数据标准体系框架规划【参考】

本文涉及的产品
数据管理 DMS,安全协同 3个实例 3个月
推荐场景:
学生管理系统数据库
云原生大数据计算服务MaxCompute,500CU*H 100GB 3个月
云原生大数据计算服务 MaxCompute,5000CU*H 100GB 3个月
简介: 随着公司数字化转型的深入建设和数字化水平的提升,公司积累了海量的数据信息。

一 背景

随着公司数字化转型的深入建设和数字化水平的提升,公司积累了海量的数据信息。但是公司的数据管理标准在数据标准体系框架、数据管理能力成熟度、数据安全、数据服务、统一数据模型等方面还存在薄弱环节。数据作为数字经济时代的关键生产要素,如何建立数据标准化体系成为未来公司企业管理的重要主题。

二 依据

  • IEC(国际电工委员会)和ISO成员都持有当前有效的国际标准的记录
  • IEC 61970-2, EMSAPI – 第2篇:术语表草案
  • IEC 61970-301, EMSAPI – 第301篇:公用信息模型(CIM)基本部分草案

三 设计原则

  • 科学性:以国标、行标为基础按行业通用分类。积极采用、借鉴国内数据标准相关规范,标准分类符合行业习惯;
  • 全面性:覆盖生产、经营和管理,不重不漏;
  • 前瞻性:充分借鉴国内外同业的先进实践经验,力争数据标准化体系具备一定的前瞻性,满足数据要素生产力和数据资产发展需要;
  • 扩展性:符合公司业务发展,符合公司数据管理的相关要求。

四 数据标准体系框架

(一)标准体系设计方法

结合业务架构梳理成果、数据分类及领先实践研究,形成全产业数据标准体系框架,涵盖业务范围、数据资源标准分类和数据标准管控三个维度,如下图,数据标准体系框架立方体。其中:

  • 数据主题域覆盖生产、经营和管理各项核心业务,包括项目、生产、安全、客户、市场、人员、财务、资产、物资、综合共十个主题域;
  • 业务数据标准包括分析数据标准、交易数据标准、主数据标准、参考数据标准、量测数据标准;
  • 数据全生命周期管控包括业务数据标准管控和技术数据标准管控,技术数据标准管控覆盖数据采集、传输、存储、应用、共享交换全数据链条。

在体系框架设计基础上编制标准清单。无论在传统、创新技术(大数据、工业互联网平台等)的发展背景下,数据的核心本质都是围绕识别数据主题域、数据主题域分级、数据实体循序展开。

3b31dedb229464254091ca4ce684ff40.png

(二)数据标准体系框架

为了提高公司整体数据质量,促进工作协同,实现数据融合,参考DAMA、数据管理能力成熟度评估模型(DCMM)数据治理架构,结合ISO/IEC 20547—《信息技术-大数据-参考架构》、Y.3601—《大数据-数据交换框架与需求》《信息技术 大数据 参考架构》(20141191-T-469)等国际、国内数据方面的最新标准制定符合公司的数据标准体系框架。

22cdeeae4bef5ee80e30289fa59de46c.png

“数据”标准体系包括数据资源、数据架构和数据交易共享三部分内容。具体以下:

1、数据资源,按照数据在企业中的分类包括主数据、分析数据、交易数据、参考数据和量测数据。主数据是满足跨部门业务协同需要的、反映核心业务实体状态属性的基础信息;分析数据是组织在经营分析过程中衡量某一个目标或事物的数据,一般由指标名称、时间和数值等组成;交易数据是在业务活动过程中产生的数据,是企业日常经营活动的直接体现;参考数据是对其他数据进行分类和规范的数据,例如国家、地区、货币、计量单位等产业通用的数据及各产业特色基础配置数据;量测数据是时间序列数据,例如设备运行监测类数据、安全类监测数据、计量数据、环境监测类数据。

2、数据架构,按照信息资源的视角,包括数据模型、数据目录和元数据。数据模型标准可以在集团架构模型的信息层表示,将数据模型从通信协议和技术中解耦的概念,被越来越多地应用于电力系统相关的标准化工作中;数据目录是面对海量的集团数据,要进行数据的盘点梳理、规范标准,形成数据目录体系,实现数据的快捷查询、定位、应用;元数据是对整个系统里面包含的各种结构的描述和说明,比如结构说明、属性说明、或者相关数据,能够更好的帮助管理企业系统,是数据质量提升和数据治理的基础。

3、交换共享,从数据的价值角度划分为数据交易和数据共享。数据交易标准是对数据交易的描述、数据交易平台的功能、数据交易的质量评估等属性和结构的说明;数据共享标准是对数据共享的技术、数据共享的程度评价、数据共享的资源目录的属性和结构的说明。

五 工作重点与难点

(一)加强组织保障,推进数据标准化工作

为保证“数据标准化体系”建设项目顺利推进,设立领导组、工作组和专业组,协同推进各项工作。具体由集团主要领导牵头成立领导组对“数据标准化体系”项目督导推进;由相关业务部门组成工作组,明确任务分工和工作计划,制定专项工作方案,保障工作有序推进。专业组由信息中心、国内专业标准化机构、行业专家共同组建,负责各类标准制定和实施。

(二)加大标准贯标力度,营造数据标准文化氛围

通过经验交流、专家讲座、培训学习、规划宣讲等形式,提高公司数据从业者和业务人员的数据知识素养和普及标准化带来的好处,知道数据能干什么、怎么干、找谁干等实际问题,加快规划落实转化。建议同时营造数据文化和加强标准化的宣贯工作,清晰和规范各部门在建立标准体系过程中的角色,为企业营造人人参与标准化工作的良好氛围。

(三)落实标准化项目资金,培养数据标准化人才

依据审核通过的标准体系框架、按标准的优先级有序落实标准化项目资金,通过项目实践培养公司标准编制和标准化管理的人才

相关实践学习
MySQL基础-学生管理系统数据库设计
本场景介绍如何使用DMS工具连接RDS,并使用DMS图形化工具创建数据库表。
相关文章
|
6月前
|
数据可视化 搜索推荐 BI
深度解析好用项目管理工具的功能优势
在选择项目管理工具时,重点在于全面的功能和高性价比。好工具应具备资源利用图(避免过度分配或闲置资源),团队协作功能(促进沟通与进度追踪),质量管理(如问题跟踪和自定义工作流),项目规划和跟踪(甘特图支持),任务管理(任务分解和依赖关系),以及费用跟踪。Zoho Projects、Microsoft Project、Jira等工具各有价格差异,例如,对于50个用户,Microsoft Project最贵,Zoho Projects最实惠,性价比高,适合中小企业。
79 2
|
存储 搜索推荐
知识体系化的必要性及构建通用体系的方法
知识体系化的必要性及构建通用体系的方法
328 0
|
对象存储 容器 云计算
标准流程描述语言 WDL 阿里云最佳实践
WDL 作为全球基因组与健康联盟 (Global Alliance for Genomics and Health)支持的工作流描述语言,已经被越来越多的客户所采用。通过阿里云的 Cromwell 方案,用户可以本地开发测试WDL流程,再使用云计算强大的计算能力,来完成基因组学数据分析工作。
10468 3
|
4月前
|
敏捷开发 运维 监控
通用研发提效问题之归纳总结软件研发过程中的通用能力,如何解决
通用研发提效问题之归纳总结软件研发过程中的通用能力,如何解决
|
4月前
|
存储 前端开发
通用研发提效问题之需要统一的消息模型,如何解决
通用研发提效问题之需要统一的消息模型,如何解决
|
4月前
|
API
通用研发提效问题之组织女娲插件体系该如何解决
通用研发提效问题之组织女娲插件体系该如何解决
|
安全 物联网 5G
6G之路:标准尚未制订,核心基础研究却已展开
6G之路:标准尚未制订,核心基础研究却已展开
452 0
6G之路:标准尚未制订,核心基础研究却已展开
|
数据采集 架构师 数据管理
「数据架构」:建立企业数据管理的综合策略 执行概述
「数据架构」:建立企业数据管理的综合策略 执行概述
|
数据采集 SQL 运维
Dataphin V3.8 版本发布丨持续提升规范建模、研发易用性、数据治理等相关能力
本次发布的V3.8版本中,Dataphin提升了客制化的能力,针对不同的客户的业务场景、组织架构和管理职责进行了适配性的升级,并持续提升了规范建模的能力以及研发的易用性。在下一个版本中,我们将针对数据治理的相关能力进行升级,简化操作链路,持续提升用户体验。
Dataphin V3.8 版本发布丨持续提升规范建模、研发易用性、数据治理等相关能力
|
人工智能 安全 物联网
阿里云产品体系粗略概述
阿里云产品体系粗略概述
333 0