持续治理—康尼集团已构建稳固的数据管理架构

资料来源：《企业数据治理那些事》，2020年5月机械工业出版社出版

康尼集团（以下简称“康尼”） 成立于2000年10月，在南京经济技术开发区注册成立，是一家专注于机电核心技术研究和应用的高新技术企业，也是中国轨道交通自动门系统国产化研发和制造基地，于2014年8月在上交所首发上市（股票代码603111）。

截至2013年，康尼陆续建立实施了多个信息化应用系统，数据孤岛现象情况严重，数据描述标准不一致，甚至存在相同数据在各系统间编码不一致的现象，业务不顺畅，系统间无法顺利集成，严重影响了信息化系统的利用效率和价值。

2013年，康尼更换ERP、PLM系统，借此契机，同步实施了数据治理平台，包括物料、客户、供应商、项目、人员、组织、银行等，没有选择传统的主数据管理平台，主要是因为要把SAP-ERP的物料档案的9大视图全部标准化管理起来，系统于2014年初上线。

康尼经过5年多的数据治理，实现了：

搭建并完善了数据治理组织架构，数据管理成为重要日常工作；构建了2000多个数据模型，数据创建、变更规范化；垃圾数据得到清理，如：ERP更换前，系统中物料18万，ERP更换时同步数据清理、合并、停用后，物料仅12万；计量单位由135个减少为45个；数据在数据治理平台中通过视图、属性字段权限控制按照预置流程一次性创建、更改、停用等，通过60多个分发接口自动传输到各分子公司、各系统，保障了数据的一致性、及时性、完整性，覆盖了9大信息管理系统、15个分子公司、18个工厂，大大减少了数据维护工作量；基于数据编码统一，实现各个信息管理系统之间无缝数据集成和业务集成；搭建了数据治理知识收集机制，实现了数据治理知识的科学化转移，大大提升了数据管理人员的运维能力；构建了日常数据质量实时评估、预警机制，提高了企业对数据质量的敏感度，从根本上规避了数据质量重蹈覆辙的可能性。

在康尼近10年的数据治理过程中，总结几点心得体会如下：

搭建完善的数据治理组织架构

数据治理是长效工作，要切实有效、有计划地推进数据治理工作，首先需明确责任。为此康尼组建了由集团技术中心主任、各分子公司业务领域负责人及其具体数据维护人员组成的静态数据治理组织架构，分为上下两层：上层负责数据治理标准、技术标准、维护流程的制定，对下层工作进行考核；下层负责数据清洗、日常维护。

由于每类数据的特性相差很大，在制定其标准的时候需要不同的专业知识、不同业务部门参与，故在搭建组织时候，应充分考虑这一点，在组织内部进行了小组划分，分别负责不同数据的标准规范制定。

明确数据管理范围

鉴于主数据的动态性、时效性，以及识别主数据的痛苦、纠结，康尼定义：只要是系统使用的静态数据（交易数据除外）都列入数据治理范围，都要纳入数据治理平台进行管理。因为，随着业务发展、信息系统增加，原来不是跨系统使用的数据，可能会变成跨系统使用的数据。

制定数据模型应广泛征求意见

数据模型包括数据分类、属性字段、输入方式等规范，由于数据模型的定义会影响到下游业务的开展方式（比如同一性能外观的零部件，模型中是否区分颜色对库房管理业务有影响），故应召集数据所涉及业务的相关部门（比如物料涉及标准化、技术、生产、采购、物流、营销等）联合评议，综合平衡规范性、管理成本、便捷性等因素确定数据模型标准。如果数据涉及多个公司，还需其他公司参与，以确保数据模型的通用性和可扩展性。

要严控各系统数据维护权限

系统使用的静态数据一旦全部纳入数据治理平台统一管理后，数据源头在数据治理平台时，其他系统相应的数据维护权限应及时关闭，避免员工跳过数据治理平台进行数据维护，造成系统间数据不一致，甚至导致其他更多问题。

数据运维管理要科学、适用

运维阶段是最能体现数据管理员能力的时候，从项目阶段就要建立科学的数据治理知识体系，辅以专业的系统工具支撑数据管理人员对数据标准规范的扩充、完善工作。针对数据质量的实时异动也要有对应的系统工具进行探知、处理。

要有健壮的系统支撑数据管理

全集团的静态数据中心代表了企业的所有家当，重要性不言而喻，数据治理平台非常稳健地运行是必然条件，一旦平台出现故障，数据就无法维护、交换，设计、生产、采购等业务就无法开展，甚至会造成公司业务全局性的“瘫痪”。另一方面，数据治理平台管理数据多、承载系统接口多、系统压力大，也会造成数据治理平台响应速度慢，甚至宕机，所以系统硬件性能升级、程序优化调整，保障数据治理平台高效稳定运行，是必须要经常做的例行维护工作。（山东中翰软件有限公司）