面向集团型石化企业的数据治理体系构建研究

面向集团型石化企业的数据治理体系构建研究

刘陈宇

中国石油化工集团有限公司

摘要：针对石化行业的生产特点，在分析数据治理主要相关理论的基础上，结合石化行业集团型企业的数据资源及应用状况，提出了面向集团型石化企业的数据治理体系构建路线，给出了数据治理体系框架的设计与搭建方法、数据治理平台建设模式及数据治理成熟度评估方法。并对未来集团型石化企业的数据治理体系构建方向进行了展望。

关键词：集团型石化企业；数据治理；体系构建

引言

数据资源指企业为业务实现数据化，沉淀在系统中的数据。数据资源蕴含着巨大的商业和社会价值[1]。石化行业具有易燃易爆、流程工艺复杂、控制要求精细、信息高度集成等鲜明特点。在炼油化工的加工生产中，从原料到中间馏分与产品，物性分析数据纷繁多样；在生产控制中，各个装置单元的流量、温度、压力等每秒都在发生变化，同时流转在企业各个业务系统的运营管理数据也在不断产生。在企业数字化转型的浪潮中，数据已经成为新的生产要素。如何将集团型石化企业的海量数据转化为资产已经成为关注的热点。

1数据治理主要相关理论

1.1 DAMA：《DAMA数据管理知识体系指南》

DAMA（DATA Management Association）数据管理协会是一个国际组织。DAMA体系是该协会对过去20 多年数据管理领域知识和实践的总结。DAMA体系认为，在大数据时代，数据以及从数据产生的信息也已经被公认为企业的资产，各个组织都需要有效地管理日益重要的数据和信息资源，通过业务领导和技术专家的合作，有效地提供和控制数据资产。[2] DAMA的数据管理体系构成见图1。

图1 DAMA数据管理体系

如图中所示，最新的2.0版本中定义了 11 个主要的数据管理职能，并通过 7 个环境因素对每个职能进行描述，《DAMA数据管理知识体系指南》，从数据治理理念（事后向事前、传统向大数据等）、知识体系（强调数据设计及在设计过程中落标）、章节内容（增加大数据和数据科学等章节）等方面都进行了调整与完善。DAMA数据管理体系内涵见图2，其中，治理的核心是“治”。

DAMA数据管理体系带来三点启示。一是明确数据治理定义与内容；数据治理是一项系统工程，需要长期持续开展，同时需要得到领导层支持。二是数据治理工作推进需要组织变革，需要专业的管理队伍，需要业务和技术团队共同努力参与。三是数据治理与数据管理密不可分，数据管理包括数据治理涉及的制度、组织等顶层设计，也包括数据生命周期管理活动。

图2 DAMA数据管理体系内涵

1.2中国信息通信研究院：《数据资产管理实践白皮书4.0》

《数据资产管理实践白皮书4.0》描述了数据资产管理的定义、内涵、重要性及发展趋势，定义了数据资产管理的主要内容，给出了数据资产管理的实施要点。该白皮书对数据资产管理（Data Asset Management）定义为：指规划、控制和提供数据及信息资产的一组业务职能，包括开发、执行和监督有关数据的计划、政策、方案、项目、流程、方法和程序，从而控制、保护、交付和提高数据资产的价值。[3]

《数据资产管理实践白皮书4.0》指出：数据资产管理最重要的成功要素之一就是重视组织管理的作用，将责权利清晰化，逐步建立健全包括管理型人才和技术性人才的适应数据发展的人才结构，减少工作推进阻碍。数据标准是数据资产管理的基础，是对数据资产进行准确定义的过程。

2 石化行业集团型企业的数据资源及应用状况

2.1数据资源及应用基础

国内多数集团型石化生产企业经过多年的信息化建设，均已具备一定数据资源基础，并在一定程度上开展了数据应用。针对经营管理、生产营运和客户服务的数据，目前已建应用很好的支撑了日常统计、经济活动分析会等，在大数据应用方面的探索已经取得了一些成果。

在经营管理数据层面，基本上横跨油田、炼油、化工、销售、工程和科研多个业务领域，沉淀数据汇集资金管理、人力资源和合同管理等经营管理核心系统的数据，建成了财务、采购、生产、销售、库存、人事、市场、投资、资产等数据主题；涉及的业务系统通常包括ERP、TMS资金集中、CMIS合同管理、CRM等系统，每天数据更新日志的数据量巨大。

在生产制造数据面层，石化行业的制造工厂普遍整合了业务主题涉及多个系统的业务数据，例如企业数据仓库和业务服务库，集成的多个业务系统一般包括MES、能源管理、环保管理、HSE、计量管理、LDAR、立体仓库、衡器系统、腐蚀监测等。在生产过程控制层，各个装置单元的流量、温度、压力等每秒都在发生变化，每年均将产生海量数据。这些数据，面向上游环节，在油藏地质、钻井、开发、录井业务支持等大数据应用取得初步成效；面向炼化环节，在炼化生产大数据分析方面进行了探索应用，普遍建成了质量分析、工艺优化、预测预警等领域数据应用，为生产决策提供及时可信的数据支持。

在客户服务数据方面，通常集成分散在各业务板块的客户数据，并引入互联网和第三方数据源的数据对客户信息进行补充，支撑各业务板块线上销售和采购业务，实现石化企业内外部客户资源共享。在客户服务方面，基本实现了石化客户数据的统一存储，智能营销等方面取得了一定的应用成果。普遍建立客户分析模型，整合各类交易数据、客户及行为数据、运营数据，分析和预测客户价值，挖掘客户潜在商业价值。

2.2数据资源及应用问题

虽然当前大多数国内集团型石化企业在大数据领域的探索普遍取得了一些成果。但是，在数据资源及应用方面还存在亟待解决的问题。

（1）数据资源问题

一是产生数据的各个信息系统顶层设计、规划计划的统筹管理需进一步加强；二是各业务条线管理模式造成了信息系统的“烟囱式”建设，缺乏统一的数据管控，存在数据孤岛，集成难度大；三是数据的种类和范围亟待丰富；四是数据资源覆盖面广，精细化程度低。

（2）数据应用问题

一是跨领域/跨板块的数据应用建设不足，对企业的支撑不足。当前数据应用很多，但缺乏上中下游横向拉通、跨领域/跨板块的大规模数据应用。二是应用深度和广度不足，传统统计分析报表建设很多，但预测、挖掘等应用建设不多，潜在的数据价值仍未充分发掘。

3面向集团型石化企业的数据治理体系构建

3．1数据治理体系框架的设计与搭建方法

从顶层设计的高度出发，建设集团型石化企业数据治理体系，完善数据治理组织，发布数据治理相关管理制度和办法，统一数据架构与标准，优化数据治理流程，持续提升数据质量，形成集团公司全业务领域的数据资产。

3.1.1数据治理框架体系的构成

集团型石化生产企业数据治理框架体系应包含包括6个主要部分，见图3。其中，数据架构是数据治理的成果和内容；数据质量对数据架构是否可以有效被共享和利用提供衡量标准；管理制度、组织和流程为开展数据治理及未来的数据运营工作提供体系保障；平台工具是开展数据治理和运营提供技术手段。

图3 集团型石化生产企业数据治理框架

3.1.2数据治理框架体系搭建路径

（1）完善数据管理组织。在集团层面建设数据治理组织，明确数据治理工作阶段相应的工作职责，保障数据治理工作的有序推进。

（2）发布数据治理政策文件。发布集团级数据治理总纲，明确数据责任和数据原则；完善数据架构管理、数据源管理、数据质量管理相关文件，统一数据语言，清洁数据源头。

（3）统一数据架构。协同各板块业务和集团职能部门，梳理公司关键数据资产，制定统一数据标准，形成公司级数据模型，完成数据在业务流程和IT系统上流动的全景视图。

（4）建设数据质量管理体系。建设数据质量管理框架和运作机制，包括数据质量度量及质量评价标准，实现数据质量可度量、可管理。

（5）优化数据管理流程。明确数据管理各组织在流程中的具体职责，支撑数据管理整体运转，提升数据管理能力和日常工作效率。

3．2数据治理平台建设模式

将建设数据治理平台，作为数据治理工作的技术支撑。搭建企业级数据资源中心，实现企业所有数据入湖、数据资源集中统一管控。实现跨业务域、跨企业、跨系统的数据资源建设，打破数据流动壁垒。数据资源中心实现查找数据资产的来龙去脉；实现数据资产全生命周期的管理，有效利用资源；明确数据资产的管理者、使用者和开发者权属。通过数据资产全面盘点，形成企业数据资源目录，让企业数据资产可见。承接数据资产盘点成果，统一规划、统一标准。

数据治理平台在设计上应涵盖集团级、板块级、企业级三级数据资源中心，统筹设计各级数据资源中心建设方案及功能需求，明确数据在各级数据资源中心的管理范围及数据流转关系。

3.2.1数据治理平台的数据构成及相互关系

数据治理平台的数据来自集团数据资源中心、板块数据资源中心及企业数据资源中心。各板块或子集团数据资源中心与生产企业数据资源中心的关系见图4。

图4 数据治理平台的各级数据资源中心体系架构

（1）集团数据资源中心：面向集团级管控数据，主数据、数据资源目录、数据质量分析数据等；根据总部数据分析需求，使用各板块数据资源中心数据。

（2）板块数据资源中心：管控板块内各企业数据湖的数据；采集板块内下属企业的数据；根据总部数据资源中心需求提供数据；根据企业申请，完成板块内和板块间数据交互。

（3）企业数据资源中心：管控企业全域数据；企业间有数据共享需求时，企业需向板块级资源中心提交申请，由板块级数据资源中心处理并下发数据。

3．3数据治理成熟度评估方法

企业数据治理成熟度评估，是数据治理工作管理工具；通过评估可调动企业数据治理积极性，增加数据治理关注程度，增强数据资产是核心竞争力意识。促进企业了解自身数据治理情况，为下一步开展数据治理规划提供参考；发现企业数据治理差距并持续改进，提升企业的数据治理能力水平，提升数据驱动能力，促进公司数字经济发展壮大。

图5 数据治理成熟度评估评估模型及流程示意图

数据治理成熟度评估，应从评估模型着手，从治理活动和管理活动2个维度进行评估项，从而确定企业所处的数据治理阶段。可采取问卷调研、文档审阅及现场访谈等模式，根据不同的阶段进行有针对性的治理活动分析。评估指标应面向数据政策与流程、数据组织、数据标准、数据架构、数据应用、数据质量、主数据、元数据管理及数据安全等多维度评估指标。评估模型和基本流程如图5所示。

4 结语

面向集团型石化企业的数据治理体系构建，可有力支撑企业战略目标，通过组织内各业务的协同努力、制度规范的制定，提升信息化管理能力、组织精细化管理水平，业务运营效率，增强组织决策能力和核心竞争力。本文提出的构建思路和方法，将为目前集团型石化企业开展数据治理体系构建提供一定的参考和依据。未来的集团型石化企业数据治理体系构建，将从强化数据资产管理角度出发，不断推动企业“暗数据”向“有价值的数据资产”转变，持续提升业务敏捷和创新能力。

参考文献

[1] 穆勇，王薇，赵莹，邵熠星.我国数据资源资产化管理现状、问题及对策研究[J]. 电子政务，2017,170(09)：66-74

[2] 刘南海. 基于DAMA体系运营商数据资产管理体系构建研究[J]. 电信网技术, 2016,(09):61-65

[3] 中国信息通信研究院云计算与大数据研究所.数据资产管理实践白皮书（4.0版）[R]. 2019, (06)