数字化转型中的数据治理 重庆达策ERP顶层框架设计

数据治理是工业数字化转型之路的关键，数据治理工作的落地有助于提升数据价值密度、提高数据挖掘效率，更好服务灵活多变的业务场景，为数据分析提供有效接口。目前，数据治理体系的研究相当成熟，可适应于不同的应用场景。

为保证数据资产不流失，对源数据和分析数据进行物理隔离，源数据按照原始格式保留存储在本地服务器中，分析数据则经过数据治理后进行存储，对非必要数据进行归档或销毁。该数据治理体系框架囊括元数据管理、主数据管理、数据标准管理、数据质量管理、数据生命周期管理、数据组织、数据安全及数据服务环节，环节间相互协同和依赖，形成全方面、多层次、多角度的数据治理框架。

元数据管理

元数据反映了数据的交易、事件、对象和关系等。通过元数据管理可绘制数据地图、统一数据口径、标明数据方位、分析数据关系以及准确到字段级别的影响分析，方便数据的跟踪和回溯。

主数据管理

主数据是指满足跨部门、跨业务协同需要的系统共享数据，在各个业务部门中被重复使用，如客户、供应商、资产、产品、物料单、账户等数据。在工业制造领域中，主数据结合物联网数据可以实现不同的业务场景需求。例如，若要了解或预测物料的库存情况以提高生产调度效率，可将原料消耗的传感器数据与物料单主数据进行关联分析，从而感知到物料的库存情况。因此，通过将高价值、高共享、相对稳定的主数据与物联网数据相关联，结合机器学习、深度学习等算法，可实时评估企业的生产运营情况以做针对性的调整。

数据标准管理

数据标准管理的目标是设计一套标准体系，包括数据质量标准、数据操作标准、数据应用标准，形成一个可流通、可共享的信息平台。数据标准主要由业务定义、技术定义和管理信息三部分构成，业务定义包括业务、名称和接口等方面的定义，技术定义包括数据类型、数据结构等方面的定义，管理信息包括所有者、管理人员等方面的定义。在工业制造领域中，大数据标准一般以业界的标准为基础，如元数据管理标准(ISO-11179，CWM，DCMI)、数据质量标准(ISO-8000，ISO-25012)以及数据安全标准(ISO-27001)，结合工业数据的特点对数据进行规范化，一般会包括数据格式、数据质量、数据语义、编码规则、字典值等内容，减少数据孤岛、流转不畅、应用繁琐等问题的发生。

数据质量管理

数据质量管理是工业数据治理的关键，是数据应用的前提，为企业风险把控、分析决策、生产运营提供更准确的高质量数据，提升工业数据分析的效率。

传统的质量评估体系过于繁杂，结合工业数据和业务场景，基于完整性、准确性、规范性、一致性、关联性、可追溯性等构建合理的数据质量评估体系，并根据工业实际生产情况，对质量评估体系细化：

(1)生产控制数据：生产控制指标若出现不完整、不一致等问题，或导致异常调控不及时等情况发生。因此，对生产控制指标的数据质量管理提高优先级，保障生产流程的正常运转。

(2)传感器数据：传感器数据监测生产过程中的运作情况，可实时感知生产异常，并及时优化调整。因此，要提高传感器数据接入的及时性、一致性。

(3)故障记录数据：为保证生产设备的稳定运转，需要对设备故障记录进行分析诊断，因此需要保证设备故障记录数据的可靠性和可追溯性。

(4)库存物流数据：库存物流管理是生产、计划和控制的基础。通过保证库存物流数据的及时性和完整性，能够优化生产周期，保证生产的良性循环。

数据生命周期管理

采用科学的数据生命周期管理能够提高系统运行效率，大幅减少数据储存成本，更好服务客户需求。

数据组织

数据组织的目的是根据数据应用需求，采用标准统一、流程规范的方案分类构建数据资源库，进一步强化大数据内部关联。数据组织主要包括原始库、知识库、主题库等。

(1)原始库：原始库保存原始业务场景数据。工业原始数据主要包括设备监测数据、生产流程记录、产品检验数据、生产异常数据及生产运营数据等。

(2)知识库：知识库指工业领域的业务经验数据和规则方法集合，包括数据接入、处理、服务以及工业通用模型所涉及的知识性数据和规则方法。工业知识库主要包括原料特性、设备参数、产品设计、生产原理、行业动态等。

(3)主题库：主题库对原始数据和资源数据根据分析和服务的目的进行划分，形成不同主题的数据集合。工业数据主题库主要包括人员主题库、设备主题库、原料主题库、生产方法库、生产环境库等。

数据安全

工业生产中的重要且敏感数据大部分集中在应用系统中，例如原料配方、控制策略等工艺参数数据，以及客户信息、生产计划、资产信息等生产运营数据，敏感数据泄露对企业的影响是不可逆的，凸显出数据安全在数据治理过程中的重要性。数据安全包括以下三点：

(1)数据存储安全：包括物理安全、系统安全存储数据的安全，主要通过安全硬件的采购来保障数据存储安全。

(2)数据传输安全：包括数据加密和数据网络安全控制，通过专业数据安全厂商提供技术保障。

(3)数据使用安全：基于业务系统层面，建立完善的数据安全管理体系、审查机制。对生产及研发测试过程中使用的各类敏感数据进行严密管理。

重庆达策ERP顶层框架设计