基于主數據的智能服務平臺建設研究

摘要：數據資產價值是支撐企業數字化轉型的基石。裝備制造業在設計、工藝、生產、試驗等方面積累了大量數據，但早期數據標準體系頂層設計缺乏、數據規范化管理與數據共享能力欠缺，為跨部門、跨系統的協同業務開展帶來巨大挑戰?；谥鲾祿臄祿芾砼c共享服務體系框架，結合某裝備制造單位的應用案例，闡述裝備制造業數字化協同業務的基礎數據規范化管理與應用經驗，為同類型企業單位構建集數據標準、數據治理、數據共享、數據挖掘于一體化的智能服務能力提供借鑒。

關鍵詞：主數據；數據標準；數據管理；數據應用

0 引言

數據作為新的生產要素和生產力，其潛在的數據資產價值已成為支撐企業數字化轉型及滿足業務發展需求的基石。裝備制造企業在設計、工藝、生產、試驗及綜合管理等方面積累了大量類型繁多的業務數據，但由于早期缺乏數據標準體系的頂層設計，各類數據零散分布于獨立的業務系統中，數據質量不一致、不準確、不完整，使跨業務、跨系統、跨職能領域的協同業務開展受阻。主數據作為企業基準數據，其來源準確、權威、統一，長期應用于企業各信息系統之間，是企業執行業務操作和決策分析的數據標準。鑒于主數據在企業數據管理中的基礎性作用，并考慮裝備制造業信息基礎環境的特殊性和數據管理現狀，本文提出基于主數據的數據管理與共享服務體系框架，并在某裝備制造業企業開展平臺級搭建與應用，旨在實現對裝備制造業數字化協同業務中的基礎數據規范化管理與應用，全方位構建覆蓋企業數據標準、數據質量、數據集成、數據分析、數據挖掘等核心功能的一體化智能服務能力。

1 主數據相關理念

1.1 主數據與數據標準

主數據是指具有高業務價值、可以在企業內跨業務部門被重復使用的數據，是單一、準確、權威的數據來源[1]。主數據具有全局唯一性、業務穩定性、長期有效性、價值密集性、高度共享性等特征。數據標準的制定是主數據管理的首要任務，也是主數據建設實施和集成應用的重要依據。在主數據標準中，應明確該類主數據的定義、管理職責、編碼原則、屬性標準和運維管理流程等要素。

1.2 主數據的建設原則

主數據建設過程應遵循制度保障、標準先行、全員參與、持續運營的原則。

（1）制度保障。主數據建設可能對現有業務流程、信息系統間集成關系、各類業務操作人員的工作界面都可能帶來一定程度的變革，需要企業高層高度重視，各業務部門充分參與，制定完備的主數據管理制度和流程，明確責任人體系和分工，建立有效的監督檢查和獎懲機制，為主數據建設工作提供制度保障。

（2）標準先行。數據標準的制定是實現主數據規范化管理、全面提升企業數據管理水平的前提，是系統建設和技術方案編制最重要的依據。切忌數據標準確定前急于開展系統建設等工作。

（3）全員參與。主數據建設成效不能僅依靠信息化部門，更不能依賴外部團隊或產品，而是需要企業全員參與、緊密配合。企業應致力建設涵蓋數據、技術、管理全類別的專業團隊，形成全員主數據管理文化氛圍，構筑企業自身的主數據管理能力。

（4）持續運營。主數據管理需要優化迭代、持續運營，只有基于企業核心業務深挖數據價值，才能為企業精細化管控和重大決策賦能，支撐企業戰略落地和戰術執行。

2 體系框架

基于主數據的數據管理與共享服務體系框架如圖1所示。該體系定位于數據管理與數據應用職能領域，覆蓋從數據采集、傳輸、存儲、管理、清洗、融合、分析、挖掘到可視化和應用的數據全生命周期管理[2]，為用戶提供數據管理、開發、應用的完整閉環。其中，數據管理、數據共享、數據應用是該體系的三大核心模塊。

2.1 數據管理

數據管理模塊主要解決裝備制造業企業數據標準化體系不健全導致的業務數據分散、數據質量不高等問題。數據管理的前提和關鍵是構建契合企業戰略目標和業務發展現狀的數據標準體系。數據標準體系確定后，在其指導下構建各類主數據模型和審批流程，實現各類主數據的在線管理，為用戶提供主數據管理的唯一入口。應用數據標準模型、版本管理和多重關聯校驗規則，對前端數據輸入實現可靠控制，為數據標準規范落地和數據質量持續提升提供技術保障。

2.2 數據共享

數據共享模塊針對裝備制造業企業信息系統類型繁雜、開發語言及平臺各異、數據集成成本高但產品質量要求極為嚴格、系統對業務快速響應等需求背景，提供數據標準和來源統一、接口松耦合的數據資源共享服務。通過打通與各業務系統集成接口，消除企業信息孤島，統一數據語言；減少數據重復錄入，實現“一處更改、全局生效”；規范數據交互，降低系統建設和運維管理成本，為企業實現數字化轉型提供數據、互聯雙驅動[3]。

2.3 數據應用

數據應用模塊圍繞“數據即企業戰略資源”的目標，借助數據抽取、數據分析、數據挖掘和數據展現工具，將存儲于各應用系統的數據進行匯聚、加工和應用，實現將裝備制造業企業核心業務數據向知識和資產轉變，為企業精細化管控、項目資金管理、供應商風險管控、計劃執行管理、客戶信用風險等賦能，支撐企業戰略落地和戰術執行的目的[4]。

3 平臺建設

3.1 標準制定

數據標準管理是數據價值得以實現的必經之路。數據標準的內容應包括：主數據的業務定義、管理職責、主數據編碼原則、編碼結構、屬性項及填寫規范、運維流程等。裝備制造業典型的主數據標準體系示例如圖2所示。

數據標準的制定需要業務部門和信息化部門相互配合、協同完成。業務部門從業務的專業角度和管理要求方面給出該類主數據的定義、管理職責，并以業務部門為主、信息化部門配合的方式明確主數據編碼原則、編碼結構、屬性項和運維流程。首先，確定編碼原則和編碼結構，主要考慮三個方面的要素：①未來較長一段時間內該類主數據的數據容量；②業務規則要求；③軟件實現的可行性。其次，確定屬性項和運維流程，主要考慮4個方面的要素：①業務管理和使用要求；②流程審批執行的高效性、合理性；③軟件實現的可行性；④信息化數據安全、數據管理、數據應用方面的要求。數據標準制定后，還應注重標準體系的落地和全過程管理，保證標準能夠順應業務的發展進行動態更新。此外，從主數據建設初期到不斷深化應用的過程中，企業應逐步建立并持續優化數據應用全景架構圖，依據架構圖審視迭代數據標準和業務流程，有力支撐“以用促管，以管優用”的管理理念落地。

3.2 數據治理

主數據建設全過程都會面臨的難點和挑戰是數據質量問題，因此要對初期數據進行清洗，主數據上線后，還要進行持續有效的數據治理。數據治理過程如圖3所示[1]。某裝備制造業企業開展數據治理的執行過程包括現狀分析、架構設計、數據清洗和監控評估4個環節，并根據監控評估的結果持續改進優化。首先是現狀分析，根據企業數據治理成熟度，分析當前的業務現狀和數據現狀，發現業務過程中存在的風險和問題；盤點現有數據資產范圍、價值和質量，確定數據訪問權限，為構建數據安全保護措施奠定基礎。其次是架構設計，根據現狀分析的結果，明確數據治理的目標和任務，設計數據架構、數據標準、數據模型，為后續的數據清洗工作制定合理的體系和制度。再次是數據清洗，明確實際可操作的數據清洗機制和途徑，進而開展數據收集、清洗、導入。最后是監控評估，綜合考慮數據質量評估、數據在業務系統中的應用效果評估等因素，對數據治理體系和制度、數據架構和標準進行優化反饋，促進分析、設計、清洗、評估過程的持續迭代優化。

3.3 平臺建設及經驗

3.3.1 數據清洗原則

在數據治理全過程中，數據清洗是直接影響數據質量和未來數據集成應用效果的關鍵環節。但因裝備制造業企業積累的業務數據體量比較大，主數據上線前及上線后的一段時間內，數據質量問題都相對較多，數據清洗的難度和工作量較大且往往需要多次清洗才能達到預期的數據質量標準。在某裝備制造業企業的主數據建設項目中，數據清洗主要遵循“依據標準、分級分類、急需先行、工具輔助”的原則。依據標準，是數據清洗的依據是主數據標準規范，同時結合主數據的業務特點和歷史存量數據特點，明確每類數據清洗的步驟和方法；分級分類，是根據業務需求的緊急程度及上下游系統應用的數據要素，對數據進行分級分類，進而將復雜的數據清洗工作劃分為階段性的可執行任務；急需先行，是把識別出的業務需求緊迫的關鍵數據，以及上下游系統承接引用的關鍵數據屬性項納入第一階段數據清洗范圍，在系統上線運行前完成關鍵數據屬性項的清洗。其他非關鍵數據屬性項，在系統上線運行后持續清洗。

此外，鑒于數據規范化管理、全生命周期管理的要求，大多數的數據管理中臺對于已上線主數據的更新需求只能通過數據變更流程實現，對于物資主數據這類體量較大的數據，不論是申請員修改編輯還是審核員審核，在時間和效率上都產生巨大損耗，甚至存在不可操作性。因此，為減輕主數據上線后數據清洗工作的復雜度，批量導入更新的系統通用功能被開發。其支持用戶按照所需清洗的數據字段范圍導出自定義模板，在模板中填寫完成后方可導入。該功能可根據主數據管理的業務要求和清洗范圍個性化配置，相應簡化審批流或無審批流程，進而實現對特定數據、特定屬性項的精準清洗，在實際應用中大大提高了數據清洗效率。同時，為保證數據清洗過程的規范性和透明性，根據崗位-角色-權限的配置有效管控批量導入更新的人員范圍；系統自動記錄批量導入更新前后的數據版本，保證主數據全生命周期管理過程的動態可追溯性。

3.3.2 數據關系管理

依據數據架構和數據標準，明確各類主數據之間的關聯關系，常見的關聯關系有引用關系、層級關系。引用關系是指一個數據模型中某個屬性字段的取值范圍是另一個數據模型的數據。例如，項目模型的主管調度屬性，取值范圍是用戶模型中的數據。數據實體之間的引用關系建立后，使用過程中可以隨業務實際情況進行變更。例如，因崗位變更，項目A的項目調度由zs變更為ww。層級關系是指一類主數據可以作為另一類主數據的上級或父級（如項目和課題主數據、物資分類和物資主數據），或者同一類主數據中的數據存在上下級關系（如物資分類）。與引用關系不同，存在層級關系的數據實體原則上不允許在使用過程中變更上下級關系。在某裝備制造業企業主數據應用案例中，項目主數據是課題主數據的上級，分別用于計劃管理、收入核算、付款報銷、成本核算。如果在使用過程中對課題所屬上級項目進行了變更，則企業財務核算可能存在數據風險。類似的，物資分類數據中的大類、中類、小類，以及物資分類和物資主數據也存在層級關系，且層級關系一經創建不能變更，如果變更，可能導致原基于該分類的物資數據實體無法溯源所屬分類，以及相關的數據分析匯總不準確。

為避免數據層級關系非法變更帶來的業務問題，某裝備制造業企業的系統平臺采用了多種技術手段保證數據層級關系的穩定性。例如，數據層級關系創建后，不允許通過數據變更流程進行更改，如果用戶發現層級關系有誤，應協同信息化部門首先確認該數據是否已在下游系統產生業務數據并確定歷史業務數據的處理方式，再自下而上逐級凍結數據，建立新的數據和數據層級關系。此外，涉及財務、采購等企業關鍵核心業務時，除了數據生成端的數據校驗，還應在數據消費端即業務系統中進行強制的數據關系校驗。例如，當課題主數據所屬項目發生變更時，財務核算系統應在接收該數據變更信息后仍保持原有數據關系不變，從而全方位保證數據的準確性和業務的合規性。物資分類見表1，物資主數據見表2。

3.3.3 數據狀態管理

依據主數據全生命周期管理要求，數據狀態管理的必要性毋庸置疑。對于各類主數據，當確認業務上它們不再使用時，應當進行“標記刪除”（而非物理刪除），常見的實現方式是將“數據狀態”字段從正常/生效，改為凍結/廢止。數據狀態還應通過數據集成共享，實時傳遞給下游業務系統，進而實現各類業務中數據選用的合規性管控。通常，隨著主數據不斷深化在各業務系統中的集成應用，每類主數據的使用往往是跨部門、跨業務、跨系統的，因此將一個數據實體從正常/生效狀態改為凍結/廢止前，應充分識別業務相關方，確認具備凍結/廢止的狀態后方可凍結，否則可能導致下游業務系統中相關業務無法閉環，進而帶來數據取消凍結、再次凍結的反復不規范操作。

針對上述問題，本項目案例采用了從數據生成端和消費端分別管控的解決方法。一方面，數據生成端根據數據應用全景架構圖，在數據凍結/廢止流程中設置相關部門/角色/數據使用用戶的會簽環節，相關方確認后方可凍結數據；另一方面，下游業務系統接收到數據凍結/廢止信息后，在新的業務流程中對已凍結數據的選用進行管控，判斷該數據在業務全生命周期中是否閉環，保證在途流程、未完結業務可繼續執行。當然，實現上述管控的前提是準確掌握企業數據應用全景架構圖及業務架構圖，在多系統中綜合運用現有技術手段開展實施。

3.3.4 組織機構類數據管理

組織機構類主數據通常包括部門主數據和人員主數據，而裝備制造業企業往往還需要建設用戶（信息系統用戶）主數據。人員主數據和用戶主數據需要分別建立，這取決于它們在不同業務場景下被選用的實際需求。例如，在出差、培訓、考試、通信錄等業務場景下，全所在職人員都有可能被選用。但因裝備制造業企業對人員及信息系統管理要求的特殊性，并非所有在職人員都允許登錄和使用信息系統，此外，還存在部分人員因崗位特殊性無須使用信息系統的情況，因而需要建立用戶主數據，實現信息系統登錄的統一身份認證。

關于部門、人員、用戶主數據三者之間的關系，部門主數據與人員、用戶主數據是層級關系，通過人員、用戶主數據中的“所屬部門”實現關聯；而人員和用戶主數據是引用關系，用戶引用人員，即在創建用戶實體前，應首先創建人員實體，再在創建用戶實體時選擇指定的人員實體，一個用戶只能引用一個人員，一個人員最多有一個用戶。因此，用戶主數據的體量往往小于人員主數據。除用戶特有的屬性，人員和用戶主數據的屬性信息應保持一致。本項目案例的實現方式是，選用人員主數據并驅動人員主數據變化，當人員主數據變化后，通過接口自動同步至對應的用戶主數據，從而保證兩類數據信息的一致性和準確性。組織機構類主數據見表3。

3.3.5 參考數據管理

相較于主數據管理，參考數據管理比較容易忽視，因而企業參考數據的管理常常滯后于主數據管理。結合某裝備制造業企業的數據應用案例，參考數據管理應與主數據管理同步開展，并貫徹標準化、全局化思想。參考數據管理不應僅是建立和引用字典，而應與主數據管理類似，建立相應的標準規范，實現標準修訂流程、數據更新流程、數據引用規范的管理。參考數據引用規范管理是為了避免出現某些系統引用值、某些系統引用碼，甚至部分系統不引用參考數據，允許用戶自行輸入等情況，進而導致不同業務流程或系統中數據的不準確和不一致。全局化管理是指企業應在主數據應用全景架構圖中專門建立參考數據應用地圖，明確各類參考數據的應用系統、業務場景、業務引用規則。根據數據應用地圖，相關系統的集成接口概要設計、參考數據的標準規范即可實現。

3.4 平臺應用及效果

在某裝備制造業企業的項目應用案例中，該平臺實現了共計16個類別、70萬余條基礎數據的規范化管理，有力推動了集中、統一、規范的主數據標準體系落地，實現了企業數據層面的戰略規劃管理。

該平臺借助通用、便捷、可信的數據共享模塊，以靈活、可持續的方式支持各類面向業務的規則集合，大幅降低了數據集成和共享成本。打通集成涵蓋研發設計、經營管理、科研生產、基礎辦公各領域的共計26個信息系統，實現企業基礎數據的一致性、準確性管理和合規性、規范性應用。以平臺為數據樞紐，實現了從產品數據管理到工藝設計管理、企業資源管理、生產制造管理系統間EBOM、PBOM數據的有效傳遞，年度數據分發10萬余行，為實現設計、工藝、生產、采購的科研生產一體化流程提供了重要數據保障。

該平臺通過與企業管理駕駛艙和企業大腦的集成，為企業各類角色人員提供融合技術、數據、業務的智能化應用，實現了經營業績、計劃執行、庫存占用金、供應商選用、成本控制、客戶滿意度、員工績效等各類指標的動態抓取和可視化展現，形成了信息-知識-應用的數據價值閉環，賦能企業數字化轉型。

4 結語

構建基于主數據的數據管理能力和一體化智能服務能力，是裝備制造業企業在數字經濟時代實現高質量可持續發展的核心驅動力。根據裝備制造業企業的數據管理現狀、業務應用構成和基礎信息環境特點，提出基于主數據的數據管理與共享服務體系框架，結合實際的項目應用案例，總結了在數據清洗、數據關系管理、數據狀態管理等方面的經驗方法和技術路徑，為裝備制造業企業實現基礎數據管理、高度集成共享、全域應用賦能的價值目標提供了切實可行的案例指導，對于推動企業高質量發展、優化資源配置、提高客戶服務能力具有重要意義。

參考文獻

[1]王兆君，王鉞，曹朝輝.主數據驅動的數據治理：原理、 技術與實踐[M].北京：清華大學出版社，2019.

[2]吳信東，董丙冰，堵新政，等.數據治理技術[J].軟件學報，2019，30（9）：2830-2856.

[3]劉檢華，李坤平，莊存波，等.大數據時代制造企業數字化轉型的新內涵與技術體系[J].計算機集成制造系統，2022，28（12）：3707-3719.

[4]張瑩瑩，曹禹.裝備制造基礎數據治理體系建設研究[J].國防科技，2021，42（5）：28-33.

收稿日期：2024-02-29

作者簡介：

高陽（通信作者）（1990—），女，工程師，研究方向：主數據管理與數據治理。

王國鋒（1983—），男，高級工程師，研究方向：數據治理與數據挖掘。

于勇強（1995—），男，工程師，研究方向：主數據管理與數據挖掘。