数据标准(什么是数据标准？)

随着大数据产业的兴起，数据的重要性不言而喻，数据应用的工具层出不穷，带来了巨大的经济效益。许多数据问题很快被发现，制约了数据应用的可持续发展。但企业在处理数据问题时，无法摆脱“头痛医头，脚痛医脚”的弊端，往往导致数据问题反复出现。为了从根本上解决这个中的一些数据问题，需要从数据标准管理入手，对数据的全生命周期进行规范管理，才能从根本上解决这些数据问题。

数据标准的定义

数据标准是数据标准化的主要基础，构建完整的数据标准体系是数据标准管理的良好基础，有利于打通数据底层的互操作性，提高数据的可用性。简而言之，数据标准是指保证内部和外部使用和交换数据的一致性和准确性的规范性约束。

通俗地说，我们需要在组织内部定义一套数据规范，让我们都能理解这些数据的含义。比如在银行业，不同部门对“客户”这个领域的理解往往会有偏差。也许客户部认为“客户”就是拥有他们银行卡的人，而网银部认为所有在他们银行网站注册过或者通过这家银行转账的人都属于客户。这样，没有统一标准的，不仅会增加沟通成本，还会导致项目实施、交付、信息共享、数据集成、协同工作等方面出现各种问题，而这些代价高昂的数据也不会显示出应有的价值。

数据标准管理是通过各种管理活动促进数据标准化的过程，是数据标准落地的必经过程。

标准数据的分类

数据标准是数据标准化和数据业务消歧的主要参考。数据标准的分类是从更有利于数据标准的编制、查询、落地和维护的角度考虑的。

数据标准有很多种分类。对于不同的分类方法，可以用元数据作为数据标准的基本单位来构建数据标准体系。

数据可以分为基础数据和指标数据。基础数据是指在业务流程中直接生成的、未经加工或处理的基础业务信息。指标数据是指具有统计意义的基础数据，通常由一个或多个基础数据按照一定的统计规则计算得出。相应地，数据标准也可以分为基础数据标准或指标数据标准。

基础数据标准是为了统一企业所有业务活动相关数据的一致性和准确性，解决业务之间的数据一致性和数据集成，按照数据标准管理流程制定的数据标准。类数据标准一般分为基本指标标准和计算指标(又称组合指标)标准。基础指标具有特定的业务和经济含义，只能通过处理基础数据得到，而计算指标通常由两个以上的基础指标计算得到。不是所有的基础数据和指标数据都应该纳入数据标准的管辖范围。标准所管辖的数据通常只是需要在各业务条线和信息系统之间共享和交换的数据，以及满足监测机构、上级主管部门和各级政府部门数据报送需求所需的数据。

在基础数据标准和指标数据标准的框架下，可以根据各自的业务主题进行细分。细分要尽可能覆盖企业的主要业务活动，以及企业生产系统中产生的所有业务数据。以银行业基础数据标准和指标数据标准的分类为例，基础数据标准分为客户数据标准、产品数据标准、协议数据标准、渠道数据标准、交易数据标准、金融数据标准、生产数据标准、公共代码数据标准、组织和员工数据标准、区域和位置数据标准等。一类数据标准包括监管合规指标、客户管理指标、风险管理资产负债指标、营销管理指标、综合管理指标等。图:

数据标准制定过程

数据作为全组织的标准，会充分考虑业务系统状态、业务情况、未来发展、人员结构等诸多因素，制定流程相当严格。配制过程如下:

1.收集国家标准、行业标准和现有标准。

通过标准委官网、行业协会等网站收集本行业的国家标准和行业标准。

整理现有标准，通过数据标准调查表收集信息，形成本组织的现有标准文件。

2.制定第一版数据标准。

与IT部门数据管理岗讨论，按科目划分，制定第一版数据标准。

3.数据标准审计

根据标准的归口管理部门，与相应归口管理部门的数据管理专员逐一讨论，从数据标准的合理性、能否获奖、是否符合业务发展等多个角度对标准进行审核，最终得到最终确定的标准。

4.定稿标准的发布

向数据治理委员会报告最终确定的标准，在内部发布它们，收集反馈，并维护和更新数据标准。

标准管理经验总结

宜信华辰在数据标准领域已有多年。三年来，已为100多家政府或企业提供数据标准化服务，尤其在金融、政务行业积累了丰富的实施经验。它不仅有全面的产品支持，而且有完善的方法论来指导。也能很好的应对各种复杂场景下的数据标准管理，为数据标准项目的落地保驾护航。

企业级数据标准管理系统旨在解决线下人工标准管理模式带来的效率低下、缺乏统一发布、同步更新和实时响应等问题。实现了数据标准全过程的统一管理，涵盖了标准建立、变更、查询、映射管理、流程管理等功能。产品部分截图:

产品截图-数据标准监控

产品截图-数据标准管理

宜信华辰的成功项目经验值得各大企业在数据标准化建设规划中重点考虑，具体包括以下三个方面:

组织比制度更重要。建立完善的数据标准管理机构是做好数据标准化工作的必要条件。只有建立数据标准组织，才能有效支持数据标准化的进程；

未来比现在更重要。在建立数据标准体系的过程中，不要过多考虑现状，只考虑解决眼前的问题，而忽视未来的业务发展；

人比系统更重要。数据标准化的流程不能太严格，业务系统也要标准化，这样往往会导致项目失败。应该是多方面的