企业数字化转型升级过程中的数据治理

企业数字化转型升级过程中的数据治理

王玉珏 ,张自成

重庆信科设计有限公司   重庆市  401121

摘要：在当前数字化变革的时代，数据正在或已经成为企业核心的竞争力和战略资源，2020年政府报告再次提到“全面推进“互联网+”，打造数字经济新优势”。随着5G+互联网的全面深入推进，海量的数据资产和丰富的互联网应用场景，通过数据治理，高效高质利用数据，充分挖掘企业内外部数据的价值成为企业的理想和目标，利用数据资产的价值转化为提升生产效率，赋能企业新的利润增长点，指导企业分析和决策能力，就意味着提升企业市场竞争力和市场占有率。本文主要分析企业数字化转型升级过程中的数据治理。

关键词：数据治理；主数据；信息孤岛

引言

当前，全球新一轮科技革命和产业变革正在由此及彼地深化融合发展。随着工业互联网+5G、人工智能、大数据、区块链为代表的新兴信息技术正加速与我国制造业深度融合，智能制造正成为制造企业的标配。数字化、网络化、智能化正在加速制造企业华丽转身，工业数据将成为十四五时期智能制造发展的核心要素。数据赋值企业新的利润增长点如何实现，成为每个企业思考的问题，“用数据支撑，用数据管控、用数据分析，用数据决策”正成为企业管理核心理念，然而在当前企业数字化转型过程中，因信息化过程是螺旋式前进，所以信息孤岛无所不在，各软件平台之间集成困难重重，某企业在实施PDM、ERP、CRM、设备工业互联网平台后发现，数据的价值一直维持在低价值区域，并没有真正转变为高价值的数据资产，各业务系统数据不一致，成为影响该企业信息化水平与管理效率提升的重要瓶颈，难以为公司经营决策提供精准的数据支撑。因此数据治理正成为企业数字化转型升级过程中绕不开的弯。“高处着眼，低处着手”是每个企业数据治理的必修课程。

1、企业数据合规发展趋势

随着新兴科技和传统行业融合逐步深入,合规科技不仅帮助企业提升生产效率,而且成为传统行业创新发展的主要驱动力,如何将数字科技转变为合规科技,再利用合规科技降低经营成本,成为企业亟待思考的问题。在数字化转型过程中,企业能够利用人工智能等技术,对企业经营过程中存在的各类风险进行预测,有效规避风险,同时能够动态跟踪政府、市场等监管部门的规则变化,将其导入计算机系统,结合企业经营过程,形成分析报告。由此可见,合规科技迅猛发展,为数字化转型时代企业合规管理奠定了良好的发展基础,为企业将业务信息转化为可用于分析的有效数据提供了技术层面支持,也有利于企业合规工作发生质的改变。

2、当前企业的数据现状分析

在企业内部，根据数据的特征可以从多个维度进行分类，如结构化数据和非结构化数据，内部数据和外部数据，原始数据和衍生数据等。结构化中的主数据和元数据是大家重点关注的地方，主数据是最有价值、最可能跨流程、跨系统重复利用的数据，企业主数据管理的好坏直接决定企业的数据能不能作为资产增值。信息孤岛是当前企业普遍存在的问题。信息孤岛是指系统平台间相互不关联或者关联不畅通，基本约束不一致，平台接口不一致，数据无法流动等，其主要表现为系统平台孤岛、数据孤岛、业务流程孤岛、数据采集孤岛等。造成当前的信息孤岛有多种因素，原因不外乎以下几点：

2.1企业历史

大部分企业在初期信息化投入时重硬件投入、重外部咨询、重快速上线以及重节约资金等工作，轻整体规划、轻系统兼容、轻后期运维更新，导致系统兼容性差，后期运维负担重，使用困难，最终使得系统变成“鸡肋”，投入产出比差。

2.2软件平台数据紧藕合以及接口开放少

纵观整个信息产业链，各个软件供应商提供的软硬件接口均有差异性。没有完全依国家标准提供标准接口，各软件供应商只与自身的上下游平台接口衔接紧密，与其他供应商接口并不友好，比如：三大运营商如西门子、达索、PTC的研发平台CAD、PLM或PDM系统，其自身的CAD与PLM系统运行时，从速度至接口均可以实现底层完美衔接，但是异构就存在问题。

2.3数据多源点

企业的数据如客户、供应商、物料、生产和设备现场等采集数据，同一数据多源头导致数据重复输入出错，业务链、数据链要么冗余要么断层。无正确的数据支撑。企业整体效率低下。

3、企业数字化转型的数据治理

在当今5G+工业互联网平台风起云涌的时代，数据伴随业务为企业赋值，企业迫切需要推动低价值的数据向高价值、标准化、可转化的资产发展。数据如何转化为资产，其核心就是数据治理、数据分析、数据展现的过程。以数据资产管理为核心，在数据管理和使用层级进行规划、监督和控制，包括数据源、数据标准、数据质量、元数据、主数据、数据生命周期等。通过规划化、标准化管理方式，借助封装、复用等技术实现数据资产管理落地，形成完整的数据资源目录，规范数据治理流程，提升数据质量，保障数据安全合规，促进数据流通，提炼数据价值，展现企业运行状态，预测行业未来，辅助企业决策并提前科学布局。

3.1信息系统改造及数据清洗迁移

系统应用性改造，根据数据标准及数据采集规范，对各部门已有业务系统进行分析改造，将数据标准与现有系统数据库数据属性进行对应，排查疑问数据，由专业工程师或跨部门工程师与数据治理团队进行界定，确保疑问数据通过各部门的审核，对数据库数据属性进行修正，完成新的数据模型搭建。业务系统改造完成后，将系统数据共享至数据治理主系统对应数据库中，数据治理主系统实现对各业务系统的信息抽取。历史数据清洗迁移，由于油气行业数据产生周期较长，历史数据跨越的年份较久，历史数据分为非系统历史数据，系统历史数据。对于非系统历史数据，需要人为进行梳理，录入到数据治理主系统。系统历史数据，分析历史数据是否符合改造后系统，若符合系统要求，则仅需对数据进行核对，无需再次采集。若不符合系统要求，则需对历史数据进行线下数据复核及采集。

3.2加快建设企业数据共享的统一平台与可信平台

其一，通过政府和行业协会力量，推动企业数据共享统一平台建设，对企业数据共享的数据格式、传输标准、对接端口、存储要求等制定统一标准，推进企业数据双通向、高质量、高效率共享。其二，建设企业数据共享的中间平台，消解企业数据共享流通的信任困境。数据中介的准入资格方面，除要求具有专业知识和技术设备外，还应满足“独立性”要求，即不隶属数据供需关系的任何一方。数据中介的市场准入应由主管机关评估后颁发行政许可，国家应将符合条件的数据中介平台集合起来构建国家数据中介数据库。数据中介的运作方面，由数据共享双方在合格的数据中介数据库中进行选择，数据共享的格式、标准、接口等均可由数据控制者与数据共享相对方约定或协商选择。

结束语

对于企业而言，通过数据治理”安全左移“的规制方法，实现了从局部组织或流程扩散到整个企业的核心范围内的综合数据流转，将数据控制混乱状态打理到井井有条集权适中的过程。简言之，数据合规治理按照一定规则秩序将数据吸收、聚合、整理到一个可控的数据池内，实现业务数据化，经过一系列数据萃取，实现数据资产化，再由管理者决定数据的价值变现和知识服务，实现资产价值化。这一治理目的是通过技术与规则标准，提升数据质量，为更大范围促进开放利用，提交数据交易可能性，做好数据价值量化的准备性工作。

参考文献：

[1]罗敏,李启明.中国建筑企业海外经营合规管理研究[J].中国工程科学,2021,23(4):87-96.

[2]陈瑞华.论企业合规的中国化问题[J].法律科学(西北政法大学学报),2020,38(3):34-48.

[3]许多奇.论跨境数据流动规制企业双向合规的法治保障[J].东方法学,2020(2):185-197.

[4]毛逸潇.数据保护合规体系研究[J].国家检察官学院学报,2022,30(2):84-100.

[5]陶峰,万轩宁.监管科技与合规科技:监管效率和合规成本[J].金融监管研究,2019(7):68-81.