本书是一本全面关注企业数据标准化方面的工具书,主要分为5 篇。第1 篇介绍了数据标准化是数据治理的基础,包括数据标准化与数据治理的关系,以及数据标准化主要内容、本书阅读导引。第2 篇介绍了数据标准化框架体系,包括架构类数据标准、对象类数据标准、基础类数据标准。第3 篇介绍了数据标准化实施流程与方法,包括建立数据标准化保障机制、现状分析及评估、技术平台和工具、数据标准化关键域实施。第4 篇介绍了数据标准化评价,包括数据标准化评价方法、数据标准成熟度评价、数据标准化成熟度评价流程。第5 篇介绍了数据标准化案例,包括油气行业、多元化集团、装备制造行业、核电行业、汽车行业、金融行业、政务行业、互联网行业等行业的数据治理案例,为读者提供了专业、丰富、可信的数据治理实施范例。本书是工业大数据应用技术国家工程实验室多年潜心研究的重要科研成果的总结和凝聚,既具有理论高度,也具备面向中国各行业企业的可实操性。参与本书编写的作者均为国内相关领域的专家,所有案例均来自这些企业的实践。对企业的基层管理者或初入职场的人士来说,本书是充分认识数据标准化意义、组织进行数据标准化的具体方案和工具手册;对企业中层管理者来说,本书是一本配合企业数据标准化的纲领性指南;对企业高层管理者来说,本书是一本推动企业数据标准化的方法论。本书还适合作为高校的MBA、EMBA 教材。
祝守宇中国航天科工集团航天云网公司副总经理、工业大数据应用技术国家工程实验室主任、教授级高级工程师。曾获1997年美国贝尔实验室总裁金奖、美国电信管理协会(TMF)年度新产品大奖、北京市科技进步一等奖一次、北京市科技进步三等奖两次。先后主持国家级重大产业专项十余项,拥有美国和中国发明专利十余项。长期从事互联网、大数据、复杂软件系统、移动通信、网络安全等领域的研究和产业化工作,是航天科工集团“五重大一专项”集团特聘专家。蔡春久数治云联合创始人,大数据技术标准推进委员会数据资产专家、中国电子工业标准化技术协会数据管理应用推进分会副会长,数据工匠俱乐部创始人。具有20余年的IT咨询和数据治理行业经验, 为中国石化、腾讯、国家电投等80余家世界500强企业提供数据治理服务。
目录
第 1 篇 数据标准化是数据治理的基础
第 1 章 数据治理是数字化转型的关键 3
1.1 数字经济对数据要素的要求3
1.1.1 从数据到数据要素 3
1.1.2 数字经济对数字化转型的要求 5
1.2 数字化转型需要数据治理6
1.2.1 数据架构是企业架构的核心内容之一 . 7
1.2.2 数字化转型时代更需要数据治理 9
1.3 工业行业的数据治理策略11
1.4 政务行业的数据治理策略13
1.5 金融行业的数据治理策略14
1.6 产业数据治理人才策略15
1.6.1 数据产业对人才能力的要求 15
1.6.2 数字技术专业人员能力要求 16
第 2 章 数据标准化是数据治理的基础 18
2.1 数据治理体系 18
2.2 数据标准的定义与作用20
2.3 数据标准化与数据治理23
2.3.1 数据标准化与数据治理的关系 23
2.3.2 数据标准化对数据治理的意义 24
2.4 数据标准与其他数据管理域的关系 25
2.4.1 数据标准与数据模型的关系 25
2.4.2 数据标准与数据安全的关系 25
2.4.3 数据标准与数据质量的关系 26
2.5 数据标准体系与信息标准体系的关系. 26
2.6 数据标准化面临的挑战与困难 26
第 3 章 数据标准化主要内容 . 29
3.1 数据标准化的主要内容 29
3.2 重要术语解析 32
3.3 相关数据标准 40
第 4 章 本书阅读导引 44
4.1 数字标准化具有完整的框架体系 44
4.2 数据标准化有科学的流程可遵循 44
4.3 数据标准化需要进行系统性的评价 45
4.4 数据标准化在诸多行业中取得实效 46
本篇小结 . 48
第 2 篇 数据标准化框架体系
第 5 章 架构类数据标准. 53
5.1 数据目录53
5.1.1 数据目录概述 53
5.1.2 数据资源目录 55
5.1.3 数据资产目录 59
5.1.4 数据资源目录梳理示例:政务领域信息资源目录梳理的示例 62
5.2 数据模型 67
5.2.1 模型层级 67
5.2.2 主题域模型 . 69
5.2.3 概念模型 . 72
5.2.4 逻辑模型 . 73
5.3 数据分布与流向 77
5.3.1 数据分布 . 77
5.3.2 数据流向 . 80
5.4 数据交换 81
5.4.1 数据交换的意义 . 82
5.4.2 数据交换的模式 . 82
5.4.3 数据交换的场景 . 83
5.4.4 数据交换的技术 . 84
5.4.5 数据交换平台的能力要求 88
5.4.6 数据交换的标准 . 89
5.5 数据服务91
5.5.1 数据服务概述 . 91
5.5.2 数据服务的工作机制 93
5.5.3 数据服务开发 . 93
5.6 元数据94
5.6.1 元数据概述 . 95
5.6.2 元数据管理 . 99
5.6.3 元数据管理的内容 102
5.6.4 元数据管理成熟度 106
5.6.5 元数据的价值 107
第 6 章 对象类数据标准. 109
6.1 数据分类 . 109
6.1.1 数据分类概述 109
6.1.2 数据分类的意义 109
6.1.3 数据分类分级实践 110
6.2 指标数据 . 118
6.2.1 数据指标概述 118
6.2.2 数据指标标准与数据标准的
关系 . 129
6.2.3 数据指标标准与报表的关系 130
6.2.4 数据指标标准化的价值 130
6.3 主数据 . 132
6.3.1 主数据标准概述 132
6.3.2 主数据代码体系 133
6.3.3 主数据标准体系 136
6.3.4 主数据标准的制定及贯彻 152
6.4 数据元 . 153
6.4.1 数据元概念 153
6.4.2 数据元描述 154
6.4.3 数据元标准 156
6.4.4 数据元使用 157
6.5 数据标签 . 159
6.5.1 数据标签建设背景 159
6.5.2 数据标签建设原则 160
6.5.3 数据标签分类 162
第 7 章 基础类数据标准. 165
7.1 业务术语165
7.1.1 业务术语概述 . 165
7.1.2 业务术语表的作用 165
7.1.3 业务术语表的内容 166
7.1.4 业务术语管理 . 166
7.2 业务规则167
7.2.1 业务规则概述 . 167
7.2.2 业务规则分类 . 167
7.2.3 业务规则识别 . 169
7.3 命名规范 . 170
7.3.1 命名规范要求 172
7.3.2 英文命名缩写原则 172
7.3.3 模型元素组词结构 172
7.3.4 常见的命名规范 174
7.4 代码标准 . 176
7.4.1 常见的国际代码标准 176
7.4.2 常见的国内代码标准 177
7.4.3 常见的行业代码标准 177
本篇小结 . 179
第 3 篇 数据标准化实施流程与方法
第 8 章 建立数据标准化保障机制 182
8.1 数据标准化管控组织183
8.1.1 组织架构 . 184
8.1.2 组织层级 . 184
8.1.3 组织职责 . 185
8.1.4 组织协助关系 . 187
8.2 数据标准化制度建设188
8.2.1 数据标准化制度建设内容 188
1.2.1 数据标准化实施细则和操作手册 . 191
1.2.2 数据标准化制度建设内容示例 192
8.3 认责机制与绩效评估192
8.3.1 认责原则 . 193
8.3.2 认责流程 . 193
8.3.3 绩效评估原则 . 194
8.3.4 绩效评估步骤 . 195
8.4 人才培养198
8.4.1 培训体系 . 199
8.4.2 岗位认证体系 202
8.4.3 人才评估体系 203
8.5 数据文化 . 206
8.5.1 数据标准宣传与贯彻 206
8.5.2 案例宣传 207
8.5.3 伦理文化 208
第 9 章 现状分析及评估. 210
9.1 现状调研 . 211
9.1.1 现状调研方法 213
9.1.2 现状调研分析 216
9.2 数据资源盘点 218
9.2.1 数据资源盘点的目的和原则 218
9.2.2 数据资源盘点的内容 219
9.2.3 数据资源盘点的方法 220
9.2.4 数据资源盘点的步骤 222
9.2.5 数据资源盘点的成果 223
9.2.6 数据资源盘点的难点 224
9.3 现状评估与需求分析225
9.3.1 现状评估 . 225
9.3.2 需求分析 . 228
9.3.3 需求总结 . 230
9.3.4 完成数据管理能力成熟度评估 232
第 10 章 技术平台和工具 . 235
10.1 数据模型管理工具236
10.1.1 企业级数据模型管控 238
10.1.2 数据标准管控 . 239
10.2 数据标准工具241
10.3 数据资产目录工具242
10.4 数据指标管理工具243
10.5 元数据管理工具247
10.6 主数据管理工具256
1.2.1 主数据管理工具的核心功能 257
1.2.2 主数据管理工具的核心组件 260
10.7 标签管理工具261
10.8 数据共享和服务263
第 11 章 数据标准化关键域实施. 266
11.1 数据标准管理实施.266
11.1.1 数据标准全生命周期管理 266
11.1.2 数据标准结构化管理 268
11.1.3 数据标准知识图谱应用 268
11.2 数据分类实施 269
11.2.1 数据分类原则 269
11.2.2 数据分类方法 270
11.2.3 数据分类维度 273
11.2.4 数据分类实施流程 277
11.2.5 数据分类参考样例 278
11.3 数据分级实施 279
11.3.1 数据分级原则 279
11.3.2 数据分级方法 280
11.4 主数据管理实施 282
11.4.1 实施方法及内容 282
11.4.2 实施要点 285
11.5 数据指标管理实施 288
11.5.1 数据指标体系设计原则 288
11.5.2 数据指标体系构建方法 289
11.5.3 数据指标主题分类方法 294
11.5.4 数据指标体系保障机制 296
11.6 元数据管理实施 299
11.6.1 元数据实施流程 300
11.6.2 元数据实施关键步骤 302
11.6.3 元数据实施难点分析 306
11.6.4 元数据实施风险规避 307
11.7 数据元及数据实体设计标准实施. 308
11.7.1 提取数据元 308
11.7.2 制定标准 311
11.7.3 建设工具 311
11.7.4 贯标实施 312
11.8 通过数据模型落地数据标准 312
11.8.1 落标关键点剖析 312
11.8.2 自动化落标方案 314
11.8.3 数据标准新增和变更流程 316
11.8.4 存量数据落标 316
本篇小结 . 318
第 4 篇 数据标准化评价
第 12 章 数据标准化评价方法 320
12.1 评价原则 320
12.1.1 客观公正原则 . 320
12.1.2 务求实效原则 . 320
12.1.3 确保安全原则 . 321
12.2 评价参考模型321
1.2.3 DMM(数据管理成熟度模型) . 321
1.2.4 DCMM(数据管理能力成熟度评估模型) . 325
1.2.5 DSMM(数据安全能力成熟度模型) . 328
第 13 章 数据标准成熟度评价 335
13.1 评价对象及内容336
13.1.1 标准化保障机制评价 336
13.1.2 标准建设评价 . 338
13.1.3 技术规范评价 . 338
13.1.4 数据安全评价 339
13.1.5 标准化支撑工具评价 339
13.1.6 应用成效评价 340
13.2 执行成熟度等级评估 341
第 14 章 数据标准化成熟度评价流程 . 342
14.1 评价准备 . 342
14.1.1 组建评价或评估工作组 342
14.1.2 明确评价范围 342
14.1.3 制订评价工作计划 343
14.1.4 预估评价工作执行的潜在风险 343
14.2 评价实施 . 343
14.2.1 召开评价启动会 343
14.2.2 确定评价实施方法 344
14.2.3 开展评价调研 344
14.3 评价总结 . 345
本篇小结 . 347
第 5 篇 数据标准化案例
第 15 章 油气行业:中国石油基于连环数据湖的勘探开发数据治理体系建设实践 349
第 16 章 多元化集团:华润集团数据标准化实践案例 . 373
第 17 章 装备制造行业:航天科工三院数据标准化实践案例 388
第 18 章 核电行业:秦山核电设备管理数据标准化实践案例 404
第 19 章 汽车行业:长安汽车数据标准解析与落标项目实践案例 422
第 20 章 油气行业:中国海油数据标准化实践案例 . 434
第 21 章 金融行业:金融行业数据标准化实践案例 . 459
21.1实践案例一:某大型国有银行企业级数据治理案例460
21.2实践案例二:某城市商业银行数据治理案例463
21.3实践案例三:某证券公司数据治理项目468
21.4 金融行业数据标准化建设的思路总结. 471
第 22 章 政务行业:政务数据标准化实践案例 475
22.1“数字山东”政务数据标准化实践案例. 477
22.2 深圳龙华区数据账户平台案例 492
第 23章 互联网行业:腾讯互娱数据治理实践案例 501
附录 A 数据标准化 70 个重要名词
术语 . 515
附录B 名词术语英文缩写表 522
附录 C 国家标准名称 526