电网大数据治理体系初探

谈韵

摘 要 数据治理是指从使用零散数据变为使用统一主数据、从具有很少或没有组织和流程治理到企业范围内的综合治理。它是一种关注于信息系统执行层面的体系，本文是国家电网合肥供电公司通过在营销系统、用电信息采集数据的相关大数据应用业务探索和尝试，在大数据基础数据治理上的研究不断加深，形成了自己的工作体系。

【关键词】电网 电力大数据 治理 大数据管理

1 引言

2013年至2014年，国网公司信通部就逐步开展大数据研究与应用推进工作，完成编制《大数据应用研究报告》、《公司大数据典型应用需求分析报告》，组织中国电科院、南瑞集团等完成省公司大数据平台总体设计，编制形成《公司大数据应用指导意见》。2015年正式启动大数据平台建设、应用试点工作。

目前，国网公司范围内各单位陆续开展了一系列大数据的研究试点工作，但大多是集中于大数据平台的技术研究实现，在应用方面多数是基于营销系统、用电信息采集数据的相关应用业务探索和尝试，而在大数据应用机制以及基础数据治理上开展的研究工作较少。在进行数据综合应用和智能分析的过程中，发现数据质量问题从表象看是数据不完整、数据质量差，但从深层次看是欠数据标准、缺数据管理职责、无数据考核机制等等。

2 数据治理的发展

上世纪九十年代以前，国外企业在数据治理方面也存在很多问题，IBM和摩托罗拉就是典型代表。

1992年之前，IBM在数据治理方面存在很多问题，没有明确的可依赖的数据源，没有明确的数据所有人，数据质量差。1995年，IBM梳理并制定了业务数据标准，定义了15大类业务标准、79个分类子业务标准，这样全公司看到的是一个统一的业务定义；2004年，IBM制定了数据责任人体系，并联合业界多家公司和学术研究机构，成立了数据治理论坛，制定包括四大领域11个要素的数据治理框架和方法，来指导数据治理工作的开展。2005年成立了数据治理委员会，之后又成立数据审核委员会。通过数据治理，IBM简化了基础架构，并降低了管理的复杂度。

同样在上世纪末，摩托罗拉提出了六西格玛管理策略，包含定义、测量、分析、改进、控制的DMAIC流程，初期用于解决产品/服务质量问题，后来也在解决数据质量方面得到很好的应用。

近几年，IBM开展大数据治理研究，提出了18步大数据治理统一流程模型，并应用于电信、零售、金融和公共交通等行业。

2014年，中国出现了专门的数据治理研究组织ITSS WG1，并向ISO正式提交和发布了数据治理研究白皮书。

目前，国内电力行业开展的数据治理工作主要包含两大类，一类是处理现有业务环节的数据质量问题，如营销稽查；另一类是针对业务主题应用的数据治理，如营配贯通、运检中心的数据质量评价。目前的数据治理工作没有形成体系，缺少统一的标准、组织架构、管理考核机制，难以持续有效开展。

随着对数据资产认识的不断清晰，电力行业数据治理的目标也在发生转变，国家电科院也已经开始着手数据治理体系的研究，但暂未涉及包含数据、应用、技术和管理的数据治理体系建设和应用。

3 电力大数据治理方法论

国网合肥供电公司在此背景下，制定深化大数据应用工作方案，以市县公司实体业务为切入点，推进大数据应用方法在供电企业应用实践，打造大数据应用环境，同時从以下几个方面定义合肥供电公司数据治理的方法论：

（1）理解数据治理的职能；

（2）把握数据治理的核心；

（3）明确数据治理的目标。

通过执行数据治理，对电力企业数据的管理和利用进行评估、指导和监督，提供不断创新的数据服务，为企业创造价值。

4 电力大数据治理体系探索

国网合肥供电公司经过不断的在营销系统、用电信息采集数据的相关应用业务探索和尝试，在大数据基础数据治理上的研究也在不断加深，电力大数据治理体系建立需要明确的工作至少包含以下几点：

（1）需要在哪些业务领域或应用场景作出电力业务数据治理的决策；

（2）需要哪些角色的人，以及如何参与到决策过程中；

（3）明确、完善电力大数据治理的最终目标。

4.1 数据治理原理研究

4.1.1 六西格玛（Six Sigma，6σ）管理及其数据管理延伸

六西格玛（Six Sigma，6σ）是一种能够严格、集中和高效地改善企业流程管理质量的实施原则和技术，以”零缺陷”的完美商业追求，带动质量成本的大幅度降低，最终实现财务成效的提升与企业竞争力的突破。实施步骤包括：定义、测量、分析、改进、控制。

六西格玛管理延伸到数据质量管理方面，一般采用十步数据质量管理方法。

（1）定义和商定问题、时机和目标，以指导整个数据质量管理的工作；

（2）收集、汇总、分析有关形式和信息环境。设计捕获和评估的方案；

（3）按照数据质量维度对数据质量进行评估；

（4）使用各种技术评估劣质数据对业务产生的影响；

（5）确定影响数据质量的真实原因，并区分这些原因的影响的数据质量的级别；

（6）最终确定行动的建议，为数据质量改善制定方案，包括数据级和组织级的；

（7）建立数据错误预防方案，并改正当前数据问题；

（8）通过改进组织管理流程，最大限度控制由管理上的缺陷造成的数据质量问题；

（9）对数据和管理实施监控，维护已改善的效果；

（10）沟通贯穿管理始终，循环的评估组织管理流程，以确保数据质量改善的成果得到有效保持。

依据六西格玛（Six Sigma，6σ）管理的原则和技术，借鉴十步数据质量管理方法，以业务驱动，用数据说话，进行数据治理体系的研究和典型实践，开展长效数据治理工作，为业务应用和决策分析提供优质数据。

4.2 数据治理关键点研究

4.2.1 识别数据质量关键要素

依据特定的业务需求或完整的业务场景，明确需要进行数据治理的关键要素。数据要素的涉及范围广，业务逻辑复杂，同时也就牵涉到的数据内容较多。

以供电公司统推PMS系统、营销MIS系统为例，其中数据质量关键要素包括电网设备台帐和参数：营销系统中的用户档案、计量台帐和台户关系，电能量采集系统中开关台帐和电量数据，调度技术支持系统中负荷数据、电网电压、停电等运行数据，用电信息采集系统中负荷、电量和停电等运行数据。例如PMS系统中线路设备的编号、名称、电压等级、所属变电站、运维单位、运行状态等信息，调度技术支持系统中线路的电流、电压、有功功率、无功功率、功率因素、运行状态、状态切换等数据。

4.2.2 数据标准的制订

制订数据标准是一个非常系统和复杂的工作，但它是开展数据治理工作的基础。根据数据质量定义，制定数据度量规则，包括完整性、唯一性、一致性、精确性、合法性、及时性等，这是一个反复迭代的过程，度量规则需要进行实践验证并不断补充和完善，这是开展数据质量度量的关键。

4.3 数据治理管理责任研究

国网合肥供电公司在大数据应用项目中，经过不断的摸索，梳理出关键性基础数据的责任分解，大致如图1。

4.4 数据治理考核研究

（1）设立数据治理組织机构，明确工作权责，建立部门间管理协同和业务统筹协调机制，推动数据治理工作长效开展。

（2）制订数据治理考核制度，明确考核指标、考核周期、考核范围、考核标准等，落实数据认责，以绩效考核的方式促进数据质量的提升。

5 总结

供电公司已经进入大数据时代，数据治理面临着多重问题，因此，合肥供电公司不断在大数据应用过程中加强数据文化意识，推行数据治企的理念。摸索建立数据治理组织机构、培养大数据人才、学习大数据质量治理技术、制订数据标准，同时加强数据安全，保护供电公司个人隐私，建立数据责任人认责体系。最后，持续不断进行质量改进，为合肥公司电力大数据应用提供坚实的高价值数据基础。

参考文献

[1]涂子沛.大数据：正在到来的数据革命[M].桂林：广西师范大学出版社，2012.

[2]维克托·迈尔—舍恩伯格，肯尼斯·库克耶·大数据时代[M].杭州：浙江人民出版社，2013.

[3]陈潭.大数据时代的国家治理[M].北京：中国社会科学出版社，2015.