前言

作為數字經濟時代的新型治理范式，數據治理的核心特征是全企業的數據互通、數字化的全面協同與跨部門的流程再造，形成“用數據說話、用數據決策、用數據管理、用數據創新”的治理機制。在目前數字化轉型大趨勢的推動下，企業數據治理的需求迫在眉睫。為了促進企業有序開展數據治理工作，進一步厘清企業轉型升級的主要痛點和關鍵需求，被稱為數據治理紅寶書的《數據標準化：企業數據治理基石》于近日出版面世。

本文根據《數據標準化：企業數據治理基石》核心內容提煉總結，希望在數據標準化的理論介紹及實踐經驗方面，能為眾多企業在數據治理的研究和實踐中提供參考和指引，以期達到少走彎路，減少探索，打好基礎，快速取勝的效果。

總體介紹

以數據為核心的組織數字化轉型已形成社會變革的大趨勢。積極開展數據治理，釋放數據要素潛力，更好地賦能產業和推動數字經濟發展，是當前企業尤其是央企和大型集團型企業的重要任務。

數據治理與數據標準化是密不可分的。于數據而言，數據標準就是對數據的命名、定義、結構和取值規范方面的規則和基準。數據標準化是企業或組織對數據的定義、組織、監督和保護進行標準化的過程。在開展數據治理時，數據標準化的制定工作是基礎，是數據在統一標準下進行規范管理的保證。

數據標準化主要涉及包括元數據、主數據、數據質量、數據安全、數據架構、數據建模、數據集成、數據倉庫、數據存儲和操作、文件和內容管理10個方面的工作。涉及的面比較廣，專業性也比較強。

面向企業經營過程中的業務需求，數據治理為數據發揮應用價值奠定了良好的基礎。而數據標準化對于提高數據的科學性、統一性和規范性，實現數據的高度共享與應用，以及提升企業的數據治理能力具有非常重要的意義。

本書封面總編：6位院士、高校院長，央企高管作序推薦

周建平 中國載人航天工程總設計師、中國工程院院士認為：本書從一個組織的數字化工程視角出發，完整介紹了數據標準體系建設的框架、路線和方法，組織管理者和數據科學技術人員都具有很好的理論學習參考價值和工程實踐指導意義。

中國科學院院士梅宏認為：自實施“國家大數據戰略”以來，隨著我國數字化轉型的政策不斷落地，我國數字經濟正蓬勃發展。其中對數字經濟最為重要的數據顯得尤為重要，《數據標準化》一書通過結合我國在數字標準領域已有的理論、國家/行業標準，對讀者開展數據治理標準化工作具有良好的引導作用，有利于企業對數據進行合理有效的管理，對企業數據價值挖掘具有非常好的指引作用。

南京理工大學校長、中國工程院院士付夢印認為：《數據標準化》是一部通過對數據治理體系的深入分析，梳理從數據治理到數據標準化研究流程，最終形成運數據標準量化評價方法，并結合央企、大型國有企業的實踐工程經驗、技能技巧總結產出具有可復制應用的工具類專著，值得細細品讀。

本書為關于數據系列工程叢書的第二部【新書推薦】數據治理多少事，都付本書中-《數據治理：工業企業數字化轉型之道》（文后有福利），全書共為五大篇章，其中第一篇概述了數據標準化建設是企業數據治理的基礎，第二篇闡述了企業數據標準化體系架構，第三篇從實戰出發，全面闡述數據標準化實施的流程與工作方法，第四篇從不同維度介紹了數據標準化評價方法與流程，第五篇匯集了10個不同行業央企或龍頭企業開展數據標準化的案例。以下簡要介紹本書各章節的主要內容精華。

第一篇數據標準化是數據治理的基礎（為什么）1數據標準化面臨的挑戰與困難

數據標準是一經制定發布后相對穩定的靜態文件，而數據標準化是一項帶有系統性、復雜性、困難性、長期性特征的動態管理工作，是對標準的某種程度上的落地。在數據標準管理中，通常數據標準相對好制定，而數據標準落地就困難多了。

國內的數據標準化工作已經發展了很多年，各個行業和組織都在建設自己的數據標準，但取得顯著效果的案例并不多。數據標準化難落地是數據資產管理面臨的現狀，不容回避。企業在數據標準應用中遇到的困難主要表現以下三個方面：

（1）標準跟業務“兩層皮”

一是許多數據標準并沒有真正落實到管理，也沒有體現在實踐中；

二是平時將數據標準束之高閣，只有在每年總結匯報或者外部審核時才拋頭露面。

（2）標準在實際中是“夾生飯”

一是與企業管理實際脫節，制定標準可操作性較低；

二是管理層、操作層界限不清，無所適從，難以指導信息化。

（3）標準跟IT項目相比“靠邊站”

一是標準說起來重要、做起來次要、忙起來不要；

二是標準化管理在“工期緊、任務重”壓力下，為項目實施讓路，阻礙了企業標準化管理。

之所以會出現這種情況，是初步制定的數據標準本身有問題。有些標準一味地追求先進，向行業領先者看齊，標準大而全，脫離實際的數據情況，導致很難落地。在數據標準化推進過程中主要存在以下幾種問題：

1）對建設數據標準的目的不明確，跟業務脫節

某些組織建設數據標準，其目的不是為了統一組織內部的數據口徑，指導信息系統建設，提高數據質量，更可信地處理和交換數據，而是為了應付上級和監管機構的檢查，因此他們需要的只是一堆標準文件和制度文件，根本就沒有執行的計劃。

2）對數據標準化的難度和工作量估計不足

數據標準化是一個長期的過程，不是一蹴而就的，應全方位治理。很多企業一上來就說要做數據標準，卻不知道數據標準的范圍很大，很難以通過一個項目的方式都做完，而是一個持續推進的長期過程。結果是企業越做標準化，遇到的阻力越大，困難就更多，最后自己都沒有信心，轉而把前期梳理的一堆成果束之高閣。這是最容易出現的問題。

3）缺乏落地的制度和流程保駕護航

數據標準的落地，需要多個系統、業務部門的配合才能完成。如果只梳理出數據標準，但是沒有規劃具體的落地方案，缺乏技術、業務部門、系統開發商的支持，尤其是缺乏領導層的支持，是無論如何也不可能落地的。

4）組織管理水平不足甚至缺失

數據標準落地的長期性、復雜性、系統性特點，決定了推動落地組織機構的管理能力必須保持在很高的水平線上，且架構必須持續穩定，才能有序地不斷推進。

5）缺乏運營保障，過分依賴外部咨詢公司

一些組織沒有建設數據標準的能力，因此請咨詢公司幫忙規劃和執行。一旦咨詢公司撤離，組織依然缺乏將這些標準落地的能力和條件。

以上這些問題導致數據標準化工作很難開展，更難取得較好的成效。而數據標準化是一項戰略性、長期性、艱巨性、系統性、持續進行的組織內部數據優化治理工作，因此，數據標準化必然是一個漫長而持續的過程，沒有一針頂破天的訣竅，也沒有立竿見影的途徑，唯有企業持續不斷、持之以恒、不忘初心、不懈努力，才能達到預期目標。

2數據標準的定義與作用

對數據而言，數據標準（Data Standards）是業務流程中產生的數據的統一定義，即對數據的命名、定義、結構和取值規范方面的規則和基準。此定義是業務對數據項在企業營運環境中的統一業務定義及技術要求，是保障數據內外部使用和交換的一致性和準確性的規范性約束，以達成對數據的業務理解、技術實現的一致。

圖 2-2-1 數據標準定義框架

數據標準定義是從元數據管理視角制定的標準，可細分為業務標準、技術標準、管控標準，聚焦在業務屬性、技術屬性和管理屬性三個維度上。其中：

業務標準是描述數據與業務相關聯的特性。數據業務標準是對數據業務含義的統一解釋及要求。它包括數據的業務含義解釋、數據在相關業務環境中產生過程的描述、數據之間的制約關系、數據產生過程中所要遵循的業務規則。如業務定義、業務規則、值域、代碼值、代碼描述、計算公式、統計口徑、統計維度、統計周期等。

技術標準是業務在應用環境中對數據的統一技術要求。技術標準是描述數據與信息技術實現相關聯的特性，如數據類型、數據格式、數據長度、數據的缺省值及數據安全需求的等定義。

管理標準是描述了數據標準與數據標準管理相關聯的特性，如標準版本、標準有效日期、標準責任部門、標準來源等。

數據標準可以采用不同的形式，具體取決于所描述的內容：關于如何填充字段的要求、控制字段之間關系的規則、可接受和不可接受值的詳細文檔、格式等。它們通常由數據管理專業人員起草。

結合業務場景來看，數據標準化的核心作用在于實現數據的“五統一”，如下圖所示。

圖2-2-2? 數據標準化實現的“五統一”

（1）名稱統一。同一數據實體如果在不同的業務環境下名稱不一致，一方面不利于業務的連續性和完整性，另一方面也不利于后續的統計分析。比如在倉庫存放有兩件同樣的物資，如果名稱叫法都不一樣，則計算機信息系統識別的就是兩件不同的物資，這樣會影響物資采購計劃，可能會造成庫存物資積壓等影響。

（2）定義統一。不同的業務領域有不同的業務場景，數據所含的業務含義必須與業務場景保持一致，才能保證數據及衍生數據的正確性和準確性。

（3）口徑統一。如果對數據的加工口徑不一致，則統計出來的數據結果就不一致，無法有效支撐數據層的分析決策。

（4）來源統一。確定唯一且可信的數據源，可以保證基礎數據的一致性。同時，源頭數據的質量越高，未來構建的數據大廈就越牢固。

（5）參照統一。在企業業務運營過程中，會出現大量不同類型、不同主題、不同結構的數據，為了最大限度的遵循和保障數據的標準，應制定統一的數據管理標準和規章制度。

數據標準化是企業或組織對數據的定義、組織、監督和保護進行標準化的過程，將數據標準向下延伸至信息系統實現層進行技術層面的標準化，打通了上層業務提出的數據規則與系統中具體數據的聯系，就是建立一套符合自身實際需求，涵蓋定義、操作、應用多層次數據的標準化體系的過程或系列活動。它是一項長期、體系化的工作，需要在各個方面同步推進，而不僅僅是數據層面。

第二篇數據標準化的框架體系（是什么）

數據標準化是數據治理的重要組成部分，但和數據治理一樣，也有完整的框架體系。全面的數據標準化體系應包括應用類數據標準、架構類數據標準、基礎類數據標準、作業類技術規范，數據標準化保障機制和數據標準化管理工具，數據標準貫穿整個數據生命周期，如下圖所示。

圖2.1數據標準化體系

（1）作業類技術規范：包括數據采集規范、數據安全規范、數據分類規范、主數據管理規范、數據建模規范、元數據管理規范、數據服務規范、數據共享規范、數據資源申請規范等。作業類技術規范根據作業層面的技術操作和管理要求，對數據標準化的貫徹和執行予以約束。

（2）基礎類數據標準：包括業務術語、業務規則、命名規范和代碼標準。數據標準化是經營管理和生產運營活動的基礎，需要職能管理部門和業務部門負責制定本領域的業務術語、業務規則、命名規范和公共代碼標準（或數據字典標準）。創建數據需要業務領域的知識，以確保從數據創建之時開始，組織內部對數據有著一致性的理解。

（3）對象類數據標準：包括數據分類標準、主數據標準、數據元標準、交易數據標準、指標數據標準、標簽數據標準和主題數據標準。數據標準化需要明確需要哪些對象及如何被標準化。而對象類數據標準闡述了數據對象的分類，每類數據對象的分類、定義、命名、描述及管理流程或規范。

主數據標準、數據元標準決定了各類交易活動的記錄（交易數據或事務數據）被創建的格式及數據質量是否滿足企業級的要求。

主題數據（主題庫）被存儲在數據湖、數據倉庫中，來源于不同交易系統（信息化系統），屬于同一主題的交易數據集合。

指標數據和標簽數據是對交易數據、主題數據統計分析的公式、分析維度和顆粒度、屬性維度和顆粒度。

（4）架構類數據標準：包括數據目錄、數據模型、數據分布與流向、數據交換、數據服務和元數據標準。

數據標準化需要基于企業級的數據架構，從邏輯層面定義數據的獲取和使用。架構類數據標準有以下作用：

描述基于數據對象標準的各類數據對象概念模型、邏輯模型，以及基于業務規則定義的對象之間屬性數據元的引用和繼承關系；

定義數據共享、數據安全、數據質量的邏輯模型，以支撐數據交換、數據共享及開發；

描述各類數據對象數據分布的數據資源目錄、數據資產目錄；

支撐上述模型開發實現的元數據標準。

（5）應用類數據標準：指的是在開發及部署信息化數字化應用系統時，需要實現的職能管理、業務管理的流程或功能要求。數據標準化服務于信息化數字化的應用，如大型企業內部常有多個財務核算系統，但均需遵循總部統一制定的財務核算手冊。盡管不同行業、不同企業的信息化數字化應用存在差異，但均需要基于統一的企業級數據架構、對象類數據標準和基礎類數據標準。由此可見，數據標準化是企業信息化數字化的基礎。

（6）數據標準化保障機制：包括數據標準化管理組織和數據標準化制度、認責與績效、人才培養、數據文化。

數據標準化需要組織層面有執行力的動員和保障。數據標準化保障機制，從組織、制度及工作機制、認責與績效等方面，對數據標準化予以保障。

（7）數據標準化管理工具：包括數據共享、服務、數據標準、數據目錄、數據模型、指標數據、元數據、主數據等管理工具。數據標準化工作需要技術工具的支撐，作業類技術規范需要落實到數據治理及數據資產管理相關軟件上，從管理流程和技術落地建立數據標準化的長效機制。

值得說明的是，數據生命周期管理的各個環節都離不開數據標準的支持，如下圖所示。

圖2.2數據生命周期中的數據標準

數據源產生數據的時候需要遵循業務規則的要求和主數據標準；

數據采集的時候需要遵循數據元標準、元數據標準、數據采集規范等；

數據存儲的時候需要遵循數據分類標準、業務規則、命名規范等標準；

數據加工的時候需要遵循數據建模規范、數據模型標準、ETL作業規范等；

數據應用的時候需要遵循數據目錄標準、數據分布流向、數據標簽規范等；

數據歸檔的時候需要遵循數據歸檔規范；

數據銷毀的時候需要遵循數據退役規范。

第三篇數據標準化實施流程與方法（怎么做）

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。

圖3.1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。

1數據標準化保障機制

包括數據標準化落地在內的數據資產管理是一項長期性的、體系化的工作，為保證各項數據資產管理活動有效開展，統籌推動數據資產管理工作順利進行，關于組織、制度、認責機制、人才培養、數據文化等方面的保障機制和措施變得極為重要，是標準化落地的條件和基礎。

企業的數據標準化保障機制里面包括組織、制度、認責機制、績效評估、人才培養、數據文化這些內容，總體架構如下圖所示。

圖8-1-1? 數據標準化保障機制架構圖

（1）管控組織

數據標準化需要根據企業管理要求、管控定位、管理模式及業務特征等因素，在企業內部組織資源、搭建流程、開展業務、實施落地的管理活動，通過構建數據標準化專業團隊或人員，以及專業職責分工、跨域協同聯動，形成順暢的溝通、協商、合作機制。

組織設計應滿足職能覆蓋、高效協同、引領創新的要求，并與企業整體業務、組織、管理模式升級發展相匹配，分工明確，各司其職，強化數據標準化各項工作的落地執行及跟蹤監督。

（2）制度規范

企業對數據資產管理體系工作進行標準化管理，需要制定有關數據標準規定，為包含數據標準管理在內的各項工作提供規則、指南、權威定義或標準規（包括數據資產全生命周期管理各項職能活動，以及對組織內各項數據資產制定標準規范的相關管理辦法、管理規范、流程規范、維護細則、操作手冊、技術規范等制度性文件）。

（3）認責機制與績效評估

數據標準化需要依據原則制定有效的認責流程、有明確的認責分工、確定數據績效評估規則、績效評估的步驟和流程等。

在組織內，標準規范的制定、貫徹和管理都需要有明確的責任人，責任人對這些工作有相應的權責安排，指導管理者有效掌控數據資產全生命周期管理各項具體執行工作，激發推行數據標準化的有關責任人的主觀能動性。

（4）人才培養

企業要進行數據標準化，就需要建立包括培訓體系、人才評估體系在內的能力培育與建設體系，明確數據人才的知識和能力結構要求及專業人才培養計劃。

（5）數據文化

在企業內要持續推進數據文化建設，加強數據文化理念和案例宣傳，提升企業各級管理人員數據思維，構建數據話語環境，將數據融入組織各級部門和各業務單元的運營模式、思維方式中，在企業中營造良好的數據文化氛圍。

2技術平臺和工具

數據標準化實施和管理涉及復雜的管理流程、組織協同的技術作業，因此，需要依靠相應的技術平臺和工具支撐數據標準化管理工作。對企業來說，數據標準化平臺工具可作為數據治理平臺工具組成部分，與數據治理平臺統籌規劃、統一建設實施。

數據標準化管理工具的能力構成一般包含數據地圖、主數據管理、數據指標管理、元數據管理、數據模型工具、數據交換與服務工具、數據資產管理、數據開發、數據質量管理、數據安全、數據成本管理等部分。

通過對數據的采集、清洗、建模、加工直至應用的全生命周期的管控和保障，可以確保數據的高質量、低成本、安全性，以及開發過程的高效能。數據標準化管理工具是基于PaaS平臺的一體化智能全域的數據治理平臺（如下圖所示）的一部分工具集。（這里不再具體介紹數據治理平臺工具，可參考《【新書推薦】數據治理多少事，都付本書中-《數據治理：工業企業數字化轉型之道》（文后有福利）》一書里面內容）

基于PaaS平臺的一體化智能全域的數據治理平臺

3數據標準化關鍵域實施

數據標準化實施對于企業來說是一個復雜的系統工程，要有效開展這項工作，首先要建立配套的組織體系和制度體系，為數據標準化工作提供強有力的基礎保障。其次是抓好人才培養和文化宣貫，為數據標準化工作持續推進提供人才和文化氛圍保障。在此基礎上，開展數據標準化現狀調研、分析和數據資源盤點工作，摸清家底、定好基線，同時根據數據標準化的需求和管理訴求，確定好工作目標。

在具體實施層面，企業要根據自身的實際情況，圍繞數據標準化工作目標確定好數據標準化工作實施的范圍、內容，并制定訂切實可行的計劃，要有步驟、有計劃開展各項實施工作。同時，要積極采用技術平臺和技術工具，借助于科學的方法論，聚焦關鍵領域有效推進各專項目標的達成，才能取得好的實施效果。

本書著重介紹了企業數據標準化包括標準管理、數據分類、數據分級、主數據管理、數據指標管理、元數據管理、數據元及數據實體設計標準等七大關鍵領域。

以元數據管理實施為例，該章節詳解說明了元數據實施流程，包括需求分析、規劃設計、工具實施、持續運維4個大的階段；元數據關鍵實施步驟，并對其中關鍵步驟進行詳細闡述，如下圖所示；然后從技術和管理兩個方面分析了元數據管理的難點；最后提出了元數據實施風險規避建議，為企業開展元數據標準化實施提供參考和借鑒。

限于本文篇幅，數據標準化七大關鍵域的實施方法詳見本書第11章，歡迎讀者朋友細讀自己感興趣的章節內容。

第四篇 數據標準化體系的量化評價（做成什么樣）

為確保企業數據標準建設實現落地可用，并保證數據標準在不同部門的可獲取性及一致性，進而保障數據的質量、安全和可靠性等，在企業開展數據標準化后，要對數據標準化工作進行客觀審視和評價。

評價工作要基于數據治理體系，應用數據管理能力成熟度評估模型，遵循一定的評價原則，覆蓋整個數據標準工作的對象與內容，形成一套完整評價體系方法。

根據數據標準體系參考評價模型，數據標準成熟度評價聚焦在標準化保障機制、標準建設、技術規范、數據安全、標準化支撐工具及應用成效等維度，覆蓋數據標準的建標、貫標及核標等工作。

標準化保障機制評價：涉及標準化組織、標準化制度、認責與績效、人才培養及數據文化建設等評價。其中，標準化組織及制度是標準化保障的基礎；

標準建設評價：包含數據標準制定、數據標準發布及數據標準應用評價。其中標準覆蓋應用類標準、架構類標準、對象類數據標準及基礎數據類標準；

技術規范評價：技術規范評價主要是針對作業類技術規范的評價。包含數據采集規范、數據建設規范、數據運營及數據安全規范等；

數據安全：遵循數據安全DSMM模型，進行包含數據采集、數據存儲、數據加工、數據應用、數據歸檔及數據銷毀等數據全生命周期的安全評價；

標準化支撐工具：主要指相對應的數據標準化管理工具，如：數據模型、數據目錄、數據標準、主數據、數據指標、元數據、數據交換、數據服務等。

數據標準成熟度評價表

標準化保障機制	標準化組織	數據標準組織設置
		數據標準組織認責
		數據標準組織溝通
	標準制度	數據標準制度框架
		數據標準制度制定過程
		數據標準制度內容
		數據標準制度宣貫
		數據標準制度執行
標準建設	制定數據標準
	發布數據標準
	應用數據標準
應用成效	數據標準應用狀況
	存量系統數據標準應用
標準化支撐工具	數據模型、數據標準、數據目錄、主數據、數據指標、元數據、數據標簽、數據共享與服務等；	這些工具建設功能和工具應用情況