智能化煤矿数据治理能力评估与提升策略研究

王美君,谭章禄,李慧园,吕晗冰

中国矿业大学(北京)管理学院,北京 100083

2020 年2 月,《关于加快煤矿智能化发展的指导意见》中强调,数据是推动煤矿智能化技术开发和应用模式创新、提高煤炭企业核心竞争力的核心资源,要加快数据标准的制订及修订,提升煤矿智能化基础能力[1]。2023 年3 月,国家能源局《关于加快推进能源数字化智能化发展的若干意见》中再次强调,推动能源数据分类分级管理与共享应用,以数据资源作为新型生产要素,促进智慧能源网络的协同运行[2]。数据治理是智能化煤矿确保数据运营合规、保障数据质量、防控数据风险、提升数据价值、实现数字化转型的关键战略安排。智能化煤矿数据治理在煤矿智能化应用场景下,出于高质量发展动机,对煤矿数据及相关技术和业务全生命周期的权责利进行合理制度优化[3],旨在以敏捷高效的数据服务支持智能化煤矿建设目标的完整实现[4]。因此,智能化煤矿数据治理能力,就是数据治理支持煤矿智能化建设整体目标实现的能力。进一步提升煤矿数据治理能力,对于加快煤矿智能化建设、促进煤炭工业数字化转型、构建现代化能源体系、建设数字中国具有重要意义。然而,关于智能化煤矿数据治理能力的研究,纵向上缺乏理论支持,横向上缺乏应用拓展。

在数据治理能力的理论研究方面,何敏[5]提出数据治理是煤矿智能化发展的关键问题,后续学者在此基础上展开了深入研究。谭章禄等[3]界定了智能化煤矿数据治理的概念内涵和发展目标,提出了由治理理念、治理目标、治理主体、治理客体、治理过程和工具构成的概念模型,设计了由“基础设施体系、中台体系、智能应用体系”三大体系和“数据源层、数据汇聚层、数据开发层、数据服务层、数据管理层”五大层级构成的技术架构[4],突破了智能化煤矿数据归类与编码等关键技术[6],基于要素-机制-层次-过程参考模型构建了智能化煤矿数据治理的理论基础与体系框架[7],为智能化煤矿数据治理的理论研究[8-9]和技术实践[10-12]指明方向。但以上研究尚未完整构建数据治理能力体系,缺乏数据治理能力评估的方法论模型[7],使得数据治理能力提升缺乏理论支撑。

在数据治理能力的应用拓展方面,学者广泛运用能力成熟度理论并针对特定使用场景进行数据治理能力成熟度模型的开发[13]。《信息技术服务数据中心服务能力成熟度模型》(GB/T 33136—2016)[14]从信息技术服务视角提出了由5 个成熟度等级和33 个能力项构成的能力成熟度模型,规定了数据中心服务能力的评价方法和管理要求。《数据管理能力成熟度评估模型》(GB/T 36073—2018)[15]从数据管理视角提出了由5 个成熟度等级和29 个能力项构成的能力成熟度模型,指明了数据管理能力渐进式提升路径。《信息安全技术数据安全能力成熟度模型》 (GB/T 37988—2019)[16]从信息安全技术视角提出了由数据安全能力、成熟度等级和数据安全过程3 个维度构成的数据安全能力成熟度模型,指明了各阶段提升数据安全能力的关键实践。孙旭东等[17]根据煤矿监测监控数据要素与应用范式的特点,构建了监测监控数据治理能力提升路径的结构方程理论模型。但以上研究未充分考虑煤矿智能化建设的整体战略诉求,不能满足智能化煤矿数据治理目标和数据服务需求,尚需针对智能化煤矿全局应用场景进行领域拓展[7]。

综合以上讨论,本文从剖析煤矿智能化建设对数据治理的战略诉求出发,首先构建智能化煤矿数据治理能力体系,为数据治理能力的科学评估提供依据;然后构建智能化煤矿数据治理能力成熟度模型,准确定义数据治理能力成熟度各等级的共性特征,指明数据治理能力发展的阶段目标、能力要求和关键实践,为数据治理能力提升提供理论模型;最后在智能化煤矿数据治理能力成熟度模型的指导下,提出智能化煤矿数据治理能力提升策略,最终补充完善智能化煤矿数据治理方法论体系。

1 智能化煤矿数据治理能力体系

智能化煤矿是由物理世界、意识世界、信息世界中活动层、组织级、价值链之间的耦合协同关系构成的复杂系统[18]。煤矿智能化建设整体目标是将煤矿打造成智能结构完善、层级架构健全、支撑体系发达、高度智能的少人或无人系统,根本任务是“构建煤矿信息世界、改造煤矿物理世界和意识世界、搭建三个世界信息通路”,最终赋予煤矿透彻感知和深度互联的结构特征、自主学习和智能应用的功能特征以及全局协同的价值特征。

数据治理通过确保数据运营合规、保障数据质量、防控数据风险、提升数据价值,以数字连续性驱动战略导向、决策模式和业务需求变革,以敏捷高效的数据服务支持煤矿智能化建设整体目标的实现,进一步将透彻感知、深度互联、自主学习、智能应用、全局协同的智能化特征转化为煤矿数字竞争优势,形成以数据驱动为核心的能力体系。

因此,智能化煤矿数据治理能力是指,通过对煤矿数据及相关技术和业务全生命周期的权责利进行合理制度优化,以支持煤矿智能化建设整体目标实现的能力。智能化煤矿数据治理能力服务于煤矿智能化建设对数据治理的战略诉求,根植于智能化煤矿“四横三纵”整体框架(图1)。

图1 智能化煤矿“四横三纵”整体框架Fig.1 The overall framework of “four-horizontals and three-verticals” in intelligent coal mines

1.1 透彻感知能力

透彻感知能力根植于感知控制层。感知控制层通过固定监测传感设备和移动监测传感设备构建基于工业物联网的煤矿泛在感知网络,实现煤矿生产作业、安全管理、经营决策等全业务、全链条、全环节、全方位数据的自动化采集,通过可编程逻辑控制器(Programmable Logic Controller,PLC)、监视控制与数据采集(Supervisory Control And Data Acquisition,SCADA)系统、分布式控制系统(Distributed Control System,DCS)三位一体架构实现煤矿数据集成和业务系统控制。智能化煤矿数据治理的透彻感知能力强调保障煤矿泛在感知网络的数据质量和数据安全,使得煤矿数据保持完备性、准确性、唯一性、一致性、完整性、合理性、有效性、及时性和安全性,核心是贯彻落实煤矿数据质量标准和数据安全标准。

1.2 深度互联能力

深度互联能力根植于网络通信层。网络通信层通过对煤矿广播电视网、电话通信网和工业互联网的技术改造(尤其需要对煤矿工业以太环网和办公局域网进行优化升级),依托智能网关与感知控制层的工业物联网实现无缝、安全链接,构建四网融合的深度互联网络,为煤矿提供包括视频、图像、语音、文本、数字等的综合多媒体通信服务,使煤矿具备无障碍的数据交互能力。智能化煤矿数据治理的深度互联能力强调实现煤矿中人与人之间、人与机器之间、机器与机器之间信息的有效交互,核心是煤矿数据通信接口的开放和数据交互协议的互认。

1.3 自主学习能力

自主学习能力根植于数据及应用支撑层。数据及应用支撑层部署智能化煤矿数据治理中台体系和自主学习算法体系,是智能化煤矿数据治理重点改造的层级。

中台体系采用技术-数据-业务三中台融合架构。技术中台对智能化煤矿数据相关技术进行治理,抽象所需共性技术,构建通用技术服务能力并进行技术微服务封装,以开放的技术微服务应用程序接口(Application Programming Interface,API)为数据中台和业务中台提供技术能力支持[4]。数据中台对智能化煤矿数据进行治理,调用技术微服务对全域全量数据进行采集、存储、开发和管理,构建智能化煤矿数据资产体系并进行数据微服务封装,以数据微服务API 对业务中台和智能应用体系开放[4]。业务中台对智能化煤矿数据相关业务进行治理,抽象智能化煤矿共性业务,调用技术微服务和数据微服务构建通用业务服务能力并进行业务微服务封装,以业务微服务API 对智能应用体系开放,快速响应前端应用需求[4]。

智能化煤矿数据治理的自主学习能力强调以一致的数据语用、数据语义和数据语法理解进行智能化煤矿自感知、自处理、自决策、自执行、自反馈、自适应的核心算法开发,以支持技术微服务、数据微服务和业务微服务的智能化实现。

1.4 智能应用能力

智能应用能力根植于应用与展示层。应用与展示层在技术-数据-业务三中台融合体系上架构以智能化煤矿综合管控平台为统领的、以“工程数字化系统、综合智能化系统、管理信息化系统”为核心的智能应用体系,逐步发展与完善智能生产、智能安全、智能调度、智能物流、智能商业等智能应用场景。智能化煤矿数据治理的智能应用能力强调应用体系、应用平台、应用系统、应用功能和数据服务的智能化,核心是以数字连续性支持煤矿数据应用需求敏捷响应。

1.5 全局协同能力

全局协同能力是煤矿智能化建设对数据治理的整体价值诉求,贯穿智能化煤矿“四横三纵”整体框架的四个层级,以网络与数据安全体系、智能化标准体系和智能化管理运维体系为支撑。

数据标准是智能化标准体系亟待补充完善的重要部分,包括基础标准、数据归类与编码标准、元数据标准、主数据标准、数据质量标准、数据安全标准、数据资产标准等核心内容。

数据安全管理体系是网络与数据安全体系亟待建立健全的重要部分,包括数据分类分级、数据隐患排查、数据风险识别、数据安全全生命周期监控等核心内容。

数据运营管理规范是智能化管理运维体系亟待建设的重要部分,包括数据治理战略规划、组织机构构建、数据资产架构设计、数据技术架构设计、数据业务架构设计和数据管理架构设计等核心内容[7]。

智能化煤矿数据治理的全局协同能力强调通过战略导向、决策模式、业务需求等驱动煤矿从以单系统联动为核心的局部协同,走向以“生产柔性化、安全本质化、管理精益化”为特征的以“人-财-物优化配置、供-产-销-用一体化联动”为核心的全局协同,关注煤矿信息流、资金流、物质流、服务流和价值流的协同性。

因此,智能化煤矿数据治理能力体系包括“透彻感知、深度互联、自主学习、智能应用、全局协同”5 大能力域,共28 个能力项(图2)。

图2 智能化煤矿数据治理能力体系Fig.2 Data governance capability system for intelligent coal mines

2 智能化煤矿数据治理能力成熟度模型

能力成熟度模型由卡耐基梅隆大学(Carnegie Mellon University)软件工程研究院于1991 年正式推出,为软件开发过程能力提供渐进式发展路径和评估策略[19],这一理论思想被广泛应用于数据管理能力提升[13]。为了准确定义智能化煤矿数据治理能力成熟度各等级的共性特征,清晰指明数据治理能力发展的阶段目标、能力要求和关键实践,本文基于智能化煤矿数据治理理论基础、概念模型、技术架构和治理体系的相关研究[4,7],借鉴能力成熟度理论思想,参考数据安全能力成熟度模型的原理[16],构建智能化煤矿数据治理能力成熟度模型(Data Governance Capability Maturity Model,DGCMM)(图3)。

图3 智能化煤矿数据治理能力成熟度模型Fig.3 Data governance capability maturity model for intelligent coal mines

2.1 模型总体架构

DGCMM 由能力成熟度等级、数据治理能力、数据治理实践三个维度耦合而成。

能力成熟度按照能力体系中关键能力的拓展和深化程度划分为初始级、受管理级、已定义级、量化管理级和优化级5 个等级。各等级在由“透彻感知、深度互联、自主学习、智能应用、全局协同”5个能力域构成的数据治理能力维度上,表现出“项目化管理-流程化管理-标准化管理-定量化管理-标杆化管理”渐进式发展的特征。

数据治理能力的渐进式发展以逐步实施数据治理实践维度下“顶层设计、数据管理、数据汇聚、数据开发、数据服务”5 大实践域中的关键实践为支撑,最终描绘出智能化煤矿数据治理能力提升的完整蓝图和过程细节。

数据治理实践域是在“沉淀、复用、共享、协同”的治理理念引导下,在“数据运营合规、数据质量保障、数据风险防控、数据价值提升”的治理目标要求下,针对智能化煤矿数据特征,为提升数据治理能力而采取的关键实践的集合。基于对智能化煤矿数据治理过程的分析[7],数据治理实践域包括顶层设计、数据管理、数据汇聚、数据开发和数据服务5 部分。

顶层设计是指在内外部环境因素、保障因素和驱动因素的交互影响下进行数据战略规划、治理组织构建以及顶层架构设计,包括分析内外部利益相关方数据诉求、识别多元主体数据治理动机、取得核心领导层支持、建立健全数据治理体制机制、构建数据治理能力体系、规划数据治理战略、构建数据治理组织和设计数据资产、数据技术、数据应用、数据管理的顶层架构等关键实践。

数据管理是指在数据治理的制度安排下对数据及相关技术和业务履行正确的管理职责,包括数据标准管理、元数据管理、主数据管理、数据资产管理、数据质量管理、数据安全管理、数据生命周期管理等关键实践。

数据汇聚集成数据采集、数据传输、数据存储三个数据生命周期过程,包括设计和实施数据采集策略、设计和实施数据传输策略、设计和实施数据存储策略等关键实践。

数据开发根据智能化煤矿数据特征集成离线开发、实时开发和算法开发框架,以建设智能化煤矿数据资产体系和自主学习算法体系,包括:接入和处理煤矿冷数据、温数据和热数据,构建智能化煤矿数据资产体系和煤矿自主学习算法体系等关键实践。

数据服务对智能化煤矿数据及相关模型和算法进行计算逻辑封装,为服务请求提供标准化出口,主要包括提供数据微服务、业务微服务和算法微服务等关键实践。

2.2 模型耦合关系

DGCMM 耦合关系是能力成熟度等级、数据治理能力、数据治理实践在维度间和维度内相互作用、相互影响的关系。维度间的耦合关系描绘智能化煤矿数据治理能力提升的完整蓝图,维度内的耦合关系描绘智能化煤矿数据治理能力提升的过程细节,二者共同指示智能化煤矿数据治理能力提升路径。DGCMM 从初始级、受管理级、已定义级、量化管理级到优化级的能力成熟度提升,满足“项目化管理-流程化管理-标准化管理-定量化管理-标杆化管理”的渐进式能力发展规律。

(1) 初始级。煤矿尚未意识到数据治理的重要性,数据治理活动零散且孤立地分布在具体智能化系统建设项目中,没有统一的数据治理活动管理流程,被动地开展数据治理工作,不具备数据治理关键能力。煤矿在本阶段应充分认识数据治理的重要性,宣传和统一对数据治理概念内涵、治理理念、治理目标、发展路径等的理解,积极开展数据治理顶层设计。

(2) 受管理级。煤矿已经意识到数据治理的重要性,有序开展顶层设计,进行了数据治理战略规划、组织机构构建和顶层架构设计,制订了数据治理活动管理流程,主动地开展数据治理工作。在透彻感知能力上,重视数据的安全性并提出数据质量要求;在深度互联能力上,强调煤矿中人与人之间、人与机器之间信息的有效交互;初步构建数据治理体系但尚不具备自主学习能力;已进行局部功能或单系统的智能化建设,但并不能提供数据的智能化服务;追求系统内部的协调联动和集中控制。煤矿在本阶段应加强数据标准的建设和贯彻,制定数据管理规范,合理化部署和实施数据汇聚策略,进行数据的离线开发和实时开发,构建数据资产体系。

(3) 已定义级。煤矿将数据治理作为驱动智能化建设和数字化转型的引擎,在顶层设计要求下构建了统一的数据标准和数据管理规范,在组织层面制定了系统化的数据治理实施流程,标准化地开展数据治理工作。在透彻感知能力上,以数据安全为基础,更加关注数据质量的保障;深度互联能力拓展到强调煤矿中机器与机器之间交互通信协议的统一;在数据治理体系的基础上完成数据资产体系的构建,逐步开始煤矿自主学习算法的开发,具备自感知和自处理能力;煤矿智能化应用系统向平台化发展,尝试基于统一的数据模型进行工程数字化、综合智能化和管理信息化系统内部和系统之间的整合集成;强调以协同的信息流促进组织内部人-财-物的协同配置,关注煤矿内外部利益相关方数据诉求的满足。煤矿在本阶段应加强煤矿自主学习算法体系的构建与完善,促进煤矿自主学习能力向自决策、自执行、自反馈和自适应拓展,构建数据治理能力量化分析与监控优化机制。

(4) 量化管理级。煤矿将数据治理能力作为保障数字连续性、获取数字竞争优势的关键支撑,已形成煤矿自主学习算法体系,在数据治理能力量化分析与监控优化机制的有效运行下,逐步实现数据治理能力的科学管理与过程优化,定量化地开展数据治理工作。在透彻感知能力上,实现数据安全和数据质量全生命周期的监控;在深度互联能力上,实现“人与人、人与机器、机器与机器”三者之间的融合交互;在自主学习能力上,实现自感知、自处理能力的深化以及自决策、自执行、自反馈和自适应能力的拓展;基于完整统一的数据模型的数据服务有效支持煤矿应用功能、应用系统和应用平台的自动化、数字化和智能化,煤矿智能应用体系初见雏形;煤矿产业链和价值链上关键环节的数据链条逐步打通,出现基于数据共享和数据开放的新型业务形态,信息协同开始促进服务协同。煤矿在本阶段应进一步深化自决策、自执行、自反馈和自适应的自主学习能力,健全数据治理体系,推动数据标准体系和数据管理规范的优化,固化数据治理产生的数据资源、技术资源、业务资源和数据治理能力,推动煤矿供-产-销-用一体化协同的实现。

(5) 优化级。煤矿将数据治理能力作为实现智能化建设、保持竞争优势、支持高质量发展的重要基础,完整构建了智能化煤矿数据治理体系,持续推动数据价值、数据技术、数据资产和数据管理体系的优化,通过固化的数据治理资源和能力促进组织内部数据治理战略的创新和组织外部数据治理最佳实践的分享,标杆化地开展数据治理工作。在透彻感知能力上,实现数据安全和数据质量管理策略的实时优化;在深度互联能力上,形成煤炭行业统一的“人与人、人与机器、机器与机器”融合交互协议框架和策略;在自主学习能力上,全方位支持煤矿智能化建设,推动煤矿智能化建设向高阶段发展[20-21];在智能应用能力上,通过敏捷、智能的数据服务推动煤矿智能化应用体系的健全和完善;实现以“生产柔性化、安全本质化、管理精益化”为特征的、以“人-财-物优化配置、供-产-销-用一体化联动”为核心的全局协同。煤矿在本阶段应依托标杆化的数据治理能力发挥示范引领作用,驱动煤矿文化变革、战略变革和组织变革,构建文化-战略-组织-业务-技术-数据六位一体、协同发展的数字煤炭产业生态。

智能化煤矿数据治理能力提升的阶段目标、能力要求和关键实践的过程指引见表1。

表1 智能化煤矿数据治理能力提升过程指引Table 1 The process guideline of the improving data governance capability for intelligent coal mines

3 智能化煤矿数据治理能力提升策略与应用

3.1 智能化煤矿数据治理能力提升策略

智能化煤矿数据治理能力提升以计划(Plan)、执行(Do)、检查(Check)、处理(Act)(PDCA)循环理论为基础,以数据治理能力成熟度模型为支撑,通过定位所处能力成熟度等级、实施能力提升关键实践、监控和评价数据治理运行状态、持续改进和优化数据标准及管理规范的循环迭代过程,实现能力体系中关键能力的渐进式拓展和深化。

3.1.1 统筹规划,定位数据治理能力等级

顺应数字中国[22]建设要求,充分认识数字经济和数字文化产生的破坏性创新,把握新一代数字技术发展趋势,充分考虑煤炭行业数字化转型需要,在政府有关部门对煤炭行业的数据监管下,整合煤矿各利益相关方的数据服务需求,盘活煤矿数据、存储、网络和计算资源,在战略导向、决策模式、业务需求等因素的驱动下,取得煤矿核心领导层的支持,依托智能化煤矿数据治理能力体系和成熟度模型评估数据治理能力所处的成熟度等级,明确能力提升的目标要求和实现路径,做好数据治理实施准备。

3.1.2 构建运行,实施能力提升关键实践

在智能化煤矿数据治理能力成熟度模型阶段性目标和能力要求的指引下,明确当前阶段数据治理能力提升的关键实践;评估关键实践与煤矿当前所处环境、现有资源和能力、驱动因素、保障因素之间的匹配程度,构建关键实践的实施条件;合理安排关键实践实施涉及的权力、责任和利益,建立健全相关管理制度;制定关键实践实施方案,组建方案实施团队,确定方案的实施路线和方法,全生命周期监督和优化关键实践的实施过程。

3.1.3 监控评价,量化数据治理运行状态

构建必要的数据治理活动绩效评估体系、内部控制体系和质量审计体系,持续监控数据治理活动运行过程;制定数据治理活动评价机制、评价流程和评价办法,对标智能化煤矿数据治理体系和能力体系,评价数据治理活动在治理理念一致性、治理目标符合性、资源能力匹配性、运行过程合规性、安全风险规避性、能力提升有效性等方面的表现;溯源数据治理活动存在的问题症结,形成数据治理活动改进方案,建立数据治理能力持续提升机制。

3.1.4 改进优化,持续提升数据治理能力

不断创新数据治理战略和顶层设计;持续完善智能化煤矿数据治理、数据价值、数据技术、数据资产、数据管理和数据标准等体系;逐步改进数据管理、数据汇聚、数据开发、数据服务的实施方案,优化数据治理活动实施的策略、方法和流程;拓展和深化本阶段要求的关键能力;检验本阶段数据治理目标、能力要求和关键实践的完成情况,进一步明确下一阶段的发展目标、能力要求和关键实践,推动数据治理能力通过PDCA 循环持续提升。

3.2 智能化煤矿数据治理能力提升案例

某煤矿年产能达180 万吨,在市能源局的监管要求下开展全矿井智能化建设。为了打通全矿井数据链条,整合集成安全、生产、管理各业务域的系统,构建全矿井的智能化综合管控平台,开展数据治理顶层设计和数据治理能力评估。

基于智能化煤矿数据治理能力体系和DGCMM 模型,采用层次分析法和德尔菲技术,评估某煤矿数据治理能力当前处于受管理级,下一阶段能力提升的目标是达到已定义级的能力要求,即

(1) 在透彻感知能力上,以数据安全性为基础,保障数据的完备性、准确性、唯一性、一致性和完整性;

(2) 在深度互联能力上,实现煤矿中机器与机器之间信息的有效交互;

(3) 在自主学习能力上,具备自感知和自处理能力;

(4) 在智能应用能力上,实现应用平台的智能化;

(5) 在全局协同能力上,实现信息流协同性、资金流协同性和物质流协同性。

对照智能化煤矿数据治理能力提升过程指引(表1),某煤矿在受管理级应实施的关键实践包括加强数据标准的建设和贯彻、制定数据管理规范、合理化部署和实施数据汇聚策略、进行数据的离线开发和实时开发和构建数据资产体系。这将使得某煤矿标准化地开展数据治理工作,支持全矿井智能化综合管控平台的建设。

4 结 论

本文基于煤矿智能化建设对数据治理的战略诉求,界定了智能化煤矿数据治理能力的概念内涵,构建了智能化煤矿数据治理能力体系以及数据治理能力成熟度模型,指明了智能化煤矿数据治理能力的渐进式发展路径,并提出了智能化煤矿数据治理能力持续提升的策略。

(1) 智能化煤矿数据治理能力是指通过对煤矿数据及相关技术和业务全生命周期的权责利进行合理制度优化,以支持煤矿智能化建设整体目标实现的能力。其从根本上保障数字连续性,驱动战略导向、决策模式和业务需求变革,以敏捷高效的数据服务将智能化特征转化为数字竞争优势。

(2) 智能化煤矿数据治理能力体系包括“透彻感知、深度互联、自主学习、智能应用、全局协同”5 大能力域,共28 个能力项。透彻感知能力强调保障煤矿泛在感知网络的数据质量和数据安全。深度互联能力强调实现煤矿中人与人之间、人与机器之间、机器与机器之间信息的有效交互。自主学习能力强调以一致的数据语用、数据语义和数据语法理解进行煤矿自感知、自处理、自决策、自执行、自反馈、自适应的核心算法开发。智能应用能力强调以数字连续性支持煤矿数据应用需求的敏捷响应。全局协同能力关注煤矿信息流、资金流、物质流、服务流和价值流的协同性。

(3) 智能化煤矿数据治理能力成熟度模型由能力成熟度等级、数据治理能力、数据治理实践三个维度耦合而成。维度间的耦合关系描绘智能化煤矿数据治理能力提升的完整蓝图,维度内的耦合关系描绘智能化煤矿数据治理能力提升的过程细节,二者共同指示智能化煤矿数据治理能力提升路径。

(4) 智能化煤矿数据治理能力提升以PDCA循环理论为基础,以数据治理能力成熟度模型为支撑,通过“统筹规划,定位数据治理能力等级”“构建运行,实施能力提升关键实践”“监控评价,量化数据治理运行状态”“改进优化,持续提升数据治理能力”的循环迭代过程实现能力体系中关键能力的渐进式拓展和深化。