基于业务体系的企业级数据资源管理体系研究

牛庆松，姚刚，蒋雷雷，何健

（1.国网临沂供电公司，山东 临沂 276001；2.国网山东省电力公司，山东 济南 250001）

0 引言

当前，数据广泛融入企业生产经营、管理决策等过程当中，已成为企业的战略性核心资源，数据管理已发展为新兴的管理领域[1]。公司数据规模日趋庞大及数字化企业建设的快速推进，集团性企业的数据可读性低、管理分散、信息孤岛、口径不一致、可信度难以甄别等问题越来越突出，如何通过数据资源的集中管理推动业务管理的提升，数据充分反应业务实际和价值发挥是当前企业在数据管理中面临的主要挑战和困境[4]。在信息化建设过程中，数据资源管理水平直接影响信息化建设的上层建筑，可以说，要想取得信息化管理的成功，必须有成熟的数据资源管理基础。数据资源的管理是信息化建设的基石，信息化的建设必须和数据资源管理紧密结合在一起，你中有我，我中有你，相辅相成，舍弃任何一方面体系都是不健全的，也是独木难支的。电力企业将数据资源管理作为信息化建设中的重点工作，从基层抓起，层层递进，形成健全的业务体系和数据资源管理体系。首先，在数据资源管理前期准备中确定资源整合的可行性，整合企业内数据资源，探究数据资源管理办法，制定资源整合方案，争取从多维度整合覆盖企业多部门、多业务系统的数据资源。然后，在数据资源管理过程中需要对数据资源中的各种系统软件及各种数据进行管理，但需确保数据资源的基础性地位。一方面，确保数据资源业务系统的独立性。为了能够支持和运行多种类型的业务系统，数据资源管理必须保证数据资源业务系统一定的独立性，建设好的数据资源可以满足各种类型的业务系统的不同要求，实现数据资源与各业务系统一对多的稳定支撑；另一方面，确保各部门数据资源集合复用性。数据资源的整合集合，需要满足不同业务系统或同一系统不同场景的数据需求，即数据资源集合需要具有复用性，单一数据资源不被固定程序捆绑且满足多系统多场景综合利用，需统筹兼顾不同的数据资源产生、建设及运用的过程，秉承“开放、共享”理念，公司内部各专业间主动协同，能源行业供应链上下游企业高效协作，形成一个自发性高、获得感强、活力充沛、良性发展的企业级数据生态圈，整合供应链上下游数据资源，充分应用大云物移智等现代信息技术，构建具有数字化、网络化和智能化特征的现代（智慧）数据资源管理体系。数据是业务运行和管理运营的载体，数据资源管理是数据价值发挥的基础，通过建立统一的管理体系和模型，推动企业内各类应用系统的整合，实现各部门之间数据信息的共享，全面提升经营决策、运营管理、业务拓展和客户服务等方面的支撑能力及企业精益化管理水平。因此，基于业务体系的企业级数据资源管理体系构建呈现出势在必行的态势。

1 业务体系框架

1.1 基于电力购销全过程的业务体系框架

借鉴波特价值链理论，波特价值链理论基本思路是将企业业务活动分为经营业务和支撑业务两大类，互不相同但又相互关联的两类生产经营活动，构成了企业价值创造的动态过程，即价值链。按照公司业务特点，将确定的116个业务分为电网业务和支撑保障业务两大类。电网业务是指贯穿电网建设、购电、电网运行、售电、客户服务全过程的电网企业主要业务活动，以电网基本业务为基础，依托电网企业的海量数据资源，有方向的进行数据挖掘分析，反映了公司电力购销业务运营和价值实现的主要过程。一方面，通过电网建设运维支撑电力的传输和供应，建成“数据干净透明、模型规范统一、分析灵活智能”的企业级数据资源管理体系，实现源端业务高度融合、数据充分共享、后端大数据分析的信息化应用新局面，最终满足用户需求，实现公司价值，获得客户回报；另一方面，针对客户侧的需求反馈，形成电网建设需求，优化电力调度及供应，进一步提升运营能力，逐步实现面向全业务范围、全数据类型、全时间维度数据的统一存储、管理与分析服务。构建运作过程全景可视、管理策略自动优化、战略决策有效支撑、数据服务全面精准的智慧决策中心，准确把握市场趋势和客户需求，运用“互联网+”营销服务模式，着力提升服务品质和效率，不断满足客户多样化、个性化需求，更好支撑公司价值实现。

1.2 基于客户价值导向的业务体系框架

借鉴互联网思维中以客户为中心的理念及企业价值环模型，按照公司业务特点，将确定的116个业务分为客户、电网和支撑保障三层。

业务体系以客户服务为核心，一方面，以公司资源为支撑保障，为实现构建全球能源互联网和全面建成“一强三优”公司等目标，需增强跨专业协同办公，深度挖掘数据价值，实现公司内部的跨部门协同管理，发挥“数据决策”效能的重要作用。通过数据资产化手段，计算加工各类源端数据，提高全业务数据管理水平，用数据管理企业、用信息驱动业务着力提升服务品质和效率，最终满足用电客户多样级个性化需求；另一方面，通过客户侧的需求反馈，形成电网建设和业务优化需求，构建数据资源分析平台，深度挖掘客户价值，实现客户资源的统一规范应用，避免数据处理、决策分析系统的重复建设，节约信息化建设投资。同时，基于数据资源分析平台，研究数据资源保值增值新方法，为企业运营创新，提质增效提供新的方向，进一步提升运营能力，更好支撑公司价值实现，反映了公司以客户需求为导向、以客户服务为核心的价值实现过程。

2 数据资源管理体系框架

数据资源管理处于基础设施之上，各业务系统之下，是公司信息化建设的桥梁。通过建设企业级统一的结构化数据中心、非结构化数据管理平台、海量实时/历史数据管理平台、空间数据管理平台，应用统一的数据资源管理工具以及标准的资源管理流程，面向全业务范围、全数据类型、全时间维度数据提供统一的存储、管理与服务，业务高度融合、数据充分共享，提升数据质量、数据模型、管理标准、数据流的管理水平，为公司多元化的分析决策提供数据支持；通过主数据的管理实现企业核心业务系统数据的抽取和清洗转换工作，消除数据重复存储、提高数据质量，加强跨业务数据的统一管理和应用，挖掘数据资源价值，提升信息集成水平；通过对全网文档、资料和知识等非结构化数据的收集、管理，奠定知识管理基础；通过规范的实时/准实时数据管理，实时监控整个电网的安全和运行状态。数据资源管理建设，是业务、应用、时间和空间等全维度数据的汇集中心的建设，是公司现有数据中心的进一步发展和完善，是公司源端全业务融合、后端大数据分析的重要支撑，提升数据综合利用水平，促进管理信息与自动化信息融合，充分发挥企业数据资源价值。

图1 数据资源管理体系框架Fig.1 Framework for data resource management system

3 数据资源管理机制

3.1 基于元数据的动态资源管理机制

3.1.1 数据资源范围

静态和动态数据资源管理都是以元数据作为基础的模型构建，从标准化和组织一致性管理的角度，包括如下几个方面内容：

①基础元数据（标准元数据）。根据领域通用业务抽象出来的标准化模型，为所有数据资源实例提供统一的管理视图。

②领域元数据（扩展元数据）。根据领域不同业务特征抽取出来的特殊模型，为数据资源的特殊性提供相关的描述。

③数据资源，包括各类格式的文件以及数据本身（表单数据或统计数据）。

④标准数据。指所有符合国标、国际标准或领域内标准化的数据体系，包括数据字典、具体固定范围的数据分类体系等。

⑤数据规则及约束。一般只有标准数据及数据信息具有关联、约束等限制条件。

3.1.2 分层的元数据模型描述体系

对于不同的数据资源对象，通过抽象分层的方式，实现由简单到复杂的构建，最终完成数据的映射。

①元元模型，定义所有数据类型，比如字符等。

②元模型，定义领域基础元数据模型，可以通过分类体系进行各个领域的元模型管理且可以通过版本来区分元数据模型的演化。

③元数据/ 模型，定义基于元模型的动态数据资源模型，用来存储领域内的实际数据及文件。

④实例(INFO)，真实存储的数据资源内容。

3.1.3 模型驱动机制

为了实现元数据分层模型，采用模型驱动的方法完成从平台无关到平台实现的递进实现。

其中元元数据和元数据模型构建是平台无关的，针对领域数据资源进行逻辑模型构建，形成PIM。在逻辑模型校验和审核无误后，进行平台相关的物理模型构建，形成PSM。最后根据平台约束转换成平台依赖的脚本库及代码，完成模型的最终构建。和数据库建模的过程基本一致，但是最大的不同在于，基于元数据的动态数据资源管理模型构建，是以模型管理和领域分类管理为核心，最终会形成以元数据模型为基础的数据资源体系。

3.2 基于主数据的数据资源管理机制

通过夯实公司信息化基础完成公司统一的六大企业级业务处理系统建设，进行公司范围的内数据资源管理，实现信息化与企业管理的高度融合，提升企业级数据中心支撑能力。

数据资源管理是应用信息技术和软件工具完成组织数据资源管理任务的管理活动，结构化数据资源管理的范畴包含以下几个方面∶

3.2.1 数据标准管理

数据标准包括各业务域的数据集标准、数据模型标准及信息分类编码标准。这些标准用于指导各业务系统建设与实施。

在标准管理上，数据资源管理工具应能有效管控标准的变更与执行，如何管理网省两级、省级集中的业务系统的统一版本问题是关键。

3.2.2 数据质量管理

数据管理的最终的目标是为了提升系统数据质量[3]。在主数据的清洗阶段，通过数据质量管理工作，对数据进行解析、标准化、匹配&去重、补充及验证建立可靠的数据。对于核心结构化数据在加载到数据中心时也进行相似的工作，提高决策支持水平。

因此，可以说“数据资源管理”核心是实现数据标准化及数据质量的管理。而数据标准化及数据质量又是企业信息化一体化推进工作的基石[2]。另外，从实际业务需求及数据集成角度出发，针对主数据管理方面的需求也越来越紧迫，基于企业统一数据视图的主数据管理的实现与否可能成为整个企业信息化建设成功的关键之一。最后，企业级决策支持系统对于数据中心数据要求非常高，标准的统一、数据的准确、一致，数据的高度集成及全生命周期管理等方面是其成功的关键。

3.2.3 主数据管理

主数据管理主要包括以下功能：

①主数据存储。以信息资源规划和ECIM模型为基础，梳理企业核心数据，确定主数据模型，统一主数据资源库、实现灵活可扩展数据模型，提供复杂数据格式支持。

②数据汇集。通过高效的数据抽取加载技术及成熟的工具，对企业核心数据进行集中数据管控，支持多系统主数据合并、大批量高性能导入、Excel导入/导出支持。

③数据清洗。通过第三方数据质量工具对各业务系统企业核心数据进行清洗、校验、查重和排重。

④数据监管。通过数据工作流的集成，自动化实现对新主数据定义和引入、主数据变更管理、版本管理、属性安全控制、全面审计支持。

⑤数据共享。制定主数据的共享、发布机制，通过对主数据的审核、管理，按需发送到所需业务系统。

4 数据资源管理体系建设的重点

通过上述分析，结构化数据资源管理建设重点∶

①建设公司统一的数据资源管理工具，实现对各业务系统数据质量审核，并形成数据管理标准、数据模型、数据流的统一管理体系。

②根据业务发展需要，结合智能电网发展要求，完善并扩充信息资源规划、ECIM模型内容，保持信息资源规划所制定的物理模型标准与ECIM逻辑模型在语义上的一致和兼容，为系统建设和集成交互提供标准数据模型。

③构建数据管理标准机制和流程，定义公司各类数据管理标准和数据标准，明确数据从创建、采集、分发到共享、决策各阶段的管理流程。

④继续完善企业级数据仓库(EDW)，形成公司统一的数据视图。

⑤构建主数据管理，建立主数据的识别标准和创建、下发、变更、销毁的管理制度和流程。

⑥提升数据交换能力，建立两级数据交换，引入EII/EDI/ETL等工具，扩展数据交换渠道，提升数据交换能力。

⑦加强元数据管理。丰富元数据库内容，对各种数据进行来源管理和“血缘分析”，从而清晰、直观地了解数据来源、变化过程和应用对象，提高数据可用性，剔除错误数据，提升数据仓库中的数据质量，促进业务系统规范统一。

5 数据质量管理体系解决应用问题

①以信息资源规划和ECIM模型为基础，实现主数据管理，建立主数据的识别标准和创建、下发、变更、销毁的管理制度和流程[4-5]：提供统一的主数据访问方式，实现业务系统间的信息共享。管理和维护主数据的编码规范、翻译规则、主数据数据模型、主数据分布报告、关联分析报告等，并提供查询服务。系统提供主数据存储和对外服务，包括增删改的申请和审査、主数据的查询、主数据的不定期同步、主数据版本的定期分发等。

②实现元数据管理，包括各别数据的来源分析“、血缘分析”、编码规则的存储和访问；

③实现权限管理，支持数据的安全控制；

④实现数据质量管理。

6 结论

通过企业数据资源管理系统的建立，一方面提高公司数据分析挖掘及辅助决策能力，通过数据体系化管理，构建数据之间的血缘关系，掌握数据归属及来源，以应用促进数据质量提升，提高公司数据管理能力，使企业基于高质量数据作第一时间分析反应，为公司数据分析应用及辅助决策奠定坚实的数据基础。另一方面增强企业统筹规划管理及数据资产增值探索能力，使企业第一时间找准企业的发展方向，制定及时有效的竞争措施，进一步提升企业的社会形象，抢占市场开拓、市场占有的先机，从而使企业在激烈的市场竞争中脱颖而出。通过对信息资源的集成管理，提高企业的资源利用率，避免信息资源的重复、分散、浪费和综合效率低下等问题。通过项目建设实践，在分散的系统间保证主数据的一致性，使企业能够集中化管理数据资源，改进数据合规性，使企业的业务更能适应市场变化的需求，为社会可持续发展贡献更大力量。同时，也有效提升客户经济、管理效益水平，为公司的创新发展，提供可借鉴的成功范例，这将在更广阔的范围为社会创造更大财富和效益。数据资源管理系统为保障大电网可靠运行发挥重要作用，有效解决电力企业应急指挥中信息沟通、资源调配、事件决策等问题，满足应急指挥中涉及数据量大、种类多，数据流转复杂，应用面广，时间响应快的要求，把突发性事件造成的损失减少到最低程度，同时，通过公司数据的统一管理，为公司数据应用发展提供支撑，降低企业数据管理和治理成本，提升公司数据应用水平。通过创新数据管理思路和方法加强数据源端管理，提升数据治理水平，全面有效支撑数据中心相关业务应用和分析场景构建等工作的开展。企业数据资源管理体系建立保障了电力企业智能化运营，实现智能分析、智能监测、智能控制[6]。