一、前言

公司即将完成

数据治理体系、数据标准体系编制工作。

继而面临着另外一个挑战：

如何有效落地、应用数据标准？

二、数据标准落地的契机

在实际的数标落地推进过程中，

可能会遇到类似下列的难点：

· 标准本身：

数据标准的定义不契合业务实际，

或后续缺乏有效维护更新。

· 系统方面：

外购系统难以按照制定的数据标准改造，

为了落标而改造系统的影响范围过大。

· 流程方面：

数据标准落标管控不严格、不重视，

业务部门在业务需求中鲜有提及数据标准落标要求，

技术部门在开发流程中

往往将业务功能开发的重要程度排在落标前。

· 人员意识：

缺乏对业务人员和技术人员的培训，

业务人员不知如何提出数据标准落标要求，

技术人员无落标意识。

在标准落地实践中，

数据标准落地需要把握关键落标契机，

也需要将落标这件事融入日常流程。

落标契机

通常，数据标准落地的契机一般由：

信息系统新建/改造、主数据建设、

指标库建设和数据质量提升

来驱动进行。

1. 优化信息系统开发流程

数据标准落地推进的关键在于

借助和融入信息系统的

需求、设计与开发等各个阶段。

· 需求阶段优化

项目需求阶段，

在公司软件开发评审工作流程中，

增加数据标准管理员的角色，

对软件系统需求与数据标准匹配度进行比对，

审核《软件需求说明书》中的数据标准执行要求，

确保符合公司的数据标准规范。

· 开发测试阶段优化

需求提出人在软件需求说明书中，

需要明确引用了哪些数据标准，

以及数据标准匹配度的情况。

同时提交软件系统的数据库设计文档，

以备元数据管理岗及数据治理工作小组审核

确保符合行内数据标准规范。

· 投产运行优化

增加数据质量管理员角色，

负责收集分析各系统投产运行中的数据质量问题，

以及业务部门提出的数据质量问题。

根据问题清单制定出质量提升方案和执行计划。

同时做好数据质量问题的回顾工作，

确保问题得到有效解决。

· 验收交付阶段优化

系统在验收交付阶段，

增加数据模型、数据标准、

数据字典核对验收的环节，

并由数据治理工作小组参与审核。

在数据标准落地的过程中，

可以 “试点先行、逐步推进”，

选定重点系统试点推行，

再逐步扩大数据标准落地管控的系统范围。

2. 建设指标库

基于公司《指标数据标准》建设指标库平台，

可全方位了解指标全貌，

更方便的了解和检索。

各类指标的业务口径、指标维度、

技术属性以及具体数值。

在指标库的建设基础上，

可提供用户自主分析功能——

指标库可以快速设计报表为

业务人员提供所需信息，

设计的报表对指标数据标准进行规范化的引用，

保障数据标准的落地。

同时优化高管驾驶舱、数据罗盘等应用。

3. 利用数据质量提升驱动数据标准化

将数据质量提升作为数据标准落地的抓手。

根据数据质量问题对信息系统进行整改，

改造过程中

严格按照信息系统开发流程执行数据标准的对标，

落地数据标准，提高数据质量。

三、标准落地融入日常工作过程

可以从以下几方面开展数据标准落标工作：

厘清职责、数据标准管理工具、

数据标准闭环管理机制、

培养人员标准落地的意识。

1. 厘清职责

厘清数据标准编制、维护落地过程中的相关方职责，

充分利用考核手段、数据治理问责与激励机制，

推动数据标准管理和执行落地。

2. 平台对接联动

借助于有力的工具支撑—— 数据管控平台。

数据管控平台能支持数据标准的维护工作。

其次，将数据管控系统

对接公司软件研发管理平台，

把数据标准管理流程嵌入信息系统研发工作流中，

加强数据标准落地流程管控。

同时，利用数据管控平台的元数据管理功能，

自动化进行系统落标分析，

针对变更与停用数据标准，

能有效分析哪些系统表字段将受到影响，

通知相关人员。

3. 数据标准闭环管理机制

· 定期评估适用性：

定期评估数据标准的适用性。

· 标准定期维护修订：

数据标准工作组定期、按需求维护数据标准，

同时通告业务部门及科技部门，

需要各方了解数据标准现状。

· 落地效果评价：

持续收集数据标准实施落地后产生的问题

并进行应对，

定期评估数据标准的落地效果。

4. 标准落地的文化宣贯

通过多种方式

加强数据标准落标各个环节中的人员培训工作，

提高系统开发测试人员的数据标准落地意识，

保障在信息系统建设或改造过程中

数据标准有效落地。

四、结语

数据标准的切实落地，

既满足监管机构的报送要求，

亦可减轻业务部门报送工作，

同时也会促进省联社跨部门数据共享，

实现数据价值。

本文来源山西农信