尚纬股份颜亮锋：制造业数据治理及质量提升路径
2022-01-18 来源： 首席数字官
制造业的数据治理尚处于早期阶段。数据治理以数据标准、主数据和元数据的管理为根本，是企业实现数据资产价值创造的基础。在2021中国数字化年会中，尚纬股份CIO颜亮锋结合制造业数字化转型现状以及自身工作经验，分享了数据治理的实践方法。
01
制造行业数据治理现状
新冠疫情对企业数字化转型起到催化剂作用。据近期制造企业的CIO调查显示，超过99%的企业领导对数字化转型持支持态度。不难看出，传统制造企业在面对企业发展战略、行业发展趋势、经济下行、市场竞争等因素的冲击时，越来越多的企业选择用数字化转型来对抗不确定因素，并高度认同其价值，内生动力不断被激发。
新冠疫情对企业数字化转型起到催化剂作用。据近期制造企业的CIO调查显示，超过99%的企业领导对数字化转型持支持态度。不难看出，传统制造企业在面对企业发展战略、行业发展趋势、经济下行、市场竞争等因素的冲击时，越来越多的企业选择用数字化转型来对抗不确定因素，并高度认同其价值，内生动力不断被激发。
企业纷纷建设数字化平台，打通与全交易链路的链接，实现与所有2B、2C平台等资源平台的链接，打通企业各个环节、各个要素之间的连接，以期提升企业的运行效率以及降低企业的运行成本。但是，制造业企业的的数字化转型程度参差不齐，存在多方面共性问题：
第一，在业务协同方面，数据不一致，分类代码混乱；缺乏统一的数据定义，数据含义不同；跨业务部门的临时供数困难。第二，在统计报送方面，业务统计需要跨系统数据支持和跨部门支持，但跨系统数据不一致；手工台帐、手工报表的方式产生巨大的工作量。第三，在分析决策方面，数据质量不高，可用性差；数据不完整，难以形成完成视图；数据整合困难，需大量清洗和转换。
例如，在特种电缆制造中，约80%的产品都属于定制化开发。技术部门需要对工艺进行设计与计算，但在定义过程中，每天可能会新增物料编码，编码格式或者标准可能会产生差异，在缺乏优质工具支持的情况下，难以准确完成开发。
企业数据成熟度阶段分为随机阶段、认知阶段、成长阶段、成熟阶段、创新阶段。认知自身所处的数据成熟度，对于企业来说十分必要。目前，制造行业的信息化建设已取得显著效果，企业普遍希望通过数据治理为建设数据应用夯实基础，从而实现数据价值。
02
数据治理关键方法
通过解决释放数据价值过程中面临的诸多问题，以体系化的方式实现数据的可得、可用、好用，用较小的数据成本获得较大的数据收益，整体上可以分为五个步骤：
第一，建组织制度。组织跨部门的治理工作小组，建立制度与规范，重点明确数据标准，数据开发维护流程。
第二，盘点数据资产。从技术和业务视角，盘点和发布数据资产，构建数据资产目录。满足未来两道三年数据应用诉求，遵循可持续发展，不断丰富数据资产目录内容。
第三，数据管理。对核心数据进行管理，规范化和标准化数据资产，提升数据质量，保障数据安全合规，数据价值得到持续释放。
第四，数据计算。数据计算是对数据依某种模式而建立起来的关系进行处理的过程。当前大数据的背景下纳入了机器设备的数据源，而这些数据体量比传统的业务系统要大的多，提供短期内处理好的结果数据。
第五，数据应用。让用户更好地指导有哪些数据、如何更方便、更快捷的获取数据；对数据资产的使用监控和评价以及质量评估。
通过解决释放数据价值过程中面临的诸多问题，以体系化的方式实现数据的可得、可用、好用，用较小的数据成本获得较大的数据收益，整体上可以分为五个步骤：
第一，建组织制度。组织跨部门的治理工作小组，建立制度与规范，重点明确数据标准，数据开发维护流程。
第二，盘点数据资产。从技术和业务视角，盘点和发布数据资产，构建数据资产目录。满足未来两道三年数据应用诉求，遵循可持续发展，不断丰富数据资产目录内容。
第三，数据管理。对核心数据进行管理，规范化和标准化数据资产，提升数据质量，保障数据安全合规，数据价值得到持续释放。
第四，数据计算。数据计算是对数据依某种模式而建立起来的关系进行处理的过程。当前大数据的背景下纳入了机器设备的数据源，而这些数据体量比传统的业务系统要大的多，提供短期内处理好的结果数据。
第五，数据应用。让用户更好地指导有哪些数据、如何更方便、更快捷的获取数据；对数据资产的使用监控和评价以及质量评估。
数据工作机制的建立
数据角色分工是数据工作机制建立的基础。有关数据工作的部门可以分为数据生产部门、数据使用部门和技术部门，从而建立相应的数据标准管理、质量管理、使用要求、元数据管理等制度。
管理制度是有效完成数据工作的保障。规定工具产品的使用方法与产品使用流程，结合企业的现状，为数据治理的开展提供有据可依的管理办法、规定数据治理的业务流程、数据治理的认责体系、人员角色和岗位职责、数据治理的支持环境和颁布数据治理的规章制度政策等。
数据资产梳理流程
在数据治理的实际操作中，只有先发现数据，对数据进行有效分类，才能避免一刀切的控制方式， 也才能对数据的安全管理采用更加精细的措施，使数据在共享使用和安全使用之间获得平衡。数据资产盘点以元数据中心为基础，支持多样化的数据资产盘点策略，实现数据资产盘点的最大程度的自动化。
数据安全管理
目前，数据安全管理存在很大的风险，数据安全是大家常谈的热点问题。根据企业内、外关系人的划分及其在数据安全管理工作中的职责，制定数据访问基本权限表，明确各关系人对不同保密等级的数据的访问权限，当某关系人提出超出其基本数据访问权限的需求时，则须执行一定的授权审批流程，由授权者承担部分安全责任。
数据治理的延伸：数据管理
数据治理不是项目性工作，而是持久化工作。首先要数据治理工作成果日常化，把数据治理工作利用自动化引擎实时或者准实时自动化运行；其次是元数据和标准化治理维护更新，不断的更新元数据和标准化治理以反映当前的诉求；最后是新型数据的自动化治理，其中，超过原先治理范围的数据，需要经历暗数据发现和分类，数据质量清洗和重新组织数据的全过程；在生产过程中，实时识别这部分数据，将其引入数据治理流程，使新类型在产生的初始环节就是可识别、高质量、可理解和可利用的。
制造行业已经开始逐步进行数据应用的探索，并取得落地成果。例如，工业互联网标识解析、线缆产品身份证等，实现产品的质量合规与信息可追溯。同时，客户的数据需求倒逼制造行业的发展，企业要确保数据的唯一性、准确性与及时性。有效完成企业和供应商间的数据对接，尚需要大家共同探索，形成产业效益。
文 | 颜亮锋 编辑 | 张齐齐
相关新闻
版权声明
1、凡本网注明“来源：中国轻工业网” 的作品，版权均属于中国轻工业网，未经本网授权，任何单位及个人不得转载、摘编或以其它方式使用。已经本网授权使用作品的，应在授权范围内使用，并注明“来源：中国轻工业网”。违反上述声明者，本网将追究其相关法律责任。
2、凡本网注明 “来源：XXX（非中国轻工业网）” 的作品，均转载自其它媒体，转载目的在于信息之传播，并不代表本网赞同其观点和对其真实性负责。
3、如因作品内容、版权和其它问题需要同本网联系的，请于转载之日起30日内进行。
4、免责声明：本站信息及数据均为非营利用途，转载文章版权归信息来源网站或原作者所有。
