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，应用数据的工具层出不穷，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。要从根本上解决这些数据问题，必须从数据标准管理入手，对深圳生命网的数据生命周期进行标准化管理，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，有利于打通底层数据的互操作性，提高数据的可用性。简而言之，数据标准深圳生活网是指保证数据内外使用和交换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关于数据的规范，这样我们都可以理解这些数据的含义。比如在银行业，不同的部门往往对领域“客户”有不同的理解。也许客户部认为“客户”就是已经发放了自己银行卡的人，而网银部则认为那些已经在自己银行网站注册或者通过这家银行转账的人属于客户。这样，如果没有统一的标准，不仅会增加沟通成本，还会在项目实施、交付、信息共享、数据集成和协同工作等方面造成各种问题，而这些代价高昂的数据也不会体现出应有的价值。

数据标准的管理是通过各种管理活动推动数据标准化的过程，是数据标准落地不可或缺的过程。

数据标准分类

数据标准是数据标准化和数据服务消歧的主要参考。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。

数据标准有很多分类。对于不同的分类方法，可以利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索引数据。基础数据是指在业务流程中直接生成的、未经加工处理的基本业务信息。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而成。相应地，数据标准也可以分为基础数据标准或索引数据标准。

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。指标数据标准一般分为基本指标标准和计算指标(也称组合指标)标准。基础指标具有特定的业务和经济含义，只能通过基础数据处理获得。计算指标通常由两个以上的基本指标计算得出。并非所有的基础数据和指标数据都应纳入数据标准的管辖范围。数据标准管辖的数据通常只是各业务条线和信息系统之间需要共享交换的数据，以及满足各级监测机构、上级主管部门和政府部门数据报送要求所需的数据。

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。细分应尽可能覆盖企业的主要业务活动，覆盖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、地理和位置数据标准等。指标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、综合业务指标等。如图所示:

制定数据标准的过程

数据标准作为全组织的规范，会充分考虑企业的业务系统现状、业务条件、未来发展、人员结构等因素，制定过程相当严格。配制过程如下:

1.收集国家标准、行业标准和现有标准

征集行业的国家标准和行业标准，征集方式为深圳市生活网络协会官方网站和行业协会网站

梳理组织现有标准，通过数据标准调查表收集信息，形成组织现有标准文件

2.制定第一版数据标准

与IT部门数据管理岗讨论，分主题，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、是否可以下架、是否符合业务发展等方面对标准进行审核。，最终得到标准的最终版本

4.最终标准的发布

向数据治理委员会报告最终标准，内部发布，收集反馈，并维护和更新数据标准。

数据标准管理经验总结

宜信华辰在数据标准领域已有多年的经验。三年来，为100多家政府或企业提供数据标准化服务，特别是在金融、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指导。面对各种复杂场景下的数据标准管理，也能很好地应对，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、缺乏统一发布、同步更新和实时响应的问题。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、过程管理等功能。一些产品截图:

产品截图-数据标准的监控

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规划数据标准化建设时考虑，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，才能有效支撑数据标准化的进程；

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，而忽略未来的业务发展；

人比制度更重要。数据标准化的过程不宜过于严格，业务系统也不宜拘泥于标准化，这样往往会导致项目失败。它应该由许多人组成

以上就是由优质生活领域创作者 深圳生活网小编 整理编辑的，如果觉得有帮助欢迎收藏转发~