数字化背景下全咨数据治理体系构建

自2017年《国务院办公厅关于促进建筑业持续健康发展的意见》明确提出培育全过程工程咨询以来，建筑业的全过程工程咨询服务得到快速发展。全过程工程咨询的主要特点是集成化，将碎片化的投资咨询、勘察设计、造价咨询、招标代理、工程监理和项目管理等专项咨询进行有机整合，实现设计、施工、运营维护的集成。2021年底，国务院印发《“十四五”数字经济发展规划》，提出要促进数字技术在全过程工程咨询领域的深度应用，从国家战略规划层面明确了全过程工程咨询的数字化转型方向。在数字化转型的过程中，全过程工程咨询的数据呈现出规模庞大、涉及领域多、专业性强、关联性差、数据质量参差不齐等特点，数据治理正成为制约全过程工程咨询数字化转型的难点与痛点。本文参考国内外现有的数据治理框架，构建了全过程工程咨询企业的数据治理体系，为工程咨询行业实现数字化转型提供支撑。

国内外机构关于数据治理的研究

数据治理是治理主体、治理团队和企业的利益相关者在综合考虑各种影响因素的前提下，构建适合企业的治理实施机制、实施标准和实施框架，解决企业在数据的质量、采集、应用和互通方面的问题，破解多元异构、红利释放、价值挖掘和体系兼容等问题，使企业的数据资产价值最大化，最终有效实现企业目标。当前，已有国内外机构从不同方面开展了数据治理的研究。

国际数据管理协会（DAMA）是数据治理的专业协会，它将数据治理定义为对数据资产管理行使权利和控制的活动（包括计划、检测和执行）集合。DAMA发布了数据治理的知识体系，提出了数据治理的7个环境要素和10个功能。环境要素包括：目标与原则、活动、关键可交付物、角色与责任、技术、实践与方法、组织与文化。功能包括：元数据管理、数据仓库和商务智能、文件和内容管理、数据整合与互操作、数据安全、数据存储和操作、数据建模和设计、数据架构、数据质量管理。国际数据治理研究所（DGI）认为数据治理是与信息处理相关的决策和责任体系，形成了DGI数据治理框架，并按功能将其分为3组：规则与协同工作规范、人员与组织结构、流程。IBM数据治理委员会（IBM　DG　Council）提出了数据治理的要素模型，将模型分为支持域、核心域、促成因素和结果4个层次。此外，IBM数据治理委员会还将数据的特点与实践相结合，提出了数据治理的成熟度模型，将该模型分为初始阶段、基础管理、主动管理、量化管理和持续优化5个层次。

国内在数据治理方向起步较晚。中国国家标准化管理委员会于2018年发布了《数据管理能力成熟度评估模型》，提出数据治理是对数据进行处理、格式化和规范化的过程。数据治理涉及8个数据管理能力域：数据战略、数据治理、数据架构、数据应用、数据安全、数据质量、数据标准、数据生存周期。数据成熟度分了5级，包括初始级、受管理级、稳健级、量化管理级、优化级。

综上所述，构建数据治理体系需要明确4个主要议题：数据治理的目的为何？谁来治理数据？采取何种方式进行治理？治理的效果如何评价？下文将依据确定数据治理目标、建立数据治理组织、开展数据治理活动和实施数据治理评估这4个核心要素，构建全过程咨询的数据治理体系。

全过程工程咨询的数据治理体系构建

数据治理体系实施流程分为4个阶段。首先，通过评估企业的数据管理和应用现状，结合企业需求，明确数据治理目标；其次，根据目标制定战略方针，建立数据治理组织，制定行动框架；再次，制定实施计划，搭建数据治理平台开展数据治理活动；最后，开展数据治理评估，并将评估结果进行反馈，进一步优化数据治理方案，最终实现企业目标。

确定数据治理的目标

建设全过程工程咨询数据治理体系的目的是从采集、存储、计算和使用几个方面提升数据管理能力，解决数据标准、数据质量、数据共享等问题。具体体现为以下目标：一是统一数据标准，能够更好地整合企业投标、策划、采购、生产、交付等一系列数据。二是提升工程各阶段数据的质量，降低使用成本，缩短数据从加工生产到使用的时间周期。三是打通工程各阶段数据孤岛，实现数据共享，提高综合管理水平，增强业主方对全过程工程咨询服务的良好体验。

建立数据治理组织

建立由决策层、管理层和执行层构成的数据治理组织。决策层负责制定数据治理战略目标，决策数据治理计划的总体方向，审批数据治理的标准、规则，协调各部门间的利益和冲突。管理层负责数据治理计划的日常管理运作，结合业务和生产实际制定相对具体、切实可行的数据标准、数据管理流程规范、数据质量规则并监督其落地执行。执行层负责执行各类数据标准、数据质量规则等，从技术角度处理具体的数据相关事务。　

开展数据治理活动

数据治理活动包括元数据管理、主数据管理、数据标准管理、数据质量管理、数据安全管理等内容，可以归纳为核心活动和保障活动两类。

核心活动：元数据、主数据是数据治理的核心。

1.元数据管理

元数据是用来描述数据的数据，例如项目报表中包含的报表名称、填报时间、制表人和报表表头名称等，这些都是业务元数据的元数据。元数据按用途分为技术元数据、管理元数据和业务元数据。目前，大部分企业只关注到了技术元数据，忽略了对业务元数据的管理。技术元数据缺少业务含义，很难被技术人员之外的人所理解，在不被理解的情况下难以给企业业务带来收益。元数据管理通过将相关数字化管理工具与数据标准、数据质量、数据安全等结合在一起，快速满足内部管理、审计和外部监管的需求，解决部分数据重复冗余的问题。同时，可追溯业务报表等数据来源和处理过程，使业务与技术之间建立联系，为工程咨询服务管理提供数据保障。

2.主数据管理

主数据是跨部门实现统一管理、数据识别、实时更新、专业维护、协同共享的数据，是企业业务的实体数据，如供应商数据、客户数据、产品信息等。主数据是超越部门与流程而存在的，以满足跨部门业务协同而建立的，可以认为是所有职能部门业务过程的“最大公约数”。全过程咨询各个业务阶段的协同需要调取的共同数据可以被定义为主数据。主数据管理的目标是提供准确、及时、完整的主数据来源，以支持业务流程和交易。统一管理的主数据可以为企业数字化平台和用户提供标准、规范的主数据服务，有助于促进工程各阶段数据的集中应用、各类数字化工具的集中整合。

保障活动：数据的标准、质量和安全是核心活动能够顺利开展的保障。

1.数据标准管理

制定符合全过程工程咨询业务的数据标准，包括数据定义、数据分类、数据格式和数据应用多个方面的标准化体系，可以作为工程各阶段所涉及数据的规范化定义和统一解释。统一的数据标准是实现项目全生命周期数据协同共享的基础，同时也可作为全过程工程咨询数字化平台开发时进行数据定义的依据。

2.数据质量管理

数据质量管理包括对数据的绝对质量管理和过程质量管理。绝对质量是指数据的准确性、完整性、一致性等数据本身的质量；过程质量是指数据应用、存储和传输的质量。制定一套严格的数据质量问题处理流程，实现数据质量问题从发现到处理的闭环管理，能够促进数据质量的不断提升。

3.数据安全管理

数据安全管理应贯穿数据治理全过程。从管理上，应建立数据安全管理制度、设定数据安全目标、培养全员的数据安全意识；从技术上，应保障数据的存储安全、传输安全和接口安全等。

实施数据治理评估

在数据治理实施的过程中，需要对应用效果进行验证和评估，制定针对全过程工程咨询数据的标准、质量、安全评估细则，开展日常数据校验、定时数据抽查、全面数据检查的数据治理评估流程。

结语

在数字化发展的背景下，数据应作为战略资产进行管理。本文构建了全过程工程咨询的数据治理体系，引导、监督、检验数据的质量、标准、安全，从而贯通各阶段形成的数据资源并实现数据的深度应用，希望能够借此全面提升全过程工程咨询企业的数据综合治理能力，激活数据核心价值，释放数据红利，使全过程工程咨询实现真正意义上的数字化转型。

基金项目：北京市自然科学基金资助，项目编号（8214047）；北京市社会科学基金项目，项目编号（22GLC049）

（作者单位：北京建筑大学城市经济与管理学院）

（责编：郭鑫）