基于业务赋能的公路施工企业数据治理应用研究

来源：核心期刊咨询网时间：12

摘要：摘要：企业IT系统建设及应用积累了大量分散在不同系统的孤立数据，会导致数据资源利用的复杂度和管理的高难度。文章介绍了公路施工企业数据治理的建设实践，针对性地设计了数据治理体系和数据仓库架构，重点通过人力资源数据同步、业务指标分析和工程全景分析的应用研

　　摘要：企业IT系统建设及应用积累了大量分散在不同系统的孤立数据，会导致数据资源利用的复杂度和管理的高难度。文章介绍了公路施工企业数据治理的建设实践，针对性地设计了数据治理体系和数据仓库架构，重点通过人力资源数据同步、业务指标分析和工程全景分析的应用研究，有效利用数据资源，挖掘数据价值，助力企业管理，为企业业务赋能提供了坚实的信息技术保障。

　　关键词：数据治理;数据仓库;挖掘数据;业务赋能

　　0引言

　　我国的公路施工企业在几十年的发展过程中，通过技术、管理的改进实现了飞跃的发展。特别是近二十年，通过结合信息技术辅助企业管理，提高了企业的运营效率和管理水平。广西路桥工程集团有限公司(以下简称“广西路桥集团”)作为广西公路施工的领军企业，实现工程施工、交通设计、技术研发、投资、房地产开发等多种业务综合发展，资产总额超300亿元。集团公司的信息化建设相对于其他同行起步较早，在2009年与金蝶软件进行战略合作后，建设了公路施工行业定制化的ERP产品，在后续的十多年中通过不停地建设完善，ERP管理已经涵盖集团-分子公司-项目三级管理范围，为企业发展提供了重要的保障。

　　时代在发展，技术也在升级。企业的信息化已经经历了单机时代、客户/服务器时代、多层结构时代，现在已经发展到面向服务的时代。随着广西路桥集团业务不断发展、信息化程度不断提升，数据资源日益成为企业的战略资源。如何促进数据资源的有效管理、加强数据资源的分析利用，对于企业的发展至关重要。近年来广西路桥集团不断加大在集团信息化建设方面的投入，先后建设了综合项目管理系统、人力资源管理系统、智能物料管理系统、安全管理系统、公路工程管理系统、劳务实名制管理系统等覆盖集团主要业务的专业业务系统。随着业务发展，系统之间的功能交互、数据交换日益频繁，“信息孤岛”问题也更加突出，如何有效地利用现有数据资源[1]，进行全面数据治理规划愈发紧迫。

　　为了配合广西路桥集团的“两条主线，一个中心”的集团信息化建设总体思路，除了做好两条主线发展之外，数据中心的建设显得尤为重要。然而，数据中心的建设难度在于如何结合集团数据情况，形成主数据、主题数据、数据标准等数据资产，建立数据治理体系，通过数据应用研究以实现数据驱动业务发展、数据赋能业务的集团信息化发展策略。

　　1总体框架设计

　　企业信息化发展到一定程度，信息化建设会出现发展瓶颈，系统建设规模化后业务和数据会依赖于单一系统，现阶段解除这种困境最有效的方式是实现业务和数据分离。数据资源作为信息化建设的核心资产，解决问题必须通过数据解耦，只有数据自主可控才能保证企业信息化建设的自主性[2];解决问题还须由上而下进行数据整体规划，实现数据的盘、归、治、用，依赖于企业有序地进行数据梳理、数据标准化、数据管理和数据应用。

　　1.1数据治理体系设计

　　数据治理体系主要分为五个部分：管理域、过程域、治理域、技术域、价值域，如图1所示。

　　其中管理域主要工作是确定战略、搭建组织、制定制度、明确规范。过程域主要工作为分析、设计、执行、评估，对治理过程进行明确，包括对数据责任主体、数据归属、模型关系等进行梳理。治理域主要工作是对治理范围定义，一般分为业务数据治理和分析指标治理，前者重点在于业务数据治理，包括数据统一度量、规则制定、数据关联分析、数据清洗作业开发、质量检核等;后者重点在于多维度的数据指标分析及治理。技术域的主要工作在于数据架构设计、管控平台搭建、治理工具应用。价值域主要体现在三个方面：数据服务、数据流通、数据洞察，前期重点在于数据服务、数据流通两个方面，实现集团数据的整合、分发，支持跨部门、跨系统、跨业务的数据流转，以及数据资产服务化;后期重点在于洞察用户特征、行为习惯、深层挖掘企业数据需求。

　　组织责任体系是数据治理责任落地的保障，数据治理组织架构通过明确各角色职责，实行数据治理工作责任制，让数据治理工作更好地融入数据日常使用和相关的工作中，从而推动数据运维自治的实现，如图2所示。

　　数据标准梳理属于数据治理体系中的过程域，按照分析-设计-执行-评估四个主要步骤执行。

　　(1)進行全面的调研、业务数据摸底，根据当前金蝶EAS系统、sHR系统、智能物料系统、安全管理系统、投资管理系统、公路工程管理系统、致远OA系统等20多个核心业务进行系统调研。

　　(2)建立统一的数据标准管理规范，建立集团部门为责任主体的数据资源管理。人力资源部负责人力资源规划、招聘、培训、绩效、薪酬及劳动关系管理等数据;财务部负责财务管理、会计核算、经济核算等数据;安全部负责安全检查、安全验收、现场安全管理等数据;物资设备部负责物料、设备、周材的全生命周期的管理数据;经营策划部负责投资项目、资金筹措、股权结构等数据;合同成本部负责各类合同，合同执行情况、各类成本数据;工程部负责工程基本情况、进度情况、质量检查情况数据，等等。各部门在负责业务范围内根据业务不同再进行主题划分，形成权责明确的数据管理体系。

　　(3)根据现有业务形态，围绕各个主题业务对象进行数据标准梳理，从信息分类、信息编码、信息项、类别、长度、标准代码、取值等几方面对数据标准进行约束[3]。

　　(4)数据标准是数据质量的主要来源之一，数据责任主体明确数据标准后，针对系统数据进行质量规则检验，生成质量报告。

　　1.2数据仓库架构设计

　　数据仓库采用自上而下(inmon)及自下而上(kimball)两种设计方法结合的方式，数据仓库分层设计、数据集市拆分分别采用两种设计方法。1 [2] [3]

转载请注明来自：http://www.qikan2017.com/lunwen/lig/21578.html