黄幽丽 冯霈 张栋 朱丽娜 路艳玲
（中国石油集团东方地球物理勘探有限责任公司信息技术中心北京100007）
摘要：本文介绍了公共数据管理在企业信息化建设中的重要性以及公共数据管理系统的建立过程，并指出统一管理核心、基础信息将最大化发挥公共数据管理的实施效益，为企业的系统集成、业务协同、决策应用等发挥更大的助力作用。
教育期刊网 http://www.jyqkw.com
关键词 ：公共数据管理；数据标准；管理流程；数据共享
1公共数据管理概述
1.1公共数据的概念
随着信息化建设的推进，已经有越来越多的企业重视或关注公共数据。公共数据的定义有很多种，文中的公共数据是指在企业价值链上被重复、共享应用于多个业务流程或跨多个业务单元的数据，如客户数据、供应商数据、产品数据和员工数据等。
根据Gartner的定义，公共数据是一套一致且唯一的定义和特征信息，描述了企业的核心单元。这些核心单元主要包括成员（如客户、候选人、人、城市、员工、卖方等1、地方（如地点、办公室、区域、地理位置）和事物（如账户、资产、制度原则、产品和服务等），公共数据组则包括组织层次、销售范围、产品层次、价格清单、客户分组。
公共数据是非常核心的业务源头信息，具有高价值的信息，是企业业务管理和信息系统运行的基础和前提。为确保公共数据的统一、完整和可控，通常需要对公共数据进行管理。
1.2公共数据管理的概念
1.2.1公共数据管理的定义
公共数据管理是巩固、清理和提升企业公共数据的应用与技术的一种结合。它通过制定并执行统一的数据标准和管理制度，将组织、流程和技术平台三者有机结合，以保证公共数据的真实性、统一性和高质量，最终使公共数据成为企业的宝贵资产，并作为企业竞争力的重要指标（图1）。
公共数据管理不仅仅为企业公共数据的管理提供技术支持，更多的是公共数据治理，包括建立数据运维流程、保障数据质量、数据变更管理以及建立公共数据管理组织等内容。同时，它也是信息技术在管理数据、移动和传输等方面的一个组件，对于业务拥有的数据的价值和内容具有重要意义。因此，公共数据管理应被视为企业范围内的原则。
1.2.2公共数据管理的范畴
有别于应用信息系统中公共数据的定义，公共数据管理需要特别关注数据内容的定义。
首先，公共数据管理所关注的是在整个企业价值链上被重复使用、共享于多个业务流程或者信息系统的数据对象，而不是各信息系统或者某个业务流程单独使用的数据对象。例如，在一个企业中，客户数据可能会被应用于不同的业务环节，同一条客户数据可能被应用于ERP{企业资源计划管理）系统、CRM客户关系管理）等多个信息系统，其将被定义为公共数据管理的范畴。而生产工艺路线仅被应用于MES（生产运行管理）系统，设备故障代码信息仅被应用于设备管理部门以及相应的管理系统，那么它们将不属于公共数据管理范畴。
其次，从公共数据的属性字段上来说，每个数据对象通常包含多个属性字段，但并不是公共数据包含的所有字段信息都是公共数据管理的范畴，只有公共数据的公共基础信息，特别是决定公共数据唯一性的信息才是公共数据管理的范畴。
1.3公共数据管理的必要性
随着企业信息化进程的开展，业务单元大多由各自的信息系统支持，业务之间交互的信息通过信息系统之间的数据交换来实现，公共数据对于各业务单元之间信息的一致性和对称性起着重要的作用。越来越多的企业已经深深感受到数据问题所带来的巨大影响，目前全球众多咨询分析和实施机构正致力于对数据问题的统计和研究工作。针对数据问题本身的研究，DM Review公司曾对全球众多信息化水平较高的企业进行过调研分析，得出结果如图2所示。
据Gartner对数据治理和公共数据管理项目的专项调查，可以得到以下结论：①良好的公共数据管理可以为企业带来巨大的业务效益；②公共数据管理核心是要关注业务，而不仅仅是数据本身；③公共数据管理成功与否的最关键因素是其是否得到最高级管理层的理解和支持。
因此，为确保公共数据能满足业务运行和信息系统运行的要求，需要将公共数据管理落实到企业部门，通过制定相关的管理职责、管理制度和管理流程，形成完善的公共数据管理体系，进而从根本上进行公共数据管理。公共数据管理可分为5个发展阶段（图3）。
1.4公共数据的管理模式
作为一种新的管理需求，公共数据管理的重要性随着现代企业管理模式的深入而成为企业管理职能中一种常态的管理工作。对于集权管控的业务模式，其公共数据的管理模式多为集中管理，对于分权管理的业务模式，其公共数据多为委托下属单位进行集中管理或委托下属单位自行管理（图4）。
1.5公共数据管理技术发展趋势
Gartner的研究报告显示，公共数据管理应被视为实现企业内信息管理战略的一部分，没有广泛的企业信息管理和基础架构的支持，公共数据管理解决方案将不能有效的维持高质量和可重用性的数据，图5为2012年Gartner发布的关于公共数据管理技术的成熟度曲线。
纵观公共数据管理技术成熟度曲线，公共数据管理市场正在逐步走向成熟。虽然在两年之内还没有新的技术出现，但是从整体上看，公共数据管理市场仍具有可开发的潜力。2 012年的公共数据管理技术成熟度曲线的特点是，有些技术在高峰期到达前就已过时，这些技术将被更广泛的公共数据管理技术所替代，如多域公共数据管理解决方案。使用低质量的公共数据去改善业务过程只会导致低预期的结果，所以维护单一版本的公共数据是非常有必要的。
2公共数据管理体系
公共数据管理体系主要涵盖了公共数据标准、管理组织、管理流程和质量管理4部分，旨在创建企业级信息视图，建立一个有效的端到端的数据管理体系，在整个数据生命周期内采用一项综合、协调且有计划的方案，从而提升决策过程中所需数据的一致性和可信度，提升数据的安全性及质量水平，将数据对收入的贡献潜力最大化。
2.1公共数据标准体系
2.1.1公共数据标准识别
企业公共数据编码标准体系是基于企业业务运作及管理需求而建立的，首先以各项业务分析作为关键输入，分析出核心业务组件(CBMl模型，而后根据公共数据识别的原则定位各业务相关的公共数据对象，并按照公共数据分类的原则，从公共数据共享的业务领域、信息系统范围等角度出发，筛选出公共数据，最后从现行标准、应用集成情况、数据责任人、管理流程及平台支持维度对每一项公共数据对象进行详细分析，确定管理策略，制定公共数据标准，进而形成公共数据标准体系。
2.1.2公共数据标准体系
企业公共数据通常包括人、财、物、业务伙伴和基础数据5个方面，代表了企业整个层面公共的业务实体，跨业务领域、跨信息系统。因此公共数据标准是应用于多个信息系统的基础类标准，需在整个企业范围内统一制定，并严格执行。
2.1.3公共数据标准管理流程
公共数据编码标准管理流程一般包括注册与立项、制修订与发布、宣贯与执行、检查与复审、使用与维护等5个阶段，实现公共数据的全生命周期管理（图6）。
2.2公共数据管理组织和职责
在公共数据管理过程中，从标准的制定到标准的执行会涉及标准和数据责任部门、标准发布部门、标准执行部门3个重要的角色。通常标准和数据责任部门是财务、采购部门，主要负责公共数据编码标准的制修订、解释和监督执行。企业的标准化管理机构负责标准发布，标准由企业的各级公共数据责任部门分级负责执行。
在整个组织体系中，标准和数据责任部们(Data Owner）直接影响公共数据管理的最终效果和管理水平。实践证明，最有效的公共数据责任部门是业务与管理高度统一的部门，但具体企业还需具体分析。
2.3公共数据编码管理
根据企业业务管理特点和要求的不同，公共数据将采取集中制、审批制和备案制3种管理方式，归口业务管理部门将按不同的方式对公共数据进行编码。
公共数据管理从公共数据的业务活动出发，逐个分析备节点的业务需求，为数据标准、数据质量、管理体系及系统功能的提升提供需求指导和应用思路。图7展现了数据从产生到消亡的生命周期管理。
2.4公共数据质量管理
数据质量管理主要从事前防范、事中监控及事后治理3个方向进行管理。，管控流程一般主要包括数据质量监控、数据质量分析、数据清理及长效保证4个环节（图8）。
3公共数据管理系统建设
企业要实现公共数据管理，需搭建相应的系统用于公共数据的申请、审批和集成发布管理。公共数据管理系统包含公共数据的查询、申请、审批、发布、质量管控和集成等功能，通过企业服务总线实现与企业备信息系统的集成，为备集成系统提供公共数据编码服务（图9）。
通过公共数据管理系统的建设，不仅可以落实企业公共数据标准的执行、规范公共数据管理流程，还能最大化发挥公共数据管理的实施效益，为企业应用系统集成应用和信息共享奠定坚实的数据基础。
4总结
随着信息化建设的不断成熟，公共数据管理将作为企业运作过程中一种常态的管理职能。企业通过公共数据管理，可取得一系列成果：
①制定一系列公共数据编码标准，既可满足企业跨部门、跨业务领域的数据共享需求，也满足了企业系统间信息交互数据一致性的需求；
②成立数据管理组织，可指导企业公共数据编码标准的制修订、推广实施、运维管理等工作；
③建设相应的公共数据编码管理系统，为企业各信息系统的数据共享提供技术支持；
④建立企业统一共享公共数据编码库，有利于企业做出正确的统计分析及业务决策。
综上所述，公共数据管理是企业信息化建设过程中必不可少的部分，将为企业的系统集成、业务协同、决策应用等发挥更大的助力作用。
教育期刊网 http://www.jyqkw.com
参考文献
【1】．IBM公共数据管理：超越单一视图以发现正确视图[R].IBM Corporation. 2007.04
【2】Viktor Mayer-Schonberger，KennethCukier大数据时代[M]杭州：浙江人民出版社，2013.
【3】屈挺，李伟．公共数据编码——中国石油企业信息化建设的基础[J]石油工业计算机应用，2005，13(4): 2-4.
【4】刘希俭企业信息技术总体规划方法[M]北京：石油工业出版社．2012.12
【5】Kate Fitzgerald. Weeding Out Bad Data[M]. Card&Payments，2007