受访嘉宾：国家气象信息中心副主任、正研级高工  曾沁

50年前，说起气象数据，人们的思维还仅仅停留在大气圈。

随着时代的发展，气象如同一把“盐”，融入了社会的方方面面。人们对气象数据的需求同样与时俱进，大气、地表、海洋乃至碳循环、动态植被，都已经纳入气象数据的涵盖范围。

如今，气象大数据时代已在眼前，实现监测精密、预报精准、服务精细，服务生命安全、生产发展、生活富裕、生态良好，都离不开气象大数据的支撑。

科学的数据治理，正是催生大数据实现大价值的必由之路。

数据治理并不是一个新概念，但由于大数据时代的到来，它在今天变得前所未有的热门。

元数据管理，主数据管理，数据标准、质量、交换、资产、安全、生命周期管理……数据治理涵盖的范围非常广泛。

简单地说，数据治理着重于交付可信、安全的信息，以辅助业务决策、提升流程效率，并最大化数据的价值。

对于以欧洲中期天气预报中心为代表的发达气象机构而言，数据治理已经行之有年，他们正走在信息集合、治理有序、价值聚变的良性道路上。

而我国气象部门目前还缺乏较为完备的数据治理体系，存在着数据标准系统性不强、数据质量参差不齐、各环节存在一定程度的孤岛现象等问题。

基于这样的现状，构建数据治理体系就显得尤为重要。

在知识管理领域，有一套著名的DIKW分级模型。它将数据分为四个层级，由低到高分别是数据（Data）、信息（Information）、知识（Knowledge）及智慧（Wisdom）的体系。

对于气象数据而言，这个模型同样能够适用。

结合气象数据的例子，就可以直观地了解这个分级模型：

如果放宽视野，无论是气象业务，还是气象部门自身政务等各类事务，都无时无刻不在产生着巨量的数据，而这些数据，都可以用同样的模型进行组织管理，最终实现价值的升华。

在这样的进化与升华过程中，标准始终发挥着举足轻重的作用。

PDCA循环式品质管理认为，通过规划（Plan）、执行（Do）、核查评估（Check）、修正（Act）循环的方式，能够形成提高质量的闭环，而在这个过程中，每前进一步，都少不了作为“台阶”的标准。

由此可见，气象数据的标准化，是形成数据质量提升“ 闭环”不可或缺的前提，同样也是气象大数据治理的重要组成部分。

在这个过程中，还要对气象数据进行质量管理（质量评估、质量控制、实时质量监视、质量问题反馈），保证其准确性、及时性、完整性、一致性、合规性和可访问性。

而实施数据安全管理是数据作为生产要素市场化配置的重要前提，必须明确数据安全分级，确保数据合规、保护产权隐私、规范操作行为。所有数据治理行为，均需贯穿于需求、收集、处理、存储、服务到退役全生命周期的规划管理之中。

如今，气象部门正在全力推进气象大数据云平台建设，其“云+端”的设计，将带来大量业务系统的融入，平台体量必然越来越大。在这个时刻，数据治理的介入显得尤为必要。

在这一轮业务融入大数据云平台的推进过程中，跨系统、跨业务的数据复用尚有不足，长此以往，可能面临个性化数据膨胀的新问题。

而融入了数据治理的“云+端”2.0系统，将把数据复用能力沉淀下来，形成一套数据资产化体系。

这样一来，数据将能够灵活高效地服务于各类业务，数据虽然越用越多，但却会越来越好用。

与数据类似的，还有同样即将融入大数据云平台的各类算法。当平台上建立起算法库后，开展有效的数据治理，可以对“算法+数据”进行再提炼，形成算法越融越多、越来越具有普适性的良性循环，进一步实现算法沉淀和知识沉淀。

在数据治理的帮助下，大数据云平台才能承托起值得用户信赖与依靠的气象大数据中心。

来源｜中国气象数据网、中国气象报社以及网络