面向多业务系统的数据治理研究与实践

王亚娟 靳长林

摘要：公司通过“十二五”以来的信息化建设，通过ESB技术构建了以PDM、ERP、MES等系统为数据主线的科研生产管理平台。通过系统建设及数据准备、数据综合治理和数据利用三个阶段的工作开展，提高数据质量。通过数据治理实践，提高公司管理水平和工作效率，围绕科研生产核心业务提高工艺管理、销售、生产、质量、财务成本、采购、库存等的信息化管理能力，实现科研、生产高效的精细化、流程化管理。经过数据综合治理阶段对各个系统内数据的规范化治理，在生产管控平台的促进组织下，生产组织效率显著提升。ERP强化计划牵引，MES落实过程管控，从实现 “均衡生产”向“均衡销售”转变，为实现“绿色生产”目标打下基础。

关键字：数据治理；生产管控；PDM；ERP；MES

引言

数据治理是现代企业在工业化和信息化大环境下无可回避的挑战，目前企业数据质量低下，很多企业不同程度上仍在使用纸质或非结构化方式进行数据的存储和管理。数据管理的现状一是缺乏专门的数据管理部门；二是投入数据管理的人力不足，更谈不上顶层规划和战略管理。因此，数据管理和数据治理方面亟需迎头赶上，否则，制造业的转型升级将无从谈起。

企业通过信息化建设，构建了以PDM、ERP、MES、ESB等系统为主的科研生产管理平台，但是各业务系统间的信息交互不畅，信息孤岛现象严重[1]，科研、生产、管理信息化通道没有打通，未实现科研生产主流程管控，随着信息化应用与业务的不断深入融合，数据作为企业重中之重的基础资产，其单一性、一致性、及时性和再分析利用性等问题逐步暴露。和大多数企业一样，信息化同样经历了初期的烟囱式系统建设，中期的集成式系统建设，目前处于后期的数据管理式系统建设阶段，可以说是一个先建设后治理的过程[2]。

1.主要研究思路

数据管理协会提出数据管理的十个职能域：数据控制、数据架构管理、数据开发、数据操作管理、数据安全管理、数据质量管理、参考数据和主数据管理、数据仓库和商务智能管理、文件和内容管理、元数据管理[3]。我们的数据治理通过前期调研，学习先进的理念和行业内经验，根据自身的行业性质、信息化程度，提出更合适的解决方案。在实施数据治理的时候，进行分析、论证和评估，不盲目跟风，避免出现数据治理收效甚微，还浪费了人力财力的窘境。

数据管理是一个循序渐进、持续优化的过程，不可一蹴而就。公司作为制造企业，有一定的数据积累，也有不同的应用系统，包括PDM、MES、DNC、ERP等，但各个系统没有实现数据共享，之前各个系统建设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，各系统之间形成了一个个的“信息孤岛”。这些“孤岛”之间缺乏有效的连接通道，数据的价值不能充分发挥，急需消除这些“信息孤岛”，才能实现数据驱动业务、数据驱动管理，才能真正释放数据价值。

由于数据治理是长期、复杂的工程，又涉及到组织体系、标准体系、流程体系、技术体系和评价体系等工作领域，加上企业性质、业务特点、管理模式的不同，公司需建立符合现状和需求的数据治理框架以指导企业数据治理工作的开展[4]。公司数据治理整体可以分为系统建设及数据准备、数据综合治理和数据利用三个重要阶段。

2.数据治理工作概况

2.1系统建设及数据准备阶段

公司自ERP项目启动到完成项目实施后正式上线运行为“系统建设及数据准备阶段”。该阶段以ERP系统项目建设为契机，进行顶层架构规划与设计。各业务部门抽调业务骨干，全脱产参与项目团队，共同完成蓝图设计、功能论证、系统开发、集成测试、业务场景演练。项目团队通过业务需求调查、业务流程分析，分别在企业战略层面、管理层面、执行层面上设计一系列解决方案；在蓝图静态化分析的基礎上，甄选典型业务场景，进行动态化的数据应用场景分析[5]。通过系统的实施，梳理、优化流程，使关键战略目标真正得以落地。该阶段建设完成销售管理（SD）、生产管理（PP）、采购管理（MM-PUR）、库存管理（MM-IM）、质量管理（QM）、设备管理（PM）、财务会计（FI）、管理会计（CO）在内的八个功能模块。

在项目建设过程中，数据管理分两部完成，一是“摸家底”，二是“接数据”。“摸家底”就是对已有数据进行数据资源普查，收集、整合、优化已有数据；“接数据”是指接收新增数据。项目团队在数据资源普查中对原有的纸质、非结构化数据、分散在各终端的数据进行收集管理，花费巨大的人力财力完成收集数据“校验、核对”工作，并对关键数据进行结构化处理。在数据“摸底”工作中，基础数据录入数十万条。对新增数据需要通过一系列的数据加工和处理，形成标准统一的数据，该过程对接入的数据进行清洗、转换、映射、去重、合并、加载……业务系统关键用户与IT共同对多系统中运行数据进行处理，不断完善管理，为系统运行提供有力的数据保障。

2.2数据综合治理阶段

ERP以及MES等生产系统正式上线后，初步实现通过生产系统的业务流来控制数据流，但由于缺乏有效的管理机制和人为的因素，在数据流转过程中，存在数据维护错误、数据重复、数据不一致、数据不完整的情况，产生了大量的垃圾数据。加上数据产权不明确，管理职责混乱，管理和使用流程不清晰，频繁出现数据质量问题。为此，公司启动了“数据综合治理行动”。各业务部门严格按照各数据治理工作组的计划安排完成海量的数据清查、校对、流程梳理、制度建设、人员培训等工作，在行动过程中坚持“边使用，边验证，边治理，边完善”的原则，并形成打破系统“壁垒”，突破业务“边界”的工作协同机制。

2.2.1数据综合治理阶段核心组织

成立数据治理工作领导小组，公司董事长、总经理担任组长；领导小组办公室设在工程技术部门，全面负责数据综合治理工作的开展。根据治理工作的内容及分类，领导小组办公室下设立六个工作组：基础数据治理工作组、业务数据治理工作组、合同治理工作组、制度完善与推进工作组、ERP操作培训工作组以及IT支持工作组，具体构成如图2.1。

2.2.2数据综合治理阶段目标（1）完成系统内基础数据的清理与校对工作，确保基础数据的准确，重点完成期初批导物料数据的治理。

（2）完成系统内业务数据的清理与校对工作，使业务数据可信，重点在库存数据、合同数据、过期单据的治理工作。

（3）对业务流程、制度进行整理修订并推进执行，进行跨部门、跨模块的培训，使业务操作人员，熟练使用系统处理业务。

2.2.3工作主要内容（1）基础数据：物料主数据、MBOM以及工艺路线/工时方面的清理校对。

（2）业务数据：合同数据、存货数据（工装夹具、刀具、原材料、半成品、产成品等）、订单数据以及业务单据的清理校对，通过对信息系统内外、系统之间的数据及业务结果进行互相校验、分析找出数据差异的原因，制定解决措施，逐步提高公司数据的准确性与业务执行的规范性。

（3）制度完善与施行：为ERP业务的相应流程提供制度支持，对现有制度进行优化、完善、修订及新增，确保修订及编制的制度符合新的业务模式并落地执行。

（4）ERP操作培训：针对具体业务应用人员，开展ERP系统业务流程及操作培训，加深业务人员对系统的熟悉、理解与应用。并建立长期有效的培训巩固机制，如：纳入新员工的入职培训。

2.3数据利用阶段

以公司MES以及生产管控平台正式上线运行为标志。ERP、MES以及PDM系统的全面集成数据共享流转，为生产管理信息化系统建设提供了大量数据资源和支持，目前已经初步搭建起了以ERP为计划牵引龙头、MES为生产过程管控抓手、生产管控平台为生产管理决策的生产业务信息化管理平台[6]。

通过对各大生产系统中数据的利用，初步实现计划自动生成、库存数据共享、生产订单投入与产出清晰、零组件加工过程可视、生产现场问题反映迅速、数据统计分析可靠、风险识别提前等管理目标。

经过数据综合治理阶段对各个系统内数据的规范化治理，在生产管控平台的促进组织下，生产组织效率显著提升。ERP强化计划牵引，MES落实过程管控，从实现“均衡生产”向“均衡销售”转变，为实现“绿色生产”目标打下基础。

生产管控平台处理协调涉及各业务部门、单位，各单位围绕生产主流程主动作为，上下游协同取得较好效果。

3.研究成果總结及推广前景

通过公司数据治理三个阶段工作的开展，逐步构建成以PDM为数据源，ESB数据总线为纽带的ERP、MES等应用系统的数据交互的共享架构，打通科研、生产、管理的数据通道。初步通过数据共享利用的方式，实现信息化与各个科研生产主流程融合，针对当前信息系统应用情况，梳理存在集成需求的信息系统22个，集成点128项，形成接口方案128份。截止目前为止，已完成120项集成接口的开发测试并部署应用，集成工作完成率达93.75%，在数据集成采集过程中局部实现生产期量数据的迭代与学习功能，为生产的组织预测提供支持。

数据治理前制度和标准数量极少，不成体系，工作流上下无法形成呼应，经过专项制度梳理工作，从公司拿订单到下达生产、采购计划再到生产与交付全流程着手，认真梳理各环节，完成对公司全业务流程的梳理；同时编修了31项数据管理相关的规章、制度，数据管理体系建设基本成型。

数据作为企业的核心资产和重要战略资源，是重要的生产因素，管好数据、用好数据，能降低风险，提高决策效率，进一步提升企业核心竞争力，数据治理就是发掘这些数据资产的重要手段和工具。

由于数据治理是一个长期的过程，数据治理模式应业务化、常态化，数据治理工作需持续改进，这样才能从根本上解决企业的数据质量问题，让数据真正转化为企业资产，才能实现数据驱动流程优化、数据驱动业务创新、数据驱动管理决策。

参考文献：

[1]姚雄.“信息孤岛”问题及PLM解决方案[D].南京航空航天大学.2005.

[2]乔玉涛，张曦.基于共享数据中心的数据治理方法研究[J].科学技术创新，2019，（13）.104～105.

[3]逯晶晶.大型企业物料主数据管理研究及应用[D].兰州大学，2016.1-78.

[4]周艺华，李洪明.基于区块链的数据管理方案[J].信息安全研究，2020，（1）.37-45.

[5]吴超曼.ERP系统在Y公司的实施研究[D].湖北：华中科技大学，2016. DOI：10.7666/ d.D01312797.

[6]钟海.大数据在工业制造业的应用与研究[J].企业技术开发（学术版），2015，（5）：104-105，119.doi：10.14165/j.cnki. hunansci.2015.13.041.

（作者简介：王亚娟、靳长林，中国航发贵州黎阳航空动力有限公司工程技术部；研究方向：工程数据管理）