装备制造行业的数据治理体系.pdf

装备制造行业的数据治理体系

1引言

目前，各军工企业已经建立了多种业务应用系统，涉及的数据类型繁多，

积累了大量业务数据。但由于数据标准化体系不健全、基础数据质量不佳，

导致各系统之间的交互成本高、数据采集难、精益管控难、横向协同弱，从

而出现无法发挥基于数据协同的数字化管理效能等问题。基于数字化的装

备制造，即要实现“设计-采购-生产-试验-交付-售后”一体化管理，首先要解

决的就是如何确保关键基础信息在跨单位、跨网络、跨系统的情况下唯一识

别并贯穿始终。

数据治理是数据管理的核心职能，是规划、监督和控制数据标准、数

据管理、数据质量等领域的一系列管理活动，是将数据作为组织资产

而开展的一系列的具体化工作，主要内容包括“两体系一工具”，即主数

据管理标准体系、主数据管理保障体系和主数据管理工具。在国际上，

以国际数据管理协会（DAMA）为代表的组织机构长期从事数据管理

研究，形成了以能力成熟度模型集成（CMMI）为代表的一批理论成

果。在这些理论的指导下，我国金融、电信、能源、互联网等信息化

程度较为先进的行业，已经积累了丰富的数据治理经验。在此基础上

研究构建具备数据治理、数据标准、数据架构、数据安全、数据质量、

数据应用等核心能力，三位一体并覆盖装备制造全寿命周期的数据治

理体系，以实现装备制造研制数字化协同建设过程中涉及到的型号、

项目、物料、客商、合同、试验等基础数据的平台化管理，对于在装

备制造全寿命周期的各阶段对设计数据、试验数据、生产数据、产品

及其保障性数据进行标准化管理具有重要实用价值。

2统筹规划

2.1建立组织责任体系

数据治理的第一步是建立组织责任体系。建立一套独立完整的关

于数据治理的组织机构，明确各级角色和职责，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。确定数据治理工作

的相关各方的责任和关系，包括数据治理过程中的决策、执行、解释、

汇报、协调等活动的参与方和负责方，以及各方承担的角色和职责等。

保障数据治理的各项管理办法、工作流程的实施，推进工作有序开展，

并逐步打造管理及技术的专业人才团队。

2.2盘点数据资产

盘点基础数据需要分析科研生产战略及业务现状，并结合当前大

数据现状及未来发展，盘点装备全寿命周期的数据现状，这也是开展

数据治理工作的前提之一。本文依据国家标准《数据管理能力成熟度

评估模型》（GB/T36073—2018）对装备数据管理的数据战略、数

据治理、数据架构、数据标准、数据质量、数据安全、数据应用以及

数据生命周期八个能力域现状进行评估，以定位自身数据治理能力，

规划数据治理蓝图，如图1所示。

图1数据管理成熟度评估模型

在该模型中，数据战略是组织数据工作开展的目标指引，定义组

织数据工作的方向、愿景和原则。数据治理是对数据资产管理行使权

力和控制的活动集合；数据架构是用于定义数据需求、指导对数据资

产的整合与控制，使数据投资与战略业务相匹配的一套整体构建规范。

数据标准是组织数据中的基准数据，也是为组织各信息系统中的数据

提供规范化、标准化的依据。数据质量是指数据的适用性，用于描述

数据对业务和管理的满足度。数据安全是计划、制定、执行相关策略

的规程，用于确保数据和信息资产在使用中有恰当的认证、授权、访

问和审计等权限。数据应用是指通过对组织数据进行统一管理、加工

和应用，对内支持业务运营、流程优化、营销推广、风险管理、渠道

整合等活动，对外支持数据开放共享、数据服务等活动；数据生命周

期是指为实现数据资产的价值，从数据的获取、处理到应用、运维、

退役的全过程管理，以使数据能够满足数据应用和数据管理需求。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

系架构以及数据安全架构。

2.3制定数据标准规范

数据治理的核心是解决数据应用的公信力问题。只有在数据统一

标准的前提下，才能实现系统应用集成、信息共享、业务协同发展等

体系建设。数据标准按实践经验通常可分为指标数据、交易型数据、

主数据以及通用基础数据四类，其中，数据标准的重点是指标数据和

主数据，通用基础数据标准作为配置主数据（参考数据、数据字典）

通常合并在主数据中进行统一管理。要制定数据标准规范，需要先行

梳理和清洗装备全寿命周期过程中的各类零散、重复、缺失、错误、

废弃等原始数据，形成高质量的标准主数据代码库。装备制造主数据

标准体系表如图2所示。

图2装备制造主数据标准体系表

3管理实施

数据治理系统化，意味着主管部门需要设置获取和处理数据的标

准和流程，并确保相关单位遵循这些流程程序。只有从数据治理