“九步实施法则”保驾护航助力数据治理项目成功（上）

作者：蔡春久 来源：数据工匠俱乐部
导读

幸福的家庭都是相同的，不幸的家庭各有各的不幸；成功的数据治理项目是相同的，不成功的数据治理项目有很多种原因。企业采取适合自身实施的策略和方法是数据治理项目成功的关键。

本文根据多年的数据治理项目经验，系统介绍数据治理项目实施流程和步骤，针对数据治理项目的九个关键环节进行重点说明。

本文所述数据治理对象主要是针对主数据（配置型主数据或者参考数据、核心主数据）及指标数据，不包含交易数据。本文适合能源化工、装备制造、交通物流、医药、电力、零售及房地产等集团企业相关用户参考阅读。由于一般集团企业往往采用成熟的套装软件（如ERP、PLM、MES、CRM等），交易数据的逻辑模型和物理模型固化到这些套装软件里，所以交易数据的数据模型，数据标准及元数据等内容不在本文的讨论范畴。

一数据治理项目建设原则和指导思想

1.1总体原则

一个大型集团企业数据治理项目往往需要2-3年建设周期,分几个阶段才能实施完成，所以一般采取“整体规划、分期实施、试点先行、逐步推广”的建设原则，循序渐进，化解风险，保证整个项目的实施成功，确保数据规划与企业发展战略的和谐统一。数据治理项目规划和设计符合企业总体和长远需求，项目实施按照总体规划和每一期目标稳步推进相结合的原则。

1.2指导思想

一般项目具体指导思想如下：

1)标准化体系规划先行：首先进行专业和前瞻性的数据治理蓝图规划；

2)试点先行、分步实施、有序交付：按照“先试点后逐渐扩充”思路循序渐进，采用分步实施和交付原则，有序推动数据治理项目建设；

3)先总部共性数据标准建设，后各专业板块专业领域标准建设；

4)选择成熟软件产品：选择市场上主流的套装成熟数据治理软件产品，能够覆盖企业的大部分业务需求，减少实施周期并确保交付质量；

5)业务部门深度参与和主导，信息部门统筹管理和平台建设：推动企业财务部、人力资源部等业务部门以及下属企业对数据治理项目的深度参与，尤其是标准建设阶段和数据清洗阶段，业务部门应该主导，信息部门统筹管理和平台建设。

二项目建设阶段和实施步骤

一个完整的数据治理项目包含项目准备、现状调研与分析、标准体系构建、数据平台搭建、数据清洗、数据服务集成、运营体系建立等7个阶段，共28个实施步骤。

图1 数据治理项目实施阶段和步骤

2.1实施步骤和步骤简要说明

PH1第一阶段：项目准备阶段

T01制定项目章程：确定项目目标、数据对象、试点企业及目标系统集成范围和建设内容，制定项目计划等作为项目验收的依据。

T02组建项目团队：确定项目的组织机构、人员的配置、项目的组织资源管理、组织职责。成立以企业高管领导为组长和各业务部门一把手组成的项目领导组、项目管理组和以业务部门和信息部门关键用户的项目实施组。

T03标杆企业对标分析：选取组织架构、业务范围类似的优秀企业作为标杆进行对比分析，取优补劣，为数据治理建设项目提出方向。借鉴标杆企业的成功和失败经验，避免走弯路。建议通过实地考察和交流形式。

T04召开项目启动会：数据治理项目启动大会非常重要，不容忽视，是动员会，又是分工会，同时也是培训会。启动会是数据治理项目良好的开端，项目启动会顺利召开，起到事半功倍的效果，为后续顺利展开工作奠定坚实的基础。

PH2第二阶段：现状调研与分析阶段

T05制定调研方案：制定落地的、高效的调研方案，包含调研计划、访谈提纲及项目调研问卷等。

T06业务需求调研：通过资料收集、业务现状调研、关键用户访谈等方式了解当前数据管理现状和主要需求、发现数据相关问题和关注点。

T07信息系统需求调研：对企业现有的信息系统中数据标准、数据质量现状进行分析，找出需求点。

T08现状和需求分析：结合企业据管理应用现状和存在问题，做差异化分析，形成《现状调研与需求分析报告》

PH3第三阶段：标准体系建设阶段

数据标准建立过程，业务部门要主导参与，外部咨询公司提供指导和咨询。

T09数据治理蓝图规划设计：规划数据治理蓝图，主要包含四个架构体系：数据标准化架构、数据管控架构、数据质量体系及数据安全架构。

T10主数据标准制定：主数据相关标准建立，包含业务标准（编码规则、分类规则、描述规则等)和主数据模型标准。

T11数据指标标准制定（可选项）：建立企业统一的数据指标体系定义数据指标内容，整理指标的业务属性、技术属性和管理属性，构建指标关系体系和分析体系，为企业经营和管理工作提供准确、可靠的决策支持。

T12数据模型设计（可选项）：对于非套装软件能覆盖的业务领域，主要针对交易数据而言的，数据模型按不同的应用层次分成概念数据模型、逻辑数据模型、物理数据模型三种类型。

PH4第四阶段：数据治理管理平台搭建阶段

搭建数据治理管理平台，实现数据标准文本发布、主数据和元数据的全生命周期管理、数据质量和安全管控，实现数据的统一、集中、规范管理，提高数据质量和增强信息共享。

T13需求确认：根据前期调研成果，分析企业数据治理管理平台与系统标准功能的差异，形成数据治理管理平台需求规格说明书，同时编制二次开发需求规格说明书，作为系统开发的依据。

T14数据治理管理平台客户化开发：搭建数据治理管理平台，完成与相关业务系统的接口开发，实现主数据的在线申请、审批、分发等功能。

T15数据治理管理平台实施：数据治理管理平台的安装、系统配置、数据建模和数据导入及权限设置工作。

T16系统整体测试：系统在测试环境完成会议室导航测试（CRP）。

PH5第五阶段：数据清洗阶段

T17数据清洗与治理方案：根据项目范围和对象制定数据清洗方案和清洗计划。

T18数据清洗规则和标准建立：建立数据清洗规则和标准。

T19数据清洗、处理和数据确认：根据主数据标准对历史主数据进行清洗、排重、合并、编码，保证主数据的完整性、准确性和唯一性。

T20数据入库、建立标准代码库：形成一套规范的、可信任的主数据代码入库，建立标准代码库。

PH6第六阶段：数据服务集成阶段

将数据治理管理平台与各个目标信息系统集成，实现主数据的采集、分发等交互操作，从而最终实现主数据服务于业务应用。

T21集成架构设计及方案确认：根据系统集成的整体设计，实现不同统建系统与主数据系统的集成应用：接口策略配置、属性映射配置、分发/订阅条件设置、日志跟踪管理、数据同步管理。

T22数据平台集成接口开发：目标系统的接收端程序开发，服务总线挂接等相关集成工作，保证数据治理管理平台与相关系统无缝对接。

T23试点系统改造和接口联调：目标系统相关改造和集成接口联调（数据治理管理平台与目标系统的接口联调）。

T24系统上线测试及用户培训：系统管理员及主要用户进行培训，确保培训人员能够正确操作使用系统各项功能。

PH7第七阶段：运营体系建立阶段

建立数据治理管理运营组织，制定数据管理办法、维护细则、应用考核规范等管理规范。

T25建立数据治理运营体系：建立数据治理日常运营体系，运维体系由组织、制度、流程、知识库、平台组成。

T26贯标培训和知识转移：通过组织各种方式培训和交流，达到有效的知识传递，关键用户和内部IT全职参加项目，在实践中帮助企业培养一支有战斗力的实施和运维团队。

T27制定数据切换路径和推广应用策略：制定数据切换路径和推广应用策略计划，项目成果能在未来2-3年内集团组织的范围内各层级和各级信息系统得到全面应用和推广。

T28运维支持和项目验收：系统后续支持、交付文档编制、项目的总结及验收。

2.2实施方法的选择建议

针对一个100亿规模的集团企业，数据治理项目建设周期一般需要2-3年，建议每期项目周期为8个月左右时间。

但往往很多企业，为了规避项目风险，降低项目难度，可以将项目拆成几个子项目，如：数据治理咨询项目，主数据标准项目、数据指标标准梳理项目、数据治理管理平台建设项目、物料主数据清洗项目等。企业要结合自己企业文化和管控力度，灵活的采取适合自身的实施方案。

三九步的实施法则

数据治理项目最核心、最关键的是以下9大步骤的实施法则，需合理有序的逐步推进。

1)理需求：通过现状分析及需求调研，对数据管理现状进行诊断分析，形成需求分析报告；

2)划蓝图：规划数据治理蓝图，主要包含四大架构体系：数据标准化架构、数据管控架构、数据质量体系架构、数据安全架构；

3)定职责：划分和确定数据主责部门和人员的职责分工边界，建立数据认责机制；

4)制标准：对企业经营活动中所涉及的各类主数据和数据指标，制定统一数据标准和规范及数据模型；

5)清数据：按照数据标准规范，梳理和清洗企业经营活动中的各类主数据，形成标准主数据代码库；

6)搭平台：搭建数据治理管理平台，实现主数据全生命周期的管理；

7)接服务：将数据治理管理平台与各个信息系统集成，从而使得数据服务于业务应用；

8)建体系：建立数据治理管理运营组织，制定数据管理办法、维护细则、应用考核规范等体系化的管理规范；

9)促应用：通过贯标培训和知识转移，制定数据切换路径和推广应用策略，项目成果能在组织的范围各层级和各级信息系统得到全面应用和推广。

3.1理需求

通过现状分析及需求调研，对数据管理现状进行诊断分析。通过调查表格下发及反馈、资料收集及分析、业务现状调研、关键用户访谈、信息系统数据应用现状、对标标杆案例研究和考察、咨询公司知识库七种方法，分析出用户的期望与当前的差距，在数据标准、流程、管理组织、系统实现等方面进行关键发现和改进建议。

图2 现状调研与需求分析

1)资料收集与分析：能够了解各相关部门和下属公司的数据管理现状，并且通过结合调研问卷和访谈结果，制定全面的、为客户量身定制的数据规划策略。该方法的关键步骤包括：企业内部数据标准、制度收集，梳理问题反馈、总结访谈纪要，收集相关增补资料。

2)关键业务过程调研与分析：明确横向业务之间、总部与下属单位纵向之间数据关联关系、数据共享需求，帮助项目组初步了解当前数据管理现状和主要需求、发现数据相关问题和关注点。该方法的关键步骤包括：了解企业内部各类数据标准、制度和流程情况，了解各系统数据情况，了解主数据管理现状和业务关注焦点。

3)信息系统数据应用现状：对信息系统数据质量、数据标准现状进行分析，找出需求点。

4)关键用户访谈：深入了解当前主数据管理现状和管理水平，进行问题诊断，并识别对主数据管理的主要诉求。针对不同的主数据分类内容，对相关业务部门人员进行现场访谈。

5)标杆案例对标分析和考察：调研同行业相关领先企业的数据管理体系，通过实地考察和交流标杆企业数据治理管理平台建设、应用情况，充分借鉴标杆企业的案例经验。

6)咨询公司知识库：主要通过研究业内国内外的标杆案例分析，为企业数据治理蓝图设计提供参考。

7)结合企业据管理应用现状和存在问题，做差异化分析，形成《现状调研与需求分析报告》，制定可执行项目计划。

3.2划蓝图

规划数据治理蓝图，主要包含四个架构体系：数据标准化架构、数据管控架构、数据集成架构及数据安全架构。

图3 数据治理蓝图设计方法论

1)需求调研：通过资料收集、现场访谈等方式，对企业的业务现状和信息化现状进行调研。

2)现状评估与需求分析：通过对调研现状的总结，结合成数据治理熟度模型、标杆案例、发展趋势等行业内先进的方法论，进行集团的现状评估与差距分析。同时，针对集团当前的数据情况，进行数据分析，实现主数据识别和实施范围识别。

3)数据治理蓝图设计：根据现状评估与需求分析的结果，进行体系规划，制定项目的愿景、使命与目标，并进一步建立完整的数据体系架构，完成数据标准化体系设计、数据管控架构体系设计、数据质量体系设计、安全架构体系设计等。

图4 数据治理蓝图设计中的4个架构体系

4)实施规划：制定符合体系架构设计的实施策划，设计总体推进计划，并建立相应的资源规划，主要是资金投入和人力资源。

配合大数据平台的建设，可制定形成指标数据管理、元数据管理、数据质量管理等管理标准，和ETL开发、分析应用开发、数据模型设计等技术标准。

图5 集团企业数据标准体系

图6 数据指标标准体系

结束语

数据治理项目不单单是搭建一个集团级数据治理管理平台，而是一项长期而复杂的工程，涉及到数据管理体系、数据标准、数据治理管理平台、数据质量和安全、相关系统升级改造、数据清洗等多个方面，项目建设依据快速见效、急用先建的思路，先整体规划，以数据模型和数据标准为基础，以数据治理管理平台为载体，并开展数据治理专项工作，确保数据治理项目的成功，为实现有效的数据资源整合夯实基础。

作者简介

蔡春久，某公司数据业务负责人。中国数据标准化及治理大会组委会评为“ 中国数据标准化及治理专家”十个专家之一 。中国大数据技术标准推进委员会数据资产专家、中电标协企业信息标准化委员会常委委员、eCl@ss协会会员（国际产品分类标准化组织）、中国数据工匠俱乐部发起人。工商管理硕士，具有20年的特大型集团企业IT咨询服务和数据治理行业工作经验，前十年主要从事物资采购变革与管理、PLM、ERP、MES等领域咨询服务，近十年专注数据治理及标准化、数据架构、智能工厂等咨询工作，为中国石化、延长石油集团、晋煤集团、恒力集团、国投集团、中国外运、新兴际华集团、中国兵器工业集团、中国一重、哈电集团、河南投资集团、陕西投资集团等80余家500强的集团企业的提供数据治理相关咨询服务。