一、關于數據標準化

國家數據局局長劉烈宏表示，將建立健全國家數據標準化體制機制，研究成立全國數據標準化技術委員會，統籌指導我國數據標準化工作，加快研究制定一批數據領域國家和行業標準。

劉烈宏說，數據工作是開創性工作，將切實提升創新力，加快數據學科體系和人才隊伍建設，選擇有較好基礎的高校，開展數字經濟產教融合合作試點；加強標準引領，印發國家數據標準體系建設指南，指導發布數據要素流通標準化白皮書。

針對數據工作面臨的眾多新情況新問題，劉烈宏說將切實提升研究力，加強理論研究，做好規劃編制，抓緊深入謀劃“十五五”時期數據工作主要任務，加快組建國家數據咨詢專家委員會，發揮智庫作用。

二、什么是數據標準？

數據標準是指企業為保障數據的內外部使用和交換的一致性和準確性而制定的規范性約束。

而數據標準管理則是一套由管理制度、管控流程、技術工具共同組成的體系，是通過這套體系的推廣，應用統一的數據定義、數據分類、記錄格式和轉換、編碼等實現數據的標準化。

數據標準管理的目標是通過統一的數據標準制定和發布，結合制度約束、系統控制等手段，實現數據的完整性、有效性、一致性、規范性、開放性和共享性管理，為數據資產管理提供管理依據。

數據標準管理的對象可以分為數據模型、 主數據和參考數據、 指標數據三大類，每一類均可采用以數據元為數據標準制定的基本單元構建數據標準體系。

1、 模型數據標準

基礎數據指業務流程中直接產生的，未經過加工和處理的基礎業務信息， 模型數據是指對基礎類 數據特征的抽象和描述。

模型數據標準是為了統一企業業務活動相關數據的一致性和準確性，解決業務間數據一致性和數據整合，按照數據標準管理過程制定的數據標準，模型數據標準也是元數據管理的主要內容之一。

以下是某銀行為確保數據標準使用，形成的一整套模型數據標準的信息項屬性架構：

下圖是某運營商數據倉庫DWD模型層常用數據元的標準定義示例：

下圖是某運營商數據倉庫DWD層數據元后綴規范示例：

2、主數據和參考數據標準

主數據是用來描述企業核心業務實體的數據，比如客戶、供應商、員工、產品、物料等；它是具有高業務價值的、可以在企業內跨越各個業務部門被重復使用的數據，被譽為企業的“黃金數據”。

參考數據是用于將其他數據進行分類或目錄整編的數據，是規定數據元的域值范圍。參照數據一般是有國標可以參照的，固定不變的，或者是用于企業內部數據分類的，基本固定不變的數據。主數據與參照數據的標準化是企業數據標準化的核心。

3、 指標數據標準

指標類數據是指具備統計意義的基礎類數據，通常由一個或以上的基礎數據根據一定的統計規則計算而得到。

指標類數據標準一般分為基礎指標標準和計算指標（又稱組合指標）標準。基礎指標具有特定業務和經濟含義，且僅能通過基礎類數據加工獲得，計算指標通常由兩個以上基礎指標計算得出。

以下是某銀行為確保指標數據標準定義的完整與嚴謹，形成的一整套指標數據標準的信息項屬性架構：

以“撥備覆蓋率”指標為例，從數據標準化的角度來看，首先需要定義其業務含義，以明確其定位和用途，統一業務解釋；同時通過技術屬性明確其指標技術口徑和取數規則等，確保指標數據計算結果的一致性。這樣，在整個銀行層面，統一了“撥備覆蓋率”的業務口徑和技術口徑，最終確立了其使用規范。

指標數據標準可以從 維度、 規則和 基礎指標三個方面進行定義：

并非所有模型數據、 主數據和參考數據、 指標數據都應納入數據標準的管轄范圍。數據標準管轄的數據，通常只需要在各業務條線、各信息系統之間實現共享和交換的數據，以及為滿足監控機構、上級主管部門、各級政府部門的數據報送要求而需要的數據。

《數據標準管理實踐白皮書》將數據分為 基礎類數據和指標類數據，數據標準也可以分為 基礎類數據標準或 指標類數據標準，這種劃分方法中的基礎類數據其實等于模型數據+主數據+參考數據，因此不存在本質的區別。

三、數據標準化實施流程與方法

數據標準管理不但要解決好標準的制定和發布問題，更要解決標準如何落地（這是更重要的，也是更困難的）。企業做好標準體系規劃、完成了各項標準的制定只是實現了數據標準管理的第一步，持續地貫標、落標，真正將各項標準應用于數據管理實踐并充分發揮作用才是決定成功的關鍵。為了確保有效落標，除了組織推動、強化管理，還應遵循科學的工作流程，采用合理的技術手段和技術工具，真正實現科學落標、技術落標。

在構建數據標準化體系過程中，既要做好組織、人員和制度流程方面的準備，又要做好統籌規劃和整體實施方案設計，確定好總體目標、階段目標和實施路線圖。同時企業要采取科學合理的實施方法，并配備相應技術平臺及工具，持續、有效地推進各個階段的工作任務直至目標達成。

企業數據標準化實施一般分四個階段，如下圖所示。

企業數據標準化實施階段

第一階段：數據盤點與評估

數據盤點與評估工作包括以下內容：

通過現狀調研和需求收集充分了解數據標準化的現狀和訴求；

通過數據資源盤點理清存量數據標準化的狀況和問題； 結合數據評估和對標成功實踐確定數據標準化的基線和目標，為數據標準化實施提供依據。

第二階段：建立保障機制

建立保障機制工作包括以下內容：

建立數據標準化組織體系和認責流程，為數據標準化提供組織保障；

建立數據標準化制度規范，為數據標準化提供制度支撐；

加強人才培養和配置，為數據標準化提供人資和能力保障；

推進數據文化建設，為數據標準化營造良好的環境和氛圍。

第三階段：數據標準化實施

數據標準化實施包括以下內容：

建設技術平臺和工具，為數據標準化實施落地提供技術支撐；

針對數據標準化各個關鍵域逐一開展專項實施，確保各項關鍵目標落地。

第四階段：數據價值實現

數據標準化是企業數據治理的關鍵基礎保障，也是數據治理的重要抓手，利用數據標準化驅動好企業數據治理，持續推動數據治理的成果落地、實現數據價值，才是企業開展數據標準化工作的終極目的。

四、數據標準如何落標？

數據標準的落標需要重點考慮三大問題：

問題1. 什么數據需要制定哪些標準

問題2. 什么系統落什么標準

問題3. 什么人與什么時間執行

如果這三個問題沒有想清楚，基本數據標準的梳理會停留在Excel層面，標準的政策會停留在墻上，無法走入每個設計者的頭腦和每個系統的每個字段。第一個問題，什么數據需要制定標準，首先回到數據標準所要解決問題的初衷，數據標準主要解決數據在共享，融合，匯集應用中的不一致問題。那么看哪些數據會出現在這個這三個環節中，以及哪些容易出現問題。對于與一個企事業組織來說，按照價值鏈，一般關注三大要素：客戶，產品，大運營。舉例來說，將銀行業劃分為九大概念數據，也是圍繞客戶與產品的大運營活動細分。那么有如下幾類數據會在數據應用過程中，會更多出現融合和匯總的機會，需要格外注意。

第二個問題和第三個問題是實際工作中非常困擾的，落標的大多數困難與此有關，因此將其放在一起來說明，一般將系統與數據分列如下列表：

通過這個表格的內容，可以發現數據標準從源頭落地，會減少數據的處理成本，提高數據應用的效益，缺點是對于存量系統和外購系統存在較大改動風險和成本。如果從數據的倉庫層進行落標，比較容易著手處理，落標后的下游數據系統則自動統一數據標準，然而數倉層的報表應用與業務系統的報表存在口徑不一致性在所難免，仍然需要源數據層進行必要調整。無論從哪一層入手，模型的優良設計環節都是必要條件，否則整個落標過程會沒有抓手，流程將不順暢。國內某銀行建立了一套數據標準體系框架，管理全行數據標準，形成了以科技戰略委會員領導下的數據標準化小組為管理組織，涵蓋標準定義、執行、監督評審等各個環節的良性數據標準閉環工作機制與流程，并配套管理制定和工具的建設。

其中包括建立基礎數據標準600余條，覆蓋了公用信息、產品、協議、資產、事件、渠道、參與人、財務8個主題的核心數據，建立代碼數據標準200余條，將數據標準實施落地，保障核心數據的規范性和一致性。該系統的建設顯著提升了向監管報送的數據質量，大大減少了IT部門數據質量處理任務工單，提升了取數效率。

來源 | 數據學堂