海上大型装备数据治理体系建设规划研究

徐 燕

（中海油能源发展装备技术有限公司设计研发中心，天津 300452）

近年来，国家出台多项政策深入推进企业数字化转型，提升创新能力。数据资产作为一种新型资产，备受人们的重视。数据资产的有效使用可提高企业经营管理信息的准确性和及时性，增强企业的快速反应能力和资源利用效率。目前，各企业都通过建立各种信息系统实现数据资产管理，但是企业中各部门、各组织缺乏数据系统统一规划，没有统一的标准规范庞大的数据。系统之间数据不一致，同类数据无法共享，层出不穷的信息系统给一线操作人员带来了负担，造成重复填报。如何有效开展数据治理工作，提升数据质量，打破数据孤岛，充分发挥数据的业务价值，成为油田企业信息化发展的重要课题。

1 海上大型装备数据治理概述

海上油气田数据治理工程是数字油田建设的重要组成部分。它是针对海上油气田开发生产中存在的数据管理问题提出的对现有的海上油气田数据的标准化、统一化建设[1]。有限公司已经开展海上设施如平台、FPSO、终端等设施的数据治理和数据清洗工作，而某油公司拥有诸多服务于海上油气田的大型装备，如船舶、港拖等，并不完全适用于有限公司数据治理的管理体系。某油公司经营船舶、港拖等服务业务正处于由单一的信息管理向数字化转型的关键时期，在海上大型装备管理领域信息系统多，专业库管理分散，标准不一，数据质量参差不齐，致使数据使用、共享困难，无法充分发挥数据的价值。此外，专业库系统架构普遍老旧，安全维护能力低下，数据安全风险日益增大。因此，开展船舶等大型装备数据治理工作是智能化、数字化管理平台规划和建设的重要一环，是数字化转型的第一步，是基础工作。通过数据治理、业务数字化、数据流打通，建立数据标准，规范数据质量，保障各项数据的标准化和规范化数据源于业务，提升业务作业效率和质量。

2 海上大型装备数据治理体系建设规划

2.1 数据治理体系建设方法

数据治理的核心是解决数据应用的公信力问题。只有在数据统一标准的前提下，才能实现系统应用集成、信息共享和业务协同发展[2]。海上大型装备数据治理规划旨在通过对数据管理体系建设的规划研究，规范建设成果，保证业务全覆盖、成果全部管理、结构化数据按需管理，从而达到加深对船舶类大型装备生产作业各项业务和管理职能了解的目的。结合已发布的设备设施完整性管理体系关于海上大型装备生产业务管理的要求，梳理生产作业的所有业务及其产生的数据成果，通过业务数字化和规则化，实现业务规则与应用解耦，规则可配置。结合数据生命周期的内在特征，适当合理选取不同的管理方式，以便于在可接收的成本范围内利用数据创造更多价值[3]。

2.2 数据治理体系建设内容

海上大型装备数据治理的基本思路是以市场为导向，以国际化为目标，以信息化为手段[4]。体系建设包含数据标准建设、采集规范建设和质量规范建设3部分内容。数据标准建设以业务模型建设方法论为指导，通过对生产作业全过程业务的全面调研，根据实施范围对公司各业务数据相关专业系统进行管理规范的梳理，收集的规范内容包括但不限于系统编码规范、数据库设计、数据库管理规范、数据字典、数据采集管理、数据导入模板以及用户操作手册等，最终理清业务和数据内容、数据产生源头、系统管理内容，建立业务模型和数据模型。分析梳理生产作业相关所有管理岗位的管理职责，根据管理职责收集分析梳理完整性管理体系中的所有管理规定。对于生产作业产生的数据，分析其数据治理需求和实际业务管理需求，规范数据采集源头，制定采集规范。在数据标准建立的基础上，建立数据质量管理规范及实施机制，使数据治理各项技术要求得以顺利实施，全面提升数据质量[5-7]。

3 数据治理体系建设示例分析

3.1 数据标准建设

海洋石油装备属于配套设备多、系统复杂、技术含量高的大型设备[8]。按照设备设施完整性管理体系中关于船舶类海上大型装备生产业务管理要求，对相关业务和业务活动进行梳理，对需要管理的数据表进行数据集拆解与分析，确定标准数据集名称、代码。参考企标和《船舶维修保养体系》（GB/T 16558—2009），对运维过程中设备编号等要求进行标准化梳理及定义，并制定参考数据标准。

船舶类海上大型装备生产作业管理业务，是在管理过程中必须基于生产的各项工作。数据集是一个业务活动产生的成果资料中需要信息化、具有高内聚（相关联）的一组数据的集合[9]。例如，某油公司数据治理的业务模型中包含1个业务域，4个一级业务。各业务产生114个业务活动，各业务活动产生292个数据集。以业务模型中一项业务风险管理为例，梳理出该二级业务下2个三级业务风险管理。风险管理下有3个四级业务、7个业务活动及其产生的数据集，并根据业务模型建立该业务的数据标准。设备设施风险识别表的数据标准中的数据项填写，如表1所示。

3.2 采集规范建设

数据采集规范设计包含采集岗采集规范设计和行政单位采集管理规范设计两部分内容，为数据采集、管理、维护及上报等提供管理方式和配套规章制度。

3.2.1 采集岗采集规范设计

根据业务活动发生地点和单位，对数据采集岗位进行梳理和设计，把数据标准涉及的数据内容落实到数据采集岗位，保证每个数据都由数据采集岗位完成采集，并在此基础上完成所有采集岗采集规范的编制。采集规范对适用范围、引用标准、采集单位、采集内容、采集时间、上报时间以及保存期限制定规章制度，并下发执行。采集岗采集规范示例如表2所示。

表1 设备设施风险识别表数据标准建立

表2 采集岗采集规范示例

3.2.2 行政单位采集管理规范设计

全面梳理对各行政单位包含的数据采集岗位，并对所属数据采集岗位的采集管理流程、采集方式、上报方式、采集内容、错误信息更改、信息使用权限以及实施监督等进行规范要求，并作为企业标准或规范指导数据采集工作的开展[10]。风险评估小组数据采集岗由本岗位人员在规定时间内采集并传到数字化管理平台，经由风险评估小组长进行审核，再由质检系统审核。审核未通过时，由数据采集源点负责进行更正，并及时将更正后的信息重新上报，如表3所示。

表3 风险评估小组数据采集岗示例

数据采集工具方面：一种方法是利用业务系统的数据导出工具，通过人工方式整理为标准的数据采集格式；另一种方法是由项目组开发或购买一套数据采集软件，以在保证数据质量的前提下提高工作效率。

3.3 质量规范建设

数据的质量主要从数据质量的组织、制度、流程和评价标准等方面对数据质量控制进行统一规划。建设统一的数据质量标准，实现对数据准确性、完整性、及时性及规范性规则的管理[11]。建立质量检查跟踪监控和问题数据的反馈处理机制，保障入库数据齐全准确、真实有效。例如，对标准规范中的环境条件数据表所包含的水深、海生物厚度等内容进行数据质量标准规定，水深值域范围为[1，10 000]包含1个指标2个指标类型。指标类型1的规则为大于等于0，指标类型2的规则为小于等于10 000。同理，海生物厚度的质量规定同样如此制定。质量规则示例，如表4所示。

表4 质量规则示例（以环境条件数据集为例）

4 结语

海上大型装备数据治理体系建设在本项目中占据重要环节，是数字化管理平台建设的重要组成部分。因此，在项目建设海上大型装备数字化管理平台工作开始前，根据开发功能需求进行业务调研分析与数据源头确认，逐步优化完善数据标准，规范涉及的业务数据标准，开展数据治理工作，建立符合本项目数字化管理平台建设需求的数据治理体系。