数据治理系列3：数据尺度治理

本文摘要：作者：石秀峰，民众号：learning-bigdata（谈数据）导读：提到“尺度”二字，我们第一时间能够想到的就是一系列的尺度化文档，例如：产物设计尺度、生产尺度、质量磨练尺度、库房治理尺度、宁静环保尺度、物流配送尺度等，这些尺度有国际尺度、国家尺度、行业尺度、企业尺度等。而我们所说的数据尺度却不但单是指与数据相关的尺度文件，数据尺度是一个从业务、技术、治理三方面告竣一致的规范化体系。数据尺度是什么？

作者：石秀峰，民众号：learning-bigdata（谈数据）导读：提到“尺度”二字，我们第一时间能够想到的就是一系列的尺度化文档，例如：产物设计尺度、生产尺度、质量磨练尺度、库房治理尺度、宁静环保尺度、物流配送尺度等，这些尺度有国际尺度、国家尺度、行业尺度、企业尺度等。而我们所说的数据尺度却不但单是指与数据相关的尺度文件，数据尺度是一个从业务、技术、治理三方面告竣一致的规范化体系。数据尺度是什么？数据尺度化是指研究、制定和推广应用统一的数据分类分级、记载花样及转换、编码等技术尺度的历程。——维基百科。

笔者明白：数据尺度是一套由治理制度、管控流程、技术工具配合组成的体系，是通过这套体系的推广，应用统一的数据界说、数据分类、记载花样和转换、编码等实现数据的尺度化。企业数据尺度治理的内容1、数据模型尺度，即元数据的尺度化。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，只不外就是表结构、存储历程的设计，厥后接触了数据集成ETL、ESB，虽然也知道ETL剧本自己也是元模型的一部门，但对其重要水平也没放在心上。

厥后逐步发现之前的想法还过于简朴，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，数据模型的尺度化是其数据血液能够正常流动和运行的基础。数据模型尺度是元数据治理的主要内容，是企业数据治理的基础。请参考《数据治理系列2：元数据治理—企业数据治理的基础》2、主数据和参照数据尺度。

主数据是用来形貌企业焦点业务实体的数据，好比客户、供应商、员工、产物、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举行分类或目录整编的数据，是划定数据元的域值规模。参照数据一般是有国标可以参照的，牢固稳定的，或者是用于企业内部数据分类的，基本牢固稳定的数据。小我私家认为主数据与参照数据的尺度化是企业数据尺度化的焦点。

请参考《主数据治理实施四部曲概论》3、指标数据尺度。指标数据是在实体数据基础之上，增加了统计维度、盘算方式、分析规则等信息加工后的数据。

指标数据尺度是对企业业务指标所涉及的指标项的统一界说和治理。企业的财政、销售、采购、生产、质量、售后等各业务域均漫衍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差别的业务系统中举行获取。没有指标数据尺度化，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厘革，都需要从所涉及的各个系统、库表中举行分析和界说，需要泯灭的成本庞大。同时，现在大数据分析都提倡业务人员的自助化分析，没有指标数据尺度，业务人员要从差别系统中拿到自己想要的数据举行分析险些是不行能的。

企业数据尺度的梳理企业数据尺度项目的实施，要凭据业界履历和企业实际情况确定实施规模，并凭据优先级和难易度制定计划。需要从企业业务域、业务运动、工具实体、实体关系等方面层层递进，逐步展开。对于数据梳理的方法主要用到IRP（企业信息资源计划）和数据堆栈的数据梳理法。

这两种方式我在《主数据治理实施四部曲概论》的文章举行太过享，有兴趣可以关注。企业数据尺度梳理一般需要以下步骤：首先，对企业业务域举行界说，并对每个业务域中的业务运动举行梳理，同时需要收集各种业务票据、用户视图，梳理每个票据和用户视图的数据工具。其次，针对数据工具的举行分析，明确每个数据实体所包罗的数据项，同时，梳理并确定出该业务域中所涉及的数据指标和指标项。

分析并界说每个数据实体或指标的数据项尺度，包罗：数据项的名称、编码、类型、长度、业务寄义、数据泉源、质量规则、宁静级别、域值规模、治理部门等。第三，梳理和明确所有数据实体、数据指标的关联关系，并对数据之间的关系举行尺度化界说。数据关系也是数据尺度治理的内容。

第四，通过以上梳理、分析和界说，确定出主数据尺度治理的规模。数据尺度梳理和建设的方法并不难掌握，关键是建设历程中需要收集并整理大量的业务规范、制度章程、执法法例、羁系划定、国家尺度，并将这些划定具象到数据尺度界说的信息项中。对于一个从未做过数据尺度的实施团队而言，这将意味着庞大的事情量。

数据尺度治理组织数据尺度治理是企业数据治理的一部门，数据尺度治理是一个涉及规模广、业务庞大、数据繁杂的工程。数据尺度治理的实施绝非是一个部门的事情，不能在企业的单一部门获得解决。

需要从整个组织思量，建设专业的数据治理组织体系，制定企业数据战略和实施门路图，明确各阶段数据尺度事情的目的和内容，并监视及考核数据尺度的贯彻与执行。数据尺度治理组织或数据治理组织从职能划分上可以分为三层，如下图所示：1、数据尺度治理委员会，即数据治理的决议层，主要卖力制定企业数据战略、把控数据治理的总体计谋，审查数据尺度的贯彻执行情况。2、数据尺度治理办公室，是数据治理的谋划治理层，主要卖力企业数据尺度的制定、审查数据质量，贯彻数据尺度落地。3、数据尺度执行层或业务操作层，主要卖力数据尺度的贯彻执行，并为数据尺度的体例和优化提供数据和意见。

数据尺度设计流程数据尺度的设计从需求提倡到落地执行，一般需要经由尺度体例、尺度审查、尺度公布、尺度贯彻四个阶段：1. 数据尺度体例：数据尺度治理办公室凭据数据需求开展数据尺度的体例事情，确定数据数据项，数据尺度治理执行组凭据所需数据项提供数据属性信息，例如：数据项的名称、编码、类型、长度、业务寄义、数据泉源、质量规则、宁静级别、域值规模等。数据尺度治理办公室参照国际、国家或行业尺度对这些数据项举行尺度化界说并提交审核。

注：如没有参考尺度，则数据尺度治理办公室可凭据企业情况制定相应的企业级数据尺度。2. 数据尺度审查：数据尺度治理委员会对数据尺度初稿举行审查，判断数据尺度是否切合企业的应用和治理需求，是否切合企业数据战略要求。

如数据尺度审查不通过，则有数据尺度治理办公室举行修订，直到满足企业数据尺度的公布要求。3. 数据尺度公布：数据尺度审查通事后，由数据尺度治理办公室面向全公司举行数据尺度的公布。该历程数据尺度治理执行组需要配合举行数据尺度公布对现有应用系统、数据模型的影响评估，并做好相应的应对计谋。

4. 数据尺度贯彻：把已界说的数据尺度与业务系统、应用和服务举行映射，标明尺度和现状的关系以及可能影响到的应用。该历程中，对于企业新建的系统应当直接应用界说好的数据尺度，对于旧系统应对一般建议建了相应的数据映射关系，举行数据转换，逐步举行数据尺度的落地。企业举行数据尺度化时，除了对数据自己尺度化规则构建外，相当大一部门需要思量尺度化流程的治理。

而在治理历程中一定会涉及到新旧系统、差别部门、差别业务的冲突，这些冲突如果解决欠好将会直接导致尺度化的失败。所以，数据尺度落地历程要充实做好影响评估和各关连方的相同。数据尺度治理价值总结：一个数据一般有业务属性、技术属性和治理属性组成，例如：数据项的业务界说、业务规则、质量规则为该数据的业务属性；数据项的名称、编码、类型、长度等为该数据的技术属性；数据的存储位置、治理部门、治理人员为该数据的治理属性。而数据尺度治理的历程就是对数据以及数据的属性信息的尺度化界说和应用的历程。

数据尺度目的是为业务、技术和治理提供服务和支持。业务方面：通过对实体数据的尺度化界说，解决数据纷歧致、不完整、禁绝确等问题，消除数据的二义性，使得数据在企业有一个全局的界说，淘汰了各部门、各系统的相同成本，提升企业业务处置惩罚的效率；尺度统一的数据指标体系，让业务人员也能够轻松获取数据，并能够自助式的举行数据分析，为基于数据的业务创新提供可能。技术方面：统一、尺度的数据及数据结构是企业信息共享的基础；尺度的数据模型和尺度数据元为新建系统提供支撑，提升应用系统的开发实施效率；数据尺度化清晰界说数据质量规则、数据的泉源和去向、校验规则，提升数据质量。治理方面：通过数据的尺度化界说，明确数据的责任主体，为数据宁静、数据质量提供保障；统一、尺度的数据指标体系为各主题的数据分析提供支持，提升数据处置惩罚和分析效率，提供业务指标的事前提示、事中预警、事后提醒，实现数据驱动治理，让向导能够第一时间获取决议信息。

数据尺度与主数据、元数据、数据质量的关系数据治理项目的基础诉求在于提升数据质量数据尺度与主数据的关系从规模上看，数据尺度包罗数据模型尺度、主数据尺度、参照数据尺度、数据指标尺度和其他数据元尺度，主数据是数据尺度的一个子集；从数据梳理和识别、能力成熟度评估、数据尺度体例、数据治理和应用、治理体系建设、实施涉及的业务面等方面，数据尺度和主数据都是基底细同的。企业在数据治理项目中，有整体建设的，包罗了：元数据、主数据、数据尺度等领域；也有离开建设的，例如：主数据项目单独立项，数据尺度治理和数据堆栈放在一起实施；企业应凭据自身的实际情况和需求，明确实施规模和内容，制定适合企业生长需要的数据治理门路图。数据尺度与元数据的关系元数据是数据尺度的基础，企业在制定数据尺度的时候最先需要明确的就是数据业务属性、技术属性和治理属性，而这三类属性就是我们所说的业务元数据、技术元数据和治理元数据。

基于元数据的数据尺度治理，为业务实体的界说、关系和业务规则到IT实现之间提供清晰、尺度的语义转换，提高业务和IT之间的一致性，保障IT系统能够真实反映业务事实。并为数据尺度系统与其他业务系统的集成，提供有关数据尺度、数据映射关系和数据规则的形貌，为业务系统的集成提供支撑。数据尺度与数据质量的关系没有尺度化就没有信息化，那就更谈不上数据质量了。

通过对数据尺度的统一界说，明确数据的归口部门和责任主体，为企业的数据质量和数据宁静提供了一个基础的保障。通过对数据实体、数据关系以及数据处置惩罚阶段，界说统一的尺度、数据映射关系和数据质量规则，使得数据的质量校验有据可依，有法可循，为企业数据质量的提升和优化提供支持。

本文关键词：数据,治理,系列,尺度,作者,石秀峰,石,秀峰,ag九游会官网登录入口

本文来源：ag九游会官网登录入口-www.yangzecaiwu.com