## 数据治理体系总述
本节是治理部分的总述。现状评估与数据战略、数据治理、数据架构、数据资产四个规划域的具体设计，见本卷「数据治理规划（一）」；数据标准、数据质量、数据安全、数据生存周期、数据应用流通五个规划域，连同治理规划成果交付与数据治理实施，见本卷「数据治理规划（二）」。
本节只讲四件事：治理工作的边界与在投标文件中的索引、数据管理能力成熟度（Data Management Capability Maturity Assessment Model，DCMM）三级的达成路径、九大能力域彼此之间的接口关系、治理平台与数据集加工生产平台的职责分界。子节已写透的内容在本节只给索引与一句话定位，不重复论述。
### 1、治理工作的边界与投标文件索引
#### 1.1 两个目标指向同一件事，但要求不同
招标文件把治理目标写成一句话：以通过 DCMM 三级认证为目标，以满足 11 个智能化应用场景的高质量数据集建设为业务导向，构建全域数据治理体系，配套落地数据治理平台（b1218）。这句话里有两个目标。贯标认证关心的是能力域有没有被规范地管起来、管的过程有没有记录可查；数据集建设关心的是某一张图纸、某一个热处理炉次、某一段振动波形今天能不能被稳定地取到、对齐、标注并交付。
两个目标的工作量落点不同。贯标的落点在制度、流程与组织，数据集建设的落点在字段、口径与可用率。本项目的处理方式是以后者为主线组织工作，把前者所需的制度与执行记录作为主线工作的自然产物：每一条标准发布时同时留下评审记录，每一次质量稽核运行时同时留下稽核台账，每一次数据服务授权时同时留下审批留痕。这样做的理由很直接——为贯标单独攒一套文档，文档与现场脱节，评审时问到执行记录就露底；而把记录长在业务动作上，记录是跑出来的，不是补出来的。
本包承担的是数据加工生产服务。治理体系的建设、治理平台的落地、治理文档的交付与数据治理实施均在本包范围内（b1224、b1226）；11 个智能化应用场景的建设不在本包范围，本包对场景提供数据集与场景验证服务。这一边界在本节涉及场景时一律按此口径表述。
#### 1.2 服务采购清单与本投标文件的对应关系
招标文件 3.2.1 服务采购清单列明七项服务（b0803、b0804r01）。七项之间不是并列的七块工程，而是一条生产线上的不同工位：第 1 项把数据取进来，第 2 项提供加工手段，第 5 项是加工实施的主体并把治理作为横向管控层贯穿，第 3 项把成品挂出去运营，第 4 项把软硬件装起来，第 6、7 两项由具备资质的机构从外部核验。表 1-1 给出七项服务与本投标文件各节的对应，便于逐项核对。表头行对应 b0804r01。
表 1-1 服务采购清单与本投标文件章节对应
| 序号 | 服务名称 | 清单要点 | 本投标文件论述位置 | 单元 |
|---|---|---|---|---|
| 1 | 数据资源建设服务 | 17 个外围应用系统的多源异构集成采集；多格式多模态数据接入与离线非结构化数据解析录入 | 技术方案「数据资源采集接入」；解析方法见「数据加工生产（一）」 | b0804r02 |
| 2 | 数据集加工生产专项智能工具链建设服务 | 9 类 25 个工具链，不限许可节点数 | 技术方案「专项智能工具链总述」及其三个分节 | b0804r03 |
| 3 | 数据集运营服务管理平台建设服务 | 16 个功能模块，不限许可节点数 | 技术方案「数据集运营平台」 | b0804r04 |
| 4 | 系统集成服务 | 通用服务器、接入连接器、服务密码机国密调试、硬件网络适配 | 技术方案「系统集成方案」；硬件选型见「硬件选型与配置」 | b0804r05 |
| 5 | 数据集加工生产实施服务 | 含数据治理规划和实施服务在内的全流程实施，另含技术标准验证、专家库、标注规范、软建设、内部管理制度、安全合规、知识产权七项配套 | 治理部分见本节与「数据治理规划（一）（二）」；加工主线见「四大数据集加工生产总述」；技术标准验证见本节第 6 章；标注规范见本节第 7 章；专家库、软建设与知识产权见「技术创新与机制创新」；内部管理制度见服务方案「项目管理措施」；安全合规见「安全方案」 | b0804r06 |
| 6 | 信息安全风险评估服务 | 等级保护测评与商用密码应用安全性评估 | 技术方案「安全方案」第三方测评安排一节 | b0804r07 |
| 7 | 数据集质量测评服务 | 首轮全量评测、缺陷整改复测、盖章评测报告与数据质量档案 | 服务方案「数据集质量评测方案」 | b0804r08 |
清单第 5 项的备注里列了八条子要求，其中第 1 条「数据治理规划和实施服务」正是本节与两个治理子节的全部内容。第 2 条技术标准验证与第 4 条数据标注规范在本节第六、第 7 章回应，因为这两件事的依据都是治理侧的标准体系。其余五条（专家库、软建设约 30＋项、不少于 7 份项目内部管理制度、安全合规核查与去标识、知识产权指标）分别在上表所列章节回应，本节不展开（b0804r06）。
#### 1.3 本节与子节、关联章节的边界
治理内容横跨投标文件多节，边界须一次说清，否则同一件事会在三处被各写一遍、口径还未必一致。表 1-2 按事项划定。
表 1-2 治理内容的章节边界
| 事项 | 在本节的处理 | 详述位置 |
|---|---|---|
| 现状评估、数据战略、数据治理组织与制度、数据架构、数据资产 | 只引用结论与交付时点 | 数据治理规划（一） |
| 数据标准、数据质量、数据安全、数据生存周期、数据应用流通 | 只引用域间接口与交付时点 | 数据治理规划（二） |
| 37 份治理文档的清单、章节骨架与提交节点 | 只给合计口径与三阶段节点 | 数据治理规划（二）第 7 章 |
| 九业务域 × 九项治理内容落地矩阵、实施路径与里程碑 | 只引用三阶段划分与阶段门禁 | 数据治理规划（二）第 8 章 |
| 业务数据的质量治理 | 给与数据集质检的接口口径 | 数据治理规划（二）第 3 章 |
| 四类数据集本身的质量评测 | 给与治理质量规则的回流关系 | 数据集质量评测方案 |
| 分级标签的技术管控实现、国密与等保测评 | 给分级口径作为输入的说明 | 安全方案 |
| 数据集目录、确权、挂牌、交易与审计等运营功能 | 给治理资产目录与运营目录的接口 | 数据集运营平台 |
| 标注实施方法与标注工具链 | 给标注规范的体系构成与评审发布 | 数据加工生产（二）、工具链二 |
| 数据卡、质检报告、验证报告模板 | 只引用 | 附录佐证卷 |
#### 1.4 治理在项目中的位置
招标文件把本项目的生产逻辑写得很清楚：以数据治理为横向贯穿管控层，以知识本体与知识库为统一知识底座，以采集、预处理、标注、合成、增强、质检、验证为纵向生产链路，并以血缘追溯驱动定向回流（b1215）。治理不是生产链路上的某一个环节，而是贯穿各环节的约束与留痕机制。图 1-1 按这一关系给出治理与生产链路、三个平台之间的位置与数据流向。
### 图 1-1 治理作为横向管控层在项目中的位置
图 1-1 治理作为横向管控层在项目中的位置。数据来源：招标文件第五章 3.2.6 生产逻辑表述（b1215）、3.2.1 服务采购清单第 1、3 项（b0804r02、b0804r04）、3.2.6.1.2 实施要求（b1336）。
### 2、DCMM 三级的达成路径
#### 2.1 三级要的是执行记录，不是文档数量
招标文件要求对标 DCMM 三级成熟度要求开展全域成熟度评估，形成三级现状诊断报告，明确短板与优化路径（b1219、b1220）。三级在 GB/T 36073—2018《数据管理能力成熟度评估模型》中的表述是稳健级：管理过程已被定义并形成文件，相关人员按定义的过程执行，过程的执行留有记录并可被检查。三个条件里，前两个靠编制与发布，第三个靠时间。
这一点决定了本项目贯标工作的排法。如果把制度集中在项目后期发布，发布之日距评审之日只有数月，评审时能提交的执行记录就只有几个批次，定级会被核减。因此制度与标准的发布时点在规划中被刻意提前，流程优先上线以积累记录——这与「数据治理规划（一）」把制度发布过晚列为贯标风险、以及「数据治理规划（二）」第 8 章把标准与分级排进第一阶段，是同一条考虑。两处的时点安排以本节表 2-1 的路径为准。
这里需要把「二级与三级的差别」说透，因为它决定了本项目治理工作的投入分布。二级（受管理级）要求过程在局部被管理、有人负责、有基本记录；三级（稳健级）增加的是三条：过程被定义并形成文件、**相关人员按定义的过程执行**、**执行留有记录并可被检查**。
差别不在文档的厚度，在于能否证明「不是写了一套、做了另一套」。评估师现场取证的典型动作是：随机抽一个业务域、抽一个时间段，要求调出该时段内这一过程的全部执行记录，核对记录中的责任人、时点、结论是否与制度规定一致。记录条数少、时间跨度短、责任人与制度不符，三项中任一项不过，该过程域就会被核减到二级。
由此确定本项目的两条排法。第一条是**制度先行、流程随后、记录积累贯穿全程**：政策与标准类文件在第一阶段发布，不等到建设后期；流程在平台上线后即刻启用，哪怕初期批次少，也让记录从第一天开始累积。
第二条是**优先在有真实业务量的域上跑流程**：研发设计、生产制造、质量管理三个域有持续的数据加工批次，同样的制度在这三个域上能在半年内积累出上百条执行记录，而在人力资源域可能只有十几条。评估抽样时，抽到前者能拿出完整证据链，抽到后者也能说明记录条数与该域实际业务量相称——这两点都是评估师认可的答法。
需要说明的是，贯标认证的组织与申报由招标方主导，我方承担的是诊断、规划、制度编制、流程落地与证据归集五项工作，并配合评估准备与现场答疑。认证结论由评估机构作出，我方不对认证结果本身作承诺，但对上述五项工作的完成质量与证据的可核查性负责。这一边界在 2.4 节另有说明。
#### 2.2 四段路径与证据积累
贯标路径分四段：诊断、规划、实施、送审。四段不是依次完成再交棒，规划与实施有相当长的重叠期，否则记录来不及积累。
表 2-1 DCMM 三级达成路径与各段产出
| 段 | 主要工作 | 产出 | 与数据集建设的关系 | 单元 |
|---|---|---|---|---|
| 一、诊断 | 九大能力域按组织、制度、流程、工具四个维度逐项核查；不足项分类梳理并定整改优先级；全域数据资产调研盘点 | 现状诊断报告；高质量数据集验证场景数据需求清单 | 需求清单直接决定四类数据集的可得样本与补录范围 | b1219、b1220、b1221、b1229—b1236 |
| 二、规划 | 九个能力域逐域输出制度、流程与管理办法，明确组织岗位职责、管控流程与落地策略 | 数据治理顶层规划方案与九域规划成果，合并不少于 25 份治理文档 | 标准、分级与质量规则是加工环节的前置约束 | b1221、b1222、b1223、b1227 |
| 三、实施 | 治理平台建设与九项治理内容在九个业务域落地；同步构建决策数据指标体系 | 平台上线运行；元数据、标准、规则、标签、血缘、台账等运行记录 | 加工生产在治理约束下运行，记录随之产生 | b1224、b1225、b1226 |
| 四、送审 | 整理评审证据包，支撑甲方向认定机构申请贯标评估 | 评审证据包；能力域逐项的过程说明与记录索引 | 数据集加工与场景验证的过程记录是证据的一部分 | b1219 |
四段中第三段最长，因为记录需要在真实业务上跑够周期。本项目的安排是把第一阶段的制度与标准发布节点压在首批数据汇聚与数据集加工开始之前，使加工过程本身就在治理约束下运行，加工留下的血缘、质量评分与审批留痕同时成为贯标证据。这样记录的积累周期与项目的加工周期同步，不另占时间。
### 图 2-1 贯标四段路径与执行记录的积累关系
图 2-1 贯标四段路径与执行记录的积累关系。数据来源：招标文件第五章 3.2.6.1（b1219—b1226）、3.2.6.1.1（b1227）、3.2.6.1.2（b1335）；周期取第 3 章建设周期与质保期要求。
#### 2.3 能力域数量的口径说明
招标文件两处写「DCMM 九大能力域」（b1221、b1229），并在 3.2.6.1.1.2 项下实列九个规划域：数据战略、数据治理、数据架构、数据资产、数据标准、数据质量、数据安全、数据生存周期、数据应用流通。GB/T 36073—2018 的能力域为八个、过程域为二十八个。
本投标文件统一按招标文件原文口径使用「九大能力域」一词，并在「数据治理规划（一）」表 2-1 中把九个能力域逐一对照到基准模型的过程域，使评估结论既能逐条回到招标文件的规划域要求，又能直接支撑按基准模型开展的贯标送审。两套划分之间的对应关系在诊断报告中作为附表给出，评审时可双向查对。
#### 2.4 贯标认证的责任边界
DCMM 贯标评估由具备资质的认定机构实施并出具结论，认证主体是甲方。我方承担的是达成三级所需的能力建设与送审支撑：开展现状诊断、编制九域规划成果、建设治理平台、推动治理实施、整理评审证据包、配合现场评审与问题整改。认证的受理时点与出证时点取决于认定机构的受理安排，本节不就出证时点作承诺。
若在送审准备中发现某一能力域的执行记录积累不足两个考核周期，我方的建议是调整送审时点而非压缩记录周期：送审被核减的代价高于延后送审。这一回退口径与「数据治理规划（一）」第 8 章的贯标风险条一致。
### 3、九大能力域的整体关系
#### 3.1 九域分三层，不是九张并列清单
九个能力域放在一张表里看像九件平行的事，实际它们是三层。最上面两域回答「谁来管、按什么方向管」：数据战略定方向与路线图，数据治理定组织、制度与考核。中间三域回答「管什么」：数据架构定数据怎么组织与怎么流动，数据标准定每个字段与每个指标的口径，数据资产定哪些数据被登记为资产、归谁、值多少。外围四域回答「管得住没有」：数据质量校验数据对不对，数据安全管住谁能看、看多少，数据生存周期管住从需求到退役的每一步有没有留痕，数据应用流通管住数据以什么形态出去。
这个分层有实际用处。诊断时若某个域评分低，分层能指出是上层缺位还是下层缺工具——战略与治理两域弱，则下面七域的规划无人审批、无人考核，先补组织；中间三域弱，则外围四域的规则无依据可写，先补标准；外围四域弱而中间三域齐备，则多半是平台能力与执行记录的问题，补工具与流程即可。「数据治理规划（一）」第 2 章的整改优先级四象限就是按这一判断给出的。
### 图 3-1 九大能力域的三层结构与域间主要接口
图 3-1 九大能力域的三层结构与域间主要接口。数据来源：招标文件第五章 3.2.6.1.1.2 项下实列的九个规划域（b1237 以下各项）、3.2.6.1.2 九个业务域（b1336）。
#### 3.2 域间接口：谁的产出是谁的输入
九域之间的衔接点是本节最该说清的东西。两个子节各自把域内设计写透了，域与域之间的交接若不单列，合在一起读会出现同一个对象在两处有两套说法。表 3-1 按「产出—接口件—消费方」三栏列出主要接口，接口件是可以指着看的具体东西，不是抽象的协同关系。
表 3-1 九大能力域之间的主要接口
| 产出方 | 接口件 | 消费方 | 接口口径 |
|---|---|---|---|
| 现状评估 | 现状诊断报告、场景数据需求清单 | 九个规划域 | 诊断结论是九域规划的唯一输入；规划中每项任务须能指回诊断报告的差距编号 |
| 数据战略 | 三阶段路线图、度量指标 | 数据治理、各域实施计划 | 路线图的阶段切分即各域成果物的交付时点依据 |
| 数据治理 | 三层组织、岗位职责、考核细则 | 全部八域 | 各域成果物的审批主体与会签路径由此确定；组织未发文前成果物只出送审稿 |
| 数据架构 | 数据元与物理字段映射、元数据与字段级血缘 | 数据标准、数据质量、数据生存周期 | 血缘粒度到字段级；质量问题的定位与错样归因均沿血缘回溯 |
| 数据标准 | 数据元标准、参考数据码表、指标卡 | 数据质量、数据安全、知识本体、指标体系 | 校验规则引用数据元与值域；知识本体引用术语标准，不另立术语 |
| 数据资产 | 资源目录条目、权属登记、价值等级 | 数据应用流通、运营平台 | 目录条目实时带出质量分与安全级别；运营平台的挂牌与确权以权属登记为据 |
| 数据质量 | 规则库、质量评分、整改台账 | 数据集质检、数据服务、资产价值评估 | 质量未达门限的数据按置信标记降级输出，不直接中断加工 |
| 数据安全 | 五级分级标签、权限与脱敏策略 | 数据架构、生存周期、应用流通、安全方案 | 分级标签是权限、脱敏、审计三类管控的唯一驱动输入 |
| 数据生存周期 | 采集、加工、接口开发规范与评审检查点 | 加工生产链路、运维 | 规范的检查点即开发过程的放行条件 |
| 数据应用流通 | 服务目录、SLA 分级、授权与计量 | 场景验证、运营推广 | 三级服务在资源紧张时降级，一级服务优先保障 |
表中有两条接口在子节里分别出现过、合读时须以本表为准。一是知识本体与数据标准的关系：知识本体引用治理侧的术语标准、参考数据标准、数据元标准与指标标准，不另立一套术语；本体先行定义的领域概念回流为标准草案，字段定义冲突时以数据元标准为准。二是业务数据质量与数据集质量的关系：治理侧的质量规则管的是九个业务域的业务数据，数据集的质量评测按《高质量数据集质量评测规范》开展，两者的关系是前者为后者供料、后者的错样归因结论回流为前者的规则修订线索。
#### 3.3 九个业务域的落地不均匀
九项治理内容是横向能力，九个业务域是纵向对象，交叉形成落地矩阵。矩阵不是均匀的：研发设计、生产制造、质量管理三个域直接产出工艺设计类、制造过程类与产品质量类数据集的主体样本，治理动作排在第一批；仓储物流与设备管理支撑供需计划类数据集与设备诊断相关场景，同在第一批但元数据与安全动作可后置；采购、营销、财务、人力资源四个域主要支撑决策指标与通用场景，治理动作整体后置，但其中三个域的安全分级要前置，原因是这三个域集中了分级标准中最高两级（L4 与 L5）的数据。
人力资源域在数据集贡献上权重最低，组织与岗位主数据却须排在第一批——它是其余八域权限模型与操作留痕的前提。逐格的优先批次与各域实施重点见「数据治理规划（二）」第 8 章表 4B-37 与第 8.4 节，本节不重复。
矩阵不均匀带来一个实际问题：同一项治理动作在不同业务域的成熟度不同步，跨域的数据一旦汇到一起，口径就会打架。最常见的三类冲突值得先讲清处置办法。
**第一类是同一业务对象在两个域有两套编码。** 例如同一台刮板输送机，设备管理域按设备台账编码，生产制造域按产品编号，两者在历史上各自独立维护、互不回指。处置办法不是强行统一编码——那会要求两个域同时改造既有系统，工期不可控——而是在主数据域建立对照关系并指定权威源：设备台账为权威源，生产侧保留原编码并挂对照，汇聚到数据集时按权威源归一。对照关系的建立与维护纳入主数据管理流程，新增对象在源头即登记对照，存量对象按批次补录。
**第二类是同一指标在两个域有两个口径。** 例如「在制品数量」，生产制造域按工序流转口径统计，仓储物流域按实物在库口径统计，两者在数值上长期不等且各有道理。处置办法是在数据标准域把两个口径都登记为正式指标，各自给出计算逻辑、适用场景与责任部门，**不做二选一**；在数据集中以指标标识区分，使用方按场景选用。强行取一个口径会让另一个域的历史数据全部失效，代价远大于并存。
**第三类是同一份数据在两个域有不同的密级判定。** 例如客户工况资料，营销域按商业信息判为内部级，而其中含矿方的地质参数，安全域按行业要求判为更高级别。处置办法是**取高不取低**，并把判定依据连同判定人一并登记；后续若业务部门主张降级，须以书面依据走变更流程，不以口头协商改变密级。这一条在本项目尤其要紧——数据集一旦按较低密级发布，回收的代价极高。
三类冲突的共同处置原则是：**先登记、再裁决、不静默归并**。任何一次归并都在元数据中留下归并前的原值与归并依据，使后续发现判断有误时可以回退。裁决流程与责任岗位见「数据治理规划（一）」第五章，本节不重复。
### 4、治理平台与数据集加工生产平台的边界
#### 4.1 两个平台为什么分开建
招标文件要求依据诊断报告与治理规划开展数据治理平台建设与数据治理实施工作（b1224），并要求九项治理内容在数据治理开发工具平台上落地（b1336）。同时，服务采购清单第 1、2、3 项另有数据资源建设、工具链建设与运营服务管理平台建设（b0804r02、b0804r03、b0804r04）。这里有三个平台角色，职责必须分清，否则实施时会出现同一份元数据在两处登记、同一个口径在两处定义。
分法的依据是三者管的东西不同。治理平台管的是约束与证据——数据元长什么样、字段属于哪一级、规则怎么判、血缘往哪连、谁在什么时候批准了什么。加工生产平台管的是生产动作——采集、预处理、标注、合成、增强、质检、验证各环节的任务编排与算力调度。运营服务管理平台管的是成品的对外服务——数据集目录、版本、权限、确权、挂牌、交易与审计。三者在本项目中作为奔牛数据智能平台的治理组件、加工组件与运营组件部署，共用统一身份与统一审计，但数据对象与责任主体各自独立。
这样分的实际好处在换件时能看出来：工具链随技术演进替换，加工组件变；治理侧的数据元、分级与规则不变，已加工数据的血缘与质量档案也不作废。反过来，治理标准修订时，受影响的加工任务由血缘反查出来，重跑范围是可计算的，不必全量重做。
### 图 4-1 三个平台的职责分界与接口
图 4-1 三个平台的职责分界与接口。数据来源：招标文件第五章 3.2.1 服务采购清单第 1、2、3 项（b0804r02、b0804r03、b0804r04）、3.2.6.1（b1224）、3.2.6.1.2（b1336）。
#### 4.2 四条接口的落地口径
四条接口在实施中各有一条可检查的放行条件，口径如下。
下行约束这一条的放行条件是：接入对象的元数据登记、数据元映射、分级标签、入口校验规则四项齐备，未齐备的对象不进入下一环节的加工。这一条是治理侧对加工侧唯一的硬门槛，也是贯标时「过程被规范执行」最直接的证据。
上行采集这一条的放行条件是血缘粒度。血缘须登记到字段级，否则质检发现错样时无法定位到源字段，错样归因就只能停在数据集层面，定向回流无从下手。血缘不完整的对象在质量溯源中标记为不可溯源并优先补齐，这与「数据治理规划（二）」表 4B-39 的元数据验收口径一致。
资产口径下行这一条的要点是单一事实源。资源目录条目、权属登记与价值等级只在治理侧维护一份，运营平台的挂牌、确权与交易以此为据展示与校验，不在运营侧另建一套权属台账。
使用情况回流这一条是价值评估的数据来源。使用计量不足一个季度的对象暂不作价值评估，避免以偶发调用量给出等级。
表 4-1 把三个平台的职责、对应的招标文件条款与论述位置并列，便于核对。
表 4-1 三个平台的职责与论述位置对照
| 平台 | 管什么 | 不管什么 | 对应条款 | 论述位置 |
|---|---|---|---|---|
| 治理平台 | 元数据、标准、质量规则、分级与权限策略、资产目录与权属、指标卡、服务目录 | 不承担数据集的加工作业与对外交易 | b1224、b1336 | 本节第 4 章；实施落地见数据治理规划（二）第 8 章 |
| 数据集加工生产平台 | 七个生产环节的任务编排、工具链运行、知识底座、质检与验证、训推服务 | 不自行定义数据标准与分级口径 | b0804r02、b0804r03 | 四大数据集加工生产总述及其分节；工具链总述及其分节 |
| 运营服务管理平台 | 数据集目录与版本、权限、确权、挂牌、交易与审计，共 16 个功能模块 | 不另建权属台账与质量评分体系 | b0804r04 | 数据集运营平台 |
四条接口都有「不通」的时候，口径须事先写明，否则实施期每遇一次就要议一次。
下行约束不通的典型情形是：某一批数据的分级标签尚未判定，而加工排期已到。处置是**挂起该批而不是降级放行**——按最小必要原则，该批先进入落地区的待判定分区，不进入加工区；待判定分区的存放期上限为十五个工作日，超期未判定的升级至数据治理工作组裁决。这样做的代价是该批次延期，收益是不会出现「先加工后发现密级判高了」这种只能整批作废的局面。
上行采集不通的典型情形是：血缘字段级登记缺失，而质检已经发现错样。处置是**按可溯源程度分档**：能溯源到字段的，走定向回流；只能溯源到批次的，整批复核；连批次都溯不到的，该数据子集标记为不可溯源并暂停发布，同时倒查血缘写入环节的缺陷。第三种情形在实施期应当趋近于零，若出现即为公共层缺陷，进缺陷台账按一级处置。
横向校验与标准下发两条接口的失效处置相对简单：横向校验不通时，以治理侧的规则库版本为准、加工侧按该版本重跑受影响批次；标准下发不通时，加工侧沿用上一版标准并在数据卡中标注所用标准版本号，待标准到位后评估是否需要回溯处理。**四条接口的失效处置均产生记录，记录本身就是贯标评审时「过程异常也被管理」的证据。**
### 5、决策数据指标体系与治理规划的时点绑定
招标文件要求在治理实施的同时构建决策数据指标体系，支撑高质量数据集建设并强化数据对经营管理决策的支撑能力（b1225、b1226）。这件事有一个容易被忽略的前后关系：指标体系的口径来自数据标准中的指标标准，指标标准的覆盖范围又取决于现状评估盘出的数据元与可得字段。换句话说，指标体系不能与治理规划并行起步，它必须排在标准与资产盘点之后。
本项目把这一关系固化为三个确认时点，写进治理规划的交付节点。时点的作用是给下游一个可依赖的日期：以决策指标为输入的场景验证按这三个时点排期，不以推定口径提前出结论。
表 5-1 决策数据指标体系的三个确认时点
| 时点 | 完成内容 | 前置条件 | 下游依赖 |
|---|---|---|---|
| 一、指标规范就位 | 指标标准与指标卡规范发布；指标分层（原子、派生、复合）与四项要素定义生效 | 数据元标准首批发布；现状评估完成 | 场景侧按指标卡结构提出指标需求 |
| 二、九业务域指标体系首批成形 | 按九个业务域给出首批指标清单与指标卡草案，口径可向下追溯到数据元与源字段 | 各业务域归口部门确定；参考数据码表首批发布 | 决策类场景的验证基准分册开始编制 |
| 三、指标口径经甲方确认 | 首批指标的计算逻辑与口径由甲方业务归口部门逐项会签 | 治理组织正式发文，有会签主体 | 口径未会签的指标不进入验证基准分册 |
三个时点落在治理规划的第二阶段，与「数据治理规划（二）」第 8 章第 5 节的阶段划分一致：指标标准与决策指标体系首批属第二阶段件。以决策指标为数据输入的通用场景验证据此排在场景序列的后段，口径未经确认的指标不以推定口径出验证结论。指标体系的指标选取方法、分层设计与首批规模估算在「数据治理规划（二）」第 2.7 节，问答场景的交互设计在「五个通用场景验证方案」一节，本节不重复。
指标口径的确认进度是本项目的一项外部依赖。若某业务域的口径在计划时点未能会签，我方的做法是该域指标按草案口径标注「待确认」并暂不发布，相关场景的验证范围相应收窄并在验证报告中记录数据条件，而不是以项目组的推定口径替代业务口径对外出结论。
### 6、技术标准验证
#### 6.1 这件事要解决什么
招标文件要求结合矿山装备制造行业特点与高质量数据集建设实践经验，积极参与全国数标委标准验证和试点应用工作，持续完善标准技术指标，提升行业标准的先进性、科学性与适用性（b1846、b1847）。采购清单第 5 项的第 2 条是同一要求（b0804r06）。
标准验证不是写一份标准建议书交上去。现行的高质量数据集相关标准多数是面向通用语料与通用模态制定的，落到矿山装备制造这个场景上会遇到几类具体的不适配：工艺图纸的符号表达（粗糙度、坡口、倒角、形位公差）在通用文档结构标准里没有对应的元素定义；设备时序数据的工况分段在通用时序数据规范里没有分段依据的约定；焊接参数流与焊道标识的时间窗对齐，其对齐容差在通用多模态对齐规范里没有可引用的取值范围。
这些不适配只有在真实加工上千万级样本时才会暴露出来，而本项目恰好要加工预训练 615 亿 Token、指令微调 89 万条、强化学习偏好 6.6 万组与基准测试 0.95 万条四类数据集，在加工过程中会形成大量可用于标准验证的实测数据。
我方参与标准验证的立足点就是这批实测数据与随之形成的作业规范，而不是概念性的意见。
#### 6.2 参与方式与产出
表 6-1 技术标准验证的参与方式与产出
| 参与方式 | 具体做法 | 产出 | 时点 |
|---|---|---|---|
| 标准适用性验证 | 以本项目四类数据集的加工过程为验证载体，按现行规范逐项执行并记录不适配点、执行成本与替代做法 | 标准适用性验证报告，逐项给出指标在矿山装备制造场景下的可执行性结论 | 首轮全量评测完成后 |
| 技术指标实测 | 对评测规范中的量化指标提供本项目的实测取值与分布，包括各模态的质量指标基线、标注一致率、对齐容差、去重阈值 | 技术指标实测数据集与统计附表 | 各批数据集评测完成后滚动提供 |
| 规范草案贡献 | 把本项目形成的标注规范、数据卡规范、质检与验证报告规范整理为可供参考的行业规范草案 | 面向矿山装备制造领域的数据集建设规范草案建议稿 | 规划期第二阶段起滚动提交 |
| 试点应用 | 以本项目的数据集与场景验证作为试点应用案例，提供可公开的实施路径、问题清单与改进建议 | 试点应用案例材料 | 场景验证完成后 |
| 标准征求意见 | 参与相关标准的征求意见与审查环节，按行业实践提出修订建议 | 意见汇总与修订建议 | 按标准制定机构的工作安排 |
参与方式的落点在前三行。标准适用性验证与技术指标实测的依据是《高质量数据集质量评测规范》等现行评测依据，评测的指标体系、评测方法与实施过程在服务方案「数据集质量评测方案」一节论述；本节交付的是以该评测过程为载体的标准验证成果，两者是同一批作业的两种产出，不重复投入。
#### 6.3 边界与口径
标准的立项、审查与发布由标准化技术组织主导，我方承担的是验证、实测与建议。本节不就标准立项结果或本项目成果被采纳为标准条款作承诺；我方承诺的是按上表提供验证材料、实测数据与修订建议，并配合标准化技术组织的工作安排参与试点。相关知识产权产出（论文、发明专利、软件著作权）的指标与安排在「技术创新与机制创新」一节论述（b0804r06）。
参与标准验证有一条边界需要在投标阶段就讲清：**标准的立项、起草与发布由归口单位主导，我方的角色是提供实测证据与修订建议，不代行标准制定职能。** 这不是推脱，而是标准化工作的正常分工——我方若在标书中承诺「推动某项标准发布」，而标准立项不在我方可控范围内，这条承诺将来无法兑现。
我方能够承诺并可被检查的是三件：其一，在数据集加工过程中按统一模板记录标准适配问题，每条记录包含问题现象、涉及的标准条款、本项目的处理办法、建议的修订方向与支撑该建议的样本量；其二，每半年汇总一次形成《标准适配问题与修订建议》，经招标方确认后由招标方决定是否向归口单位提交；其三，若归口单位开展标准验证或试点应用工作并需要实测数据，在招标方同意且符合保密要求的前提下提供去敏后的验证数据与测试结论。
三件事的交付节点、产出形式与验收方式列入治理成果总交付口径（第 8 章），不单独计量工作量。这样安排的理由是：标准验证的成效取决于归口单位的工作节奏，把它做成独立的里程碑会让项目进度受制于外部因素；挂在半年度汇总上，既保证工作持续进行，又不让项目进度被外部环节卡住。
### 7、数据标注规范建设
#### 7.1 现场问题
招标文件要求聚焦多模态数据高质量供给需求，制定覆盖不同数据类型的标准化、流程化标注规范，解决多模态数据标注口径不一、流程混乱、与业务场景适配性不足的问题（b1851、b1852）。采购清单第 5 项的第 4 条是同一要求（b0804r06）。
这三个问题在本项目的具体表现是可以指认的。口径不一：同一道备料工序在总工艺路线上叫一个名字、在车间卡片上叫另一个名字，28 道备料工序在不同系统中的名称差异若不先归一，标注出来的工序标签互相对不上。流程混乱：图纸与工艺卡的配对关系在甲方现状中未建立，约 63 万张历史工艺样本若没有配对规则就直接发给标注员，标注结果无法形成成对监督样本。与业务场景适配性不足：缺陷描述是自由文本，标注员按字面分类得到的标签与质量管理部门实际使用的缺陷类型对不上，标出来的数据场景侧用不了。
因此标注规范不能只写标注流程，它要先把标签体系的来源锁住——标签取自治理侧的参考数据码表与数据元标准，不由标注环节自创。这是本节把标注规范放在治理部分而不是加工部分的理由。
#### 7.2 规范体系的构成
规范按一份总则加分册的结构组织，共十份，列入治理文档体系一并交付。
表 7-1 数据标注规范分册清单
| 序号 | 分册 | 覆盖数据类型 | 规定的核心内容 | 标签来源 |
|---|---|---|---|---|
| 1 | 标注规范总则 | 全部 | 标注流程、角色与职责、标注员培训与准入、一致性要求、返工条件、交付物格式 | — |
| 2 | 文本与文档标注分册 | 管理制度、公文、合同、技术文档 | 段落与条款切分粒度、实体与关系标签集、引用关系标注 | 业务术语标准 |
| 3 | 图纸与工艺图标注分册 | 设计图纸、工艺图、工艺卡 | 图元与尺寸标注、符号表达（粗糙度、坡口、倒角、形位公差）的标注口径、图卡配对规则 | 数据元标准、物料与工序主数据 |
| 4 | 图像标注分册 | 交检拍照、缺陷图像、装配现场影像 | 目标框与分割粒度、缺陷类型标签层级、拍摄条件与不可用判定 | 缺陷类型参考数据码表 |
| 5 | 时序数据标注分册 | 振动、温度、电流、液压等测点数据 | 工况分段依据、异常区间标注、缺段与失效测点标注 | 设备与测点主数据 |
| 6 | 视频标注分册 | 作业过程录像、巡检视频 | 事件区间切分、动作标签集、视频与文本对齐容差 | 工序主数据 |
| 7 | 对话与工单标注分册 | 服务工单、运维记录、问答语料 | 轮次切分、意图与槽位标签集、工单转对话的字段映射 | 业务术语标准、故障类型码表 |
| 8 | 推理过程标注分册 | 思维链与推理步骤 | 推理步骤粒度、步骤有效性判定、关键依据标注 | 指标标准、工艺要求数据元 |
| 9 | 标注一致性校验规范 | 全部 | 一致率计算方法、抽检比例与抽检方式、争议裁决流程、低一致率的返工口径 | — |
| 10 | 标注质量与质检衔接规范 | 全部 | 标注交付物进入质检的入口条件、错样归因回流到标注环节的处置流程与时限 | 数据质量规则库 |
十份分册中第 1、9、10 三份是跨模态的通用件，先行发布；第 2 至 8 份按数据集加工的批次顺序发布，与「数据治理规划（二）」第 8 章第一阶段的标准发布节点对齐。规范的评审与发布流程按治理文档的统一体例执行：项目组内部评审核对体例与可执行性，甲方业务归口部门核对标签体系与本域实际业务口径是否冲突，管理层评审确认责任分工，三道评审通过后发布。
#### 7.3 与其他章节的边界
标注规范是规范文件，标注怎么做是实施方法，两件事分开写。规范的体系构成、分册划分、标签来源与评审发布在本节；标注粒度的具体取值、标注工序的组织、标注员间一致率的实测与返工执行、预标注与人工复核的配合方式，在「数据加工生产（二）」一节论述；承载标注作业的工具链（大模型预标注、主动学习标注、本体驱动规则标注、一致性校验标注四类）在「工具链二」一节论述；标注模板与样例在附录佐证卷提供。本节不重复这三处的内容。
一致性要求的量化口径以实测基线为准。本节不在投标阶段给出未经实测的一致率目标值，理由与质量指标相同：没有基线的目标值不可验收。首轮标注完成后出具一致率基线，基线确定后写入项目质量计划并作为返工条件的判定依据。
### 8、治理成果的总交付口径
本节与两个子节合计构成治理部分的全部内容。为便于合稿与验收核对，表 8-1 给出治理成果的总交付口径。各成果物的章节骨架、验收口径与提交节点在两个子节的对应章节，本节只给合计数与分布。
表 8-1 治理成果总交付口径
| 类别 | 内容 | 数量 | 论述位置 | 单元 |
|---|---|---|---|---|
| 现状评估成果 | 数据治理现状诊断报告、高质量数据集验证场景数据需求清单 | 2 份 | 数据治理规划（一）第 2 章、第 7 章表 7-1 | b1219、b1220、b1236 |
| 九域规划成果 | 招标文件逐行列明的治理文档，我方按 37 份编制，不低于不少于 25 份的要求 | 37 份 | 数据治理规划（二）第 7 章表 4B-36 | b1221—b1223、b1331—b1334 |
| 配套细则 | 落实治理机制所需的职能级细则（治理组织运行细则、数据口径确认与争议处理细则、数据管理考核细则） | 3 份 | 数据治理规划（一）第 7 章表 7-1 序号 10—12 | b1249、b1254、b1255 |
| 标注规范 | 标注规范总则、七个模态分册、一致性校验规范、质检衔接规范 | 10 份 | 本节第 7 章表 7-1 | b1851、b1852、b0804r06 |
| 标准验证成果 | 标准适用性验证报告、技术指标实测数据与统计附表、规范草案建议稿、试点应用案例材料 | 4 类 | 本节第 6 章表 6-1 | b1846、b1847、b0804r06 |
| 治理平台 | 治理平台建设与九项治理内容在九个业务域落地运行 | 1 套 | 本节第 4 章；数据治理规划（二）第 8 章 | b1224、b1226、b1336 |
| 决策指标体系 | 九个业务域首批指标清单与指标卡，口径经业务归口部门会签 | 按九域首批范围 | 本节第五章；数据治理规划（二）第 2.7 节 | b1225 |
治理文档的交付数量按「只增不减」执行：37 份是下限，实施中若某一主题需单独成文则增编并登记入引用关系表；拆分或合并须提交变更申请并保留与招标文件原清单的逐项对应关系，使验收时可逐行核对（b1334）。各份文档的全文按项目计划在相应阶段提交评审，投标阶段提交的是编制方案与模板样例，理由见「数据治理规划（二）」第 7.4 节。
### 9、前置条件与总述级风险
两个子节已分别列出域内的前置条件与应对。站在总述一级，有三项条件对治理部分的整体节奏起决定作用，在此单列并给出回退口径；其余条件不在此重复。
表 9-1 治理部分的总述级前置条件
| 前置条件 | 不成立时的影响 | 我方应对 | 回退口径 |
|---|---|---|---|
| 治理组织正式发文设立 | 九域规划成果无审批与会签主体，制度无法发布，贯标缺少组织维度的证据 | 项目启动会提交三层组织架构与岗位职责建议稿，推动按企业文件发布程序设立 | 组织设立前成果物只出送审稿，以项目联合工作组形式临时议事，决议事后追认 |
| 源系统按已授权范围开放只读接口，涉及原厂的配合到位 | 相关业务域无法汇聚，诊断只能依赖访谈与文档，依赖该域的数据集样本量不足 | 按域分批推进，优先推进已可开通的域；接口协调按月与甲方对接 | 未开通的域以现场导出或离线交换作为过渡，并在数据卡中记录来源方式；诊断报告标注未取证的过程域，授权到位后出补充章节 |
| 执行记录的积累周期满足三级要求 | 送审时定级被核减 | 制度与标准发布节点前置，流程优先上线，使加工过程本身产生记录 | 调整送审时点而非压缩记录周期；按能力域分批送审，记录充分的域先行 |
三项条件里前两项是进度变量，第三项是定级变量。本节的处理方式是把它们写成前提而不是隐含假设，并给出过渡办法与可重新核算的口径，使治理进度、数据集规模与贯标时点之间的关系在前提变化时可被重新计算，而不是在交付时才发现差距。
### 10、本稿待补材料清单
本节为总述，不涉及资质与业绩类实据。以下内容需由甲方确认或由项目组在现状评估阶段核定后补入，稿件中已以【待填：…】标注。两个子节各自的待补清单不在此重复。
表 10-1 本稿待补材料清单
| 序号 | 待补内容 | 所在位置 | 需由谁提供 | 时点 |
|---|---|---|---|---|
| 1 | 【待填：DCMM 贯标评估的认定机构受理安排与评估周期】 | 第 2.4 节 | 对外协调后确认 | 投标前或项目启动阶段 |
| 2 | 【待填：各阶段的具体日期与治理成果物交付日期】 | 第 2.2 节表 2-1、第五章表 5-1 | 合同签订后按项目总体计划排定 | 合同签订后 |
| 3 | 【待填：九个业务域归口部门名称与指标口径会签人岗位】 | 第五章表 5-1 | 甲方治理组织确定后提供 | 项目启动阶段 |
| 4 | 【待填：标注一致率基线实测值与返工门限】 | 第 7.3 节 | 首轮标注完成后由项目组实测 | 首批标注完成后 |
| 5 | 【待填：参与标准验证的具体标准清单与工作安排】 | 第 6 章表 6-1 | 按标准化技术组织的工作安排对接 | 项目实施期 |
| 6 | 【待填：甲方现行制度文件清单及现行版本】 | 第 2.1 节、第 3 章 | 甲方提供 | 现状评估阶段 |