开展数据治理工作，提升数据质量的几点思考

开展数据治理工作，提升数据质量的几点思考

刘雪梅

贵州航天电子科技有限公司,贵州贵阳550000

摘要：当今时代正处于从工业经济向数字经济转型的大变革时代，数字经济正成为全球经济增长的新动能和经济提质增效的新引擎，数据的基础性、战略性资源的作用愈发突出。数字经济从本质上来讲就是数据驱动，数据作为新型生产要素，对传统方式变革具有重大影响。从数据管理、数据治理、数据资源和数据存储等多个维度进行分析，面向企业执行层、管理层和决策层多方位呈现各类业务应用场景，实现“业务数据化、数据资产化、资产价值化”的管理目标，为企业数字化转型奠定基础。

关键词：数字化转型 数据要素 数据治理

1 引言

十九届中央政治局第二次集体学习时强调要加快建设数字中国，构建以数据为关键要素的数字经济，推动实体经济和数字经济融合发展。随着数字化转型速度加快，各行各业的数据量呈爆发式增长。据相关报道，截至2020年，我国数据总量有希望达到8000EB，占全球数据总量的21%，成为名副其实的数据资源大国和全球数据中心。面对如此庞大的数据，如何打通数据，消除数据孤岛，做好数据治理，挖掘数据价值，更好地利用数据已经成为政府、企业数字化转型的关键。《贵州省国民经济和社会发展谛十四个五年规划和二零三五年远景目标纲要》指出，要大力发展具有竞争优势的航空航天、智能制造等高端装备制造业，加快数字产业化、产业数字化，建设全国一流数据要素集聚开发基地。

2 数据治理概述

2.1 现状分析

制造企业的数据主要以纸质形式进行存储和管理，很多时候需要当面交流或者电话远程沟通才能实现业务对接，容易导致业务流程不受控、业务推进速度慢、业务完成质量低等问题。具体来看，目前公司已经建立起各类业务管理系统，如PDM、物资主数据管理系统、ERP和MES等，作者依据本单位现有数据进行梳理总结，目前的数据状态与数据管理水平并不匹配。简单来讲，一方面，公司无论是质量、工时、还是经营利润等数据，通常偏事后分析，日常的生产与发布习惯非常随意，缺乏统一的数据治理体系。在数据采集、存储、处理等环节可能存在不科学、不规范等问题，且数据质量校验覆盖率不够，往往不能对数据问题进行准确识别，导致数据质量参差不齐，容易出现重复数据、错误数据、异常数据、残缺数据等“脏数据”，主要体现在数据的错误信息、数据的一物多码、数据的重复性较多等；另一方面，公司信息化建设初期缺乏整体规划，大多都是以业务部门驱动的单体架构系统，数据分散在这些架构不统一、开发语言不一致、数据库多样化的系统中，导致在公司内部形成了一个个的“信息孤岛”，缺乏有效的连接通道，数据与数据之间难以形成关联，无统一系统进行数据集中管控，无法依据用户的相关需求进行交流共享，使得数据分析难以有效开展，取数据难，用数据难，数据的价值不能得到充分发挥，造成极大的资源浪费，面向企业多部门多业务多领域协同的数据共享、企业数据价值的深度挖掘，成为了制造企业进一步提升业务决策能力和实现价值创造的瓶颈环节。结合实际对数据进行有序规范的管理，是促进数据资源优化配置和有效利用，保证数据一致性、完整性可用性和安全性的重要前提和基础。

2.2 数据治理目的

数据存在的意义在于它是否能创造价值。数据治理的目的是从海量的、繁杂冗余、难以理解的数据中抽取并推导出对于某些特定人群来说是有价值、有意义的数据，它的最终目标是提升数据的价值，确保企业数据的质量、可用性、可集成性、安全性和易用性。只有确保数据的标准化、规范化、可信可用，才能进一步通过数据运营、数据应用帮助企业实现数据资产管理、发现内部数据问题、发掘数据价值。进而实现企业数据资产的盘活和有效利用。一般而言，公司数据规模越大，业务场景越复杂，资产成本越高，数据治理的颗粒度也就越细，产生的价值也就越直观。数据是公司的资产，组织必须从中获取业务价值，最大程度地降低风险并寻求方法进一步开发和利用数据，而这一切就是数据治理需要完成的工作。随着数字化转型速度加快，政府、企业的数据量得到爆炸性增长，数据对提高生产效率的乘数作用凸显，以数据为核心的数字化转型已是大势所趋，各行各业在生产经营过程中也积累了海量的数据资源，只有做好数据治理，才能更快、更好地推进企业数字化转型。

3 提升数据质量手段

3.1 前期数据清理

信息系统建设是逐步规范和完善过程，早期管理中存在手工台账、资料不完整等情况，早期的应用软件也不完善，存在数据缺失、错误等异常数据现象，故而导致数据治理差，无法满足数据的挖掘分析与利用，针对存在的“数据不纯”的问题进行“数据净化”，可通过大数据工具分析找出异常数据，让原有的数据经过“净化”后导入新系统进行应用。

3.2 建立数据管理组织

有效的数据管理组织架构包括数据管理部门、数据生成部门和数据使用部门。数据管理部门是统筹协调数据整体工作的部门，数据生成部门是各类数据的单一来源部门，数据使用部门是申请使用数据的部门。对数据责权的明晰是对数据质量的保障，各部门应明确分工、细化职责，在数据全生命周期内各司其职、各尽其责、协同合作，共同保障数据质量。

3.3 严格监管数据采集变更

数据质量管理是指采取一定的管理措施以保证数据的真实性、完整性、有效性和实时性。数据生成部门应根据相关业务需求，详细制定本部门的数据采集、变更等管理细则，规范数据的采集、变更等程序。其中，数据生成部门需要对生成的数据负具体责任。例如设计工艺部门负责设计工艺数据的维护和治理，包括物料BOM的选型正确性、工艺路线的正确性、配额数量的正确性等；物资供应部门需要及时确定物料库存状态、物资领用单详情等；各职能部门按照约定的数据规则进行数据输入的正确性，避免重复输入和编码错误等。数据管理部门负责对一场数据进行闭环处理。以异常数据为导向，分析和处理异常数据，对修正的数据进行更新，并逐步完善数据标准规范，形成一套具体可执行的标准体系。

3.4 规范数据申请使用

建立完整的数据制度，保障数据管理和数据应用各职能的规范化运行。数据只有在使用过程中才能体现其价值，数据使用部门因业务需要得使用非本部门生成的数据时，应遵循“先申请后执行”的管理流程。由数据管理部门将所申请的数据按约定的使用方式，安全可靠地交换给数据使用部门。

4 结语

数据背后所隐藏价值的挖掘深度是制造企业提升核心竞争力的关键环节之一，“一切皆可数据化”，数据已经成为一切信息的表现形式与解读方式。这些数据因业务活动而产生，蕴含着丰富的业务信息，能够显示出企业整体的运行状况，对企业数据资产开展全面分析，规范数据标准，提升数据质量，完善数据全生命周期管理，对企业的发展决策有着极强的辅助作用。从数据中发现问题到解决问题、从业务支撑到业务创新、从商业智能到决策指引，数据与业务相伴相生。找出数据中的规律，让数据更懂业务，并用数据驱动各个业务的发展，将数据渗透到各个业务的运营当中，让数据反哺业务，释放数据价值。通过在数字世界汇聚、联接与分析数据，构建一条从现实世界直接感知、采集、汇聚数据到数字世界的通道，不断驱动业务对象、过程与规则的数字化，全面提升数据资产价值，让数据发挥出最大的效益。

5 参考文献：

[1] 王宇德.企业大数据治理研究[J].互联网天地.2014.1(1):20-24.

[2] 下一代的数据管理-以人为本[J].胡本利.张江科技评论.2019(04).

[3] 以高质量数据管理释放数据价值[J].张年舞.中国农村金融.2022(04).

[4] 大数据环境下我国政府数据开放及应用研究[J].杨波丽.中国管理信息化.2019(01).

— 1 —