企业级数据标准重构——数字化转型的必经之路

Posted 2023-05-08

tags:

篇首语：本文由小常识网(cha138.com)小编为大家整理，主要介绍了企业级数据标准重构——数字化转型的必经之路相关的知识，希望对你有一定的参考价值。

参考技术A

第四次工业革命以及随之而来的数字化转型浪潮已在全球范围内席卷而来。推动互联网、大数据、人工智能和实体经济深度融合，发展数字经济成为落实国家重大战略的关键力量。“互联网+”大背景下，大数据、物联网、人工智能等新技术应用成为社会变革的驱动力，越来越多的企业制定了数字化转型战略。

企业数字化转型是指通过构建数字化运营体系实现企业级变革，包含对企业IT架构的升级以及管理体系的重塑。

IT架构升级指企业信息系统的升级与优化。 企业信息系统建设升级一般会经历电子化、信息化、数字化三个阶段。电子化为初级阶段，即企业构建单一部门应用的信息系统，将线下事务向线上迁移，运营数据“从无到有”；信息化为稳定过渡阶段，以各部门信息系统集成支撑业务集中化、标准化、规范化，运营数据“从有到通”；数字化为高级阶段，以企业数据驱动业务精准重塑，依托人工智能、大数据、中台建设等技术支撑，助力企业发掘运营管理、生存发展的最优解决方案，发挥“数据资产”价值。

管理体系重塑指企业经营管理智能化。 构建以“数据贯通与分享”为基础的管理体系，以适宜的IT架构基础为依托，实现企业运营数据自动获取并广泛链接，基于数据理解业务实质，洞察价值创造过程，开展业务决策和敏捷行动，驱动业务创新和精益管理，实现管理“蜕变”。

数字化转型依托云计算、大数据及机器学习等前沿技术手段，以文化先行、组织赋能、人才支撑和机制牵引为助推力量，协助企业克服内外部发展阻力，促进企业管理提升。数字化转型后的企业一般呈现四项典型特征：

企业实现高效管理离不开系统和数据。当前，大多数企业已经通过内部信息系统建设实现了“信息化”。这些信息系统普遍为套装软件，以流程为中心，根据预先确定的流程处理场景，建立紧耦合的数据模型，规范数据采集、规则控制和业务处理，最终形成信息输出。

在万物互联的数字化时代，企业对高效决策、精益价值、灵活响应的需求，和传统信息系统模块化、流程化的支撑能力间形成了冲突；同时在长期经营管理的过程中，跨部门系统应用数据标准和口径的不统一导致的信息协同障碍积累严重。

企业所面临的结构性“困局”日益显著，主要体现在以下几个方面：

数字化转型正是为了破局和迎战，实现现实世界与数字世界的融合、互动，在数字世界中模拟推演，促进战略落地，优化经营决策。零散、无关联的数据并不能称为资产，为深度释放数据资产价值，重构企业级数据标准是必经之路。企业业务部门和技术部门需要共建共享，通过梳理数据逻辑、构建数据地图、明确数据标准、打通数据链路、开展数据洞察和数据应用。以企业数据为中心，将功能应用服务化、组件化，支撑灵活变化的业务需求。基于数据融合构建价值网络，共创价值增长空间。

企业级数据地图

数字化转型是企业级的整合和变革。数据作为转型的驱动能量，若仅服务于部分职能，势必无法发挥其全部的价值，数据需要贯通，数据标准也必须是企业内部通用的。企业应以业务脉络为基础，全方位全面梳理业务逻辑及数据关系，对现有流程、制度、系统进行优化改造，形成稳定的数据关系内核，引导系统架构优化，提高数据使用效率、提升数据资产价值，依托数据快速输出，实现管理赋能。

在企业级数据标准重构实践中，可遵循三个步骤，以统一数据标准为起点，逐渐完善前端业务流程改造，从源端产生语义统一、逻辑清晰、高标准高质量的数据，构建坚实的数据资产基础。

01. 建立企业级数据标准，形成跨部门“共同语言”

围绕企业业务主线，梳理业务场景，对各类信息和表单元素进行解构和提炼，这是构建企业级数据标准的基础。在统一数据标准的过程中，可以以财务信息为起点，通过单笔财务记录向前追溯对应业务场景；以产品类型和产品生产全过程为经络，明确业务逻辑，对经济业务场景进行元素化解构；从管理对象、交易记录、业务标签三个层面对数据元素进行规范表述，形成清晰的数据关系。

在管理对象层面，对单专业及跨专业管理对象进行唯一识别。 对于单专业管理对象，围绕企业经济事项全场景，统一每个专业视角下最小单元的颗粒度和业务属性描述需求，围绕管理对象能够进行自由组合，支撑多视角融合。对于跨专业管理对象，针对企业组织、客户、资产设备、项目、业务伙伴等，围绕跨专业共用的管理对象和业务属性描述需求，梳理数据信息，建立统一通用的数据标准。

从管理对象层面对数据元素进行精确表述

在交易记录层面，规范交易信息传递过程和路径。 按照业务价值链梳理交易记录规则，规范各类单据的信息字段，建立跨专业共同遵循的流程管理规范，围绕业务交易，固化数据连接关系。例如，建立企业内合同、订单、发票信息的同源联动，建立完整的采集源头，部署清晰的数据录入标准，对各类单据的完整性进行强控。在此基础上，明确业务操作与线上记录规则，对数据源头进行动态更新，实现各类数据信息的规范传递。最终可以精准匹配管理对象，以完整的单据链和信息链对业务管理流程进行精准的数字重现。

在业务标签层面，建立规范统一的标签体系。 构建业务标签的目的在于统一同类业务属性的跨专业描述方式，实现管理口径的统一。在构建企业业务标签时，可遵循四条原则：

依托清晰完整的数据元素和数据关系，构建企业经营数据地图，实现数据伴随业务活动的实时自动记录，明确业务到价值的转化，可视化展示公司运营过程，精准识别数字化建设需求。

数据标准建立方式示例

02. 开展业务流程改造，实现端到端数据贯通

在以企业财务为基础的数字化变革中，对业财链路的梳理贯通是实现数据赋能管理的重要“桥梁”。通过对财务、业务开展数据梳理和流程改造，对从业务源端到财务末端的每一个数据项的产生与流转过程规则进行清晰描述，利用数据间的继承关系再现实际业务发生过程，将各类环节的数据聚合到每一个管理对象。在此过程中，企业需要重点关注三方面的内容：

03. 丰富数据应用场景，以灵活输出赋能管理

通过数据洞察，构建多场景应用实践，聚焦增量效益，以业务行动实现业务创新和管理变革。以灵活的输出方式，深挖数据的意义和价值，在数据的积累和验证过程中形成多层次、多领域、多场景的业务实践。以价值信号驱动管理行为变革，从效率、效益、创新和共赢四个方面引导价值创造。

对企业运营进行精准刻画，根据不同场景信息需求对数据进行灵活加工。以多频道报表及应用场景为媒介，对各类基础数据和动态数据进行分析比较，提供量化评价，智能优化信息输出，服务于管理决策和业务决策。围绕企业业务发展、资产管理、客户服务、组织激励等管理领域，通过价值数据和业务数据的聚合分析，为公司管理层以及各业部门提供高效透明的数据服务，实现从业务动因入手，推动精准评价、精准投资、精准激励，提升对企业经营的敏锐洞察和高效决策能力。

构建应用场景一般遵循以下五个步骤：

1. 明确场景需求： 确定应用场景需要服务的部门和人员，明确业务需求及场景应用预期成效；

2. 设定应用主题： 明确应用场景的目标和主要内容，识别应用场景用于建设或服务的重点、要点；

3. 澄清数据源： 梳理应用场景中涉及的业务流程，澄清场景所需数据类别、计算方式、数据源系统及相应的业务逻辑关系；

4. 确定输出方式： 明确应用场景成果的线上或线下输出及展示形式，制定场景未来的实施规范及迭代规则；

5. 建立数据服务： 根据应用场景要求梳理数据链路信息，通过平台或系统调用并分析相关数据，建立场景服务能力。

在数据标准重构的过程中，企业能够实现“三项转化”。一是由“数据”到“信息”的转化，解码数据背后的管理信息，形成更完整的现状描述；二是由“信息”到“洞见”的转化，挖掘信息背后的提升价值，开展更科学的预测分析；三是由“洞见”到“行动”的转化，以数据价值赋能决策，为企业提供更智能的决策建议，助力业务管理提升。

深入洞察数据实现的“三项转化”，使企业能够有效应对数据获取、数据融合、数据赋能面临的困境，实现由“业务各说各话”到“统一数据语言”、由“数据拼凑汇集”到“数据高度融合”、由“管理业务数据”到“数据赋能管理”的数字化转型。

01. 深化数字包容，打造文化认同

无论何时，任何企业的变革转型都需要以文化认同为基础。唯有组织上下对变革理念都采取包容接受的态度，将数字化的理念深刻融入企业发展的文化血液中，方能由“被动”化为“主动”，以内生动力推动转型可持续发展。企业要将数字化转型作为发展战略的一部分进行深入部署，制定适宜且明确的战略、顶层设计和路线图，在各层级单位、业务部门、员工间宣贯普及，增强企业人员在数字化建设中的参与感，加强对转型实效的体验，并引导人才团队打造数字化技能突破口。

02. 规范数据管理，强健数据信息

部分企业存在诸如数字线上化程度较低、数据源质量不高、历史数据离线化碎片化、数据库管理范性较差等情况，这些问题成为数据获取和管理方面的瓶颈，限制了企业更高层次、更高质量的数据应用。对于这些企业的数字化转型，可建立数据统一管理机构，强健数据基础，规范数据标准，全面开展历史数据规范治理，减少对基础数据和绩效指标的人为干预，保障数字化转型的顺利实施。

03. 促进业务融合，立足全局视角

部分组织结构较为庞大复杂的企业可能存在诸如部门间沟通协调较为困难、数据共享流程复杂、内容局限、数字化与业务融合程度较低等问题，企业需要将“加强业务间融合协作”作为数字化转型的重点，推进组织内部的横向和纵向贯通，打破专业间的壁垒，构建融合、共享、协同、高效的管理体系。通过业务融合削弱企业内外部资源流动的阻力，对内打破专业壁垒，对外拓展事业边界，形成全局、全行业视角。

04. 加强数字应用，布局 敏态运营

在传统生产要素价值创造增长模式趋于稳定的情况下，充分挖掘知识和数据要素的巨大发展潜力，并拓展价值创造维度成为了管理提升的突破口。企业可以考虑建立深入、立体、完善的数据管理应用体系，不断迭代提升数据计算分析方法，深挖拓展各类场景应用，促进质效改善及管理提升。并逐步以点带线，以线带面，最终将数据资产的价值创造能力延伸到整条价值链、产业链，助力企业数字生态网络的核心能力赋用。

05. 深化人才管理，锻造专业队伍

目前，部分企业数字化转型中的人才瓶颈问题仍然比较突出。企业中具备大数据分析和数据统计分析专业技能的人才较少，且来源渠道不足。针对这一现状，企业要实施可持续发展的技能培训和人才战略，积极引进数字化人才，深化企业员工干部队伍能力重塑，强化重点专业领域人才培养，优化员工队伍人才结构。除关注内部人才培养之外，企业也可以引入外部专业服务力量，快速学习、应用行业领先的观念技术和管理实践，内外兼修，共同锻造一支有能力实施数字化转型的专业人才队伍。

数字化转型将是未来5-10年间重要的管理变革方向，对企业而言机遇和挑战并存。一方面，数字驱动革新为企业克服自身内部发展阻力并促进管理提升提供契机；另一方面，转型并不能一蹴而就，其长期性和复杂性要求企业在组织、技术、文化、管理等方面进行全方位的调整。在持续深入打造数字化的进程中，如何探索适应企业自身发展的路径，如何实现数据信息的有效聚合，如何满足数字化管理对组织内员工水平、技术能力和运营能力提升的诉求，都需要不断探索实践。“神而明之，存乎其人”。转型浪潮中，企业对于变革的信念、坚持与飞速进步的技术必将迸发出蓬勃的活力，走出独到而创新的数字化之路。

本文是为提供一般信息的用途所撰写，并非旨在成为可依赖的会计、税务、法律或其他专业意见。请向您的顾问获取具体意见。

乌镇用户大会 | 擎创夏洛克AIOps智慧运营平台全新发布，点亮数字化转型之路

2020年9月4日-6日，由中国电子标准化研究院软件工程与评估中心主办，ITSS数据中心运营管理工作组（DCMG）和双态IT联盟（BOA）承办，ITSS媒体组协办的2020第四届双态IT乌镇用户大会正式召开。会议期间，擎创科技『智能运维—数字化转型必备利器』研讨会暨新品发布会也成功举行。

▲擎创科技研讨会暨新品发布会现场

伴随着移动互联网、大数据和云计算等技术的逐步成熟以及对IT架构的重构，越来越多的金融机构启动核心系统的分布式架构改造。尤其是随着数字化转型不断深入，IT运维理念经历了巨大变化，开始由传统的ITOM和ITOA演变为新一代的AIOps（智能运维）。

当前传统的运维面临着架构日益复杂化、业务需求多样化和运维数据海量化等挑战，全新的IT运维管理需求更是难以满足。在此背景下，如何通过人工智能技术赋能运维管理，如何运用AIOps实现精准告警、异常检测、根因定位和容量分析等场景，已经成为企业数字化转型的根本需求。

为了能够更深入地探讨数字化转型下的智能运维建设之路，擎创特地举办了本次智能运维研讨会，擎创CEO杨辰、宁波银行运维高级经理王吉云、复旦大学计算机科学技术学院王鹏教授、擎创CTO葛晓波分别从智能运维建设路径、落地案例实践、算法场景探索、运维产品能力四个方面展开了讨论和分享，并全新发布了夏洛克AIOps智慧运营平台。

01 智能运维建设路径：三大原则六步走路线

▲擎创科技CEO杨辰

在传统运维方式下，数据规模大且离散，数据治理和全面分析能力薄弱且依赖于经验和规则，运维十分被动，解决问题效率非常低下，运维的实用性大打折扣，难以满足当前主动运营的要求。因此必须借助一定的手段和方式，如对客户的IT运维数据实现全量的集中化管理，实现数据实时处理、智能分析和预测，进行高效根因定位。

在《从传统运维走向智慧运营建设之道》的演讲中，擎创CEO杨辰指出：“这些都是智能运维AIOps所具备的。智能运维是一种全新的数字化运维能力，也将是数字化转型的必备能力。智能运维相对于传统运维模式而言，能够在运维数据治理、业务数字化风险、运维人力成本和业务侧影响力四个方面有本质的效能提升。

根据擎创数十家企业智能运维落地建设的经验，智能运维建设一般遵循从自身运维基础出发、夯实运维数据处理能力和循序渐进场景化建设三大原则和六步走路线：集中监控智能化改造、指标监控智能化改造、日志智能异常检测弥补监控手段不足、智能故障综合排查—根因分析和定位、智能知识管理—知识图谱和故障自愈。

智能运维的本质其实是提升运维数据的认知能力。它能够帮助用户基于业务导向看待问题，更迅捷地发现异常、更有效地诊断问题根因、更业务导向地进行运营分析和决策、更持续有力地提升运维数据质量。”

02 宁波银行运维实践：让传统监控有智能大脑

▲宁波银行运维高级经理王吉云

宁波银行作为国内首家在深圳证券交易所挂牌上市的城市商业银行，成立20多年以来在各项业务中都取得了长足的发展，在数字化转型中走在了前列，近期更是引入擎创智能运维解决方案帮助其更好地转型和发展。

宁波银行运维管理部高级经理王吉云分享了《宁波银行智能运维探索与实践》。在日益复杂的系统架构以及海量的IT运维数据的背景下，数据中心运维管理难度和重要性日渐凸显，且面临着以下痛点：新业务增长快，系统容量怎么评估？系统发生问题，怎么减少客户的不佳体验？如何加快故障处理，减少业务影响？

宁波银行原有的监控体系已经具备了较为全面的指标采集能力，能够解决运维中遇到的大部分问题，只是在分析能力上还有所欠缺。因此宁波银行选择了将智能运维能力融合到既有的监控系统中，通过实时流处理引擎实现数据的实时对接和分析，通过CMDB实现应用运维和基础架构运维的结合，以此辅助根因定位。

基于擎创的智能运维解决方案，宁波银行成功落地了诸多运维场景，如指标异常检测动态基线和容量预测，实现指标异常全业务系统覆盖检测和以天/月为单位的容量预测；通过健康度卡片直观展示业务、主机和数据库的运行情况；实现实时流式处理和交易异常根因定位等。

03 智能算法场景探索：分析聚类和知识图谱

▲复旦大学计算机科学技术学院教授王鹏

本次研讨会还邀请了复旦大学计算机科学技术学院博士生导师、青年科学家、智能运维算法专家王鹏教授，为在场嘉宾带来了《智能运维分析领域中的算法研究和场景探索》的演讲。

“智能运维，通俗的讲是对规则的AI化，即将人工总结运维规则的过程变为自动学习的过程。智能算法代替手工规则势必成为未来发展趋势，原因在于日益复杂的系统使得专家难以制定合理有效的规则，且快速迭代变化的软件使得规则需要不断调整。

智能运维的研究主要在于算法的设计能力、运维场景的理解能力和平台的工程化能力，当前还面临着业务复杂多样、数据海量异构等挑战。算法已经在多个领域起到了重要作用，但仍有大量问题需要解决，尤其是算法易用性的提升、算法语义的提升和异构数据融合能力的提升。”

04 智能运维新动力：擎创AIOps新品能力

▲擎创科技CTO葛晓波

经过多个版本的优化迭代，夏洛克AIOps已经具备了全新的多样化功能，擎创CTO葛晓波就最新发布的产品能力进行了阐述和分享。

擎创智能运维产品——夏洛克AIOps智慧运营平台，能够整合既有的多样化监控工具，监控告警事件、性能指标、日志和容量等多维数据，立体化覆盖到智能运维管理的全生命周期，包括告警辨析中心、指标解析中心、日志精析中心、日智速析专家、运营决策中心和运维数字中台等。

最新发布的夏洛克数字运维中台，是智能运维各应用场景的支撑平台，提供三类服务，包括数据治理服务、数据流式处理服务及AI平台服务，通过海量数据处理分析能力和强大的算法支撑能力协助企业灵活构建多样化智能运维场景，并持续提升运维数据质量和治理水平。全新发布的夏洛克指标解析中心和运营决策中心，也具备更加强大的功能，例如CMDB集成、指标健康体系自定义、数据整合分析能力更加全面等。

夏洛克AIOps全新发布

研讨会最后，在全场嘉宾和客户的见证下，擎创正式全新发布了夏洛克AIOps智慧运营平台。未来运维势必是由运维走向运营，智能运维也将有助于运维迈向更加智能化的阶段，走向业务运营的数字化转型之路。

目前，擎创已经在AIOps领域实践探索多年，并在银行、证券、保险、交通和能源等多个行业落地了智能运维场景，积累了大量的行业头部客户。随着智能运维市场规模的扩大，擎创也将继续提升运维数据的认知能力，以“三个原则六步走”为基础，打造智能运维产品中最实用的工具，构建实用工具中最智能的产品，服务于更多的企业级客户，助力其走上运维智能化道路。

往期精彩