企业数字化转型趋势是“数据”引领业务变革，数据集中管控成为大势所趋

导读

企业数字化转型趋势是“数据”引领业务变革，数据集中管控成为大势所趋，如何做好数据共享和数据分析、如何发挥数据资产价值最大化是我们信息化工作首要目标。

本文从基本术语及概念、数据共享服务、数据资源中心架构、数据治理平台、数据运营体系等10核心观点来阐述，实施企业级数据治理项目是数据资源中心建设的关键，是企业数字化转型和发展的基础。

数据管理核心发展趋势

数据管理部门从成本中心转变为利润中心，向业务提供产品服务。

数据系统功能由数据应用转变为数据服务，为业务提供数据支撑。

一术语及概念

根据企业的特点－数据划分为以下三种类型：主数据、交易数据、指标（分析型）数据。主数据可以细化为：配置型主数据、核心主数据、条件型主数据。

主数据

描述集团核心业务对象的数据，具有一致且统一的标识符和扩展属性，在集团内会被重复使用，且存在于多个应用系统中如会计科目主数据的科目名称、组织主数据的组织名称等。

交易数据

记录企业日常经营过程中发生各种事件、交易的数据，相对于主数据变化较大。订单如会计凭证的凭订单的销售价格等。

指标数据

用于统计、分析的数据，一般通过交易数据计算、整合而成，并在管理报表中存在，是领导层/管理层进行管理决策的依据。如销售收入增长率、投资回报率等。

二核心观点1

数据集中管控成为大势所趋，实现用数据说话、用数据管理、用数据决策、用数据创新，以数据重构企业智慧，造就一个数字化的企业，使数据的管理、数据的分析成为企业价值链的一部分实现卓越运营。

随着信息技术快速发展和深入应用，企业数据呈现出海量增长、动态变化的特征日趋显著。过去十几年信息化以信息系统建设为主，信息资源不能共享，信息系统不支持跨部门、跨地区业务协同，“信息孤岛/烟囱”成为信息化建设的“瓶颈”问题数据标准化和数据资源中心建设严重滞后。

大数据的核心价值体现不在于数据的数量大，而在于数据的质量高，因此数据标准化管理正是大数据价值得以实现的必经之路。

数据集中管控成为大势所趋，把数据做成服务产品，为企业内部各个层级用户提供数据服务，同时也对外提供数据服务，实现卓越运营。

借助大数据、云搜索、微应用等先进技术，搭建企业数据资产管理体系，推动企业数据资产管理规范和创新，丰富数据应用与消费工具，提升了数字资产应用价值，实现了企业数据价值挖掘及数据资产变现升值。

数据资源中心由面向分析业务的功能化平台转变成面向全业务域的服务化平台转型。

数据治理平台是数据源、数据仓库、数据集市、服务模块，全过程的主（元）数据管理、各个监控环节，问题处理流程。

数据支持成为企业信息战略的核心，数据资源中心和企业应用/数据集成总线，成为信息化建设的战略制高点。

集中管理数据资源， 实现内部、外部数据“语义”统一 。

获取宏观数据、行业上下游数据、互联网数据等外部数据，建设企业级大数据应用平台。

支撑业务系统（OLTP）和分析系统（OLAP）优化。

把数据推送到各级管理者和一线业务人员，更有效推进业务流程管理（BPM）,实现“厚平台、薄应用”。

三核心观点2

构建以“云”技术架构为支撑，以“共享服务”为建设方向的企业级数据治理平台，为企事业单位的信息系统建设和深入应用提供标准和规范保障，为各单位、各部门、各系统提供高质量、高效的信息化标准数据支撑，推动信息系统的深度集成、数据共享和深化应用。

主数据标准化 “共享服务”内涵

以“为用户提供随时随地的、唯一源头的数据资源共享服务”为愿景。

实现“统一数据源头及流向、统一主数据分发”。

实现各主数据的在线管理维护，为用户提供主数据维护的唯一数据源。

减少重复录入，规范数据交互，保证数据一致性，提升主数据的规范性；降低系统建设成本，提高使用寿命。

主数据“共享服务”要素如下所示

建立较为完善的信主数据标准化运维管理体系，组建数据标准化技术服务的队伍，建立相关的数据标准化技术能力，保证相关主数据运维的及时和有效，并及时解决主数据维护和使用过程中存在的问题，为“工厂化运维”作支撑，实现“共享服务”。

四核心观点3

主数据建设在企业信息化战略中处于核心地位，打通各业务链条，统一数据语言，统一制定数据标准，实现数据共享，使数据资产价值最大化。

主数据为PLM、ERP、CRM、SRM、数据中心及相关系统提供基础数据共享服务。

主数据在信息化架构中，处于基础支撑地位，是基础数据的汇集地，确保目标系统数据的一致和唯一。

通过主数据查询/申请服务、主数据公共数据资源池等技术，搭建企业主数据管理体系，推动企业主数据资产管理规范和创新，丰富数据应用与消费工具，提升了数字资产应用价值。

五核心观点4

主数据建设在企业信息化战略中处于核心地位，打通各业务链条，统一数据语言，统一制定数据标准，实现数据共享，使数据资产价值最大化。

数据资源中心包含一中心+两平台+一体系，即：数据集中存储处理中心、数据共享服务平台、数据分析服务平台，加上用户可访问的数据服务门户，加上一套数据治理体系。

统一数据资源中心架构图

数据治理平台不属于数据资源中心建设范畴，但是考虑到数据治理对于数据资源利用的管控和支撑作用，建议将数据资源中心的运营组织、制度和标准也纳入到企业统一的数据治理体系当中。

数据资源中心的数据逻辑架构

数据治理平台是基础性平台，为数据汇聚平台和数据存储平台提供基础层面数据标准化保障，进而为数据分析应用平台提供服务。

数据汇聚平台属于数据集中存储处理中心，负责将底层标准化数据源汇集之后供给上层应用使用。是数据共享服务中心的核心层，负责将底层标准化数据源汇集之后供给上层应用使用。

数据存储平台属于数据集中存储处理中心，负责按照数据标准规范存储，适应分析与共享需求。是结构化和非机构化的数据存储地，通过传统数据仓库的工具和开源的数据工具（例如：Hadoop\Spark）实现数据集中存储。

数据服务平台把数据做成服务产品，为企业内部各个层级用户提供数据服务，同时对外提供数据服务，实现卓越运营。

六核心观点5

数据标准化治理的建设体系框架主要包括：制订数据标准、规范编码内容、建设软件平台、建立组织与管理流程、目标系统代码转化五部分。

其中制订编码标准是基础，规范编码内容是过程，建设编码平台是技术手段，建立运营体系是前提和保障，应用系统代码转换是数据标准落地。

主数据治理体系框架图

首先需要针对企业进行现状调研、需求分析及标杆企业分析，规划和设计数据治理体系，具体内容包含如下：

1、制定标准

确定数据范围，与业务部门共同制订主数据编码标准。数据标准内容包括确定分类规范、编码结构、数据粒度、属性描述等。

2、建代码库

编制符合数据标准和规范的主数据代码库。包括按照数据标准进行数据检查、数据排重、数据编码、数据加载、数据监控策略等。

3、搭建平台

建设主数据治理平台，为数据的管理提供技术支持，实现主数据申请、主数据管理和主数据发布功能 、数据清洗，包含系统接口服务。

4、运营体系

建立主数据管理组织和管理流程，包括建立标准管理和主数据管理的运维组织架构及考核流程；建立并完善管理流程、实现知识转移等 。

5、代码转换

实现主数据标准代码在目标系统的落地应用。针对已有系统，需要是一个艰难的转化过程，有直接贯标、映射贯标两种方式。

七核心观点6

建立企业级数据标准体系及规范建是数据标准项目基础，让主数据管理有章可循。一般建设模式“业务部门牵头主导，信息部门综合管理，咨询公司技术支撑”，该阶段需要业务骨干深度参与制定。

数据标准与规范制定流程

定标准

制定《主数据标准化管理标准规范》，分类标准、描述模板、编码规则、数据模型（主数据结构表）等，同时还需要制定相对应的主数据维护细则等。让主数据管理有章可循。

数据清洗

根据标准规范对历史数据进行清洗、排重、合并、编码，保证数据的完整性、准确性和唯一性。

标准贯标

主数据标准制定完成，数据清洗、编码完成，需要对已上线、在建等业务系统，根据系统所处阶段及重要性的不同，采用“完全、映射、择机”不同的策略进行标准数据的导入。

八核心观点7

数据治理平台是信息化相关标准文本发布、主数据全生命周期管理的重要平台，实现企业内部标准数据资源共享服务，为数据化标准工作提供重要支撑。数据标准的维护流程和管理措施通过管理平台进行系统实现和控制，以保证标准的唯一性和宣贯的及时性。

数据治理平台功能架构

平台包含标准管理、主数据管理、元数据管理、质量监控及评价、数据服务等十大模块，具有企级主数据存储、整合、清洗、分发以及监控等五大功能。

1、标准文档管理

针对信息化标准相关规范、标准文档、维护细则、管理办法等标准文本进行多级栏目设置，实现信息化标准文本的发布、查询和下载等功能。

2、主数据全生命周期管理

实现主数据的申请、审批、发布、修改、冻结的全生命周期管理，实现流程在线管理，用户和管理员随时在系统上查询申请和审核的进展情况。

3、指标（元数据）管理

实现数据指标的申请、审批、发布、修改、冻结的全生命周期管理，实现流程在线管理，包含指标主题分类、指标定义、指标属性管理。

4、代码发布与查询实现对信息代码体系表的在线管理，实现信息代码各类查询和统计。5、质量监控与评价

质量规范，质量监督及统计实现各类主数据质量的统计报表，监控代码申请时间，代码质量，代码分发异常等问题，为主数据应用评价提供有力支撑。

6、数据分发

符合SOA架构体系，信息化标准系统与其他业务系统间的数据接口支持标准WebService、XML文件、excel文件、共享中间库等常用数据交换方式，并能与主流 ESB服务总线实现无缝对接集成。

7、动态模型组件

信息代码标准化模型的定义，每个模型上可扩展定义模型属性，以及属性的校验规则。

8、工作流组件

实现灵活的信息代码管理流程，根据企业和部门对主数据的管理要求制定相应管理流程，可以动态调整流程，配置主数据的管理流程。

9、系统管理

实现对系统中的基础数据进行设置，包括用户、用户组、角色、权限、资源、日志、流程配置等。

九核心观点8

建立运营体系数据治理项目成功前提和保障。建立数据标准化管理维护体系，主要包括管理组织、制度、流程及知识库的建立。

建体系

建立“总部—二级单位”二级维护的组织保障体系，重要数据均有对应的业务牵头部门。

建制度

建立《主数据标准化管理办法》，让主数据管理工作有法可依。

设组织

设立主数据管理组织，专职负责主数据管理及标准维护，确定主数据拥有、管理权利，让主数据管理有组织 监督执行。

理流程

梳理数据维护及管理流程，建立符合应用情况的管理流程，保证主数据标准规范有效执行。为保证运维的高效性和资源共享，建立运维知识库，统一的运维管理平台作支撑。

理数据

根据《主数据标准化管理办法》进行数据标准的管理和维护，保证标准规范的适应性和健全性；根据标准规范制定数据质量的考核机制，保证数据质量持续改进。

十核心观点9

数据治理项目建设路径：整体设计，分步实施；急用先建，滚动发展。“业务”驱动“系统”，“技术”推动“业务”，保证项目实施结果不是两张皮。

总结

数据是企业战略转型和发展的重要战略资源。数据标准化是服务于这一目标的一项任重道远的基础性工作；从长远角度来看，数据标准化可以提升行业领导力。

数据治理主要价值点：统一业务信息定义，消除理解歧义；打通部门、系统壁垒，实现信息集成与共享；提升系统开发及实施的效率；实现资源共享，支撑战略协同。