数据模子与数据治理（三）| 渐进实现企业数据模子

随着越来越多的企业熟悉到数据作为生产要素的价值，加速了企业数字化转型，把完善企业级的数据治理系统作为企业数字化转型的一个目的。AG电投厅科技在大数据领域始终坚持足够的手艺敏锐度，并积累了富厚的履历与资产。为此，我们组织了一个系列专文，分期揭晓，与您一起探索更适合当下行业生长的数据观，接待各人一连关注。

作者｜AG电投厅科技大数据研究院

内容｜本篇共4730字，预计阅读时间18分钟

点击下方图片回首往期内容

AG电投厅·(中国)官方网站

既然企业数据模子云云主要，为什么许多企业不启动企业数据建模呢？

企业对企业数据模子的认知与行动，整体上可以归纳综合为以下四类：

l 企业数据模子的少数先行者。他们履历了多年的训练，积累了富厚履历，也吸收了深刻教训，企业有能力，有动力，治理层有气概气派，集中了营业与数据领域精兵强将，投巨资开发了企业逻辑数据模子，并以此指导数据领域有序开展事情。

l 拿来主义追随者。这些企业不想重走先行者的老路，希望购置企业数据模子直接用于指导数据领域事情，期望快速收效。

l 苏醒的务实者。这些企业熟悉到了企业数据模子的价值以及建模的主要性与迫切性，也充分预计到实现的重大性与高危害，对自身团队能力以及可投入资源有苏醒的熟悉，暂时没有接纳实质行动。

l 某些企业不相识甚至不认可企业数据模子的价值，以为企业数据模子约束开发职员，延缓开发历程，阻碍营业立异生长。这些企业往往历史沉淀积累少，可用资源缺乏，快速转变已成惯性。

金融行业举行企业级数据治理与建模是羁系需要，也是支持未来恒久生长的需要。不管企业数据现状能力怎样，都可以在开发企业数据模子方面有所作为。

在实验建设企业数据模子之前，对实验的目的与路径应该有苏醒的熟悉。

不要试图一次性对企业数据建模

早在 20 世纪 80 年月初期，一些组织最先实验企业逻辑数据模子，遵照其时的最佳实践，试图一次性对整个企业数据举行建模，80 年月末许多项目由于资金主要阻止了。40年后，虽然数据治理、数据治理、数据架构、主数据治理、元数据治理、数据建模等数据治理知识系统已经日趋完善，但现实仍面临许多挑战，不可支持在一个项目中一次性实现企业数据建模。

l 团队组建、加入、协调推进难。为了开发、维护和富厚扩展企业数据模子，需要组建大型专业与治理团队，协调所有主要加入者一起加入整个数据建模历程，不然数据模子是不完整的。这些来自各个部分的营业领域加入者（如，种种数据所有者、数据治理员、数据消耗者），基本都是营业主干，无法脱产全程专职加入，很难有用推进事情。

l 历史与现状问题难以解决。要找到并解决目今营业职员之间保存的所有相互冲突的数据视图和营业规则需要破费太长时间，找到并解决现在系统之间保存的所有数据冗余和数据纷歧致问题需要更长时间，许多问题很难彻底解决，除非重构系统。

l 建设周期长，收效慢。由于建设周期太长，会延迟新系统的实验（除非冻结需求，可是羁系等需求不允许推迟）。营业职员与治理层看不到企业数据建模者对利润的孝顺，很可能失去对项目的支持。

l 企业数据模子设计没有终态，需要一连生长。在知足企业现状的同时，关注行业正在爆发的转变，思量营业未来生长的前瞻性，按期更新刷新。也因此模子设计需要接纳科学的设计模式，以包管模子的稳固性、可扩展性。

因此，建议各企业接纳增量迭代要领构建企业数据模子，两个模子之间的任何差别、歧义或纷歧致都将泛起给加入者协商解决，每次迭代投入少，时间短，都可以获得增量价值（并及早宣布使用），随着时间的推移，种种与企业数据模子脱节的特定项目数据模子将镌汰，逐步实现企业数据模子与模子价值。

AG电投厅·(中国)官方网站

不要妄想构建完整的企业数据模子

没有任何企业数据模子可以界说所有可能保存的数据实体与属性，不要妄想，也没有须要界说企业所有的数据构建完整的企业数据模子。

l 若是需要企业数据模子治理所有数据的建设与维护，模子自己将成为数据开发与使用的瓶颈，可能还没有宣布就已过时，由于企业数据结构与需求已经爆发了某些转变（并没有遵守企业数据模子），企业数据模子也不可准确反应目今的营业与数据。

l 营业系统与数据应用系统要快速响应营业与羁系需求的生长转变，若是模子包括过多细节，将延误系统开发进度，影响正常的营业事情开展，约束营业立异，企业数据模子对这些系统将事实上失去作用。

l 模子设计初期首先设计要害实体，收益的增添凌驾本钱的增添。后期边际收益随着模子的富厚而下降，可能由于治理一些不主要的数据，边际本钱大幅度增添，但没有带来响应的边际收益。

AG电投厅·(中国)官方网站

数据客栈之父Bill Inmon以为企业数据模子包括要害主题领域、与营业运营关注的要害实体，为每个要害实体建设详细的逻辑模子。数据建模领域著名专家Steve Hoberman建议仅在主题域级别建设企业数据模子，级别越高越稳固。一些企业有稳固成熟的组织、营业、流程，随着时间推移，应向下细化，抵达企业逻辑数据模子。

准确使用外购数据模子

从需求说明书、营业手册、行业规范等内部、外部文档资料以及通过头脑风暴、钻研会、访谈等方法，识别营业关注的内容，提取要害看法，从零最先设计企业数据模子，事情效率低，希望缓慢。可以自上而下借鉴外部乐成的产品与履历，自下而上从目今数据反向工程设计企业数据模子。

l 借鉴成熟的行业数据模子。这些行业数据模子产品包括主题模子、看法模子、逻辑模子完整的模子组件，提供主题域、实体、属性的界说以及分类与关系等营业规则，已经经由许多企业验证，可以作为企业数据模子的要害输入或作为参考目的以评估现状、确定差别，凭证企业自身营业与条件举行裁剪或扩充，从而缩短周期，镌汰本钱，降低危害。行业数据模子一样平常都接纳笼统与范式的设计模式以提升模子的稳固性、可扩展性，专业设计门槛要求较量高。

l 借鉴外部特定企业的数据模子。这些模子一样平常也是基于行业数据模子客制而来，大宗通用设计被隐藏，突显该企业特点与设计师个性化设计，其参考价值可能没有原行业数据模子高，要稳重引入与科学参考使用，若是不思量差别而教条照搬，可能铺张资源与时间，降低实验效率。如，大型银行的营业产品线周全，自主开发能力强，主数据、参考数据治理成熟，有强盛的组织与资源支持；而中小银行的营业产品线较量狭窄，组织规模、结构、分工甚至营业流程都保存差别，开发主要依赖第三方，资源支持能力相差悬殊。

AG电投厅·(中国)官方网站

没有一套行业数据模子能完全切合该行业所有企业，没有任何一套外购的逻辑数据模子是完善的，实验完全重用其他企业的数据模子可能不起作用。

不要妄想越过模子设计的某个阶段

企业数据建模需要履历主题模子、看法模子、逻辑模子三个差别详细级别的设计阶段，每个阶段的输出是下一阶段的输入，每个阶段关于整个模子的构建以及对数据的明确都很主要。

l 每个企业数据模子组件，都有其受众群体以及数据治理的用途。以企业数据模子指导数据资产盘货为例，首先对资产按主题分类，然后与看法模子实体映射，在看法级别确定哪些是要害资产与垃圾资产，这样就不需要投入大宗资源去做垃圾资产字段级的梳理了。

l 许多实践忽视了主题模子与看法模子的设计，直接设计逻辑模子。模子是语义理论的基来源则与数据建模的基来源则相团结的效果，看法模子是逻辑模子设计的基础，看法的内在与其表达的外延应该一致，一旦模子设计进入逻辑设计阶段，说明关连人已经对看法模子告竣了一致的明确。主题域是数据的高级分类，所有数据工具都与数据主题域绑定。界说和命名每个主题领域的历程很主要，由于它提供了在营业界线之间就对组织至关主要的主题告竣共识的时机。主题模子与看法模子是稳固的数据架构基础，若是不设计主题与看法模子，让用户直面数万属性项的Excel逻辑模子，许多用户可能对一些看法有各自的明确而无法相同交流，逻辑模子也可能由于自身的种种问题而崩塌。

l 外购数据模子不可镌汰企业数据建模的历程。纵然外购数据模子，也需要一个消化吸收的历程，重新最先开展事情，对每个主题与要害实体、属性以及营业规则，凭证企业的现真相形举行调解，并在数据社区宣传，获取反响，以期告竣关连人一致的明确与共识。

建设数据治理职责分派矩阵

数据模子是营业职员与手艺职员的接触交互点，数据主题领域、实体、属性，是数据治理的差别详细粒度。模子设计历程需要营业加入分工，凭证企业规模、数据治理成熟度等，设置数据治理的角色，付与响应的治理职责与内容，最大限度地提高治理数据质量、价值、可用性和清静性的有用性和效率。

l 数据治理专员以整个企业的视角来资助突破数据孤岛，资助确定或批准将数据从源转换到目的的规则，包管企业跨营业领域的数据质量和有用使用。营业数据治理专员与关连人一起界说和控制数据，认真本事域子集的数据界说、生产与使用。每个数据主题域被分派一个或多个营业领域营业数据治理专员，确保每个营业领域都有响应的营业数据治理专员认真。

l 数据所有者对其治理领域内的数据具有批准权限，可以是某个营业数据治理专员。企业数据的所有权很是主要，通过识别和纪录跨营业和组织界线的数据关系和依赖关系，把企业数据模子用作数据所有权治理工具，支持“共享”所有权。

l 手艺数据治理专员认真一个数据源级的数据质量，他们是在某个知识领域内事情的IT专业职员，如数据集成专家、数据库治理员、数据质量剖析师或元数据治理员。

l 在数据架构治理中，数据治理专员评审、验证、批准与完善数据架构，营业数据治理专员明确数据要求和规范，数据架构师依据规范设计企业数据架构。

AG电投厅·(中国)官方网站

凭证自身能力现状

建设明确的目的与可行的路径

企业可以提供的资源、支持与能力影响初始规模，决议了可以花几多时间、精神来构建和维护企业数据模子，若是初期设定了不切现实的规模与目的，却长时间难以交付实质内容，可能会让关连人失去信心。

l 关于大大都企业来说，由于资源与能力所限，初始目的可以设定为实现企业级看法模子。企业内部要害的营业系统与数据应用系统，笼罩了企业要害营业领域，对这些系统举行反向工程形成物理模子，参照行业数据模子举行分类与验证，梳理出要害实体与属性，重用现有模子的组件，迭代建设新模子。

l 若是企业已实验建设数据客栈数据模子，可以此为基础升级。企业级数据客栈数据模子是企业级剖析数据模子，一样平常基于成熟的行业数据模子设计，已经包括了富厚的实体，笼罩了大部分主要数据，在此基础上，建设数据治理职责分派矩阵，凭证企业数据模子设计的要求举行修正、裁剪、增补。

l 少数组织已构建或起源构建企业逻辑数据模子，应完善组织，增补看法数据模子，修正逻辑数据模子，在企业规模内普遍宣传，将差别层级模子用于治理差别的数据运动，在数据治理运动中一连优化、完善。

在实践中完善组织

作育团队与数据文化

建设一个随时间一连生长和成熟的组织。随着数据治理的深入与周全睁开，早先建设的数据治理组织、职责、流程等需要逐步优化、完善，确保接纳新的政策和流程获得利益相关者的支持和认可，在整个企业得以遵照。

在企业数据建模与数据治理事情中发明潜质数据治理专员，认清他们做的事情，开发手艺和知识，任命数据治理专员，正式明确他们的治理职责，让他们做出更多孝顺。

建设企业数据模子的历程为企业差别职员提供了相助的时机，跨数据建模和数据治理的专家可以从相互的协作中有所收益。数据治理职员可以使用建模职员的探索和剖析效果确定目今的状态和刷新时机，在模子中纪录和执行正在推动的数据治理战略和标准，跟踪与监控执行的进度。数据建模职员可以建设富厚的营业案例，修正数据界说与营业规则，优化治理事情流，优化数据建模最佳实践。

建设与改良数据社区与文化。每一个企业的组织结构、文化与情形都是唯一无二的。每个企业的数据社区文化一定是有别于其他企业的，对数据的头脑和行为举行文化转变和一连的厘革，每个数据关连人都应该具备数据意识，注重到数据具有生命周期，数据在企业数据生态系统中的流转，各项事情对别人有影响，使各人成为相互的营业同伴。

综上所述，企业数据模子应该以增量和迭代方法在差别的详细级别上渐进构建。组建团队，作育专业能力，认真执行数据治理与建模每一项使命，建设数据文化，都需要团队相助与时间，不要妄想一次性实现完善无缺的企业数据模子。不管企业现状能力怎样，都可以从开发企业数据模子中获益，企业应凭证自身现真相形举行切合企业自身现实的建模行为，在数据治理中渐进实现与组织能力一致的企业数据模子，逐步释放出企业数据模子的价值。

数据资产价值实现（一）｜怎样明确数据即资产？

金融科技

2024.09.25

AG电投厅科技“星云”数智一体化平台，重磅来袭！

AG电投厅动态

2024.04.02