基于DCMM的能源企業數據治理實踐

孫義磊

（中海油信息科技有限公司，廣東 深圳 518068）

數據即資產，即價值，即服務。這一觀點隨著數字化轉型的開展體現的淋漓盡致，但并不是所有數據都是資產都能產生服務，這就需要對企業的數據進行治理，對企業數據如標準、質量等進行規范，使得企業數據形成一個有標準有質量的良性循環，才能為企業提供良好的數據服務，也是業務數據化、數據服務化、數據可視化等數字化轉型的必要條件，這就要求能夠基于國內外的數據治理成熟度模型，建立起數據治理的路線及關鍵領域的實施過程，借助一系列大數據管理工具，實現企業數字化轉型，通過研究背景和重要性，引出具體的研究課題和研究點。

1 數據管理成熟度評估模型

數據管理成熟度評估，是一個復雜且長期的過程，數據是隨著企業業務開展不斷產生的，這就要借鑒國內外先進的數據管理成熟評估模型及方法，構建適合本企業的數據管理成熟度評估模型，并根據模型的要求不斷開展企業數據成熟評估。

1.1 國外研究應用現狀

國內外的研究在借鑒軟件能力成熟度模型（Capability Maturity Model for Software，CMMI）的基礎上，通過不同行業、領域進行模型化。

國際上通過借鑒IBM發布的《數據治理統一流程》、CMMI發布了DMM《Data Management Maturity Model》進行數據治理及領域劃分的理論支持。

1.2 國內研究應用現狀

數據能力成熟度評價模型（Data Capability Maturity Model，DCMM）是國內關于數據能力成熟度模型的一項國家標準，已經通過專業咨詢公司帶入到各個企業的數據治理過程中，并起到良好的效果。通過業界數據治理可以看出，該模型能夠全面地對企業數據治理各階段進行規范，形成8大領域28個能力項的要求，為企業數據治理提供良好的模型支撐，通過企業數據現狀結合DCMM模型，形成一套行之有效且符合企業特性的數據治理實施路徑。

2 企業數據現狀調研評估

2.1 評估范圍

本次評估將以實際業務場及數據開展，通過評估能夠將企業數據構成及數據現狀、數據治理后續工作及建議進行融合，形成完整的企業數據評估報告。調研采用調查問卷及訪談結合的方式開展，通過設計調研問題，結合企業現狀，對收集的問卷進行分析，了解基本情況后，有針對性地開展訪談工作，以自上而下路徑開展，從領導層訪談企業數字化轉型戰略規劃及數據管理的整體要求，從企業業務部門的數據管理接口人員訪談了解痛點問題及數據現狀，全面了解企業數據管理規劃、現狀及差異。

2.2 評估開展方法

首先制訂計劃，開展評估啟動階段，需要設計調研提綱，通過調研提綱設計，從企業基本情況入手，評估專家按照評估計劃內容及重要性的宣講推動工作。接下來需要進行調研搜集資料，最后進行數據管理成熟度評估，并進行分析。

首先進行啟動階段是相關干系人就評估的目標、評估的標準及結果達成一致的過程：（1）評估準備：通過組織評估前溝通會，了解企業基本信息、數據管理的規劃及現有已開展工作，從技術角度了解大數據工具平臺及技術體系，并明確下干系人等。（2）建立評估團隊：評估團隊由數據治理專家、用戶代表等構成。（3）制定評估計劃：結合調研問卷及評估要求，制訂計劃，明確各項評估工作的評估的時間安排，負責人等，通過啟動會的方式確認評估計劃是否可行。

然后，進行數據管理評估后的培訓宣講工作，從評估結果推導出企業在數據治理方面存在的問題并給出合理的數據治理建議，同時能夠幫助企業人員在進行相關數據管理工作時，按標準、按流程地開展，宣貫由標準編制組負責，需要具有豐富的數據治理行業經驗。

2.3 評估結果及分析

評估結果的分析，要結合企業文檔資料、數據過程記錄、規章制度、管理流程來開展，設計不同的評估維度、指標，實現評估結果的公平公正，才能從根本上了解企業數據現狀及目前數據治理工作的進展程度。通過了解企業的數據戰略及大數據平臺的建設和應用情況制定符合企業現狀的數據治理建議：

（1）通過設計指標及問題，形成調研問卷，通過訪談收集原始數據、信息化等材料共計200份，調研問卷各8份。

（2）評估組通過分析資料，得出問卷分析匯總1份，問卷初步分析報告1份以及匯總數據問題89個。

（3）調研了企業信息化規劃及未來數據治理的規劃，同時結合問題，給出一定的合理化建議。

如圖1，根據數據成熟度評估是通過設定不同的指標體系，對各個主題域的數據進行評估找分，通過加權后計算出評估結果，根據評估結果來計算該主題域中數據治理的成熟度，同時結合行業數據治理先進經驗及方法，給出合理化建議。

3 數據管理能力體系建設

要結合能源數據戰略及未來業務情況，以建數據管理模型、促數據管理體系，形成企業數據管理能力體系，包括組織結構、標準體系、流程制度、評價體系等，通過試點進行數據管理體系的不斷迭代與升級，形成以一套體系、多個試點為核心思路的數據管理能力體系改進過程。

3.1 形成企業數據管理能力評估模型

對比各個行業數據治理過程，首要進行數據治理標準體系及落地，讓后續數據治理工作能夠有法可依，但這個標準體系要根據企業實際情況，也要結合DCMM標準來進行，通過DCMM模型來指導企業進行符合本身特性的數據管理能力模型。這里的符合本身特性是指要根據企業的數據現狀、業務鏈條進行分析總結，抽象出企業未來的數據結構及業務發展，結合企業數據治理戰略形成滿足企業未來且可擴展的數據管理能力評估模型。DCMM在其中的作用就是引領及標準，在模型落地、評估開展、組織設立等方面進行規范，通過不斷地進行試點，進行迭代。

3.2 規劃數據管理整體路線圖

提升改進重點內容：重點的路徑包括組織體系、標準體系、流程體系、評價體系、技術體系等五項內容，并且明確每項建設提升內容及交付成果。

組織體系：要從組織層面建立數據治理組織，推動數據治理的工作開展，也要明確整個企業數據治理的路徑及整體計劃，培養整個組織的數據治理意識。標準體系：企業的數據治理體系中，應該含有數據標準、主數據、參考數據及元數據等，數據治理效果，很大程度上取決于數據標準的合理性和統一實施的程度。流程體系：規定數據治理的業務流程、數據治理的認責體系、人員角色和崗位職責、數據治理的支持環境和頒布數據治理的規章制度、流程等。建立數據的生產、存儲、使用、歸檔、退役的整個生命周期管理的過程。評價體系：建立明確的考核制度，實際操作中可根據不同企業的具體情況和企業未來發展要求建立數據的認責體系，設置考核指標和考核辦法，并與個人績效掛鉤。技術體系：數據治理包括數據治理的工具和技術，總體應包括數據標準管理、主、元數據管理、數據質量及安全管理、數據全生命周期管理等。

3.3 規劃數據管理標準框架

對各類數據的標準化是數據治理最先做的一部分，這就要求數據標準要以體系化的形式體現其重要地位，通過數據標準管理的規范，以不同類的數據為試點的方式，對數據進行標準化，主要包含以下四部分內容。

3.3.1 數據標準前提

數據標準化是與企業數據治理戰略及IT信息規劃結合在一起，從頂層入手，基層分析，強調數據標準落地建設。企業數據標準是企業數據的主線，數據資產要基于統一的數據標準下進行，才能使數據具有唯一性、繼承性、規范性要求。唯一性要求：是企業數據共享、統計分析的必務要求，標準化過程就是解決數據命名、口徑不一致問題。繼承性要求：標準是體系，任何關于數據管理辦法等都要繼承企業數據標準，在標準的要求和指導下開展。規范性要求：規范中對各個數據域的命名、數據標準構成及標準化模板的要求開展數據標準工作。

3.3.2 數據標準框架

包括數據標準及數據標準分類兩部分。在數據標準定義中，從業務、技術、管理三個維度對數據進行規范化，形成完整的企業數據元數據標準；在數據標準分類中，企業的數據標準主要有數據元、業務術語、參考數據、指標數據及主數據，其中主數據是企業的核心數據，數據標準框架如圖2所示。

3.3.3 數據標準定義

數據標準定義指的是資產的標準程度，涉及各級各類數據，要求資產目錄中的數據有統一的定義與解釋，統一的格式及定義，涉及業務屬性、技術屬性和管理屬性的統一定義。

3.3.4 數據標準分類

數據標準分類包括：業務術語、數據元、參考數據、主數據和指標數據五類。業務術語標準使得數據在企業有一個全局的定義，減少了各部門、各系統的溝通成本，提升企業業務處理的效率；標準統一的數據指標體系，讓業務人員也能夠輕松獲取數據，并能夠自助式地進行數據分析，為基于數據的業務創新提供可能。數據元標準是基于元數據的數據標準管理，為業務實體的定義、關系和業務規則到IT實現之間提供清晰、標準的語義轉換，提高業務和IT之間的一致性，保障IT系統能夠真實反映業務事實，并為數據標準系統與其他業務系統的集成，提供有關數據標準、數據映射關系和數據規則的描述，為業務系統的集成提供支撐。參考數據明確了企業數據取值及業務類別范圍，做到統一選項，統一編碼，使業務與數據層面保持一致，使得數據間共享能夠保持統一。主數據標準作為企業數據中核心數據，主數據標準十分重要，這部分數據也是貫穿企業各級數據之中，是企業重要數據資產，也是數據驅動、智能決策、數據服務的重要數據來源。指標數據標準通過數據的分析，將企業在經營過程中的各經營指標分解為指標數據，建立統一指標標準，保證企業在經營分析上預測的準確性、一致性。

4 結束語

根據能源行業特點，依據DCMM模型的要求，制定企業數據管理體系。運用大數據、云計算、能源模型等技術，建設數據治理體系，通過采集全要素數據，按照統一數據治理標準體系，完成數據全生命周期及數據應用的融合，形成一套完整的數據治理解決方案，實現能源集團數據化精細運營，創新數據管理模式，支撐集團智能決策，賦能企業業務創新，打造綠色智慧企業。