深度解读：建筑行业如何进行数据治理？

本文全方位深度解读建筑行业的数据治理，希望对您有所启发和帮助。

建筑行业由于它的特殊性，信息化程度相对薄弱，落后于最差的农业。

近年来，多数建筑企业正在跟随数字化转型的浪潮，从岗位到项目到企业级，逐一做信息化。

但由于多种原因，建筑企业的信息化，多是响应式建设，即业务部门提出需求后，信息部门即对应采购或自建IT系统，或者是出于资质或监管要求，对应建设IT系统。

结果是企业员工需要分别登录多个系统，极端情况下甚至用户名还不一样，一线员工需要登录多个系统录入同样的项目进度信息，企业领导需要分别登录多个系统去做审批。

有的企业OA系统、项目管理系统、财务系统、物资系统、招标系统分别录入项目信息，导致同一个项目，在不同的系统中名称不同。

汇总下来，多数问题是 缺乏系统的数据规划和标准，数据分散于各个业务部门各个业务系统，数据质量低下（数据不准确，数据不全，报表不可信），数据不互通，数据不能复用，新系统需要现有系统数据必须单做接口，不能实时做全域数据统计分析（需要一个个系统的手工汇总或填报数字）。

一言以蔽之，缺乏数据治理。

DAMA给数据治理的定义是“是在管理数据资产过程中 行使权力和管控，包括计划、监控和实施”。

原文是：“the exercise of authority and control (planning, monitoring, and enforcement) over the management of data assets.”

国家标准给数据治理的定义是 “对数据进行处置、格式化和规范化的过程” ，并注明： “数据治理是数据和数据系统管理的基本要素”，“数据治理涉及数据全生命周期管理，无论数据是处理静态、动态、未完成状态还是交易状态”。

单从定义上看国标关于数据治理的内容仅是DAMA关于数据治理的内容的一小部分，但结合国标的标注看，二者都是关于数据的全生命周期相关的战略、政策、制度、标准、流程、组织、任务或动作。

简而言之， 数据相关的一切都归属于数据治理，它不仅仅是个系统，更是个战略、组织、流程、系统的整合体。

这里我们再看几个概念，主数据、主数据管理、大数据平台、数据中台。主数据指“有关业务实体（如雇员、客户、产品、金融结构、资产和位置等）的数据，这些实体为业务交易和分析提供了语境信息。

实体是客观世界的对象（人、组织、地方或事物等）。

实体被实体、实例以数据/记录的方式表示。”主数据管理指“要对主数据的值和标识符进行控制，以便能够跨系统地、一致地使用核心业务实体中最准确、最及时的数据。”大数据平台（系统）指“实现大数据参考体系结构（一种用作工具以便于对大数据内存的要求、设计结构和运行进行开放性探讨的高层概念模型）的全部或部分功能的系统”。

数据中台指一套可持续“让企业的数据用起来”的机制，是一种战略选择和组织形式，是依据企业特有的业务模式和组织架构，通过有形的产品和实施方法论支撑，构建的一套持续不断把数据变成资产并服务于业务的机制。

之所以特意说明这几个概念，是因为笔者在实际工作中，不同的人对这几个概念的理解相差比较大，许多企业已建的在建的拟建的系统，从项目名称或系统名称上看多数是大数据平台、数据中心（这个在实践中多指由机房、机器、网络、操作系统组成的硬件环境）、数据中台，但实质内容想去甚远：有的是几个简单的主数据管理，有的是整合了几个系统的报表，有的仅仅是整合了两个业务系统的部分数据。

在笔者看来，数据治理的概念和内容包括了主数据管理、大数据平台和数据中台，主数据管理仅仅是数据治理、大数据平台和数据中台的一部分内容，笔者认为主数据管理是数据治理工作内容的十分之一。

大数据平台和数据中台多数企业没有严格的区分，实际上在数据中台的概念没有出来之前，多数企业是通过在大数据平台上构建数据服务系统的形式来为上层业务提供数据服务，只不过数据服务的内容、粒度在广度和深度上差异比较大而已。

在继续下面的内容之前，笔者尝试用通俗的语言给数据治理下个定义，即根据企业的业务战略规划，制定企业的数据战略规划，通过一定的组织手段、流程手段、技术手段确保企业的数据可以在正确的时间由正确的人通过正确的方式生成、编辑、维护和使用，数据从生成到消亡，全程是可见、可信、可用、可追溯，并且运用数据分析技术及数据共享技术，为业务运营及管理决策提供服务，而以上活动还可以被量化评估及优化改进。

梳理数据相关的组织或岗位、数据的流转环节、数据的存储和传输、数据的权限、数据的交叉引用、数据的分析需求、数据的安全级别等信息，制定相应的制度、标准，甚至是部门及岗位，确保数据持续性为企业产生价值。

自顶向下并自底向上，梳理企业的数据由哪些部门哪些岗位生成，谁有权利编辑更新，谁有权利使用，谁对数据的准确性、正确性、有效性、一致性等负责任，如何追溯数据问题，如何记录数据的变更、使用、传输过程，如何存储数据，如何保证数据的安全性，各业务之间有哪些数据交叉引用，各业务数据之间有哪些关联关系，各业务有哪些数据分析需求，各自处理层有哪些数据分析需求，计划用哪些机制、哪些组织及岗位、哪些技术手段在怎样的一个时间周期内用多少成本满足数据治理的需要，如何保证战略的连续性及前期投入的最大复用性。

制定企业的数据标准体系，包括管理标准和技术数据。管理标准明确了数据治理相关的组织、岗位、流程、制度，而技术标准明确了企业需要生成哪些数据，数据的格式、关联规则是什么，数据存储、传输、交换的规则、方式，数据安全的保障技术手段等内容。

基于企业制定的数据治理战略规划，建议企业尽早做数据架构，并建设数据治理的基础平台。由于缺乏IT战略规划，多数企业的IT部门是响应式服务，即各业务部门向IT部门提出IT系统需求，公司会议决议后，IT部门再采购或自建对应的IT系统，每年重复这样的动作。

这样一来，势必导致各IT系统各自为政，数据不通，新上的IT系统如果要用到现有系统的数据，多数要另外的资金预算给现有的IT建设单位做接口开发，而且开发周期往往比较长，而对于多数成品软件，给钱也不愿意做定制开发，导致企业上新IT系统难度增大，甚至导致新系统功能效果达不到预期，甚至部分功能无法使用，而又不能轻易废弃现有的业务系统。

基于以上原因，建议企业尽早构建数据治理平台，通过数据治理平台，全量、实时（全量和实时是最终目标，企业据情推进）汇聚现有系统的存量数据、增量数据；

根据数据标准可以实时对各业务系统数据进行质检和交叉比对，持续提升数据质量；

可以形成企业全域数据仓库；进而生成各种数据模型、业务指标；通过数据服务为各业务系统提供数据服务；

通过可视化模块提供数据的汇、管、用各过程结果的可视化；

新建业务系统的数据可以通过标准流程进行接入；

数据治理平台可以纵向及横向扩展，以满足企业的业务增长需求。

对于没有将IT系统上云的企业，建议逐步将IT基础设施迁移至云上，无论是公有云、私有云或混合云，这会极大降低企业的IT运维成本，提高IT系统的可用性，提高IT系统的灵活性（部署、运维）。

数据标准制定后，对于数据治理平台的建设节奏，建议按照数据汇聚、数据质检、数据仓库、数据资产目录、数据服务、数据分析的次序来。

即先保证企业的所有数据可以汇总受控，再通过数据质检逐步提升数据质量，形成数据仓库，基于数据仓库形成数据资产目录，组织、个人或系统通过数据服务功能使用数据资产目录中的授权使用数据，数据分析提供数据的描述性统计分析和深度分析，而数据可视化技术在各个部分分别提供过程和结果的可视化。

现有业务系统的全部数据实时汇聚于数据中台，包括 业务系统的结构化数据、非结构化数据、半结构化数据，各业务日志信息。 用统一的手段解决数据存储、加密、脱敏、传输等问题。解决数据分散及由数据分散引起的管理问题（成本高、效率低、部分数据甚至无管理）。

将汇聚的数据按照企业的数据标准进行质检、清洗，生成数据资产目录，各业务系统、组织、个人可以根据权限申请使用，数据责任主体审核通过后，申请人即刻可以使用所使用的数据，全程在线申请、审批，解决数据跨部门不可见、不可用或高成本可用的问题。

数据中台可以解决现有各部门、各层级的各种统计分析需求，满足各种跨业务系统、要求数据关联的统计分析需求，可以预测企业未来一定周期内的资金需求，做风险预警，可以做量化的供应商评价，项目评价等深层次数据分析及决策支持。

-END-