电力企业数据资产管理体系研究与探索

潘鸣宇 王伟贤 张宝群

摘  要： 隨着技术的不断进步，互联网+时代的到来，致使数据和信息量快速增长，与此同时人们可以以快捷低价的方式获取和存储数据，因此对数据的应用和支配变得愈加重要。对现代企业来说，数据是反映企业运作状况的主要依据，数据资产管理效果的高低影响企业的发展和目标，因此是企业管理中的一项重要课题之一。通过分析电力企业数据资产管理的关键流程，建立数据资产管理体系，梳理企业数据管理业务，为大数据应用与战略发展提供助力，推动电力企业的创新性发展。

关键词： 电力企业;数据资产;数据资产管理

中图分类号： TP391. 41    文献标识码： A    DOI：10.3969/j.issn.1003-6970.2019.08.033

本文著录格式：潘鸣宇，王伟贤，张宝群，等. 电力企业数据资产管理体系研究与探索[J]. 软件，2019，40（8）：139144

【Abstract】： With the continuous advancement of technology， the advent of the Internet + era has led to a rapid increase in data and information. At the same time， people can acquire and store data in a fast and low-cost manner， so the application and control of data becomes more and more important. For modern enterprises， data is the main basis for reflecting the operation of enterprises. The effect of data asset management affects the development and goals of enterprises， so it is one of the important topics in enterprise management. By analyzing the key processes of power enterprise data asset management， we can establish a data asset management system， combine the enterprise data management business， provide assistance for big data applications and strategic development， and promote the innovative development of power companies.

【Key words】： Power enterprises; Data assets; Data asset management

0  引言

数据是企业、生产、经营、战略等经营活动所依赖的、不可或缺的信息。它是组织最具有价值的资产之一，因此数据资产的管理在企业管理中变得越来越重要。数据资产管理管理是一项业务功能，用于计划、控制和提供数据和信息资产，以促进数据应用，提高数据资产的价值和业务价值。目前，电力企业数据资产管理工作每个业务条线内均开展了数据治理相关工作，但是业务部门之间存在协调与配合的问题。与此同时，数据管理工作开展的层次较浅，只包括业务环节的数据质量等问题，未涉及数据资产管理整个体系建设等深层次内容。因此，数据资产管理工作需要融合一定技术基础上，对企业自上而下的数据使用需求做到充分满足和响应，同时应该将数据、标准、技术和流程的四方面的内容作为重点内容纳入到电力企业的数据治理体系中，从而全面推动电力企业业务的和谐发展[1]。

1  数据管理的原则

1.1  综合管理原则[2]

建立集团、省、市三层级综合管理体制，制定数据资产管理规则，并协调和监管相关数据资产管理人员。

1.2  循环优化原则[2]

循环优化原则主要是针对较为重要的数据、问题及场景制定的，以不断循环不断优化为终极目标，达到从计划到过程监控再到结果提升效果的管理机制，以此提升数据质量，提高数据应用性能。

（1）建立滚动计划驱动的数据检查制度

将有问题的数据或重点关注的数据，分步骤有重点的分析、改进;进而分析数据源的采集流程，掌握资产状况，拟定数据的稽核方法，再使用业务数据验证，并审核发布。进入到日常管控过程后，可以根据问题处理的经验积累，不断完善数据的稽核方法;在阶段性总结时，通过对发生问题的整理分析，总结重点关注问题的处理效果，确定存在突出问题的数据范围，作为下一阶段管控重点的重要输入。总体上看，实现了业务与技术的循环、优化管理。建立了以数据资产计划为驱动的数据资产检查流程，包括从制定数据改进范围计划、抽样评估数据源状况、设计检查方法、验证检查方法、日常管控到阶段性总结与完善的管控环节。

（2）建立面向数据处理全过程的日常问题管控机制

数据在企业内各个业务系统间的不断流转，经历了从定义、生产、采集、处理、应用的全过程，这就要求一方面将资产管控要求融入到全过程的各个环节中;另一方面则从资产问题的发现与处理角度，建立从评估、处理、改进到总结的循环管理机制。

1.3  多角度管控原則[3]

是指建立数据管控体系，实现数据资产的多维度全方位管理。它主要包括下面内容：

（1）对数据属性、关系、含义与标准进行规范和标准化描述，形成资产评估的基础依据;

（2）应用不同的数据资产评估与管控方法对数据生命周期不同环节进行分析，提高各环节效率;

（3）加强元数据的管理与溯源，加强数据资产问题及异常的追踪。

1.4  分域推进原则[3]

在数据资产集中管控系统的基础上，根据企业不同生产过程应用域的情况，逐步实现不同业务域的监管与应用，促进数据资产管理全面化。

2  数据资产管理的方法

数据资产管理分别从问题发现、问题处理、管控效果测量与改进三个角度，形成稽核、预警和考核规则，并以此作为数据资产管控规则的基本方法[4，5]。

2.1  稽核

面向资产管理的对象，实现对其资产问题的发现和形成计量指标的方法。稽核计量属性包括及时性、准确性、完整性、一致性。稽核对象一般指数据资产管理的基本对象，包括接口、作业、实体、各类指标、数据应用及环境信息等类型。

2.2  预警

面对数据资产采集结果，对数据重要性、问题严重性分层、分级发布预警的规则。根据数据重要程度，进行预警分层，根据问题的严重程度进行分级处理。

预警规则用于建立支撑数据检查制度，包括建立数据检查机制和日常问题管控机制，数据检查制度需要滚动计划驱动，而日常问题管控制度需要对所涉及的数据进行全过程处理。

2.3  考核

考核是对数据资产及其管理工作效果的量化评估方法。数据资产考核综合考虑数据管理过程和数据管理结果，运用数据资产健康水平与数据资产管理水平进行评估，对组织责任规范体系、循环优化机制执行的效果进行衡量。

3  数据资产管理的对象和框架

3.1  数据资产管理的对象

数据资产管理的基本对象包括接口、作业、实体、指标、数据应用、环境信息等类型。

接口类是指在数据采集环节生成数据的系统接口;作业类是指数据的加工及提取;实体类是指在数据存储过程中以数据库表呈现的对象;指标类是指在数据使用过程中的具衡量意义的数据;数据应用类是指在数据使用环节所涉及的数据应用;环境信息类是指与数据资产管理密切相关的数据库、操作系统、文件系统等基础实施运行状况信息。

3.2  数据资产管理的框架[6，7]

依据数据资产管理对象的特点对数据资产管理框架进行划分，可以分为业务类、技术类和管理类三个层次。

业务类层次框架是数据资产管理的业务凭据，包括业务术语、资产需求、指标、稽核规则、业务报表等。技术类层次框架是对数据资产管理对象的监控、预警、异动问题解决、数据转换等工作的实现。管理类层次框架是对数据资产管理工作的支撑与保障，包括人员队伍建设、管理组织、管理制度、考核办法等。

数据资产管理内容框架如下图所示。

4  数据资产管理的内容

4.1  数据管理标准

企业数据资产主要包含三部分，分别是数据集成、数据加工汇总和数据应用。数据标准化的驱动力来自于数据质量[8，9]。从系统来看具体体现如图2所示。

数据标准化，是指系统之间、跨部门之间数据存在的不一致问题的解决方法。它是企业级数据标准，也是企业中不同部门之间、不同业务人员之间沟通的集中点。

（1）数据分层标准

对数据分层运用归纳总结的方法，从分层、再分主题对数据进行分类。划分数据仓库中的数据，并制定数据层次子主题，依据每个分层中各个主题的含义，将不同的数据表归属到相应主题上。数据分词定义如图3所示。

（2）数据主题标准

将数据资产按照企业业务主题划分;每个主题域的数据跨越多个层次结构。一般情况下可以划分为参与人主题、服务主题、资源主题、事件主题、账务主题、营销主题等。

（3）模型规范制定标准

模型规范制定标准包括以下几项，分别是表基本信息、表字段结构、质量规则和表的处理规则开发，其实际含义是指制定表的命名规范，字段的命名规范。

（4）数据质量标准

数据质量标准包括对质量规则的更改和对元数据对象质量规则的定义。对元数据对象质量规则的定义包括多项内容，从而实现数据标准的制定和完善。

（5）数据安全标准

数据安全标准包括流程制度管理、安全策略管理、安全策略检查、权限申请分配、安全设计等。通过数据安全标准的制定，保证数据的安全可用。

（6）数据元素字典

数据元素对应数据实体的属性。通过制定数据元素字典，明确数据基本属性，一般包括实体属性名称、定义、值域、类型、长度等。

（7）维表管理

维表管理是从每个层次、主题中提取出公共维度和其他维度的统一编码，以此了解系统数据中的关键内容，如特有维度、品牌维度， 编码标准维度等。

4.2  数据质量管理流程

数据质量管理系统的功能主要包括基础功能和关键维度一致性监控。数据质量管理流程包括规则配置管理、质量监控、质量问题处理、质量评估、质量报告、数据质量对外服务、质量信息查询、数据清洗等[10，11]。

（1）规则配置管理