基于IT规划的数据资产管理模式研究

张相文，于海波，关梓骜

（北京中电普华信息有限技术公司，北京 110000）

基于IT规划的数据资产管理模式研究

张相文，于海波，关梓骜

（北京中电普华信息有限技术公司，北京 110000）

随着信息化水平的提高，企业积累了海量的信息。但是，由于管理模式和数据应用水平的限制，数据并没有完全发挥其价值。本文通过分析IT数据架构发展现状以及企业对IT数据架构的规划，对企业数据化运营现状进行分析。并根据数据资产管理，从企业容易忽视的五大管理职能：数据治理、数据仓库和商务智能管理、元数据管理、数据开发、参考数据和主数据管理进行分析，对企业数据化运营方法做出的补充。

IT规划；数据资产管理；数据化运营

本文著录格式：张相文，于海波，关梓骜. 基于IT规划的数据资产管理模式研究[J]. 软件，2016，37（9）：126-129

1　引言

全球知名咨询企业麦肯锡的报告指出：“数据是一种资产，是一种在全球化的时代中制胜的战略资源。在工厂、销售、决策等等很多方面，数据己经起到了相当大的导向作用。”数据是反映企业的运作状况的主要依据，随着企业信息化、业务标准化的不断推进，数据资产管理在企业管理中的作用日益重要，它主要是为了衡量数据对企业业务运行和管理决策的支撑有效程度而建立的。现阶段大部分企业对已经开始对数据架构进行规划，但仅从架构方面进行规划还存在缺陷。本文从数据资产管理的职能管理角度进行分析，完善企业的数据化管理。

2　IT数据架构规划发展概况

IT数据架构规划是在理解企业发展战略和评估企业IT现状的基础上，结合所属行业信息化方面的实践和对最新信息技术发展的认识，提出企业信息化建设的远景、目标和战略，以及具体信息系统的架构设计、选型和实施策略，全面系统地指导企业信息化建设，满足企业可持续发展的需要。

2.1IT数据架构现状

现阶段IT数据架构还存在许多问题：

首先，现阶段信息系统集成度不高，存在信息孤岛。系统建设没有统一规划、相互独立，每部分系统都有各自的身份认证和权限分配，同一类数据在不同系统中被重复录入，形成信息孤岛，导致流程割裂，数据分散的情况。这使得大多数企业系统数据仅存放在各自部门系统的数据库中，数据在不同部门中无法共享，进而引发部门业务协同少，业务协同支持不够，企业整体工作效率降低。

其次，信息在多个系统中都有维护，从而导致信息不一致。每个系统采用的数据结构都有很大差别从而造成各个系统之间难以实现数据共享和信息交换。同时，也会造成系统中数据冗余。而信息的不畅通、不一致最终会反映在业务的流程上，表现为部门间协同效率降低，企业运营效率低。

第三，管理决策缺乏集中统一的数据平台和分析环境操作。现阶段操作型数据与分析型数据隶属于不同的环境，执行层和管理层得到的数据不统一，造成双方对企业运营情况了解不完整[1-3]。

2.2IT数据架构规划

2.2.1构建统一的数据视图

IT数据架构规划首先要打破信息壁垒，使信息可以在多个系统和部门之间共享。通过构建统一的数据视图，达到企业运营的目的：支持跨系统，跨部门的业务发展变化需求；解决“信息孤岛”和“信息碎片”问题，避免数据冗余和不一致；规划系统间数据接口，解决数据接口凌乱、复杂的问题。

2.2.2统一的数据分布规划

IT数据架构规划要对数据做统一的分布规划。维护跨部门和跨系统信息的一致性，统一业务术语和数据定义。明确定义数据属主，尤其是跨部门、跨系统的数据管理职责；明晰数据的访问、变更、转换、清除等权限定义，保证数据在流转过程中一致性。

2.2.3搭建整合的数据分析型环境

IT数据架构规划需将操作型数据和分析型数据进行整合。在分析数据环境中，各业务系统数据整合在一起，形成企业数据统一视图，支撑企业战略决策和企业绩效的分析。在全局视角进行多维度分析；整合的数据分析型环境保证数据一致性和准确性[4-5]。

3　数据资产管理目标与活动

企业通过数据进行数据化运营仅通过IT数据架构规划是远远不够的。现阶段的IT规划主要是从业务角度出发，整体不够完整。本文从数据资产管理职能角度对其做出相应的补充，使企业更快、更好的实现数据化。

数据资产管理是规划、控制和提供数据及信息资产的一组业务职能，包括开发、执行和监督有关数据的计划、政策、方案、项目、流程、方法和程序，从而控制、保护、交付和提高数据和信息资产的价值。数据资产管理由十大管理职能组成：数据治理、数据架构管理、数据开发、数据操作管理、数据安全管理、参考数据和主数据管理、数据仓库和商务职能管理、文档和内容管理、元数据管理、数据质量管理。本章对企业容易忽视的五大管理职能：数据治理、数据仓库和商务智能管理、元数据管理、数据开发、参考数据和主数据管理，从管理职能概述，目的以及主要活动等进行分析，对企业IT数据架构规划做补充[6]。

图3　-1　数据资产管理十大管理职能

3.1数据治理

数据治理是数据管理框架的核心职能，它是对数据资产管理行使权力和控制的活动集合。数据治理职能指导其他数据管理职能如何执行，是在高层次上执行数据管理制度。其主要目标为：定义、审批、沟通数据战略、政策、标准、流程和度量体系；追踪并保证数据政策、标准、流程的监管合规性和一致性；发起、追踪并监控数据管理项目和服务的可交付成果；管理并解决数据相关问题；评估并提升数据资产价值。

数据治理活动分为两个部分：数据治理计划活动，数据治理控制活动。

数据治理计划活动主要有：理解企业数据战略需求；发展和维护数据战略；建立数据专业角色和组织；确定并任命数据管理专员；建立数据治理和管理制度组织；制定并审核数据政策、标准和程序；审阅和批准数据架构；计划和发起数据管理项目和服务；评估数据资产价值和相关成本。

数据治理控制活动主要有：监督数据专业组织和工作人员；协调数据治理活动；管理和解决数据相关问题；监控和确保遵守法律法规；监控和确保符合数据政策、标准和架构；监督数据管理项目和服务；交流和提升数据资产的价值[7]。

3.2数据仓库和商务智能管理

数据仓库由两个主要部分构成：首先是一个整合的决策支持数据库，其次是用于收集、清洗、转换、存储来自于各种操作型数据源和外部数据源数据的相关软件程序。两者结合以支持历史的、分析的和商务智能的需求。一个数据仓库也可能包括若干相关的数据集市，它们都是数据仓库数据库的子集副本。从广义上说，用于为商务智能提供数据支持的任何数据抽取或者数据存储均可称为数据仓库。其主要目标为：支持知识工作者做出有效的商业分析和决策；建立并维护环境/设施以支持商业智能活特别是平衡所有其他数据管理功能，实现为商业智能活动有效提供持续整合的数据。

数据仓库和商务智能管理活动分为四个方面：计划、开发、操作、控制。

数据仓库和商务智能管理计划活动主要有：理解商务智能的信息需求；定义和维护数据仓库/商务智能架构。

数据仓库和商务智能管理开发活动主要有：实施数据仓库和数据集市；实施商务智能工具和用户界面。

数据仓库和商务智能管理操作活动主要有：处理商务智能所需数据。

数据仓库和商务智能管理控制活动主要有：监控并调整数据仓库处理过程；监控并调整商务智能活动和性能。

3.3元数据管理

按照通常的说法，元数据的定义是“关于数据的数据”，但是其确切含义是什么?元数据与数据的关系就像数据与自然界的关系。数据反映了真实世界的交易、事件、对象和关系，而元数据则反映了数据的交易、事件、对象和关系等。为了理解元数据在数据管理中的重要作用，可以用图书馆中的目录卡片做类比。通过目录卡片可以查询图书馆中保存了哪些书、在图书馆的什么位置。

元数据管理是关于元数据的创建、存储、整合与控制等一整套流程的集合，从而支持基于元数据的相关应用。其主要目标是：提供术语及其用法的组织化说明；从不同来源进行元数据集成；提供简易、集成的元数据读取方法、保证元数据质量和安全。

元数据管理的主要活动有：理解元数据的需求；定义和维护元数据架构；开发和维护元数据标准；实现受控的元数据管理环境；创建和维护元数据；整合元数据；管理元数据存储库；分发和交付元数据；查询、报告和分析元数据。

在企业中应用元数据管理能带来以下收益：

（1）通过数据的上下文关联信息，提升战略信息的价值，从而帮助分析人员作出更有效的决策。

（2）通过对数据上下文背景、历史和起源进行完整的记录并文档化，减少培训成本，降低员工流失的影响。

（3）帮助业务分析人员快速找到正确的信息，减少针对数据的研究时间。

（4）弥合业务用户和IT人员之间的分歧，方便团队间共享工作成果，提升用户对IT系统数据的信心。

（5）引减少系统开发的生命周期，提高系统开发与投人运行的速度。

（6）在变更管理过程中的不同层面上进行更好的影响分析，降低项目失败风险。

（7）识别并减少冗余数据和流程，减少重复工作和对冗余、过期、不正确数据的使用。

3.4数据开发

数据开发是指分析、设计、实施、部署及维护数据解决方案，以使企业的数据资源价值最大化。数据开发是系统开发生命周期中项目活动的子集，其专注于数据需求的定义、数据解决方案组件的设计和实施。数据解决方案中最基本的组件是数据库和其他数据结构。其他数据解决方案的组件包括信息产品（屏幕展示和报表）以及数据访问接口等。其主要目标为：识别并定义数据需求；设计满足需求的数据结构和其他解决方案；实施并维护满足需求的解决方案组件；确保解决方案与数据架构和标准的一致性；确保结构化数据资产的完整性、安全性、可用性和可维护性。

数据开发的主要活动包括：

1. 数据建摸、分析和解决方案设计

分析信息需求；开发并维护概念数据模型；开发并维护逻辑数据摸型；开发并维护物理数据模型。

2. 详细的数据设计

设计物理数据库；设计信息产品；设计数据访问服务；设计数据整合服务。

3. 数据摸型和设计质量管理开发数据建摸和数据库设计标准；审阅数据模型和数据库设计质量；管理数据模型版本和整合。

4. 数据项目实施

实施开发和测试数据库的变更；建立和维护测试数据；迁移和转换数据；建立和测试信息产品；建立和测试数据访问服务；建立和测试数据整合服务；验证信息需求；准备部署数据[8]。

3.5参考数据和主数据管理

参考数据和主数据管理是对参考数据和主数据进行持续的协调一致和维护工作。参考数据管理是对定义的数据域值（也称为词汇/术语）进行控制，包括对标准化术语、代码值和其他唯一标识符以及每个取值的业务定义的控制。和对数据域值列表内部和跨不同列表之间的业务关系的控制；并且对准确、及时和相关参考数据值的一致、共享使用进行控制，以进行数据分类和目录整编。主数据管理是对主数据值进行控制，以实现跨系统的一致、共享、上下文相关地使用。主数据，以及对核心业务实体的真实情况的最准确、及时和相关的版本进行控制。

参考数据和主数据提供了交易数据的关联环境。例如，一笔销售交易可以识别出该活动相关的客户、员工、被售出的产品或服务，以及其他参考数据如交易状态和任何适用的会计科目等，并可以派生出如产品类型和销售季度等其他参考数据元素。

参考数据和主数据管理的主要目标是：提供来自权威数据源的协调一致的高质量的主数据个参考数据；通过利用和重用标准来降低成本和复杂度；支持商业智能和信息整合。其主要活动是：理解参考数据和主数据的整合需求；识别参考数据和主数据的来源及贡献者；定义和维护数据整合构架；实施参考数据和主数据解决方案；定义和维护匹配规则；建立“黄金版本”记录；定义和维护数据层次及关联关系；计划和实施新数据源的整合；复制和分发参考数据与主数据；管理参考数据和主数据的变更。

4　结语

在大数据时代，数据已经成为企业的核心竞争力，它将主导企业未来发展。通过本文的分析，企业IT规划需要结合数据资产管理的方法，根据不同行业的特征，确定数据管理的目标，将具体的数据管理活动落到实处，使企业可以通过数据化的管理方法，增强企业的核心竞争力。

[1] 谌迅. 大数据资产管理系统的设计与实现[J]. 软件, 2016, 37(02): 50-53

[2] 林海, 张相文, 罗华永. 国家电网运营诊断指标体系研究[J]. 软件, 2016, 37(01): 122-126

[3] 吴旭华, 付祥. 基于QRCODE的办公资产管理系统设计与实现[J]. 软件, 2014, 35(7): 116-117.

[4] 田鹏程, 张莉梅, 杨俊. 就业信息服务平台数据隐私保护方案设计[J]. 软件, 2015, 36(4): 18-23.

[5] 葛春燕. 数据挖掘技术在保险公司客户评估中的应用研究[J]. 软件, 2013, 34(1): 116-118.

[6] 李沛然, 苏卫东, 段振华, 等. 国家电网运营诊断关键技术研究与实证分析[J]. 软件, 2016, 37(01): 127-131.

[7] 李秉键. 软件产业知识产权问题和对策研究[J]. 软件, 2014, 35(3): 199-200.

[8] 刘文博. 业务可用性监控的模型设计与分析[J]. 软件, 2014, 35(4): 49-52.

Research on Data Asset Management Model Based on IT Planning

ZHANG Xiang-wen, YU Hai-bo, Guan Zi-ao
(Beijing CLP information technology limited company)

With the improvement of information technology, enterprises have accumulated a lot of information. However, due to the level of management and data application constraints, the data did not fully play its value. This paper analyzes the status quo of enterprise data management by analyzing the development of IT data architecture and the planning of enterprise IT data architecture. Then from the view of data asset management we analyze data warehouse, business intelligence management, metadata management, data development, reference data and master data management which are the five main easily ignored management functions. The method is supplement for enterprise data-based operations.

IT planning; Data asset management; Data-based operations

F426.61

A

10.3969/j.issn.1003-6970.2016.09.030