构化文档数据/30980 8?fr=aladdin.

[4][5] GB/T 34960.5-2018，信息技术服务治理第5部分：数据治理规范[S].