数据标准作为企业数据治理项目落地的基础

数据标准作为数据治理的基础，是一项长期、复杂的任务，要求企业必须依据企业自身条件，探索符合企业本身的特色路线，从而制定出可持续发展的规划和切实可行的实施路径，企业在数据标准化之前需要明确其指导思想，整个数据标准化过程应该紧密围绕这些指导思想，分阶段落地实施数据标准相关工作，循序渐进， 能否把指导思想与实施路径相结合，是企业数据标准成功与否的关键。

企业数据标准管理的内容

1、数据模型标准，即元数据的标准化。自己从事IT行业10多年，一路走来，曾经做开发的时候一度认为数据模型没什么，只不过就是表结构、存储过程的设计，后来接触了数据集成ETL、ESB，虽然也知道ETL脚本本身也是元模型的一部分，但对其重要程度也没放在心上。

后来慢慢发现之前的想法还过于简单，如果把企业信息化比作是人体的话，数据模型就是其骨架，数据之间的关系和流向是其血管和脉络，数据是其血液，数据模型的标准化是其数据血液能够正常流动和运行的根本。数据模型标准是元数据管理的主要内容，是企业数据治理的基础。

2、主数据和参照数据标准。主数据是用来描述企业核心业务实体的数据，比如客户、供应商、员工、产品、物料等；它是具有高业务价值的、可以在企业内跨越各个业务部门被重复使用的数据，被誉为企业的“黄金数据”。参考数据是用于将其他数据进行分类或目录整编的数据，是规定数据元的域值范围。参照数据一般是有国标可以参照的，固定不变的，或者是用于企业内部数据分类的，基本固定不变的数据。个人认为主数据与参照数据的标准化是企业数据标准化的核心。

3、指标数据标准。指标数据是在实体数据基础之上，增加了统计维度、计算方式、分析规则等信息加工后的数据。指标数据标准是对企业业务指标所涉及的指标项的统一定义和管理。企业的财务、销售、采购、生产、质量、售后等各业务域均分布都有其相应的业务指标。这些指标不仅需要在业务系统中统计和展现还需要在数据分析系统中展现，有的指标数据需要多个从不同的业务系统中进行获取。

没有指标数据标准化，你可以想象在每次数据平台有新分析主题构建或旧的分析主题变革，都需要从所涉及的各个系统、库表中进行分析和定义，需要耗费的成本巨大。同时，目前大数据分析都提倡业务人员的自助化分析，没有指标数据标准，业务人员要从不同系统中拿到自己想要的数据进行分析几乎是不可能的。

企业数据标准体系的建设，不仅需要上述思想指导，还必须配合相应的实施方针。

企业数据标准体系的建设是一个逐步完善的长久历程，在整个实施过程中需要数标管理工具作为支撑，需要强有力的组织机构和制度流程去推进，需要持续的驱动力去完善，建立明确的目标，并依据指导思想采用合适的实施方法。多措并举，最终实现数据标准化的目的。

1、修桥补路---以元数据为基础，不断完善

数据标准化是面向企业顶端的，是伴随企业体系化建设的长久之路。 数标体系完善的过程，是通过各种手段，方式，渠道建立数据标准体系的过程，在此过程中企业应以元数据管理为基础，推动数据标准在各应用系统中的执行，逐步形成常态化的、闭环的标准体系应用机制，从整体上提升企业的数据质量及数据管理水平，为实现企业数据流的畅通和全系统信息资源的共享奠定基础。

某资产管理公司数据治理项目，就以元数据标准为基础，通过系统化管理，在系统上线前通过平台核对数标映射元数据落地情况，形成了数标落地系统的闭环管理，逐步建立起了完善的标准体系，大大促进了企业内部的数据共享，提升了系统实施效率及数据质量。

2、落地有声---持续执行是关键

数据标准的成功与否取决于企业能否将其长期、持续、有力地落实。 数据标准落地的关键点就在于“执行”，经过执行的标准才具有生命力，有效执行才能体现数据标准对业务、技术、流程的借鉴和指导意义。企业可以从三方面推进数据标准的有效执行：第一，借助数据标准管理工具来支撑数据标准的落地实施，为数据管理工作提供技术支持；第二，各岗位遵循标准制度流程，各司其职，问责明确，为各数据专项领域工作的落实提供保障；第三，将数据标准与系统建设密切配合，并重点关注对企业具有战略性意义的系统，确保数据标准的贯彻执行。

国内某政策性银行，抓住系统建设的关键时机，将标准制定与落地同步开展，结合数标管理工具，大力推动了数据标准在核心系统和外围系统的落地工作，同时严格执行标准化制度流程，经过长期持续实践，统一了业务和技术的数据字典，实现了速度与标准并重，确保了数据标准的实用性，并最终奠定了数据大集中的坚实基础。

3、驱动前行---需求驱动，业务导向

任何一套方法论，一套健全的体系规范，都需要一种持续的驱动力，数据标准的实施应以系统的建设需求为驱动，以企业的具体业务为导向。 核心的驱动力，应该包括事物驱动和人为驱动两种，事物驱动包括前瞻性管理、外部法规要求、应用系统建设、数据应用、标准复审、标准落地完善的需要等；与事物驱动不同，人为驱动要求数据标准各参与者职能明确，业务和技术分开，在业务上，要让最懂业务的人去做业务定义的事，让他们成为所属数据标准的归口部门；在技术上，让技术人员去做具体的业务实现，各司其职，各尽其能，逐步构建成熟、健全的标准化体系规范。

国内某商业银行，以需求为驱动，业务为导向，以IT配套建设为支撑，为了推进数标的全行级应用，新建系统在需求阶段就通过平台引用数标，开发人员参考数标规范开发，项目实现了从需求发起到需求关闭的审批过程控制，整个管控流程职责明确，债务明晰，以需求管理推动了数标体系的建设。

4、树旗立标---确立数据标准的重要地位

企业需要树立起一面数据标准的旗帜，旨在确立数据标准的权威，象征其在整个IT系统中的重要地位。 在架构设计上，需要建立起企业数据架构的顶级视图，外围系统建设要以此为标杆和参考；在组织结构上，需要成立专门的数据标准管理组织机构，并使其成为数据标准制定、管理、规范及常态化运营的主要推动者；在企业氛围上，企业需要营造数据标准文化氛围，建立起企业对数据标准管理的共识，加强数据标准的传导和培训，促进数据标准思想的传播。三方面共同发力，推动标准的有效执行，使其发挥出更大的业务价值。

如何做好数据标准管理？

1.包含哪些内容？

在数据管理部门进行针对各种数据项的标准化过程中，结合实际工作情况，一般可以将标准规范分为两类，一种是基础数据标准，一种是指标数据标准，以两类细分规范来进行更进一步的管理，为后续的各种数据管理工作提供便利。

（1）基础类数据标准

基础类数据标准通过各种业务处理产生或各类渠道采集的基础性数据，在范围内必须是唯一定义的，如“统一社会信用代码”、“归属地市”等。基础类数据标准分为行业参考模型实体标准和公共代码标准。

（2）指标类数据标准

指标类数据标准是数据基础上按照一定业务规则加工汇总的数据，如宏观经济指标数据。指标类数据又可分为基础指标和计算指标。基础指标一般不含维度信息，且具有特定业务和经济含义。计算指标通常由两个以上基础指标计算出。

基础数据标准和指标数标准根据各自业务主题进行细分，应尽可能涵盖企业的主要业务，并且覆盖企业生产系统中产生的所有业务数据。以银行为例，如图所示：

2.数据标准的梳理

众所周知，建设一个业务系统实际上是将企业或者行业的运作机制IT化和系统化的过程，需要从梳理业务流程和管理流程开始。类似的，建设数据标准就是将数据的表达和使用，统一和系统化的过程。而在这个过程中，首先就要梳理数据产生和应用的全部范围。对企业来说，这意味着数据标准的建立需要从盘点企业内部全部生产系统中的数据开始。

数据标准涉及到的实体对象存在很多，为了方便建设和记忆，往往采用的是顶层设计的梳理方法：

（1）首先构建数据标准的主题域，厘清数据主题域之间的逻辑关系；

（2）再逐级分解，定义各个主题域下的重要实体和实体间关系；

（3）最后定义每个实体中的标准信息项，包括业务含义、质量规则、安全级别、值域范围、代码集等内容。

数据标准的建设并不难掌握，关键是建设过程中需要收集并整理大量的业务规范、制定章程、法律法规、监管规定、国家标准，并将这些规定具象到数据标准定义的信息项中。对于一个从未做过数据标准的实施团队而言，这将意味着巨大的工作量。