在数字化转型的进程中，“数据”、“平台”、“组织”被喻为必须翻越的“三座大山”。其中，数据是核心驱动力，软件平台是技术支撑，而组织则是实现转型的基础与保障。唯有构建灵活高效的组织机制，才能推动数据治理落地、释放数据价值，最终实现数字化转型的目标。通过最近走访的一些头部高校，对学校的数据部门的工作调研，促使我思考该如何建立数据治理团队，IT部门如何构建敏捷组织。 一、敏捷组织：数字化时代的组织新范式 （一）敏捷组织的核心定义 敏捷组织（Agile Organization）是指能够灵敏感知内外部环境变化并快速响应的组织形态。麦肯锡研究将其形容为“生物型组织”——如同生命体般具备自我调节、快速进化的能力。与传统金字塔型层级结构不同，敏捷组织以扁平化架构、跨职能团队、端到端责任为特征，强调“小团队作战”与“动态协同”，从而打破层级壁垒，提升决策效率。 （二）敏捷组织的五大核心特征 1.架构灵活：从“层级管控”到“扁平协同” 传统组织依赖金字塔结构实现权力集中，但层级越多，沟通成本越高、响应速度越慢。敏捷组织通过消除上下级壁垒，将组织拆解为小型跨职能团队，团队规模控制在1-5人左右，采用"部落-小队"模式（Tribe-Squad），每个小队承担特定数据治理任务，如教学数据质量提升、科研数据标准化等专项工作。这种结构在企业中已实现决策效率提升30%以上，在高校中可有效解决教务处、科研处、学工处等部门的数据割据问题。 2.数据驱动：从“权威指令”到“数字决策” 数据成为敏捷组织的“神经中枢”。不同于传统高校依赖经验决策的模式，敏捷组织强调"用数据说话"，通过构建统一数据中台，实现教学评价、科研管理、学生服务等场景的量化决策。例如某双一流高校通过分析学生行为数据，将图书馆借阅量、在线课程参与度等12项指标纳入学业预警模型，使挂科率下降18%。 3.员工能动：从“被动执行”到“自我驱动” 敏捷组织将员工定位为“专家型参与者”，而非“任务执行者”。通过目标对齐（OKR）、自主决策、团队协同模式，激发员工主人翁意识。通过OKR（目标与关键成果法）替代传统KPI考核，赋予教师、科研人员、技术人员充分的决策自主权。荷兰代尔夫特理工大学的实践表明，这种模式能使数据治理项目的参与度提升40%，显著改善行政人员与一线教师的协作效率。 4.领导赋能：从“控制管理”到“方向指引” 管理者角色从“指令下达者”转变为“资源协调者”与“方向洞察者”。IT部门负责人从控制者转变为赋能者，聚焦数据战略制定而非具体事务审批，直接牵头协调资源，消除部门本位主义。斯坦福大学数据治理委员会的"方向指引+资源保障"模式，成功推动全校17个业务系统的数据互联互通。 5.动态资源：从“权力分配”到“市场调配” 资源配置摆脱“部门壁垒”，建立市场化资源调配机制。改变传统高校按编制分配资源的固化模式，采用"数据项目入库"，由跨部门团队根据治理需求申请资源，如利用教育教学课题立项申报，通过竞争性申报机制，使有限资源向高价值治理项目倾斜。 二、数据治理为何需要敏捷组织？ 在数字化浪潮下，数据需求呈现“易变性、不确定性、复杂性、模糊性”（VUCA）特征。传统组织因层级僵化、部门割裂、决策滞后，难以应对数据治理的动态需求。敏捷组织通过“柔性架构+数据驱动+全员协同”，成为破解数据治理难题的关键。 （一）数据治理的本质：从“管控数据”到“释放价值” 数据治理的核心目标不是“管理数据”，而是通过数据创造业务价值。这一目标具有显著的动态演进特征：从初期的"消除数据孤岛"，到中期的"构建数据应用场景"，再到长期的"形成数据驱动文化"，每个阶段的重点任务差异明显。传统高校的常设性数据管理部门往往因职责固化，难以适应目标切换需求。而传统层级组织的“层层上报、跨部门协调难”问题，往往导致数据治理沦为“形式化合规”。 （二）敏捷组织可以破解数据治理三大痛点 1.打破“IT部门孤军奋战”困境 传统数据治理多由IT部门主导，业务部门被动配合，导致“数据与业务脱节”。敏捷组织通过IT与业务深度融合，组建跨职能项目团队（如“业务+技术+数据”铁三角），确保数据标准、质量规则与业务场景紧密结合。 2.应对“需求动态变化”挑战 高校数据治理本质上是持续优化的渐进式过程，而非一蹴而就的工程建设。无论是数据标准制定、治理工具开发还是治理文化培育，都需要通过快速迭代响应实践反馈。传统"大而全"的治理方案往往因无法适应实际需求变化而导致项目失败。敏捷组织通过短周期冲刺（Sprint）、快速验证（MVP）机制实现数据治理“小步快跑、敏捷迭代”。 3.构建“全员共治”文化 高校数据治理涉及教学、科研、管理、服务四大领域，治理对象呈现出显著的复杂性：从数据类型看，既有结构化的学籍数据，也有非结构化的科研文献；从数据主体看，涉及师生、管理者、科研团队等多元角色；从治理环节看，覆盖数据采集、存储、共享、应用全生命周期。数据治理需“人人参与”，而非“数据部门专属责任”。敏捷组织通过员工自我驱动、激励机制对齐，推动数据意识渗透到业务全流程。 三、组织架构：从"科层壁垒"到"网络协同" 构建适配高校特点的敏捷数据治理团队，需要从组织架构重构、运行机制设计、能力体系建设三个维度系统推进。这一路径既要吸收企业敏捷实践的成熟经验，又要充分考虑高校学术组织的特殊性，构建具有教育行业特色的治理模式。 从学校整体层面而言，打破传统高校按行政职能划分的组织边界，实现战略层、协调层、执行层的有机衔接： 战略决策层：设立校级数据治理委员会，由校长担任主任，分管信息化副校长任副主任，成员包括教务处、科研院、人事处等核心部门负责人及数据领域专家教授。目前国内很多高校已经成立了类似的委员会，可以通过治理驾驶舱实时监控重点项目进度，有效避免委员会沦为形式化机构，建立"决策-执行-反馈"闭环工作机制。 跨域协调层：学校信息化部门实际上是数据治理常设协调机构，负责将战略层决策转化为具体任务。关键职能包括制定数据治理标准规范（如《高校数据分类分级指南》）、统筹跨部门数据项目、开展数据治理成熟度评估等。 敏捷执行层：信息化部门的数据业务部或信息系统部则是数据治理的执行层，构建多元化执行团队体系，进行敏捷组织建设是数据治理成效的关键。负责日常数据治理工作，如数据质量管理团队（监控数据质量KPI）、数据安全合规团队（处理隐私保护问题），采用"7+2"人员配置模式（7名专职技术人员+2名业务部门人员）。针对临时性治理任务，如"智慧迎新"，任务完成后自动解散。采用"3×3"组建原则：3个核心部门（学工、信息、教务）+3个关键角色（产品负责人、技术负责人、业务负责人）。上述方法可以灵活配置团队规模，有效缓解数据部门人员不足的问题。 四、运行机制：从"行政指令"到"价值驱动" 建立适配敏捷治理的全流程运行机制，通过目标管理、协作模式、激励机制的创新，激发团队内生动力： 目标管理机制：引入OKR（目标与关键成果法）替代传统任务分解模式，通过"校级战略-部门级战术-个人级执行"三级联动，确保治理目标上下对齐。 迭代协作机制：采用Scrum敏捷框架，将治理项目分解为2-4周的冲刺周期，通过"每日站会-冲刺评审-回顾会议"实现持续改进。 激励约束机制：构建多元激励体系，在项目奖励、职称评审、教学成果认定等方面设计激励政策。同时建立柔性约束机制，通过数据治理成熟度评估，将评估结果与部门绩效考核挂钩。 五、能力体系：从"单一技能"到"复合素养" 敏捷组织需要“懂业务+懂技术+懂数据”的T型人才，除技术能力外，强调“问题解决能力”“跨团队沟通能力”。数据治理团队需要从五个方面进行建设。 （一）以客户为中心：从“部门视角”到“用户视角” 用户需求是数据治理的起点，敏捷组织需建立“客户洞察-数据响应-价值交付”的工作闭环。基于用户旅程 Mapping，梳理用户全流程数据触点，识别关键痛点。对新数据应用场景（如个性化推荐）先进行小范围测试，用小步验证方式，获取用户反馈并快速调整。 （二）以数据驱动：从“经验决策”到“数字洞察” 数据是敏捷组织的“血液”，需构建“数据采集-整合-分析-应用”全链路能力。通过协作工具（如飞书、Jira）、低代码平台（如Power Apps）、数据中台支撑小团队快速行动。搭建实时数据平台，通过数据湖、流处理技术（如Flink）实现业务数据实时接入。推广普及自助分析工具，为业务人员提供低代码分析平台（如Tableau、Power BI），减少对IT部门的依赖。 （三）重新定义IT：从“成本中心”到“价值引擎” 敏捷组织要求IT成为业务创新的“发动机”。IT部门努力实现三个转型，一是从“业务支撑”到“业务驱动”，IT人员要嵌入业务一线，IT工程师与业务部门工作人员共同主导数据治理；二是从“技术实现”到“生态整合”，通过引入外部技术供应商（如云服务、AI工具）弥补内部能力短板，与第三方合作搭建平台，降低数据处理成本；三是从“系统运维”到“能力中台”，构建可复用的数据中台、业务中台，支撑前端快速创新。 （四）业务与IT深度融合：从“部门协同”到“组织共生” 打破“业务不懂技术、IT不懂业务”的壁垒，实现“技术赋能业务、业务反哺技术”。IT人员可以到业务部门轮岗，业务人员参与系统开发。通过双向奔赴，培养“既懂业务又懂大数据”的复合型骨干。业务与IT团队共享目标，联合OKR设定，双方协同完成数据埋点、模型优化、运营活动设计等环节。 （五）培养复合型人才：从“单一技能”到“多元能力” 数据团队需要“懂业务+懂技术+懂数据”的T型人才，除技术能力外，强调“问题解决能力”“跨团队沟通能力”。加强内部培训，开设“数据治理专项培训”“业务场景工作研讨”；对数据创新成果给予额外奖励，在教学成果申报、论文认定、专利软著申请等方面给予支持。 五、结语：敏捷组织——数据治理的“胜负手” 数字化转型的本质是“用数据重构业务逻辑”，而敏捷组织则是这一过程的“组织容器”。从“架构灵活”到“数据驱动”，从“员工能动”到“业务IT融合”，敏捷组织通过系统性变革，将数据治理从“合规任务”转化为“业务增长引擎”。未来，只有那些能够快速感知数据价值、灵活调整组织形态组织，才能立于不败之地。 正如管理学大师彼得·德鲁克所言：“动荡时代最大的危险不是动荡本身，而是仍然用过去的逻辑做事。”敏捷组织，正是应对数据时代不确定性的“新逻辑”。 来源（公众号）：数智转型洞察

在数字化转型深入发展的2025年，传统数据中台在数据消费端面临的核心矛盾日益凸显：业务人员迫切需要数据驱动决策，但“人找数”的复杂流程构成了难以逾越的技术鸿沟。尽管数据中台在数据集成、治理和管理方面取得了显著进展，但最终用户访问数据仍需经过复杂的报表定制、SQL编写或仪表盘配置等专业技术环节。这种“...

在数字政府建设迈向深水区的今天，“数据孤岛”依然是横亘在政府高效治理与公共服务优化面前的巨大挑战。各部门、各层级的数据系统如同一个个独立的“信息烟囱”，数据无法顺畅流动，其潜在价值难以被有效挖掘。在此背景下，政务数据共享交换平台不再是一个可有可无的技术工具，而是成为了驱动政府数字化转型的核心基础设施...

在之前的文章中，我们探讨了什么是数据中台。数据中台本质上是实现数据“汇聚整合”与“服务化输出”的核心载体。

Gartner研究副总裁高挺（Arnold Gao）表示：“2026年对技术领导者而言是至关重要的一年，变革、创新与风险将在这一年以空前的速度发展。2026年的各项重要战略技术趋势将密切交织，折射出一个由人工智能（AI）驱动的高度互联化世界的现实图景。 在这样一个世界，企业机构必须推动负责任的创新、卓越运营和数字信任。这些趋势不仅代表了技术变革的方向，还是促进业务转型的催化剂。今年不同于以往的一点是变革速度——这一年涌现的创新成果远超以往。由于下一轮创新浪潮已近在眼前，只有当下采取行动的企业才能应对市场波动和决定未来数十年的行业走向。” 以下是2026年重要战略技术趋势。（小编根据10大趋势内容做了一个图表供大家更快速的参考阅读，版权归属Gartner公司） Part 01 AI超级计算平台 AI超级计算平台整合了CPU、GPU、AI ASIC、神经系统计算和替代性计算范式，使企业能够统筹复杂工作负载，同时释放更大的性能、效率与创新潜力。这些系统融合了强大的处理器、海量存储、专用硬件及编排软件，可处理机器学习、仿真模拟和分析等领域的数据密集型工作负载。 Gartner预测，到2028年，将混合计算范式架构应用于关键业务流程的领先企业将达到40%以上，较当前8%的水平大幅增长。 高挺表示：“该技术已在推动各行各业的创新。例如医疗和生物技术企业已将新药建模时间从之前的数年缩短至仅需数周；金融服务机构通过模拟全球市场降低了投资组合风险；在公共事业领域，服务商通过建立极端天气模型提升电网性能。” Part 02 多智能体系统 多智能体系统（MAS）是由多个AI智能体组成的集合，它们通过交互实现复杂的个体或共同目标。这些智能体既可在单一环境中交付，也可在分布式环境中独立开发部署。 高挺表示：“通过使用多智能体系统，企业可实现复杂业务流程的自动化、提升团队技能并开创人类与AI智能体的新协作方式。采用模块化设计的专业智能体通过在各工作流中重复使用成熟解决方案提升效率、加快交付速度和降低风险。这种方案还便于扩展运营规模和快速适应需求变化。” Part 03 特定领域语言模型（DSLM） 首席信息官（CIO）和首席执行官（CEO）正要求AI创造更多商业价值，但通用大语言模型（LLM）往往难以胜任专业任务。特定领域语言模型（DSLM）凭借更高的准确性、更低的成本和更好的合规性填补了这一空白。DSLM是在针对特定行业、功能或流程的专用数据上训练或微调的语言模型。不同于通用模型，DSLM能更加精准、可靠且合规地满足特定业务需求。 Gartner预测，到2028年，企业使用的生成式AI（GenAI）模型中将有超过半数属于特定领域模型。 高挺表示：“上下文正成为决定代理部署成功与否的关键因素之一。基于DSLM的AI代理可解读特定行业的上下文，即使在陌生场景中也能做出合理决策，因而具有出色的准确性、可解释性和决策合理性。” Part 04 AI安全平台 AI安全平台为第三方及定制AI应用提供了统一防护机制，它能够进行集中监测、强制执行使用策略并有效防范AI特有风险，如提示注入、数据泄露、恶意代理行为等。此类平台可帮助CIO有力执行使用政策、监控AI活动并在全AI系统中建立统一防护边界。 Gartner预测，到2028年，使用AI安全平台保护AI投资的企业比例将达到50%以上。 Part 05 AI原生开发平台 AI原生开发平台使用GenAI实现空前快速、便捷的软件开发。进入业务部门的软件工程师作为“前沿部署工程师”可使用这些平台协同领域专家开发应用。企业只需维持现有开发人员规模，通过组建微型团队配合AI即可开发更多应用。目前，领先的企业正在组建微型平台团队，在安全和治理框架范围内让非技术领域专家能够自主开发软件。 Gartner预测，到2030年，80%的企业将通过AI原生开发平台将大型软件工程团队转变为更小、更敏捷的团队并通过AI赋能这些团队。 Part 06 机密计算 机密计算重塑了企业处理敏感数据的方式。由于工作负载被隔离在基于硬件的可信执行环境（TEE）中，因此即使面对基础设施所有者、云提供商或任何拥有硬件物理访问权限的实体，机密计算也能保持内容与工作负载的私密性。这对受监管行业、面临地缘政治与合规风险的跨国公司以及竞争对手间的合作尤为重要。 Gartner预测，到2029年，75%以上在非可信基础设施中处理的业务将通过机密计算保障使用安全。 Part 07 物理AI 物理AI通过赋能具有感知、决策和行动能力的机器与设备（例如机器人、无人机和智能设备），将智能带入到现实世界。它能为自动化、适应性和安全性至关重要的行业带来可观的收益。 随着该技术的日益普及，企业需要融合IT、运营与工程知识的新型技术人才。这一转变虽带来了技能提升与协作机会，但也可能引发人们对就业的担忧，因此需要采取谨慎的变革管理。 Part 08 前置式主动网络安全 随着企业面临的网络、数据及联网系统威胁成倍增长，前置式主动网络安全正成为趋势。Gartner预测，到2030年，随着CIO从被动防御转向主动防护，前置式主动防御解决方案将占到企业安全支出总额的一半。 高挺表示：“前置式主动网络安全的核心在于运用AI驱动的安全运营、程序化阻断与欺骗技术在攻击者行动前实施干预，这项技术通过预测实现防护。” Part 09 数字溯源 随着企业日益依赖第三方软件、开源代码及AI生成内容，数字溯源验证已成为一项重要的需求。数字溯源指对软件、数据、媒体及流程的来源、所有权和完整性进行验证的能力。企业可使用软件物料清单（SBoM）、认证数据库、数字水印等新工具验证和追踪供应链中的数字资产。 Gartner预测，到2029年，在数字溯源方面投入不足的企业将面临高达数十亿美元的制裁风险。 Part 10 地缘回迁 地缘回迁指企业因考虑到地缘政治风险而将数据与应用从全球公有云迁出至主权云、区域云服务商或自有数据中心等本地平台。云主权这一概念曾仅限于银行与政府机构，如今随着全球局势动荡加剧而影响到各类企业。 高挺表示：“将工作负载转移至主权立场更强的服务提供商可帮助CIO加强对数据驻留、合规及治理的控制力。这有助于提高对本地法规的遵从性并获得关注数据隐私或国家利益的客户的信任。” Gartner预测，到2030年，欧洲和中东地区将有超过75%的企业把虚拟工作负载回迁至降低地缘政治风险的解决方案，而2025年的这一比例不足5%。 今年的主要战略技术趋势聚焦未来五年将为CIO、IT及高科技领导者带来重大变革与机遇的趋势。Gartner客户可通过《2026年重要战略技术趋势》专题报告了解更多详情。 来源：Gartner公司

全球顶尖的信息技术研究和顾问公司Gartner，每年发布的战略趋势预测都为企业数字化转型指明了风向。在今年的预测中，一个核心主题愈发清晰：企业的关注点正从“技术追逐”转向“价值实现”。这意味着，衡量数字化转型成功与否的标准，不再是采用了多么前沿的技术栈，而是这些技术究竟能否为企业带来可衡量、可追溯的...

在电子政务快速发展的背景下，数据共享交换平台作为支撑政务数据共享与业务协同的核心基础设施，其重要性日益凸显。本文将进一步探讨数据共享交换平台建设的深化路径。 数据资源目录建设的新要求 随着电子政务应用的不断深入，数据资源目录建设面临着新的挑战和要求。一方面，资源目录编制需要更加自动化和精细化，以提高...

在我国信息化建设的浪潮中，电子政务作为提升政府治理能力、优化公共服务的重要手段，正经历着前所未有的变革。其中，实现跨层级、跨区域、跨部门、跨系统的数据共享与业务协同，已成为推动电子政务向更高水平发展的关键。本文将从电子政务的发展趋势出发，探讨数据共享交换体系的建设路径，并介绍龙石数据共享交换平台在这...

近年来，“场景”一词在各类政策文件、产业报告和创新实践中频繁出现——从“数字政府场景化建设”到“AI+ 工业场景落地”，从“消费端场景创新”到“公共服务场景优化”。“场景”已不再是单纯的“情境描述”，而是成为新技术落地、新需求挖掘乃至问题解决与新价值创造的核心载体。 究其本源，当人工智能、物联网、大数据、边缘计算等新技术不断突破壁垒后，如何避免技术沦为“空转工具”，使其精准对接真实需求，成为创新的关键命题？而“场景”，正是链接技术与价值的重要桥梁。基于实践和研究总结，本文将场景归纳为“问题场景、需求场景、应用场景、案例场景”四阶框架，系统厘清从“发现问题”到“创造价值”的完整逻辑链条，以期为新技术时代的创新实践提供行动参考。 从“问题场景”入手，精准锚定价值源头 在新技术加速渗透的当下，创新实践往往面临“伪痛点”干扰——部分看似亟待解决的问题，要么脱离实际需求，要么缺乏技术适配基础，最终导致资源错配与创新低效。而“问题场景”的核心价值，在于依托新技术的感知、分析能力，穿透表象，识别核心矛盾，精准锚定“具体问题 + 价值缺口”。 借助数据监测、用户画像等技术工具，“问题场景”能够摆脱“模糊感受”的局限，将抽象的“不便”转化为可量化、可界定的具体矛盾：明确“谁在什么情境下遇到了什么阻碍”，以及“这一阻碍会造成怎样的价值损失”。这种精准锚定，使创新从源头就瞄准真正的价值“靶点”，避免技术投入“无的放矢”，也为后续价值创造筑牢了基础。 明晰勾勒“需求场景”，准确反映目标诉求 如果说“问题场景”是价值创造的“起点”，那么“需求场景”便是连接问题与技术的“转换器”。它将问题背后的价值缺口系统拆解为可落地的分层诉求，为新技术应用提供清晰指令。 “需求场景”的勾勒需紧扣“技术适配性”与“价值完整性”：既要关注直接解决问题的显性需求，明确技术应用的核心方向；也要重视支撑价值落地的隐性需求，保障技术应用的实际体验——若忽略隐性需求，即便技术功能达标，也可能因“体验缺陷”难以落地；还需考虑技术联动的关联需求，推动价值形成闭环，避免出现“解决老问题、引发新矛盾”的情况。 在此过程中，要警惕走入“技术先行”的误区，始终坚持以价值为导向，让需求牵引技术应用，而非让技术定义需求，确保每一项诉求都能服务于创造价值的最终目标。 打造“应用场景”，融合新技术创造新价值 “应用场景”是“需求场景”的具象化落地载体，也是新技术真正转化为实际价值的“最后一公里”。它聚焦于“在具体情境下，如何通过技术方案满足需求并创造价值”，核心在于实现技术与场景的深度适配。 打造“应用场景”需充分考量场景的约束条件——包括成本预算、环境限制、用户能力等，拒绝脱离实际的“通用方案”，而是要结合场景特性定制技术组合。“应用场景”通过将新技术与场景需求深度融合，使技术从“空中楼阁”的功能堆砌转变为嵌入实际场景的实用工具，既解决核心问题，又契合场景特性，最终创造出可感知、可量化的新价值。 这种“场景定制化”的技术应用，不仅能提升创新效率，更能确保价值落地的稳定性与可持续性。 用好“案例场景”，迭代推广实现价值升级 “案例场景”并非简单的成果展示，而是兼具“内部优化”与“外部推广”双重价值的闭环环节，既是前序场景的验证与修正载体，也是价值经验跨场景、跨区域扩散的核心纽带。在新技术赋能的创新生态中，单一案例的价值往往局限于内部，只有通过系统化推广，才能将局部经验转化为行业级、区域级的规模化价值增量。 一方面，“案例场景”需通过真实实践完成内部校准——验证“问题—需求—应用”链条的合理性，发现漏洞、反馈优化；另一方面，更需构建“可推广的经验模板”，通过提炼案例中的“共性逻辑”与“适配方法”，形成标准化的推广框架。同时，可依托数字化平台搭建案例共享库，整合不同领域、不同规模的案例经验，配套“场景适配指南”，帮助推广对象快速判断案例适用性，降低试错成本。 这种“内部迭代 + 外部推广”的双轮驱动，既能让案例价值从单一场景延伸至更广领域，实现“一点突破、多点受益”，又能通过推广中的反馈进一步丰富案例内涵，形成“迭代—推广—再迭代”的良性循环，推动价值创造从“局部优化”走向“系统升级”。 四阶场景联动，构建价值创造的系统闭环 “问题场景、需求场景、应用场景、案例场景”并非线性的步骤流程，而是围绕价值创造形成的相互校准、动态优化的系统闭环——“问题场景”锚定价值源头，若锚定偏差，后续环节便会偏离方向；“需求场景”拆解技术指令，若拆解不完整，应用场景便难以落地；“应用场景”实现价值转化，若适配不足，价值便无法有效生成；“案例场景”推动价值优化与推广，若反馈缺失或推广乏力，价值创造便难以突破局部局限、实现规模化增量。 这一闭环框架的核心意义，在于为新技术时代的创新实践提供一条清晰的从“技术”到“价值”、从“局部”到“全局”的转化路径，让创新不再依赖“经验判断”，而是基于系统逻辑实现精准发力与规模化扩散。在新技术加速创新的背景下，唯有依托四阶场景的联动，才能让技术真正嵌入社会经济肌理，成为推动价值创造从“单点创新”走向“生态化突破”的核心力量，为产业升级、公共服务优化、消费创新等领域提供坚实支撑。 来源（公众号）：浙江数字经济

为进一步深化智慧城市发展、推进全域数字化转型，充分发挥数据赋能城市经济社会发展作用，近日，国家发展改革委、国家数据局、财政部、住房和城乡建设部、自然资源部组织制定了《深化智慧城市发展 推进全域数字化转型行动计划》。 内容如下： 为贯彻落实党中央、国务院决策部署，进一步发挥数据要素在城市高质量发展中的协同优化、复用增效和融合创新作用，扎实推进城市全域数字化转型，着力建设便捷高效的智慧城市，提升城市治理体系和治理能力现代化水平，更好满足人民群众美好生活需要，制定本行动计划。 一、总体要求 以习近平新时代中国特色社会主义思想为指导，深入贯彻党的二十大和二十届二中、三中全会精神，全面贯彻习近平总书记关于城市工作的重要论述，坚持和加强党的全面领导，认真践行人民城市理念，坚持稳中求进工作总基调，坚持数据驱动、应用导向，统筹发展和安全，把城市作为推进数字中国建设的综合载体，以数据赋能城市经济社会发展全局为重点，以城市数字底座建设为支撑，以适数化改革为保障，推进设施联通、数据融通、平台互通、业务贯通，全领域推进城市数字化转型，全方位增强转型支撑，全过程优化转型生态，提升城市治理智能化精细化水平，为推进现代化人民城市建设注入强大动力。 到2027年底，数据赋能城市经济社会发展取得明显进展，“高效处置一件事”覆盖城市运行重点事件，“高效办成一件事”覆盖高频民生事项，数字经济成为城市发展新动能，在城市智慧高效治理、便捷普惠服务、城市数字更新等重点领域和关键环节取得突破性进展，建成50个以上全域数字化转型城市。超大特大城市率先建成智慧高效治理新体系，落地一批先进可用、自主可控城市大模型。到2035年，涌现一批具有国际竞争力、全球影响力的现代化城市。 二、实施城市智慧高效治理提升行动，提高平急联动协同能力 （一）构建城市智慧高效治理体系。深化“一网统管”建设，构建城市运行体征指标体系，建立数据赋能、分级协作、闭环落实的智慧高效治理机制。鼓励有条件的城市建设数字化城市综合运行和治理中心，探索建立基于智能中枢的多级贯通智能化平台，推进城市运行、综合治理、交通管理、应急管理等系统互联接入，提升监测预警、事件流转、指挥调度、决策支持等核心能力。加强基础平台功能整合、协同发展，完善城市信息模型（CIM）平台。强化实景三维中国数据开发利用。推动国土空间信息模型（TIM）、城市信息模型（CIM）、建筑信息模型（BIM）等在城市管理中的应用。加快城市运行管理服务平台建设，完善城市运行管理工作机制，探索实施全流程数字化报建，推进建立历史文化街区、建筑物、地下管廊等数字档案。构建房屋安全隐患动态监测和智能预警技术体系，提升房屋建筑管理智慧化水平。优化城市交通流量和交通信号灯控制，提高道路通行效率。深化国土空间规划实施监测网络建设，推进国土空间治理数字化转型。推动生态环境监测网络数智化转型，支撑污染防治等绿色低碳数字化应用。 （二）数智赋能城市应急安全保障。鼓励有条件的城市建设城市安全风险监测预警体系，建立公共安全、生产安全、自然灾害等城市风险的信息共享和应急联动机制，提高风险早期识别预警能力。探索利用大模型开展暴雨、台风等极端天气快速综合研判，优化预警信息发布流程，加强提升灾前防范能力。建立覆盖全域、全灾种的城市安全事件应急处置数字化预案库，支持有条件的地区开展多视角、跨领域智慧应急场景仿真推演。推动无人机、机器人等在公共安全、应急救援等领域的应用。 （三）提升民意速办服务效能。推动完善党建引领基层治理体系，健全多元治理力量全过程参与机制。用好市民服务热线等机制，加快整合政务服务、基层网格、12345热线、舆情信访等渠道数据，推进民意速办、接诉即办、未诉先办。坚持依法治市，深化数据赋能网格管理、社区治理、志愿服务和矛盾解纷等数字化应用，提升社情民意实时感知与精准服务水平。建立健全基层报表“一数一源”“统采共用”机制，有序推进基层信息填报渠道整合，探索拓展信息社会化、自动化采集等新模式。 三、开展数字美好生活行动，助力民生服务精准普惠 （四）推进智惠公共服务。支持各地增加“一网通办”特色事项，推动银行、医院、电信等更多公共服务集成办理，压减整体办理时长和跑动次数。加快拓展医疗电子处方流转、费用一站结算、诊疗数据共享等应用场景，推广远程会诊、检查检验结果互认等服务。发展健康管理、保险快速理赔等数据融合应用。推进人工智能全学段教育和全社会通识教育，拓展“人工智能+教育”“一网通学”等应用场景。加快推进社会保障卡居民服务“一卡通”跨省通用、一卡多用、线上线下融合发展。 （五）发展智创品质生活。打造数字赋能文旅、体育、数字消费等新型数字生活场景，推动人工智能在消费场景应用。强化数智技术在文旅内容创作、场景生成、导游导览等方面的创新应用，推进博物馆文物、古籍文字、历史建筑等文化遗产活化利用。加快推进体育场馆等文体设施数字化改造，推进健身场地共享共用。推动传统商圈数字化改造，打造智慧商店、人工智能产品体验店等数字消费新场景，积极发展消费新业态。鼓励有条件的地区开发碳足迹核算、碳交易等创新应用。支持建设城市跨领域信用服务体系，实现医疗、出行等服务信用认证、无感畅享。 （六）优化数字友好人居环境。利用数据分析精准识别老年人、儿童、残障人士等群体服务需求，持续推动城乡公共空间、数字服务适老化、适幼化和无障碍改造。推进医疗机构、康养机构、托育服务机构、家政机构数据有序共享、开发利用，强化“一老一小”公共服务资源一站式集成，推进助餐、助洁、助急等个性服务。开展覆盖全民的数字素养和技能培训，实施城市间结对数字帮扶行动，推动人才、资金、技术等资源跨区域、跨城乡流动，弥合数字鸿沟，促进城乡融合。 四、实施数字经济赋能行动，激发产城融合新动能 （七）推进数据要素价值化实现以城带产。发挥城市产业集聚、人才集聚、数据集聚优势，强化场景开放创新，促进城市数据资源汇聚；加快培育数据要素市场，打造数据产业创新发展高地，推进数据产业与低空经济、无人驾驶、具身智能等数据密集型产业融合发展。支持有条件的地区培育城市可信数据空间，推动公共数据、企业数据、个人数据融合应用，推动数字产业发展。因地制宜发展“数据即服务”“模型即服务”等新业态，培育数字经济创新型企业，打造具有生态引领力的行业龙头企业。探索发放数据券、模型券等奖补机制，降低企业创新投入成本。 （八）发展数字经济推动以产促城。利用数字技术推动闲置商业楼宇、老旧厂区、老旧街区等功能改造，打造数据创新创业载体，建立数据创新型产业社区、商务社区。依托产业园区构建数字公共服务体系，建设数字化转型产品和解决方案资源池，推动传统产业、新兴产业、未来产业科技创新成果落地实践，打造城市首试首用体验场。支持有条件的地区和城市群发展数据产业集聚区，探索数据保险、数据信托等金融服务产品，梯次培育数字产业集群。加强现代化城市群和都市圈数字化协同发展，支持有条件的地区推动数据要素互联互通，数字服务跨区共享。 （九）推动城市经济智慧调度监测。构建城市经济运行协同调度与监测体系，推动产业发展、消费就业、物价波动、项目投资、金融运行等多元数据的全域汇聚与智能分析，构建经济监测预警模型，提升宏观经济前瞻研判能力。建立企业服务支撑体系，利用多维数据画像，实现惠企政策精准直达、产融高效对接。支持有条件的地区开展城市数字经济监测分析。 五、推动城市数字更新行动，改善提升人居环境品质 （十）加快城市基础设施数字化更新改造。有序实施城市泛在感知工程，在管道泄漏爆管风险点、道路边坡风险点、地质灾害易发点、防洪排涝关键节点、易涝积水点、城市桥梁隧道等风险高发区域，统一规划、集约部署城市智能感知终端设备。运用人工智能等技术深化城市生命线安全工程建设，推动城市燃气、供水、排水、供热、桥梁、隧道、综合管廊等基础设施数字化改造和智能化管理，加强城市道路塌陷隐患排查整治。建立健全数字基础设施和市政基础设施同步规划、同步建设机制。支持有条件的地区适度超前布局低空数据基础设施，支撑城市巡检、物流配送、生产作业等场景，推动智能化路侧基础设施和云控基础平台建设，提升车路协同水平。 （十一）深化智慧社区建设。支持有条件的地区改造建设一批高品质智慧社区，完善社区嵌入式服务设施，按需配置、优化升级社区数字服务能力，发展智慧物业。打造数字惠民服务生活圈，完善一站式托育助老、亲子阅读、社区康养等服务的幸福邻里综合体。建设智能充电桩等便民设施，加快停车设施智能化改造和建设，推广高楼消防预警、高空抛物监测、电动自行车智能阻止等数字应用。推进绿色智能建筑建设，深化全屋智能应用，探索推动具身智能机器人进社区、进家庭。面向群众开展“问需于民”等活动，鼓励居民、企业、社会组织等多元主体积极参与智慧社区设计、建设和运营。 六、实施数字化转型筑基行动，打造统筹集约数字底座 （十二）建设城市数字基础设施。集约建设感知、网络、算力等基础设施，实现城市“物联、数联、智联”。构建高效弹性的数据传输网络，促进不同平台、专网间数据高速传输、互联互通。按照统一目录标识、统一身份登记、统一接口要求建设和运营城市数据基础设施，鼓励城市间数据基础设施互联互通，促进数据跨域高效流动。在国家算力资源统筹规划下，持续优化热点应用区域需求保障，有效统筹本地异构、异属算力设施，优化改造城市内“老旧小散”算力设施，面向社会提供普惠便利的数据服务。支持低空经济、自动驾驶等产业发展热点城市，建设低时延、高频率、高可靠、高安全推理算力。 （十三）强化数据资源供给。探索建立动态更新的城市公共数据资源目录，逐步构建公共数据“一本账”，加强整合共享、开放开发、授权运营，推动公共数据资源管理标准化、规范化。开展数据智能分类与标注，构建行业知识库、高质量数据集。建立城市数据资源体系，完善城市基础信息库，按需建设主题库和专题库，强化政务数据回流，促进跨层级、跨地域、跨系统、跨部门、跨业务政务数据安全有序高效共享利用。 （十四）完善城市智能中枢。构建统一规划、统一架构、统一标准、统一运维的城市智能中枢，健全云网、感知、组件、数据、算法模型等一站式管理与调度。加强城市数据汇聚治理，有序融合城市运行感知、政务服务、市场主体等多元异构数据，深化数据融合利用。打造城市共性技术能力支撑体系，推进数字孪生等共性功能组件共享复用。加强人工智能公共服务能力建设，探索集约构建多模融合的城市大模型，打造城市智能体应用。鼓励超大特大城市有序推进人工智能赋能全域转型。 （十五）筑牢数字化转型安全防线。强化网络安全、数据安全防护能力。健全政务云网安全保障体系。加强城市数据基础设施安全保障，实现可信接入、安全互联、跨域管控、全栈防护等安全管理。推进数据安全治理，建立健全数据安全风险防控体系，强化城市数据分类分级保护和全生命周期安全管理，完善数据安全制度规范，加强个人信息保护，压实各类主体安全责任，提升数据安全保护水平。 七、开展适数化改革创新行动，破除数字化转型制度堵点 （十六）推进城市治理适数化改革。充分利用城市智能中枢，创新跨部门数据合作机制，构建线下网格与线上网络联动协同机制，支持有条件的城市探索构建数字赋能的城市综合治理体制，明确权责划分、优化城市管理流程，推进跨部门、跨层级高效协同联动。开展有利于数字化转型的数据确权规则、数字权证应用、行政管理、政府采购等制度改革。 （十七）创新长效运营运维模式。建立城市数据运营、场景运营、设施运营的立体化运营体系，探索建立以用户满意度等应用效果为导向的运营预算和评价考核机制。建立运营运维评价动态反馈和发布机制，强化运营运维评价结果运用。 （十八）建立健全标准体系。发挥标准的基础性、引领性作用，加快形成涵盖数字底座、转型场景、运营运维等标准规范体系。建立城市全域数字化转型成熟度标准，促进城市数字化转型规范化、高质量发展。制定城市全域数字化转型规划咨询、建设实施、运营运维三类服务主体评价标准，形成闭环管理体系。 八、组织实施 国家数据局会同有关部门加强工作指导，分类分级有序推进城市全域数字化转型，强化部门协同、上下联动，确保重点任务落地见效。支持各地面向城市全域数字化转型重大需求、重大场景和重大改革，建立健全高层级统筹推进机制。鼓励各地加强交流合作，量力而行、因地制宜，统筹利用各类资金，加大对全域数字化转型的技术攻关、重大项目、试点试验等方面的支持。强化数字化转型、数据合规、数据服务等专业人才队伍建设。加强城市数字化转型优秀实践、典型案例提炼推广。深化城市全域数字化转型国际交流合作。 来源（网站）：国家数据局