对于大型集团企业来讲，数字化转型的成败直接关系到集团的可持续发展,尤其当前最紧迫的任务就是数据体系建设。数据体系建设是企业数字化转型建设的主要内容，是实现智慧企业建设的重中之重。数据建设中存在的问题是阻碍智慧企业建设和数字化转型的重要瓶颈。
一、数据资产管理现状
1．数据资产管理能力不够
企业的研发设计、生产经营、物资供应、仓储配送、分析决策等活动中产生和积累的众多成果都是通过数据的形式来表示的，包括数字、文字、声像和图形等。这些对于企业具有价值的数据就是企业的核心资产，必须对这些数据资产加以管理和保护。
由于企业研发、设计、生产、管理的复杂性，在经营管理活动中不仅需要使用新的数据，还需要不断地对以前所获取的各种数据进行使用挖掘、研究和分析。但是，在以往的数据管理体系建设过程中，没有或较少企业上升到资产的视角对数据进行管理，造成了大量数据丢失、数据不完整、数据错误、数据质量不高、历史数据不能检索、数据不能应用等问题。统计发现，按照传统的方式管理数据，数据的自然损失率每年10%左右。数据管理能力不足产生的众多数据问题致使数据没有能够在反哺业务和决策分析中充分发挥作用。
2．数据共享应用机制缺乏
一是企业内部和外部的数据交换管理机制缺乏，如对产品、原料、库存、供应链等数据的共享还没有在关联交易或合同层面上进行明确。
二是研发、生产、销售、采购、人力、财务等类数据之间还没有形成共享管理的运作环境，需要在企业层面上进行协调。
三是专业系统内部及单位之间的数据协调渠道不畅。由于缺乏统一管理，数据的质量和及时性得不到保障成为常态。这些问题严重阻碍了数据的全面建设和共享应用。
3．缺乏有效的数据质量控制体系
数据涵盖企业业务的范围不断扩大，随着数据量逐步增多，而数据分散、不一致、不完整、不准确等数据质量问题也越来越明显。究其原因，就是数据质量控制体系没有建立和持续完善。大部分企业中，数据质量控制基本上是由数据源单位完成，按照数据的流程通过审核和校验等步骤进行。通常关于数据质量的统一管理，集中体现在标准制定与突击检查、整改等方面，但各部门的质量控制方法几乎很少有共同之处。这就带来造成了数据质量参差不齐的问题，可以说没有哪项数据可以说完全符合集团整体数据质量标准的局面。
4.缺乏数据知识体系和应用体系
在目前数据建设过程中，只重视“数据”本身的建设，而在数据到信息的应用过程中，已经逐步形成了大量的知识成果，它指导着企业从销售、到生产到研发中的各项业务工作。这些知识的表现形式大多还是以文档、图形等非结构化数据形式存在，而没有形成知识库，即数字化和结构化的知识到数据的转化过程，造成知识的再利用困难，无法使其升增值。
二、数据资产建设原则
1.“资产价值”原则
必须提高对“数据资产”的认识，并通过管理手段，对这些数据以资产的形式加以保护和管理，不断创新数据资产应用场景，实现和增加数据的资产价值。
2.“统筹管理”原则
在数据建设规划中要遵从“统筹管理”的原则，因为只有通过统筹规划、统一管理的方式，才能：降低数据的管理费，降低数据的整体拥有成本；实现对业务流的管理，保障信息流的完整性；提高数据的发现效率、使用效率和决策水平。
3.“业务驱动”原则
数据是在设计、研发、生产、管理等各种业务活动中产生的，同时也是为这些业务活动进行服务支持的。所以，要遵从“业务驱动”的原则，围绕业务活动开展，充分发现业务流程中伴生的数据资源，使数据体系满足业务需求。
4.“数据调度”原则
数据体系中面临的首要问题就是数据共享问题，因为数据共享问题严重地影响了业务活动的协调。基于“数据调度”的原则，建立统一的数据调度组织、科学的数据调度手段、规范的数据调度流程，按照业务流程，在专业系统之间、专业系统内部、部门之间、部门内部、企业间进行数据的传递与交换，建成满足业务需求的数据共享机制。
5.“三位一体”原则
“2#机床”是一种数据，是通过数据的采集过程生成的数据；“2#机床产量下降”是一种可以为生产管理动态分析人员提供的信息；“2#机床因为故障维修原因产量下降，需要进行生产方案调整”，则是一种知识，指导生产管理人员进行生产管理的运作。同样的数字‘2’存储在不同的数据表中，应用在不同的领域，为其赋予的含义已经实现了质的转变，这就是“数据—>信息—>知识”的转化过程，而这一转化，就必须要渗透在数据体系建设过程中。
数据体系建设，必须做到数据、信息、知识“三位一体”的综合建设，要通过合理的数据、信息、知识管理体系，把信息知识转化为数据资产进行管理、保护、利用，并使其成为数字化转型的最强驱动力。
三、数据资产管理体系
1.数据建设体系
数据建设是指从数据的采集开始，经由录入、处理、解释、审核、传输、加载、应用、质量跟踪控制、维护、纳入资产管理的全过程。在数据建设体系中，可以按照建设管理分工分为数据源单位和数据资产管理中心两大部分。
数据源单位是指所有产生数据的组织。通常来讲，数据采集、录入和初步处理是通过数据源单位完成的，然后进行数据的处理、解释、审核、传输、汇总，最后经由数据源单位统一汇总、维护管理，并向数据资产管理中心提供数据。考虑到知识向数据的转化过程，各数据应用中心也作为逻辑意义上的数据源单位。在数据建设体系中，要遵从“数据源唯一”的原则，并由数据源负责单位进行数据的采集、处理、解释、审核、加载，杜绝数据源的重复归属，保证数据的一致性。
数据资产管理中心对数据源单位提供的数据资产进行统一管理。各数据源单位向数据资产管理中心加载数据的方式，由数据资产管理中心规定，并通过基于元数据的自动化管理控制实现。数据资产管理中心对纳入资产管理的数据要进行数据信息发布，供各系统、各部门、各单位进行检索。原则上，数据资产管理中心不直接面向应用服务，而是通过数据调度的方式，形成数据共享机制，为各系统、各部门、各单位的数据应用中心提供数据服务。
2.数据应用体系
大部分企业的数据建设工作历经多年，目前已经建立了大量的数据应用，在生 产、经营、管理中发挥了重要的作用。未来，数据开发应用工作重点要向决策型、知识型进行转变，变零散的小规模开发应用为集成的专业化的开发应用。围绕这一指导思想，数据共享应用体系以业务为驱动，在数据资产管理中心的基础上，通过数据调度中心的数据调度实现数据共享，分别在集团建立专业系统应用中心，在各二级单位建立数据应用分中心，满足生产管理运行应用。各专业系统应用中心是集成的、面向主题的、支持管理决策过程的数据集合。这些中心并不是简单的数据的重复存储集合地，而应该是面向应用的经过组织规划的数据仓库或数据集市，支持面向主题的专业应用，包括MIS应用、联机分析、数据挖掘以及决策支持应用。
在数据应用中心的建设中，要以业务流为主线，并构建与各专业应用紧密结合的数据模型，深化应用软件开发工作的集成管理，同时进行数据仓库技术的深入应用，在各个应用层面上围绕应用主题建立数据集市，深入开展联机分析应用，探索并逐步拓宽数据挖掘技术的应用范围，结合领域专家知识库的建立与应用，使数据库应用向知识型决策型应用转变。
3.数据共享体系
数据调度中心是支持整个数据共享应用体系运作的管理中心。数据调度是指在各个数据应用中心以及各个应用分中心之间进行数据的调度。具体的数据调度依据于业务流的需求，原则上仅调度在业务应用上有数据交换需求的的数据。数据源在应用单位本身的数据不进行重复数据共享调度。数据调度中心存储了大量的数据管理信息（元数据），基于这些元数据实现数据的自动调度过程。
元数据管理模型的建立要依托于具体的业务流程，在考虑通用性的前提下，应采取逐个业务流理顺的办法，逐步进行开发，完善管理。现有的数据交换是通常是多对多的方式进行的，采用这种数据调度中心的机制进行数据调度，使数据调度工作成为一种星型结构，对各数据单位来讲是一对一的关系，可操作性强。对于数据调度中心来讲，可实现集中管理，便于标准的统一以及全面的推广应用，提高迅速反应能力。为了保障数据调度中心的顺利运作，必须成立数据调度的管理组织，全面负责协调业务流中涉及到的各业务部门协同工作，并建立管理数据调度过程与标准。
4．数据管理体系
要保证数据建设体系、数据共享体系、数据应用体系的顺利实施，必须有完整的数据管理体系进行保障，而这一体系必须做到组织严密、分工合理、责权明确。
（1）集团信息中心
集团信息中心是集团数据体系建设的管理组织单位，负责规划数据体系结构、规范数据管理平台、指导数据体系应用、进行数据体系技术支持、进行数据体系配置管理、数据资产管理、进行数据共享调度、并面向各专业系统提供数据应用服务。为了保障数据中心的实施运作，在集团信息中心成立数据中心的管理部门，由该部门全面负责集团的数据体系建设管理工作。
（2）所属单位数据管理部门
集团所属各单位的数据库建设应统一由各单位的信息中心（数据管理部门）进行归口管理，并建立维护本单位的数据存储中心、数据应用中心以及数据调度中心。
（3）各专业小组
专业小组全面负责协调、指导数据中心、数据应用中心的建设，并作为标准化管理、质量控制的主要管理部门。各专业小组按专业系统分类对本专业系统的各部门、各单位进行直接管理，对数据体系建设进行计划规划、工作安排、工作进度检查、数据质量管理，并由其完成具体的数据建设工作。
5.数据质量控制体系
数据的质量控制一方面要有完善的标准化管理支持，另一方面要有严格的质量控制管理制度，指导并制约数据录入、采集、审核、传输、加载、维护管理的全过程，形成完善的数据质量控制体系。质量控制工作应由各专业小组协调本专业系统内各部门各单位进行，信息中负责配合数据质量监督检查工作，通过编制数据质量检查程序等方式，给出数据质量分析报告，作为各专业系统进行质量管理的依据。标准化管理是实施数据库共享应用的基本保障。优秀的标准化管理应该包括标准的设计、实施、检查、修改等全过程，而且这个管理过程应该渗透到系统建设与应用过程中去，而不应该与其独立，因而，应该建立一套行之有效的标准化管理运行机制。
四、数据体系建设的关键工作
建立数据中心以及其所属的数据调度中心的管理组织。组建数据资产管理中心与数据调度中心。以业务流为基础，逐步实现数据调度工作，应全面实现主要业务流的数据调度工作，实现数据调度的自动化。进行数据资产管理中心建设。采取逐步过渡的方式，在数据调度的同时，向数据资产管理中心进行数据归档。建立标准化管理体系与信息发布网站。建立统一的数据应用模型，推广联机分析应用。探索并建立知识库，逐步开展深入应用。
五、总结
企业的数据体系建设，尤其对于大型企业，是一个庞大的系统的工程，并不是连接几个网络、开发几个应用软件和建设几个数据平台那么简单，而且网络、应用软件、数据库之间并不是孤立的，必须系统规划、设计、组织和管理。
