大型企业档案与数据协同治理框架与实现路径

符京生 刘汉青/中国石油长庆油田公司

苏兴华 孙洪君/中国石油川庆钻探公司

随着云计算、物联网、人工智能等信息技术的发展，人类社会迎来了“数据浪潮”。企业也处在数字化转型的变革中，企业的业务流程、管理对象、服务方式等都朝着数据化发展，数据正在成为企业新的资产。技术的冲击也引起了档案业务形态的变革，新技术环境导致的数据驱动模式使得信息的处理由相对冗余和庞杂的文件尺度开始降维到更容易解析和处理的数据尺度[1]，档案需要以管理对象空间变革为契机，打破档案和数据之间隔阂，把数据作为档案的一部分，拓宽管理对象，提升档案治理能力，完善档案治理体系。本文基于中石油长庆钻井业务平台与档案管理系统的对接整合项目实践，对企业档案与数据协同治理的框架与路径进行思考。

1 企业档案与数据协同治理的基础

1.1 企业档案与数据协同治理的必要性

从数据治理角度审视档案管理，笔者认为企业档案管理的痛点在于企业对管理对象的变化不敏感：企业前端业务系统的运转、接收等操作都会产生业务数据，业务数据是业务活动的全过程记录，但档案管理只关注重要业务活动产生的结果文件档案，而不是记录，因此错失了重要的管理对象业务数据。长庆油田的项目组、工程队在作业过程中会产生大量的钻井工程的业务数据，这些结构化数据存在于川庆一体化平台（系中国石油集团工程技术服务板块的工程作业智能支持系统）中，是钻井井史、钻井工程资料的重要数据来源，但档案部门并没有将其纳入管理范围，因此需要将该平台的业务数据与公司的档案管理系统对接，实现钻井工程设计、钻井井史、钻井工程资料的网上审核、审批，进行数据资料网络归档。

从档案角度审视数据管理，目前企业要做到数据治理，需要重视历史数据管理与非结构化数据管理，绝大多数历史数据附载于档案之上，需要将非结构化的档案转化成结构化数据进行资源盘活，统一管理结构化与非结构化数据，建立高质量的数据资源池。

1.2 企业档案与数据协同治理的可行性

追踪档案管理与数据治理，发现二者具有管理对象的一致性。档案管理的管理对象经历“实体—信息—知识”管理层次的转化，在即将到来的单轨制时代，数据将是档案管理的微观基本单元，也是档案实现知识服务的关键；而数据治理被定义为技术与管理相结合的一套持续改善管理机制，贯穿数据管理的整个过程[2]，由其定义可以看出数据治理的对象是数据，数据在其价值发挥过程中，也存在“D-I-K-W链条”[3]，基于大规模的数据，通过数字化、结构化、语义化的操作，数据对象可以成为知识[4]。二者的治理对象都是数据，鉴于治理对象的一致性，企业可以在管理机制、开发手段、服务方式、技术支撑等多方面进性协同治理。

2 企业档案与数据协同治理框架

根据治理要素，结合川庆一体化平台建设实践经验与新形势下档案数据治理要求，基于实用性、前瞻性等原则，从组织协调、治理对象、标准规范、流程优化、技术安全、支持服务6个层面，提出企业档案与数据协同治理框架。

一是组织协调层，强调建立协同治理组织架构，协调指挥档案部门、数据部门、业务部门等多元主体开展决策。档案数据协同治理的组织体系，需要从单一线性的档案生命周期运作模式，逐步形成完整的“决策者—执行者—监督者”的架构模式。长庆油田目前正在建立以档案馆为核心的治理组织结构体系，根据组织架构建立并完善档案数据治理制度体系。

二是治理对象层，关注主数据管理与元数据管理。协同治理对象主数据包含业务数据、历史数据、档案数据。长庆油田将钻井数据列为主数据，围绕钻井、固井、完井、钻井工具、钻井作业、井史等形成完整的主数据保存链，并通过系统预先设定元数据、归档元数据等方式，保障归档数据的完整性。

三是标准规范层，关注数据质量管理与数据标准。在数字化的档案管理模式中，关注档案的真实性、可靠性、原始性，却很少关注档案数据的质量。为保障数据可用性，长庆油田依据钻井数据规范、电子档案标准等，形成数据形成、数据收集、数据管理、数据利用的标准化流程。

四是流程优化层，关注业务流程优化与数据全生命周期管理。流程优化是一个持续的互动过程，寻找数据与档案产生的原点与交叉点，梳理不同数据的运转路线，发现提升治理效率的关键。长庆油田根据数据产生流程，形成了项目技术部—信息中心档案室—油田公司项目组—信息中心档案室—档案馆这一数据归档流程，保障归档数据归档的质量与效率。

五是技术安全层，强调运用技术，支撑数据治理，保障数据安全。川庆一体化平台采用SOA架构，SOA采用表现层、中间层（业务逻辑层）和数据服务层这三层结构，将业务规则、数据访问及合法性校验等放在中间层处理，客户端不直接与数据库交互，并通过文档在线签章和签名等手段保障数据安全。

六是支持服务层，聚焦人员能力提升。实践中需要不断提升工作人员将数据转化为知识的能力，增强其信息素养。

协同治理框架合理安排人、数据、技术、制度等治理要素，但是笔者认为目前企业协同治理的重点在于组织架构、治理对象与支持服务。档案与数据的协同治理，涉及多个部门多方主体，需要制度由上而下引导，尤其是档案领导需要突破思想的掣肘，成立专门的治理机构来进行数据治理工作的统筹规划。同时，治理也是人员思维变革由下而上的推动过程，治理人员思维与能力的提升，优化治理环节，形成有利于协同治理的氛围，与上层一同作用于治理对象。

3 企业档案与数据协同治理的实现路径

3.1 构建以档案与数据协同治理为中心的制度环境

企业开展协同治理，首先需要做好顶层设计，建立上层组织，建立档案与数据协同治理的体制。协同治理可以借鉴数据治理的要求，形成“协同治理委员会—协同治理小组—协同治理执行人员”的治理体制。协同治理委员会具有在企业范围内开展治理活动的权力，由企业高层管理人员、档案馆馆长、IT部门领导组成，解决相关人员权责问题，推进数据治理。协同治理小组主要辅助协同治理委员会开展工作，如制定有关政策、起草标准和章程等。协同治理执行人员是在某个特定的主题域内，协作完成协同治理制度活动的专员，可以细分为业务执行者、技术支撑者、档案执行者。

建立档案与数据协同治理的政策与标准，有学者在阐述文件管理对象认识时认为“模拟态主管载体，数字态主管内容，数据态主管规则”[5]。档案与数据融合，在借鉴档案管理相关管理标准的基础上，根据企业实际建立新的档案与数据治理政策与标准，注重解决协同合作下策略和标准不一致的问题，如中国工商银行建立了统一的企业级数据标准，覆盖当事人、产品、协议、账户、介质等十大标准主题，为大数据体系下的数据共享奠定基础；还建立了国内金融行业首个全行级信息标准管理服务平台，实现数据标准的建立、变更、发布、查询、废止等全生命周期管理[6]。

建立档案与数据协同治理的监督机制，监督机构要负责进行数据评估，从管理层面、业务层面、标准层面以及IT层面深入评估数据质量，评估数据是否利于永久保存，以及数据价值能否实现最大化，从而优化业务流程。

3.2 构建以主数据为核心的分类治理体系

主数据作为企业最有价值的数据，分散在企业的各个活动、业务流程、系统和应用程序中，需要以元数据为辅助，以技术为支撑，对结构化数据与非结构化数据进行分类治理。

非结构化数据在企业数据中的比例越来越高，如企业产生的文档全文、社交信息、网络信息等。结构化数据与非结构化数据的治理，需要采取不同方式。结构化数据治理的要点在于制定业务、档案一体化方案，通过方案形成统一标准的数据，打破系统壁垒，进行数据沟通与融合。非结构化数据治理的要点在于形成元数据方案，便于数据的采集与统一管理。

以长庆油田档案数据协同治理为例，对结构化数据及非结构化数据提出了不同的治理架构。对于非结构化数据治理，在前端业务部门，形成统一的业务标准、规范和制度，同时遵循电子文件元数据标准和规范进行人工录入和自动采集，使数据生成标准化和规范化。在数据归档过程中，通过数字签名等手段，保障主数据及元数据的真实性与安全性。在后端档案部门，将非结构化全部纳入归档管理，利用非结构化数据系统对其进行统一的集中管理，以便后续数据利用。对于结构化数据治理，主要通过数据治理平台来实现，以钻井数据为例，采用一体化治理方案，不进行物理归档，应用档案管理部门介入机制来实现业务指导。业务系统的建设、数据资源、技术标准、数据结构均由业务部门负责，处于活跃期的数据由业务部门自行管理。当数据处于静态期时则纳入档案部门管理，档案部门结合档案数据资源池的数据，进行数据分析、数据挖掘，将其知识化、智能化，最终为企业服务。

3.3 构建以数据素养为重点的人才培养机制

在数据态环境下，作为协同治理主体的工作人员是提升治理水平的关键环节。在结合传统管理人才、业务人才、技术人才、档案人才培养模式的基础上，根据协同治理目标，建立协同治理人才培养体系，注重形成分类人才培养方法，档案人员注重培养数据素养，包括掌握数据安全、数据质量、数据评估等管控方法，掌握数据关联、数据分析、数据挖掘等技术，并以数据为核心，不断向交叉知识拓展；而数据人才注重培养档案素养，包括掌握档案分类保管方法、档案基础理论等，以档案管理为核心，不断向信息管理深入。

企业需要采取一系列措施，建立培养机制，促进企业协同治理文化的形成，如建立沟通制度，良好的治理沟通机制包括上下级沟通、平行沟通与外部沟通。企业也需要形成激励制度，设计合理的考核指标，提升员工参与治理的积极性。还要引进数据人才，进行数据安全红蓝对抗等，这也是企业培养员工数据素养的重要方式。