|
刘巍 数据工匠俱乐部 2019-12-24 2019年12月10日，中国信通院发布了《数据标准管理白皮书》，数据标准及其管理作为多数国内企业开展数据治理的起点，又一次回到了大家的视野当中。自2004年中国建设银行首次提出数据标准概念以来，数据标准工作在银行业以及多数开展数据治理工作的企业得到了广泛认同与落地实施，有效解决了企业在经营管理当中面临的数据一致性、共享性问题。 一数据标准的发展历程
大多数金融企业的数据治理体系建设都是从数据标准起步的，经过一段建设后，各企业也都发现数据标准是数据治理的一个组成部分，与数据质量、元数据、数据模型、数据开发等有着密不可分的关系，开始启动数据治理体系的建设。 二“六位一体”数据标准实施方法 在数据标准建设过程中，某金融企业积累了丰富的经验，总结了“六位一体”实施方法，促进数据标准在系统中落地，在应用过程中又不断的完善标准，使之更有利于应用，形成螺旋式上升的过程，从而成为一个有“生命力”的数据标准。随着国家数字经济战略的提出，数据资产管理以及数据中台理论与实践在各企业中的落地，对数据标准实施方法又有了新的理解与认识。 有“生命”的数据标准，通俗的解释就是有用并且可持续。有用是指在现实世界中使用到数据标准，衡量有用的标准主要有以下： 1、是否有明确的业务场景或业务价值。例如，制定渠道类型标准并在各渠道中执行，有助于统计各渠道的交易量，同时促进电子渠道转化率等。 2、是否能够防止或减少数据孤岛，促进数据共享。例如，制定识别个人客户标准（姓名、证件类型、证件号码）能够帮助企业识别在不同系统、不同场景下的同一客户，实现客户信息的整合与共享。 3、是否能够让企业各类人员达成一致的认识。例如，业务术语经常会出现同名不同义，同义不同名的情况，指标数据的业务口径与技术口径不一致等情况。 可持续是指数据标准在应用系统里落地，并且可以根据业务的实际变化进行调整，从而形成一个闭环的管理流程。数据标准的可持续落地、更新与维护需要考虑以下几个因素： 1、适配企业IT系统现状推动落地执行工作。多数企业的IT系统已有一定规模，一刀切的标准执行往往带来更大的阻力与成本投入。同时数据标准执行要嵌入IT开发流程中 2、数据标准管理需要有完善的工作机制与流程，这个工作机制的持续运转是数据标准可持续的保证。 3、数据标准管理也是一种业务，依赖手工对数据标准进行管理会产生易错、低效、人力投入高等问题，需要有技术工具来辅助。 最近几年，各企业纷纷提出数据资产运营的概念，有“生命”的数据标准的理念在本质上就是标准的数据资产运营。因此，数据标准管理在组织架构、决策机制、工具等方面与数据资产管理复用或整合。 2.2“六位一体”数据标准实施方法1、规划先行：引进了金融行业逻辑数据模型（FS-LDM）以及“实施优先级评价体系”，从迫切性、 难易度、业务关注度等多个层面进行考量，确定了各标准主题的实施路径。 2、业务驱动：始终贯彻以业务为驱动这一核心原则，让业务部门从数据标准应用中获得了益处，使得业务部门更有主动性去推动数据标准的不断应用。 3、项目推进：通过选取业务价值高、涉及面广的项目或专题进行专项改造、主数据管理项目等方式，有计划、有组织的推进，解决其涉及业务部门多、系统多、关联复杂，风险度高的难题。 4、区别对待：从业务影响、技术影响、系统改造难度等多方面充分论证应用实施方案，明确系统实施范围、标准落地方式以及分步实施策略，有效控制改造影响面、降低系统改造风险。 5、完善管理：明确数据标准的组织结构、工作职责、以及制定、复审、变更、执行的工作流程与制度要求进行了详细规定，并发布相关管理办法。 6、平台支撑： 建设数据标准管理工具，实现了数据标准的维护、更新、发布等功能，向数据标准管理组织、各部门、各分支机构全面开放，提升管理效率。 规划先行与业务驱动从业务视角明确数据标准有哪些、是否有用、是否急迫等问题。项目推进、区别对待、完善管理、平台支撑解决数据标准的执行、更新、持续运营的问题。 三数字经济时代-数据标准实施方法 当前，全球经济越来越呈现数字化特征，人类社会正在进入以数字化生产力为主要标志的新阶段。在数字经济时代，数据是社会生产的关键要素与资产，也是科技创新的主要元素，开放、共享、生态的这一时代的核心发展理念。在这样一个以数据作为联接纽带，社会各领域互通互联的时代，数据标准作为数据共享以及数据资产管理与运营的基础，在“六位一体“实施方法上有了非常大的变化。 1、FS-LDM是传统金融行业逻辑数据模型,作为数据标准规划的重要参照具有局限性。首先，在开放银行与开放API（OPEN API）的时代，FS-LDM中无论是参与业务的客观实体还是实体的属性都在不断的变化中。其次，从数据共享、互联的视角看，FS-LDM中是否所有的实体与信息项都要定义成数据标准需要进一步考量。 2、从业务驱动向业务场景驱动转化。传统方式下，数据标准的定义、执行都是由业务部门提出的，监管要求是最重要的驱动力。随着各企业数字化转型、产业数字化的深入，从一个个业务场景中产生出来，并同步落在业务场景中，并随着业务场景的消失而作废。 3、项目实施依然是数据标准定义与执行的最佳选择。由于各企业在生态中的互联与协同，制定并执行数据标准有可能成为这类项目实施中所必须的，制定标准的企业在此项业务中拥有更高的话语权，是企业和项目的内生动力。 4、传统企业中，数据标准执行时主要考虑对已有应用的影响程度，而进行各种调整与妥协，才能让数据标准落地并且可持续。当前，各企业通过OPEN API进行互联，如果这个数据标准是企业互联的核心数据的话，那就必须执行，各相关企业就要无条件改造。因此，现在数据标准落地时根据其重要程度与影响范围来区别对待。 5、数据标准管理与数据资产管理，与业务、技术标准管理的协同机制是未来机制完善的重点。一方面，数据标准是衡量数据资产质量的标尺，数据资产运营体系（数据中台）构建与持续运转与数据标准管理融为一体。另一方面，数据是现实世界（业务）的抽象，从IT系统中产生。因此，数据标准管理与业务管理、IT数据架构管理必然需要协同一致，才能够真正落地业务场景。 6、数据标准管理也是一种业务管理，当管理流程基本成形以后，就可以将人工智能、自然语言处理（NLP）、知识图谱、数据分析挖掘等技术运用在管理的各个数据标准业务场景中，这从原理上与其它业务场景是一样的。例如，NLP技术对各种标准文件中的指标进行解析以提炼或规范指标的定义与口径；可以通过每个用户的查询行为，对使用者智能推荐他可能感兴趣的标准；可能爬取国际、国家、行业等相关网站定期跟踪并更新引用的标准等等。 最近几年，数据资产与数据中台的概念热度很高，而数据标准及管理的相关讨论与研究基本停留在2014年左右的水平。但从上述可以预见，数据标准作为数据资产管理的重要组成部分，并且是连接所有客观对象核心，将在这样一个开放、共享、生态以及技术飞速发展的数字经济时代重新进入螺旋式上升的通道。 刘巍，某国有股份制银行数据治理专家，具有10年以上数据标准与数据治理体系建设相关的理论与实践经验，现在集团层面负责数据治理体系的建设与推动工作。 |
|
|
