基于数字中心平台的数据治理实践

中海油田服务股份有限公司 钟荣锋

随着云计算、大数据等技术的发展，数据作为一个公司不可复制的资源，其独特的价值日益显现出来。如何充分利用已有数据，规范公司的管理及运营，降低生产成本，成为多数企业重点关注的问题。下文以中海油服公司为对象，在深入分析该公司数据治理面临的问题基础上，针对相关影响因素，提出依托数字中心平台建立数据治理体系，以期为类似研究提供一定的参考。

中海油服公司智能化发展过程中，必须对数据开展治理，这是一项关乎公司发展重要的工程。如今，我国已有多数油田公司已经实现数字化管理，并获得良好的效果，且处于稳定运行的发展状态。中海油服公司数字化系统逐步成熟，但也存在一些不足之处，例如：无法对发现的问题及时进行反馈、难以保证数据质量、极易发数据鸿沟等，这些情况均难以推进公司智能化发展进程。为有效解决上述问题，中海油服公司使用大数据技术，为中海油服公司发展奠定基础，为其提供相应的数据支撑。文中在分析中海油服公司数据治理问题基础上，提出相应的依托数字中心平台开展数据治理体系的策略，以期提升公司的数据治理能力。

1 数据治理问题及影响因素

中海油服公司发展过程中涉及的数据专业化程度高，且覆盖范围广，这些数据涉及多个部门，各部门创建相应的信息系统，在业务数据应用、数据架构等方面获得一定的成绩，但依然有不足之处。近些年，随着信息化的建设及应用，中海油服公司不同的信息系统产生、积累大量的生产经营数据，数据主题划分为财务、物资、人事及项目这4个领域。通过进一步梳理可知，每一个数据主题平均约有300个数据实体。长期以来，中海油服公司开展数据治理工作联合信息化建设陆续进行，由公共数据编码等方面制定20多项数据标准规范，牵涉物资、产品、数据结构等内容。虽然中海油服公司加大对于数据治理的力度，但有些工作依然进展缓慢，并未获得理想的效果，与信息化发展速度存在一定的距离。主要表现如下：部分数据源尚未统一，依然出现重复录入数据的情况；一些数据并未及时、准确地进行录入，数据治理偏低，进而对数据分析利用及管理人员制定合理的决策带来不良影响；数据编码不够规范，在数据中心平台上未及时申请、提交编码、属性描述不准确等，从而发生一物多码等情况[1,2]。存在关联的业务或信息系统之间缺少统一的数据标准，数据共享难度较大，进而影响业务的协调发展及其运作效率。这些问题只是一个表象，对上述问题成因展开分析，由于中海油服公司自身业务繁杂，导致数据治理更加复杂，而该公司的数据治理能力有待提升，这也是有待解决的问题。针对这种情况，中海油服公司发展过程中要重视在数据治理方面下功夫。该公司可以根据美国企业数据管理委员会所提出的数据管理成熟度模型（DMM），从数据质量等方面对公司的数据治理能力进行评估[3]。

由此可知，中海油服公司自身的数据治理能力整体水平偏弱（如图1所示），主要有以下因素的影响，（1）数据质量：中海油服公司对于不同信息系统存在制度性要求，采用信息化考核对相关业务数据质量实施管理与控制。但因缺少统一规范性的指导，不同信息系统制定的数据质量管理标准、方法有所差异，未使用专业工具，使得各领域在数据集成、数据共享质量等方面难以得到保障。（2）数据架构管理能力：中海油服公司没有建立健全的数据治理体系，数据架构方面缺少统一的管理要求及顶层设计。部分数据架构借助信息系统各自进行管理，仅从油气田业务方面建立EPDM数据模型，公司并未形成整体的数据架构，数据治理工作较零散、杂乱。（3）数据组织与文化能力：公司成立公共数据编码专家中心，主要开展主数据编码、质量等一系列管理工作。在此基础上，设置信息技术相应的委员会，对不同领域的数据标准开展审核、发布等工作。由于缺少公司层面有力的数据管理组织，不同数据主管部门职责不清晰，并未明确相应的责任人。加之，因不具有数据共享意识，一些部门以及个人的数据私有化思想根深蒂固，一味追求个性化，忽略统一性的问题一直存在。（4）数据安全管理能力：对重要数据实施分类、分级处理，这些数据开展传输等环节开展加密处理。但数据共享与应用中安全管理比较欠缺，数据提供方对数据共享安全性存在疑惑，导致不同部门之间的数据共享度下降[4]。这些因素均是中海油服公司进行数据治理过程中需要重点关注、改进的内容。

2 数字中心平台下构建数据治理体系

现阶段，中海油服公司产生、处理、应用数据方面的问题比较多，其影响因素也源自多个方面。紧紧围绕提升公司数据治理能力这个要求，建立全面的数据治理体系，为公司的发展提供所需的数据支持。

2.1 数据治理理念分析

数据治理就是针对中海油服公司已有数据，由于数据共享等引起的数据混乱状态，开展规范、统一的整治，促使其合理化。中海油服公司数据治疗按照下列理念进行：数据是公司发展的重要资源，加大对于数据的研究；数据治理体系建设作为公司发展的中心工作，必须转变传统的思想及技术转型，打开自数据至数据、数据至应用的通道。根据数据采集、存储、管理、应用规律，促使数据链上每个环节均实现智能化。数据治理不仅要求具有较强的理论指导，也应具备完整的体系。中海油服公司开展数据治疗前，先要建立玩的数据治理体系，包含组织、管理等部分。

2.2 建立数据治理平台

基于数据中心平台建立相应的治理平台，根据数据治理体系把一系列政策、方法落实为平台的功能，提升数据治理各个环节的效果[5]。数据治理平台设置在公司数据中心平台上，集合各类型信息系统的数据，并没有为这些系统提供所需的数据治理服务。数据治理平台设计的数据存储层可以开展数据存储、分类等处理，存储对象包括结构与非结构化数据。支撑平台层主要作用在于为数据使用者及管理人员提供相应的运维管理，如：数据监控等[6]。用户访问层主要功能在于让各用户借助统一的门户对数据治理平台功能进行访问，依据不同用户需求推送数据信息及待办事项。数据服务层旨在提供安全、数据治理评估等一系列服务。

2.3 数据安全管理

进行数据治理过程中，数据安全管理涉及数据脱敏管理、授权访问等内容。依据信息化安全管理各项要求，对各项数据授权访问流程进行梳理，按照不同类型数据属性特点及管控标准，提出合理的隐私脱敏对策。数据授权访问旨在对不同类型用户应用资源目录内的各类数据，执行何种流程，依托什么样的手段获得问题[7]。根据明确不同数据的访问控制流程，使得已有数据资源得以共享。数据脱敏重点在于完成数据访问授权审批处理后，经数据治理平台提供所需的脱敏工具，开展数据传输工作中，组成达到业务特征及其管控需求的各项数据，在确保数据安全的基础上促使其顺利实现共享。

2.4 数据质量管理

开展数据治理工作重要的一环在于数据质量管理，要求对每一个生命周期严密把握，每个环节均使用适当的保护措施，防止出现一系列的问题，进而影响整体数据质量。在此基础上，重视做好数据的识别及监控工作，如果发现出现问题及时进行解决，有利于提高数据治理水平及数据质量。进行数据质量管理过程中，要注意以下几方面：

（1）完整性：数据进行传输过程中，要确保不会丢失重要数据等情况；

（2）一致性：要求传送的数据维度及度量数值间的关系相一致；

（3）精确性：开展数据传输环节，要确保数据精度，满足各项业务的实际需求；

（4）有效性：进行数据传输环节，要及时把有效数据进行传输，未传输无意义的数据；

（5）实效性及真实性：进行数据传输中，如果时效性较低，应采取恰当的措施确保数据时效性；数据传输中要求信息的真实性，不可传输虚假的信息。

开展质量管理工作依托一些流程及技术，及时识别、修正数据中出现的错误。主要工作如下：建立相应的数据质量评估体系，包括数据指标体系、质量管控相关要求等。借助数据质量评估模型，与数据实体业务结合起来，确认并发布每个数据实体所对应的质量评估实例，便于各信息系统进行质量评估过程中调用。依据数据质量评估引擎，做好系统的数据质量评估工作。收集、归纳信息系统相关评估结果，采用多维度制作相关的数据质量评估报告，及时发布出来。对出现质量问题的一些数据，根据要求予以分析及整改，对改善后的数据实施质量跟踪。

2.5 数据治理制度及流程

数据管理制定明确提出开展数据治理的规则，确定各方在特定场景中的责任及义务，各方根据管理办法对数据开展管理。这些规则贯穿于数据规则、使用、归档等环节，成为确保数据治理顺利实施的依据。数据治理制度包括两个层级，第一层级是公司数据管理方法，明确提出对于数据方面的管理要求，包含数据标准管理、安全管理、质量管理等；第二层级是开展数据治理的实施细则，对数据管理办法提及的要求给予细化处理，满足可操作要求，确保数据治理体系顺利实施。制度内明确规定信息化不同环节进行数据处理的要求，依托方案评审、阶段验收等控制点进行检查，保证制度执行下来。在此基础上，对数据治理制度相关内容开展定期评估，依据实际需求逐步进行完善，确保制度的有效性。

2.6 数据治理基本过程

数据治理作为比较完整的体系，依托对流程、标准、组织等进行组合，对数据开展全面、高效率管理，数据治理应得到公司高层授权，并通过业务、IT等部分之间密切协作，一同实现。数据治理相关工作开展流程化处理，确保数据治理各项业务的一致性、有序性。数据治疗流程设计依托数据治理方案及技术，与流程框架体系相结合进行设计，对数据治理各种业务设计相应的工作流程。深入分析数据治疗相关业务发现，从数据源、数据模型等不同方面设计相应的业务流程，包括增加、变更等一些子流程。数据治理流程牵涉多个审核节点，为提高流程运行效果，能有效缩减审核时间，一些审核节点可交给数据治理平台自动实现操作。对必须开展人工操作各节点，平台提供所需的待办提醒。

战略作为实现公司数据治理目标而设计的行动计划，由于每个公司的业务战略有所不同，相应的数据治理战略也有不足之处。针对各公司治理战略的差异，需要因地制宜，制定合理的战略。进行治理过程中，要将下列因素考虑在内：在理解公司战略实际需求基础上，识别并深入分析公司存在的业务问题。中海油服公司数据治理战略应与该公司发展战略契合，将其纳入公司总体发展战略之内。进行数据治理中，制定长期、短期目标，建立所需的组织架构，包含数据治理工作组、IT技术人员等，明确人员分明的治理团队，从而确保公司数据治理战略的顺利实现。中海油服公司为更好的开展数据治理工作，要依据不同的治理目标制定相应的分解及时间执行计划、成本控制计划、资源调度计划等。数据治理计划顺利完成后，要依据计划进行一系列的治理活动，根据要求实现计划中的任何一项任务。数据治理活动要执行各功能域的治理活动，每个功能域目标、原则应与数据治理总目标、原则相一致。对数据治理活动进行执行后，应输出相应的治理成本，这个成果可能是中间结构或里程牌成果。不管是何种类型的成果，均要对其开展科学评估。开展评估工作要遵循下列原则：成果是否达到数据治理需求的预期计划；治理结构是否被有关利益人员接受。对治理成果开展相应的评估，可能存在有待改进的地方，例如：成果与需求预期存在一定的差异；治理成果存在相应的质量问题等，这些有待改进之处必须重新列入计划，投入相应的资料予以完善。必须注意，数据治理工作并非一次性工作，需要迭代进行。

3 结论

综上所述，数据治理作为一项比较复杂、繁重的工程，对中海油服公司这种综合性能源公司，并非一朝一夕即可顺利完成的工作。中海油服公司发展过程中，借助数据中心平台构建数据治理体系，从多个方面将体系诸要素落实下来，多方合作，有利于中海油服公司数字化、智能化发展。