近日，美国农业部发布并启动新数据战略，新版本基于2021-2023年数据战略，旨在实现更先进的数据分析功能、清晰的治理结构，提高机构运营中数据驱动的透明度。新战略包含五个重点领域：数据治理和领导力、数据和分析劳动力、通用数据和分析、开放数据架构和有目的的分析。此外，战略中还提到将逐渐采用自动化和机器学习技术改进数据分析；并推动公众对农业部数据的访问，为研究人员提供所需数据，促进与公众的研究创新和合作。
美国农业部（USDA）致力于促进农业生产，保护国家自然资源，并通过创新扩大经济机会，尤其是在农村社区。数据是一项战略资产，使农业部能够管理资金、为政策和计划提供信息并提高透明度，从而更好地支持美国农民、生产者和农场主。
2019年制定的21-23财年美国农业部数据战略为整个部门的数据使用和管理确定了初步的战略方向，推进了数据相关政策和举措。新的24-26财年美国农业部数据战略将以过去三年取得的进展为基础，推动农业部在提高数据技能和企业工具、改善治理和政策以及扩大合作方面取得进展。本战略中包含的优先事项是通过合作的方式制定的，并得到了整个组织的数据利益相关者的反馈，以确保所建议的行动是现实的、充分知情的，并且对USDA和所服务的社区有价值。此外，美国农业部仍致力于实现与联邦数据战略和《循证决策基础法案》等全联邦范围的倡议保持一致，包括使开放式政府数据资产具有机器可读性、为所有数据资产开发和维护一个全面的数据清单，以及指定一名首席数据官（CDO）负责生命周期数据管理。
21-23财年美国农业部数据战略为任务区提供了一个追求卓越数据的框架，并推动了对具有广泛影响的分析的广泛投资。具体而言，这导致了企业数据分析平台和工具集（EDAPT）、各任务区助理首席数据官（ACDO）角色以及首席数据官理事会（CDO理事会）的创建和采用。这些在分析和数据管理方面的投资使该部能够以更多的数据驱动来应对战略优先事项。除了新的和增强的分析工具取得成功外，21-23财年数据战略还扩大了该部领导层与任务区之间的合作。在发布21-23财年美国农业部数据战略后，人工智能(AI)、机器学习和自动化系统取得了长足进步。美国农业部正在采取措施，确保以既合乎道德又高效的方式利用这一新技术，包括建立人工智能卓越中心。2022年底，白宫发布了《人工智能权利法案蓝图》，其中描述了使用自动化系统的五项原则。人工智能权利法案》中的原则旨在保护美国公众免受人工智能的危害，并被用来指导的战略目标。
美国农业部24-26财年数据战略的目标是在现有数据战略取得成功的基础上，更新与数据相关的目标和目的，以满足不断变化的需求和对农业部数据的期望。24-26财年美国农业部数据战略将通过数据驱动的方法、明确的治理结构和使用更先进的分析技术，帮助任务领域满足对监督和透明度的新期望。因此，该战略是我们致力于数据驱动的卓越成果，也是我们相信整个组织的认同是制定和实施有效数据战略的关键所在。通过24-26财年数据战略，目标是促进对数据的共同理解和所有权，投资数据队伍和分析，促进一致的做法，调整数据目标，并确保适应性，以应对不断变化的挑战和要求。
目标1：数据治理和领导力
农业部将加强企业数据治理和数据领导力，以协调和加强数据和分析的开发、管理、基础设施和工具。
投资数据管理是驾驭农业部收集和共享的日益增长的数据量和复杂性的关键。这项投资将由数据领导者推动，特别是每个任务区和工作人员办公室的助理首席数据官(ACDO)。这些数据领导者将在整个部门推广最佳实践和框架，确保美国农业部有效地管理数据。由我们的数据领导者推动的数据管理流程将通过支持数据的准备、整合、分析和共享，使USDA的利益相关者受益。具体而言，准确和高质量的数据可支持更好的资源分配和战略规划，并实现数据分析。数据管理还通过明确与数据相关的角色、责任和流程来提高透明度，同时帮助组织遵守联邦法规和法律，包括与数据安全相关的法规和法律。目标是在未来三年内，通过与首席数据官(CDO)合作发展ACDO的角色，宣传数据投资的价值，并与农业部和政府各部门合作加强数据计划，从而加大对数据管理的支持力度。
目标1.1 发展农业部数据管理结构
通过建立整个部门的数据治理优先事项，包括绘制治理小组、职责和领导层图，使USDA的数据治理功能不断成熟。进行数据成熟度评估，以不断确定有针对性的和全企业范围的机会，提高数据和分析的质量。同时还将制定涵盖未来五年的特定任务区数据和分析现代化计划，以确保战略一致性。
目标1.2 衡量并最大化美国农业部数据分析的组织价值
衡量和宣传USDA数据投资的价值。为了衡量数据和分析为USDA完成任务带来的价值，后续将制定合适的指标来量化数据集和数据产品的价值，持续跟踪数据质量，并报告这些指标在绩效、评估和风险方面的进展情况。还将收集和分享成功案例，找到更多分享价值、提高透明度和问责制的方法。
目标1.3 使助理首席数据官的角色更加成熟
努力进一步界定助理首席数据官（ACDO）的作用和核心职责，以帮助确保他们获得资源，继续满足任务区对数据、分析和治理的需求。成熟并推出助理首席数据官计分卡，以提供战略数据优先事项的整体视图，并确保该角色与机构和部门的需求保持一致。
目标1.4 促进跨部门和跨政府的数据与人工智能合作
继续投资于美国农业部内部以及与联邦政府其他机构的合作伙伴关系。在内部，继续与员工办公室、信息技术、证据、绩效和客户体验对应方合作，寻找更多合作机会，推进整个农业部的数据计划目标。通过数据战略实施进度报告，扩大与地理空间领导人和首席执行官的合作和伙伴关系，并使我们的数据优先事项与云政策保持一致。继续参与联邦CDO理事会和相关工作，并参与其他跨政府理事会，如白宫科技政策办公室(OSTP)和工作组，以推进农业部的数据和人工智能工作。
目标2：数据和分析员工队伍
美国农业部将加强整个部门的数据流畅性，了解数据工作场所保留的关键驱动因素，并为未来进行招聘，以建立一支强大的、了解数据的员工队伍。
美国农业部的员工队伍是最重要的资产。没有一支多样化、了解数据的员工队伍，农业部就无法完成其各项任务。对于数据科学家、数据分析师、地理信息系统(GIS)分析师和广大数据工作人员而言，美国农业部必须继续投资于招聘、留用和提高技能的工作，并使美国农业部成为公共部门的最佳工作场所。计划对数据和分析人员进行的投资包括正式培训活动，但也包括加入各种实践社区、参加年度农业数据可视化日和GeoSymposium、参加各种数据挑战和黑客马拉松比赛等。必须加强数据员工队伍，使他们能够处理新兴的工具和技术，使其技能与美国农业部的需求保持一致。最后，将继续使美国农业部成为吸引优秀人才的磁铁，并想方设法更有效地招聘顶尖人才。整个农业部的机构领导将在招聘和留住数据人才队伍方面发挥至关重要的作用。未来三年，将努力建设并留住一支强大的、了解数据的员工队伍。
目标2.1 提高招聘和留存美国农业部数据人员能力
继续使美国农业部成为数据人员的最佳工作场所。促进与利益相关者的对话，分享整个部门招聘数据从业人员和留存人才最佳做法。此外，农业部还将利用部内和联邦范围内的招聘行动，探索数据科学家的快速招聘方案。这些努力将使农业部能够更有效地招聘到最优秀的候选人。我们还将与首席人力资本官(CHCO)合作，探索制定一项人力资本计划，以确定和规划加强数据员工队伍的步骤。
目标2.2 推动农业部劳动力培训和技能提升计划
继续推广劳动力培训和技能提升计划，将食品与营养服务部(FNS)的数据科学培训计划试点推广到整个美国农业部。开展一项后续技能评估调查，以了解数据员工队伍的增长和变化情况，帮助确定未来计划的优先次序。与美国农业部数字服务部门合作，调整数据和IT员工战略，实现互惠互利。
目标2.3 支持中央分析团队应对未来挑战
概述集中化分析团队的职责，并确定ACDO监督其任务区内集中化分析优先事项所需的最低可行资源。我们将分享建立任务区级实践社区的最佳做法，并推广现有的全农业部实践社区，以确保整个农业部的协作、创新和协调。在没有资源建立自己的分析团队的计划领域提供能力，使其能够解决组织内的跨领域分析问题。
目标2.4 提高 USDA技能，以支持高级分析和人工智能
与整个部门的利益相关者合作，支持对数据人员进行高级分析和人工智能方面的培训，包括合乎道德和负责任地使用数据以及避免风险和偏见。还将在数据和研究社区之间进行协调，以确定如何建立包括正确使用人工智能在内的全面培训能力。
目标3：通用数据和分析工具集
美国农业部将扩大和完善EDAPT，同时探索新的企业架构、基础设施和分析工具，以实现数据的共享访问和使用，从而完成我们的使命并推动创新。
美国农业部投资于共享数据平台和分析工具，以消除数据孤岛，促进企业数据完整性和治理，加强决策，推动创新。
共享数据和分析基础设施有助于确保在收集数据时主动管理数据，并充分利用收集和生成的数据。企业数据分析平台和工具集（EDAPT）于2017年推出，是美国农业部存储、共享、分析和可视化部门数据的集中枢纽。EDAPT的部署是美国农业部第一个数据战略的核心，因为它为数据分析和数据管理提供了一个通用平台。最近，农业部推出了开放数据平台（ODP），这是一种与公众共享数据可视化的通用方式。
仍有更多机会在整个美国农业部确定和提供共同的企业服务，并实现更高的总体价值。在未来三年内，美国农业部将继续扩大EDAPT的规模并使其成熟，同时确定更多的工具、产品、流程和服务产品，以帮助农业部提高运营效率。
目标3.1 以具有成本效益的方式实现企业数据分析平台和工具包（EDAPT）的现代化
继续完善EDAPT成本模型，并宣传当前和预期的业务价值。我们将通过与USDA首席技术官、OCIO的数字基础设施服务中心(DISC)、云计算工作组合作，并通过评估概念验证和机会，不断改进EDAPT的现有流程、功能和成本模式，研究如何为USDA提供具有成本效益的企业数据分析基础设施。
目标3.2 推进企业数据架构，促进数据整合、标准化和安全性
继续促进数据集成、标准化和安全，包括探索更多的标准化数据共享协议、标准操作程序（SOP）以及有关企业平台使用和连接的培训。绘制EDAPT与特定新兴技术的接口图，并在适当时推动开展"替代品分析"评估，将现有工具与替代品进行比较，以确保美国农业部使用最符合其需求的可用工具。与美国农业部首席隐私官密切合作，加强数据隐私保护，并与首席信息安全官（CISO）密切合作，在整个数据分析组合中推广零信任原则。与美国农业部地理空间信息官(GIO)合作，提高EDAPT的地理空间能力，改进整个美国农业部的地理空间数据集成。
目标3.3 提高地理空间数据能力和集成
继续把企业地理空间管理办公室(EGMO)并入首席数据官办公室。将根据美国农业部地理空间战略调整各项举措、投资和知识管理，包括改进地理空间数据和产品与EDAPT及其他工具的集成。
目标3.4 监测并酌情降低数据和分析工具生态系统的成本和复杂性
促进分析工具的合理化和标准化，并签订一揽子采购协议(BPA)，以降低许可成本，消除使用障碍，提高企业工具的使用效率。我们将继续评估数据和分析工具生态系统，以确保效率和价值最大化。美国农业部还将探索各种工具，帮助了解工具的功能，更好地预测和规划成本，并积极主动地将需求纳入预算规划周期。
目标4：开放数据
USDA将在 FAIR原则的基础上实现有效的数据共享，为内部和外部利益攸 关方提供更深入的见解、价值和透明度。
可查找、可访问、可互操作和可重复使用（FAIR）的开放数据减少了合作、创新和透明度方面的障碍。开放数据使美国农业部员工和利益相关者能够回答问题、进行分析和评估，并提高计划运作和成功的能见度。
在内部启用开放数据将减少美国农业部任务区为响应数据要求而执行特别报告请求所花费的时间。在整个部门开放优先数据将提高正在进行的数据相关计划的可见度，减少重复工作，并确定合作机会。
从外部来看，增加公众对农业部数据的访问将有助于提高透明度和问责制，确保各组织和研究人员拥有做出明智决策所需的数据，并促进农业部与公众之间的研究创新与合作，从而推进使命。
对于内部和外部数据共享，将努力在隐私、安全和开放性之间取得适当的平衡。这样，致力于开放数据将不仅为美国农业部，也为外部利益相关者和广大公众带来新的变革性见解。
目标4.1 对数据资产进行集中管理和编目
继续按领域对数据资产进行集中和编目，以便更有效地与内部和外部利益相关者共享数据。美国农业部将优先在美国农业部数据目录中输入每个任务区和部门行政/员工办公室的关键元数据，并创建一个审查流程，以便在整个部门共享关键数据集。最后，美国农业部将实施数据质量工具和流程，提高最关键数据集的数据质量。
目标4.2 改善农业部数据访问
与利益相关方合作，开发一个综合跟踪器和工具包，以促进更快、更简化地访问数据，包括数据共享协议模板、材料转移协议和谅解备忘录(MOU)，从而改善数据访问体验。我们还将提高对开放数据资产的认识，供我们的联邦、州和地方政府合作伙伴、公民技术、公共政策组织和其他外部组织使用。我们还将酌情推广使用多种数据共享格式，如使用应用程序编程接口(API)。
目标4.3 通过创建更新元数据和修复断开链接的流程，确保对资产进行定期审查，并优先处理关键的公共数据资产
维护并确保开放数据资产的准确性和质量，包括data.gov、开放数据平台和其他公共数据资产中的美国农业部数据。美国农业部将通过创建一个更新数据和链接的流程，确保定期审查资产，如果数据和链接已损坏/过期，将优先考虑关键的公共数据资产。农业部将评估征求公众意见和请求更多数据访问的流程。美国农业部将促进外部数据共享，并探索与隐私团体和首席信息安全官的潜在合作关系，以确保数据隐私和保护开放数据资产。
目标4.4 确定将纳入EDAPT 的数据
努力确定EDAPT中没有的关键数据源，包括那些与季度战略审查(QSR)相一致的数据源，并制定将这些数据纳入EDAPT的计划，目的是改进数据的获取，利用规模经济的优势，提高分析工作的效率。与数据域执行发起人合作，开发数据管理计划模板并予以发布。
目标5：目的性分析
美国农业部将有意识地适应并投资于分析流程、技术和产品，为关键业务问题的决策提供信息。
利用数据获得洞察力并为决策提供信息的能力是在治理、劳动力、工具和平台以及开放数据方面所有投资的基础。在美国农业部数据战略中新增目标5，是为了认识到数据长期以来在实现美国农业部使命的过程中发挥着重要作用。
分析和数据可视化有助于农业部从业人员和领导者通过关键趋势、模式和关系快速消化复杂的数据集。先进的分析方法（包括但不限于人工智能和机器学习）可以产生有用的见解，还可以帮助决策者确定改进流程或降低风险的方法。
美国农业部将继续分析从数据中获得洞察力的不同选项，并根据当前的业务需求选择正确的分析方法。我们致力于通过分析从组织数据中提取有意义的见解，以支持任务交付。
目标5.1 进一步将数据可视化和高级分析融入农业部决策文化
优先考虑与证据/评估界和研究界等利益相关方合作，进一步将数据可视化和分析纳入美国农业部的决策。确保在美国农业部评估绩效和规划未来的过程中，将一致、准确的数据放在首位。
目标5.2 将分析和人工智能（AI）的原则和最佳做法标准化
制定"阿尔原则"，确保组织承诺以合乎道德和负责任的方式使用人工智能。农业部将探索创建人工智能代码库，开发共享模型，创建用例和工具说明库。此外，农业部将考虑设立一个社区论坛，讨论高级分析技术，并与农业部利益相关者协商，建立一个人工智能管理机构。
目标5.3 促进数据和人工智能(AI) 道德、负责任的使用和透明度
继续通过人工智能用例清单，促进跟踪数据和人工智能项目/产品，并帮助数据从业人员了解负责任地使用数据和人工智能的要求。美国农业部将通过积极投资（如美国农业部数据科学培训计划和AgLearn平台）以及新计划，优先开展有关数据和人工智能道德与偏见的培训。
目标5.4 增加EDAPT 中企业分析工具的数量
增加EDAPT中的企业分析工具和能力，确保从业人员能够获得利用数据所需的工具。研究分析工具和沙箱，以便在该部门内进行实验和协作。接下来还将对架构进行评估，使最低适当级别的人员能够最大限度地获取数据，目的是促进数据的透明度和自主性以及数据的民主化。
结论
第一个美国农业部数据战略确定了加强美国农业部数据态势以实现其战略目标的愿景。更新后的《数据战略》以这些成功经验为基础，使USDA能够继续为美国公众提供支持。在未来几个月中，美国农业部将把这些目标和目的转化为实施计划和路线图。未来还将实施一个监测系统，以推动问责制，确保美国农业部朝着战略目标前进。在未来三年中，将继续确保与美国农业部战略计划和联邦数据战略保持一致，并在必要时进行调整。
声明：本文来自天极智库，版权归作者所有。文章内容仅代表作者独立观点，不代表安全内参立场，转载目的在于传递更多信息。如有侵权，请联系 anquanneican@163.com。
