水泥行业视角下的数据治理要素有哪些？- 大数跨境

数智建材研究院

2023-09-09

早在“数据二十条”，国家就对数据的新型生产要素有了明确的定位，也提出构建数据产权、流通交易、收益分配、安全治理等制度，初步形成我国数据基础制度的“四梁八柱”，是充分发挥数据要素价值的重要指导方针。

随着数智化转型趋势的常态化，在国家希冀充分发挥数据要素作用的前提下，我国大多数工业企业亦越发重视数据价值，并逐步开始重视数据在工业经济活动中的积累。但是目前大多数的工业企业虽然坐拥海量数据资源，却受限于战略、技术和管理方式，仍停留在数据治理初级阶段，无法将掌握的数据资源通过高质量数据治理，形成特有的数据资产，并进一步发挥数据价值，成为工业企业首先要去解决的问题。

数据治理在国家标准中也提出了相关定义，即数据资源及应用过程中相关管控活动、绩效和风险管理的集合。规定了数据治理的顶层设计、数据治理环境、数据治理域及数据治理过程的要求，从而实现运营合规、风险可控和价值实现的目标。该定义出自《信息技术服务治理第5 部分：数据治理规范》（GB/T 34960.5-2018），该规范也提到，为了促进组织有效、高效、合理地利用数据，有必要在数据获取、存储、整合、分析、应用、呈现、归档和销毁过程中，提出数据治理的相关规范。

根据上述关于数据治理的背景需求和定义，可以明确数据治理行业目标与价值重点包括：

1）构建企业数据标准体系；

2）提升企业数据质量；

3）构建企业数据资产管理体系；

4）构建企业数据资产应用共享体系；

5）构建企业数据安全体系；

6）构建企业数据管理组织体系。

针对于水泥行业的数据资源特点，开展针对性的数据治理工作。需要对具有泛流程制造特征的水泥企业数据有针对性的开展“数据采集、数据对接、数据处理、数据清洗、数据转换、数据关联、数据指标、数据标签和数据应用”等对应措施。重点去解决关于水泥行业中对应数据问题：

1）信息孤岛普遍存在，数据集成困难

水泥企业作为传统行业，存在大量成熟且复杂的设备和系统，不同设备和系统从最先的产线设计、产线测试再到产线生产等工作大概率未从过程积累的数据层级进行顶层规划和统一考虑，因此不同类型，包括生产设备、生产辅助设备和附属生产设备等之间普遍存在信息孤岛，大多数数据集成相对困难，进而导致后续的数据治理工作在标准、流程、工具技术和人员能力存在差距，进而对数据集成和治理工作造成影响。

2）各业务场景的数据信息多，数据质量相对较差

传统水泥企业按照生产、运营、经营等业务场景涉及到不同类型的很多数据信息，不同数据根据业务场景的区别，数据类型、数据结构、数据体量有很大的区别，原始数据积累和数据质量相对较差，没有合理统一的方式方法进行处理。面向不同的数据信息，需要采取不同的数据治理方法进行针对性的处理，保证不同数据类型的质量可以得到统一普遍性提升，满足支持水泥企业的业务场景需求。

3）水泥行业数智化转型提升迫切，数据价值释放困难

传统水泥行业经过多年的发展，在相关生产、运营和经营管理方面基于行业人员经验改进提升已经呈现疲态，需要通过数智化转型工作帮助企业开展新的提升。水泥企业开展数智化转型工作，在规划、设计、研发和实施落地等环节，均需要明确企业业务场景数智提升优化下数据具体提供的支持能力，现有数据资源及对应的数据治理能力难以支持业务场景数智化提升优化，需要通过规范化的数据治理能力保障支持数据价值在这些环节过程中的充分释放。

面向水泥行业数据治理实施路径包括以下三个阶段。

第一阶段：明确目标与业务流程数字化

这一阶段着重于梳理企业现状，解决痛点，并探索业务场景化。企业从信息化向数智化转型，要求重新评估原有的数据治理方法规范，通过逐级分解业务场景、业务流程和业务数据，根据业务场景的需求导向，构建数据治理战略及实现路径，逐步搭建数据治理框架和数据治理体系框架，并升级原有的数据处理和应用模式。

通过升级数据治理技术工具能力，有的放矢根据需求解决企业数据治理过程中的数据采集、数据对接、数据处理、数据清洗、数据转换、数据关联、数据指标、数据标签和数据应用等过程的相关问题，整合各系统的数据资源，打破数据孤岛现象，沉淀数据资产，并探索业务场景化。

第二阶段：深化价值与数据赋能常态化

数据应用成为重点，基于数据开展应用支撑工作，提升应用的数据利用水平，支持企业开始深入挖掘数据的价值，提高数据应用覆盖率，保证数据融合业务的深层次应用，帮助各类应用的数据利用从传统KPI指标逐步扩展到全部核心业务，构建完善的分析框架和洞察体系，实现各类型不同业务数据的赋能常态化，实现“以数为据，有数可依”，支持业务场景的提升和优化。

数据治理技术工具将持续发挥大数据处理的能力，保证企业纳入更多、更广的数据内容的同时，不断扩大数据应用的广度及深度，以科学、定制、规范的方式方法，初步形成企业的数据资产地图，数据标准体系逐步搭建，数据应用的效率显著提高，初步完成由“经验主义”向“数据主义”的转型。数据量化决策成为支持企业决策的主要方式。

企业开始全面建立数据管理权限体系，完善数据治理机制，优化数据治理流程及制度体系。由原有的“粗放式”管理升级为“精细化”管理，数据质量持续提升。企业数据管理能力升级，逐步通过数据质量能力、数据资产、能力、数据治理平台技术工具等实现智能管理，企业数据思维认知全面提升。

第三阶段：智能应用与辅助决策数智化

企业业务场景的智能化应用成为常态，全面支撑水泥企业数智化转型，全面探索数字业务和深层次业务需求，通过数智化技术能力，支撑业务场景的数智化能力提升。

以数智应用为主，数据+算法赋能成为常态，企业不断挖掘数据的价值、激发创新，开始为深层次业务运营和企业战略性分析提供更加全面深度的数据能力，将在业务模式和战略方向上有所创新和提升。

在数据管理层面，由数据治理体系建设逐步向数据治理体系优化进阶，完善机制、流程，进一步细化数据管理职责；

在数据资产层面，完成全域数据资产建设，构建强壮的数据模型体系，完成企业数据标准建设，不断完善数据资产体系；

在平台工具层面，大数据平台能力逐步向算法能力转移，智能推荐算法模型开发成为常态化的需求。数据治理平台逐步完善功能，协助企业智能化管理数据质量、数据标准、数据资产及主数据等模块。企业真正进入运营决策智慧化阶段。

根据水泥行业数智化转型现状和要求特性，我们建议适合水泥行业的数据治理模式是自上而下模式+大规划模式的组合方式。首先是自上而下模式，是通过明确业务场景的提升优化方向、程度和流程，围绕业务场景需求来开展对应的数据治理工作，基于目标导向层级化条理分析不同层级的数据治理要求，保证数据治理支撑的准确可控。另外是大规划模式，需要根据不同业务场景以规划的眼光，完成业务和数据治理两个层面的覆盖，保证数据治理工作对全局性业务和过程的总体性支撑。这样的组合模式借助合适的数据治理技术工具和管理规范可以较好支撑水泥企业的数据治理工作。

【声明】内容源于网络

数智建材研究院

数智建材研究院是由傲林科技、中建材新材料基金、南方水泥和上峰建材共同出资成立的混合所有制公司。旨在为建材行业提供成熟的技术、产品与解决方案，让数智引领材料创造。

内容 0

粉丝 0

数智建材研究院数智建材研究院是由傲林科技、中建材新材料基金、南方水泥和上峰建材共同出资成立的混合所有制公司。旨在为建材行业提供成熟的技术、产品与解决方案，让数智引领材料创造。

总阅读0

粉丝0

内容0