“车同轨、书同文”，数字化时代，
数据标准化是企业进行
数字化转型的根基。数据标准与企业数据管理的每个域都相关，是
数据治理工作的最基础内容。
元数据管理中，需要从业务属性、技术属性、管理属性三个方面定义数据标准；
数据质量管理中，需要定义数据模型、质量规则的标准；
数据安全管理中，敏感信息的识别、数据的分类分级都是对数据进行标准化过程；
数据仓库与
BI中，需要定义数据模型、数据指标、维度、度量等数据的标准；
数据集成中，数据标准让不同主体拥有了系统之间交换标准化数据的能力；
数据存储中，存储格式，存储位置，数据结构等都离不开数据标准；
……
本文将从数据标准的定义讲起，为大家详细介绍数据标准建设的一般步骤、以及数据标准落地过程中的一些关键点。
企业的哪些数据需要建标准
大家一般直观认为数据标准就是几个文档，描述了一些规范和要求，需要去遵守。而我们认为数据标准又不仅仅是一套规范，而是一套由管理规范、管控流程、技术工具共同组成的体系，是通过这套体系逐步实现信息标准化的过程。数据标准化是通过一整套的数据规范、管控流程和技术工具来确保的各种重要信息，例如产品、客户、机构、账户等在全公司内外的使用和交换都是一致、准确的过程。
数据标准可从数据结构、数据内容来源、技术业务三个维度进行分类：
1、从数据结构角度进行的数据标准分类
结构化数据标准是针对结构化数据制定的标准，通常包括：信息项分类、类型、长度、定义、值域等。
非结构化数据标准是针对非结构化数据制定的标准，通常包括：文件名称、格式、分辨率等。
2、从数据内容来源进行的数据标准分类
基础类数据标准是指业务系统直接产生的明细数据和相关代码数据，保障业务活动相关数据的一致性和准确性。
派生类数据标准是指基础类数据根据管理运营的需求加工计算而派生出来的数据，例如：统计指标、实体标签等。
3、从技术业务角度进行的数据标准分类
业务数据标准是指为实现业务沟通而制定的标准，通常包括：业务定义和管理部门，业务主题等。
技术数据标准是指从信息技术的角度对数据标准的统一规范和定义，通常包括：数据类型、字段长度、精度、数据格式等。
企业的数据标准如何建立？
提到建立标准，你可能还会想到要参考国际标准，国家标准，行业标准等等。没错，这是制定企业数据标准的第一步。收集现行的国家标准或行业标准，再根据企业需求确定数据标准的范围。但由于每个行业、每个企业都有自己的特点，真正能够参考的数据标准其实并不多。
那么，企业数据标准到底该如何建立？一般来说，数据标准的建立有5个步骤，包括标准分类规划、标准体系建设、标准评审发布、标准落地执行、标准运营维护。
(一) 标准规划
数据标准规划主要指企业构建数据标准分类框架，并制定开展数据标准管理的实施路线。数据标准规划的过程主要包括以下六个阶段：
（1）数据标准调研
数据标准调研工作，主要从企业业务运行和管理层面、国家和行业相关数据标准规定层面、信息和业务系统数据现状三个方面开展，调研内容包括现有的数据业务含义、数据标准分类、数据元定义、数据项属性规则以及相 关国际标准、国家标准、地方标准和行业数据标准等；
（2）业务和数据分析
主要根据数据标准调研结果，根据数据标准体系建设原则，初步研究数据标准整体的分类框架和定义，以及对业务的支撑状况；
（3）研究和参照行业最佳实践
收集和学习数据标准体系建设案例，并研究和借鉴同行业企业单位在本行业数据标准体系规划上的实践经验；
（4）定义数据标准体系框架和分类
根据数据标准调研结果以及行业的最佳实践，在对企业现有业务和数据现状进行分析的基础上，定义企业自身的数据标准体系框架和分类；
（5）制定数据标准实施路线图
根据已定义的数据标准体系框架和分类，结合企业自身在业务系统、信息系统建设上的优先级，制定数据标准分阶段、分步骤的实施路线图；
（6）批准和发布数据标准框架和规划
由数据标准管理的决策层审核数据标准体系框架和规划实施路线图，并批准和发布。
(二) 标准制定
标准制定是指在完成标准分类规划的基础上，定义数据标准及相关规则。数据标准的定义主要指数据元及其属性的确定。随着企业业务和标准需求的不断发展延伸，需要科学合理地开展数据标准定义工作，确保数据标准的可持续性发展。
数据标准定义主要包括分析数据标准现状、确定数据元及其属性两个关键步骤：
（1）分析数据标准现状
企业应依据业务调研和信息系统调研结果，并分析、诊断、归纳数据标准现状和问题。其中，业务调研主要采用对业务管理办法、业务流程、业务 规划的研究和梳理，以了解数据标准在业务方面的作用和存在的问题；系统调研主要采用对各系统数据库字典、数据规范的现状调查，厘清实际生产中 数据的定义方式和对业务流程、业务协同的作用和影响；
（2）确定数据元及其属性
企业应依据行业相关规定或借鉴同行业实践，结合企业自身在
数据资产管理方面的规定，在各个数据标准类别下，明确相应的数据元及其属性。
(三) 标准发布
在数据标准定义工作初步完成后，数据标准定义需要征询数据管理部门、数 据标准部门以及相关业务部门的意见，在完成意见分析和标准修订后，进行 标准发布。标准评审发布主要流程包括意见征询、数据标准审议、数据标准发布等三个过程：
（1）数据标准意见征询
意见征询工作是指对拟定的数据标准初稿进行宣介和培训，同时广泛收集相关数据管理部门、业务部门、开发部门的意见，减小数据标准不可用、 难落地的风险；
（2）数据标准审议
数据标准审议工作是指在数据标准意见征询的基础上，对数据标准进行修订和完善，同时提交数据标准管理部门审议的过程，以提升数据标准的 专业性和可管理执行性；
（3）数据标准发布
数据标准发布工作是指数据标准管理部门，组织各相关业务单位对数据标准进行会签，并报送数据标准决策组织，实现对数据标准进行全企业审 批发布的过程。
(四) 标准执行
数据标准执行通常是指把企业已经发布的数据标准应用于信息建设， 消除数据不一致的过程。数据标准落地执行过程中应加强对业务人员的数据标准培训、宣贯工作，帮助业务人员更好的理解系统中数据的业务含义， 同时也涉及信息系统的建设和改造。
数据标准落地执行一般包括四个阶段：评估确定落地范围、制定落地方案、推动方案执行、跟踪评估成效。
（1）评估确定落地范围
选择某一要点作为数据标准落地的目标，如业务的维护流程、客户信息采集规范、某个系统的建设等；
（2）制定落地方案
深入分析数据标准要求与现状的实际差异，以及落标的潜在影响和收益，并确定执行方案和计划；
（3）推动方案执行
推动数据标准执行方案的实施和标准管控流程的执行；
（4）跟踪评估成效
综合评价数据标准落地的实施成效，跟踪监督标准落地流程执行情况，收集标准修订需求。
亿信华辰数据标准平台落地评估
(五) 标准维护
数据标准并非一成不变，而是会随着业务的发展变化以及数据标准执行效果而不断更新和完善。
在数据标准维护的初期，首先需要完成需求收集、需求评审、变更评审、发布等多项工作，并对所有的修订进行版本管理，以使数据标准“有迹可循”，便于数据标准体系和框架维护的一致性。其次，应制定数据标准运营维护路线图，遵循数据标准管理工作的组织结构与策略流程，各部门共同配合实现数据标准的运营维护。
在数据标准维护的中期，主要完成数据标准日常维护工作与数据标准定期维护工作。日常维护是指根据业务的变化，常态化开展数据标准维护工 作，比如当企业拓展新业务时，应及时增加相应数据标准；当企业业务范围 或规则发生变化时，应及时变更相应数据标准；当数据标准无应用对象时， 应废止相应数据标准。定期维护是指对已定义发布的数据标准定期进行标准审查，以确保数据标准的持续实用性。通常来说，定期维护的周期一般为一年或两年。
在数据标准维护的后期，应重新制定数据标准在各业务部门、各系统的落地方案，并制定相应的落地计划。在数据标准体系下，由于增加或更改数 据标准分类而使数据标准体系发生变化的，或在同一数据标准分类下，因业务拓展而新增加的数据标准，应遵循数据标准编制、审核、发布的相关规定。
如何让数据标准发挥更大的作用
数据标准项目在实施过程中遇到的难点相对会比较多，
比如需要各业务部门、业务厂商积极配合，但是这无疑是对业务部门和业务厂商额外增加工作量，所以有时推进的时候会多少有些难度。
再比如需要对业务特别精通的高精专人员参与能够从业务角度主导数据标准制定，要以专家的身份对要制定的数据标准进行指导，具备权威性。
再比如数据标准制定出来后，如何让数据标准更好，更大的发挥作用也是在实施过程中需要思考的问题。
因此要让数据标准能够用起来，在企业的数字化中真正发挥作用，在标准的建设和实施过程中应注意以下几个事项：
1.全面的数据盘点
基于企业业务架构，从满足企业经营管理、数据分析、数据共享、数据集成等需求入手，对各个系统的数据资源进行盘点。
通过梳理数据现状，厘清业务开展过程中业务流、单据流以及数据流，明确数据资产分布，数据的质量情况、数据集成情况、数据管理情况等问题；明确各基础数据和指标数据的业务含义、数据口径、适用场景、数据来源、数据关系等信息。
2.全域的覆盖范围
数据标准够不够成熟一个非常简单的衡量标准就是看它的覆盖范围够不够广。一般来说，覆盖范围越大，数据标准越成熟！
数据标准覆盖范围有三个方面：
1）组织范围，即，数据标准适用的组织范围，部门级、公司级，集团级还是行业级。
2）业务应用范围，即数据标准都哪些业务部门会使用，例如，一个“客户”数据标准，就会被市场、销售、生产、采购、仓储、物流、售后等多个部门使用。
3）落地系统范围，即该标准需要在哪些系统中贯彻执行，例如：我们上边举的“客户”数据标准，落地系统范围可能包括ERP、CRM、WMS等。
3.数据标准是技术和业务的结合
亿信华辰数据标准平台之标准监控
数据标准主要是针对业务，企业很多业务的语义十分依赖业务人员的人工梳理，难度大效率低，很可能出现因为梳理人员没有及时梳理，而造成业务语义难以被及时发现和管理的问题。但在企业数据治理中，任何一个数据标准，如果没有对应的技术手段，都将难以落地。需要通过技术手段，利用数据治理工具提供商的行业实践积累，形成业务与技术的自动关联库，自动完成业务与技术对应，将能大大减少业务人员的工作量，同时提升技术与业务关联的准确度，消除业务与技术之间的鸿沟。
数据标准管理工具应包括：标准分类管理、标准增删改查、标准导入导出、标准评审、标准发布、标准版本管理、标准落地映射、标准落地评估、标准监控等功能。同时为更好的保障数据标准的落地，最好结合元数据管理工具一起使用。
亿信华辰数据标准管理平台ESDataStandard提供了一套完整的数据标准管理流程及办法，通过统一的数据标准制定和发布等一系列的活动，结合制度约束、系统控制等手段，实现企业大数据平台数据的完整性、有效性、一致性、规范性、开放性和共享性管理。
（部分内容来源网络，如有侵权请联系删除）
