企业数据标准体系建设|163

引言

中国银行保险监督管理委员会为指导银行业金融机构加强数据治理，提高数据质量，发挥数据价值，提升经营管理能力，于2018年5月21日颁布了《银行业金融机构数据治理指引》，共7章55条。其中与数据标准、数据字典、数据共享、数据质量及数据指标等数据管控平台建设相关的有12条法规条文，数据标准体系的建立是数据治理中的基础性工作。今天和大家探讨一下如何建立数据标准体系并且持续维护和管理数据标准。

数据标准定义

2014年3月中国人民银行发布了金融行业标准：《银行数据标准定义规范》，对数据标准定义和内容作了规范：“数据标准是对数据的表达、格式及定义的一致约定，包含数据业务属性、技术属性和管理属性的统一定义”。

业务属性包括中文名称、业务定义、业务规则等，技术属性包括数据类型、数据格式等，管理属性包括数据定义者、数据管理者等。用以确保各种重要信息在共同使用和交换中的准确性、完整性和一致性，是数据质量管理的基础。

数据标准体系建设前提条件

1.构建数据标准管理组织

数据标准体系建设需要得到企业高层的重视和支持，更需要企业的所有部门共同参与。形成高层决策、数据标准管理部门统筹、各部门参与的数据标准管理的长效机制。其中高层是数据标准化工作的最高决策机构，数据标准化工作小组负责组织推动企业数据标准化工作。

2.制定数据标准管理制度

制定相关数据标准管理办法、细则等，从制度层面明确了在标准化工作中相关方的职责，建立了数据标准制定与发布、落地执行流程、变更与复审机制，使数据标准在机制上得到保障。

标准体系建立的两种路径

在实践中，商业银行数据标准体系的建立过程一般有两种路径。一种选择借助新一代信息系统建设的契机，统一规划、统一实施。通过构建数据标准体系，实施数据标准的强管控，让不符合数据标准规范的旧有数据随着系统下线逐渐消亡。这种方案的优点是通过顶层设计和企业级标准建模，减少了后续的数据供应链中进行数据转换和映射的成本，也使数据标准从源头到后端到应用都能够一致统一。但是，这样的数据标准化过程也必须有一个非常难得的实施机遇和窗口，某种程度上可遇不可求。

第二种是绝大部分商业银行在推进数据标准时都面临的场景，即存量系统、增量系统、重构系统混合，既要做好现有系统的对接，又要抓好新建系统的标准化，还要解决好数据质量问题在源头系统的改进，更要处理好数据赋能应用，正所谓“既要+又要+还要+更要”的四要模式。面对这样的“四要”难题，数据标准工作就必须进一步做到从实践出发，多方兼顾、有的放矢、稳步推进。

在实践工作中，关于如何在第二种场景中进行标准化工作，概括地说，可以用三个策略作为指导思想，从数据标准的三个维度、两个分类、一个平台着手。

更智能的数据标准建设方案

数据标准建设一般都要从上述五个步骤来下手，其中任何一个步骤单拎出来看工作量都是相当庞大，像标准的落地及维护想要完全依靠人工也不太现实。对于企业而言，需要一套完善、易用且更加智能的数据标准建设方案帮助其将数据标准建设工作落地。

亿信华辰旗下的EsDataStandard数据标准管理平台，可以有效的帮助企业建立规范的数据应用标准，消除数据的不一致性，从根本上改善和解决系统的数据质量问题，实现数据有效共享，并通过智能化的管理方法，让企业轻松享受大数据带来的便利和效益。

1、内置标准一键应用

平台内置一批国标、行标，可一键应用大大提高项目交付效率。另外平台内置标准的技术、业务、管理、质量属性，结合灵活的定义方式，从手工创建、导入、拾取、智能识别等，可帮助客户快速构建基础标准、指标标准、代码标准。

2、智能追踪标准历史

平台支持标准增、删、改、查、发布、审核等各种基础操作，其变更过程能被自动记录，通过变更版本控制，追踪标准历史。另外平台还提供了灵活细致的用户权限管理机制，满足不同用户管理各自的标准的场景。

3、可视化的界面一目了然

实现数据从创建到消亡全生命周期的可视化，数据标准的建立也是完全可视的，并且实现全角色的可视化，不管是执行层还是决策层都可对数据标准的完善起到关键作用。

EsDataStandard数据标准管理平台包括：标准分类管理、标准增删改查、标准导入导出、标准评审、标准发布、标准版本管理、标准落地映射、标准落地评估、标准监控等功能。同时为更好的保障数据标准的落地，最好结合元数据管理工具一起使用。

如果你已经非常明确自家数据体系存在数据病症，急缺一个可以妙手回春的良医的话，EsDataStandard数据标准管理平台一定是一个非常明智的选择。