數字時代下企業質量管理的重點

安世亞太

2021年4月22日 15:40

瀏覽：1983 評論：1

致力于數字孿生體技術的研究與發展

通過解決方案和工程化應用造福人類

來源：數字孿生體實驗室原創

撰寫：陳志強

轉載請注明來源和出處

導讀

當今世界正處于物聯網、云計算、人工智能、區塊鏈、大數據等新數字技術日新月異、應用潛能全面迸發的過程，數字技術的應用催生了一個全新的數字時代。在數字時代，上述數字信息技術廣泛應用于人們生活的各個角落，并促使社會不斷發展變化。數字時代的需求呈現四種特點：多樣化、綜合化、個性化、互動化。任何企業想要在數字時代下發展和前行，在關注需求的前提下，必須以數字時代的新模式為切入點，以合適的姿態在數字時代中前進。

在這個全新的數字時代，數據成為了其構成的核心要素資產，數據的生成速度比以往任何時候都要快。同樣，各企業在實際業務運營過程中也變得越來越數據驅動，業務領先及智能企業可以通過更有效地利用數據而獲得競爭優勢。這種巨大的數據爆炸給各企業運營帶來了更新的不同的挑戰――存儲大量數據是一件事，但只有當數據具有合適的質量并在合適的時間到達合適的人的時候，才會帶來價值。因此，如何在數字時代下保持企業的核心競爭力優勢，其關鍵過程就是需要推動企業的數據質量管理，這也是數字時代下企業質量管理的重點方向。

數據質量管理是指對數據從計劃、獲取、存儲、共享、維護、應用、消亡生命周期的系列管理活動，它不單純是一個概念，也不單純是一項技術、也不單純是一個系統，更不單純是一套管理流程，數據質量管理是一個集方法論、技術、業務和管理為一體的解決方案。通過有效的數據質量控制手段，進行數據的管理和控制，消除數據質量問題進而提升企業數據變現的能力。在企業數據質量管理過程中，一切業務、技術和管理活動都圍繞這個目標和開展。

數據質量管理是企業循環管理過程，其主要目的是解決企業內部數據使用過程中遇到的數據質量問題，提升數據的完整性、準確性和真實性，為企業的日常經營、精準營銷、管理決策、風險管控等提供堅實、可靠的數據基礎，并最終為企業贏得經濟效益和保持市場核心競爭力。數據質量管理主要階段涉及數據質量標準體系建設、數據質量過程控制和數據安全管理。以下分別作簡要介紹，供大家參考：

1、數據質量標準體系建設

數字時代下，我們不僅要關注數據能不能用，更要關注數據質量、標準、安全等問題，以此提升數據的科學性和使用價值。特別是基于數字孿生體技術的使能應用，更需要建立各行業、各領域數據之間的統一標準，明確數據指標和口徑，規范數據市場化交互應用的流程。

在這方面，國家層面已開始著手做了頂層設計與要求。如2020年3月30日，中共中央、國務院印發了《關于構建更加完善的要素市場化配置體制機制的意見》，分類提出土地、勞動力、資本、技術、數據五個要素領域的改革方向和具體舉措，部署完善要素價格形成機制和市場運行機制。意見里就加塊培育數據要素市場就提出了加強數據資源整合和安全保護，探索建立統一規范的數據管理制度，提高數據質量和規范性，豐富數據產品等要求。

在具體數據質量標準體系建設方面，國際標準化ISO組織工業自動化系統與集成技術委員會（TC184）SC4小組委員會開發并頒布了ISO8000O數據質量標準。該標準致力于管理數據質量，具體來說，包括規范和管理數據質量活動、數據質量原則、數據質量術語、數據質量特征（標準）和數據質量測試。通過ISO8000的標準規范，可以保證企業用戶在滿足決策需求和數據質量的基礎上，在整個產品或服務的周期內高質量地交換、分享和存儲數據，從而保證企業用戶可以依托獲取的數據高效地做出最優化的安全決策。根據ISO8000數據質量標準的要求，數據質量高低程度由系統數據與明確定義的數據要求進行對比而得到。

ISO8000數據質量標準由以下4個部分組成，每個部分獨立發布，該標準是受版權保護的，不可免費使用。

一般原則：第0~99部分；
主數據質量：第100~199部分；
交易數據質量：第200~299部分；
產品數據質量：第300~399部分。

因此企業數字化轉型要想成功，并繼續保持其核心競爭力優勢，則必須參考ISO8000標準要求建設一套完整的數據質量管理體系，對企業運營各環節數據進行檢核與統計，從制度、標準、監控、流程幾個方面提升數據信息的管理能力，解決項目面臨的數據標準問題、數據質量問題，為數據質量管理提供準確的數據信息。完成從發現數據問題到最后解決數據問題，不斷提高數據質量，形成企業運營各環節數據產生、數據交換、到數據應用過程中數據質量的統一管理與控制。

2、數據質量過程控制

數據質量是解決企業業務能力緊密相關的數據的狀態，其過程控制主要涉及數據質量定義與建模、數據質量評估、數據監測和控制等。

數據質量定義與建模過程，主要是指企業要建立數據標準化模型，對每個數據元素的業務描述、數據結構、業務規則、質量規則、管理規則、采集規則進行清晰的定義，以上的數據質量的校驗規則、采集規則本身也是一種數據，在元數據中定義。

面對企業運營中龐大的數據種類和結構，如果沒有元數據來描述這些數據，企業各用戶無法準確地獲取所需信息。正是通過元數據，使得數據才可以被理解、使用，才會產生價值。構建數據分類和編碼體系，形成企業數據資源目錄，讓用戶能夠輕松地查找和定位到相關的數據。做好元數據管理，是預防企業數據質量問題的基礎。

數字時代下企業質量管理的重點的圖2

【圖示元數據管理示意圖來源：談數據】

數據質量評估主要涉及以下幾個方面：

完整性：完整性用于評估哪些數據丟失了或者哪些數據不可用；
規范性：規范性用于評估哪些數據未按統一格式存儲；
一致性：一致性用于評估哪些數據的值在信息含義上是沖突的；
準確性：準確性用于評估哪些數據和信息是不正確的，或者數據是超期的；
唯一性：唯一性用于評估哪些數據是重復數據或者數據的哪些屬性是重復的；
關聯性：關聯性用于評估哪些關聯的數據缺失或者未建立索引。

從通常評估結果來看，影響數據質量的因素主要來源于四方面：信息因素、技術因素、流程因素和管理因素。

數據監測與控制，是指數據質量管理不是一次性的工作，而是一個不間斷的過程，我們需要定期的去監測企業數據質量管理策略和應用規則，包括優化算法等，以不斷調整和改進它們。因為數字時代下，商業環境在不斷變化，企業可能會選擇通過購買和集成外部數據來豐富其數據，來應對客戶的個性化定制需求。因此，他們將不得不提出新的數據質量規則，并隨時監測與控制，因為外部數據集可以包含到目前為止尚未處理的數據。

3、數據安全管理

數字時代下，數字經濟的迅速發展給人們的日常生活帶來了極大的便捷，但是在享受數字技術優勢的同時，也存在涉及個人數據應用安全性的風險問題。近些年來，大型數據泄露事件層出不窮，從去年接連發生兩次的FaceBook數據泄露、美國知乎Quora數據泄露、Google+賬戶泄露，到眾多國內商業巨頭紛紛中招，甚至在2018年8月和11月發生的兩起均超過5億條數據的華住、萬豪酒店集團數據泄露事件，無不說明了傳統網絡安全中以抵御攻擊為中心，以黑客為防御對象的策略和安全體系構建存在重大的安全缺陷，傳統網絡安全為中心需要向數據為中心的安全策略轉變。

由此可見，隨著大數據技術的不斷深入應用，大數據時代下的信息安全防護所面臨的風險相比以前也發生了根本性的變化。從信息安全的角度考慮和出發，大數據時代下企業運營數據安全面臨多項挑戰。例如，企業運營數據質量及安全難以保證，尤其是跨系統、跨業務平臺測試數據難以獲取并驗證，數據質量難以保證；企業用戶因為對業務系統不熟悉而導致在使用過程中進行誤操作給企業業務運營造成難以恢復的損失；外部非授權人員（如黑客）對數據庫進行惡意入侵，獲取或者刪除數據庫里的數據；數據具有易復制的特征，所有針對數據的安全事件發生后，無法進行有效的追溯和審計；數據具有易流動的特征，大量數據的匯集不可避免地加大了泄露的風險，在數據傳輸過程中或多或少會存在主動或意外的數據泄漏；數據具有難管理的特征，大數據技術成為黑客的攻擊手段；企業業務系統用戶、企業維護人員、外部訪問用戶在訪問企業業務數據時，操作數據庫的行為缺乏綜合審計。

我們國內在這塊加強了相應的法規標準建設，如2019年8月30日，《信息安全技術－數據安全能力成熟度模型》（GB/T 37988-2019）簡稱DSMM（Data Security Maturity Model）正式成為國標對外發布，并已于2020年3月起正式實施。企業在推行業務運營數據安全管理時，完全可以參考該標準來實施，構建符合企業自身特點的運營數據安全能力成熟度模型和運營數據安全管理體系。

DSMM將數據按照其生命周期分階段采用不同的能力評估等級，分為數據采集安全、數據傳輸安全、數據存儲安全、數據處理安全、數據交換安全、數據銷毀安全六個階段。DSMM從組織建設、制度流程、技術工具、人員能力四個安全能力維度的建設進行綜合考量。DSMM將數據安全成熟度劃分成了1-5個等級，依次為非正式執行級、計劃跟蹤級、充分定義級、量化控制級、持續優化級，形成一個三維立體模型，全方面對數據安全進行能力建設。

數字時代下企業質量管理的重點的圖3