1 引言

中國寶武鋼鐵集團有限公司(簡稱“中國寶武”)是一家以鋼鐵行業為主、多行業為輔多元化發展的企業，旗下分子公司遍布全國，各自擁有海量的數據。其數據以鋼鐵或相關生產、管理數據為主，在傳統鋼鐵領域內的L1—L5的架構中，生產數據以金字塔形分布，數據之間關聯不多，數據統一化程度弱。各子公司信息化系統繁多，相互之間層級關系復雜，關聯關系交錯，層次關系不分明，相互引用情況時有發生，且又有不少系統孤島形式存在，數據標準化程度很低，導致數據相互使用起來難度大，查找困難，難以發揮價值。因此迫切需要一個可解決這些難點的方法，面對這些難點，以數據標準體系為核心的的數據治理架構應運而生。

2.1 數據治理理論基礎

數據治理在國外有著較為成熟的模型、體系，例如數據管理成熟度模型(DMM)、DAMA體系等。國內公認數據治理模型——數據管理能力成熟度評估模型(簡稱“DCMM”)，于2018年正式發布，成為中國寶武開展數據治理的理論基礎。

DCMM模型由8個數據管理能力域組成，它為廣義的數據治理工作劃定了范圍。但模型本身無法直接落地，需要企業自行構建適合自己的數據治理架構，明確數據管理具體執行方法，把數字化轉型工作落到實處。

2.2 鋼鐵行業數據治理架構

數據治理在鋼鐵行業的大數據中心全面應用還屬于初級階段。中國寶武逐步開展數字化轉型，初建數據治理規范體系解決如何用好數據的問題，必須著力于一個核心焦點。中國寶武選擇了核心數據管理能力域：數據標準作為數據治理核心。以數據標準為主線，將之作為數據架構、使用的基礎，同時將元數據結構標準化，將它們貫穿數據生存周期始終，形成數據治理架構的主體，輔以數據質量和數據安全，形成完整的中國寶武數據治理架構如圖1所示。

圖 1? 以數據標準體系為核心的數據治理架構

中國寶武第一階段選擇治理的數據標準包括：業務術語標準、數據元標準、指標標準、維度標準、數據分類標準、數據分層標準。

2.3 鋼鐵行業數據治理核心

DCMM模型中，數據標準能力域包括4項子域，分別為：業務術語、參考數據和主數據、數據元、指標數據。中國寶武大數據中心施行的數據標準在此基礎上進行了大幅修改，現階段不僅設立了業務術語、數據元、指標數據標準，而且將這3個標準的范圍進行適當修改容納更多的標準內容，還將其他可標準化管理的內容一律用數據標準的方式進行管理，最終形成適合鋼鐵行業使用的數據標準體系。

(1)擴展業務術語，形成術語標準和字根標準。中國寶武大數據中心數據標準將DCMM的業務術語標準范圍擴大，形成術語標準。術語標準中涵蓋了業務術語、技術術語、管理術語及通用術語4類術語，術語標準分別收集了各門類下的國標、行標、集團內部自定義的術語及術語描述。在集團內部建立大數據相關統一的語義，確保達成一致的認知，降低因理解差異和被相互理解錯誤導致的風險。在業務術語、技術術語的基礎上，還形成了字根標準。字根標準不僅規范了中文詞語、短句的定義，還在語義理解、英語定義，尤其是英語縮略語定義上進行了標準化，含義一致或接近的對象都統一使用一個英語縮略語進行定義。此類標準是基礎標準，成為大數據中心內首批建成的數據標準。

(2)依托字根標準，形成數據元標準。數據元可用獨立定義的方式標準化，但是中國寶武大數據中心建有字根標準，可使用字根標準，讓字根成為數據元標準的原子，根據使用者的需求，排列組合成數據元標準。這樣形成的數據元標準更規范、更精確，減少語義重復語義相近導致的數據元數量爆發的情況。

(3)結合指標標準和維度標準。中國寶武大數據中心使用維度建模方式，與DCMM融合，建立了完整的指標標準和維度標準。首先，將指標分為技術指標和業務指標兩大類，每一類都可分為：原子指標、派生指標和復合指標。其次，把所有指標進行拆分，提取出不可拆分的有業務含義的指標定義成原子指標。然后用維度對指標進行限定，組合成派生指標，或者對原子、派生指標進行計算，形成復合指標。這些指標將成為大數據中心的核心價值。

(4)建立數據分類標準。在識別出數據核心價值之后，需要解決如何讓使用者使用數據的問題，需要一種辦法讓使用者輕易找到想要的數據。針對這個需求，制定了數據分類標準，用分類的方式展示數據資產。數據分類方式可以有多種，歸根結底都是將擁有近似屬性或特征的數據歸攏到一個分類中，各分類之間相互獨立。按使用者角度，數據可按業務領域分類，可按工藝流程、組織機構分類。默認可用一種方式展示數據，其他的類型供候選。

(5)建立統一的參考數據和主數據標準。中國寶武內部子公司曾建有代碼管理系統，管理了生產過程中的工藝代碼，但是這些代碼相互之間不統一，需要一個統一的參考數據標準將它們統一化。以往的代碼系統中管理的代碼范圍較小，難以滿足數據建設的需要，所以擴大范圍建成統一的參考數據標準成了數據標準化過程中“排頭兵”。主數據管理的范圍特別大，數據中心建設初期不建議大規模鋪開，出具規則由各業務系統自行管理。

(6)其他數據標準。可標準化的數據種類非常多，為適應鋼鐵行業的數據特征，還創建了數據分層標準、質量標準、業務板塊標準、缺陷標準等多種類型的標準。

2.4 數據治理架構整合

在數據標準體系建設外，中國寶武還引用了其他能力域。元數據管理是數據管理的重要能力之一，中國寶武為各類數據標準分別建立對應的元數據標準，形成統一的數據字典，建立了數據標準管理的結構體系，確保了數據標準統一規劃。

在以數據標準為主線，元數據與數據標準結合為數據治理主體的數據治理架構構建中，還需要結合數據架構、數據質量、數據安全、數據生存周期、數據應用等其他能力，搭建成完整的符合鋼鐵行業需求的數據治理規范體系，為鋼鐵行業大數據中心建設和數據治理邁出堅實的一步。

3 結語

隨著大數據時代的發展和進步，企業數字化轉型已經變得越來越重要。不同的行業都在逐步根據自身發展的需求推進數據治理的進程。中國寶武在以數據標準體系為核心的大數據中心建設及數據治理工作上取得一定的進展，通過了DCMM4級評審，在數據標準化、賦能業務發展、提升數據價值上也獲得了初步的成效。中國寶武的經驗可成為鋼鐵行業的標桿做法，能夠發揮大企業引領支撐作用，不僅在集團內部使用，也可與其他鋼企共建共享，甚至可以與上下游企業連通，共建立體的數字化鋼鐵生態圈。