《电网企业数据管理能力成熟度模型》

CSEE中 国 电 机 工 程 学 会 标 准TSEXYY电网企业数据管理能力成熟度评估模型PowerGridEnterpriseDataManagementCapabilityMaturityAssessmentModel(征求意见稿)XX-XX-发布 XX-XX-X实施中国电机工程学会 发布T/CSEEXXXX-YYYYVI目次TOC\o"1-4"\h\z\u目次 I前  言 VII电网企业数据管理能力成熟度评估模型 11范围 12规范性引用文件 13术语和定义 13.1电网企业PowerGridEnterprise 13.2数据管理能力datacapability 13.3数据管理能力成熟度模型datacapabilitymaturitymodel 13.4能力域capabilityarea 13.5数据资产dataasset 13.6数据战略datastrategy 13.7数据治理datagovernance 13.8数据架构dataarchitecture 23.9数据标准datastandard 23.10元数据metadata 23.11数据资产目录Dataassetcatalog 23.12数据质量dataquality 23.13数据安全datasecurity 23.14主数据masterdata 23.15参考数据referencedata 23.16数据生存周期datalifecycle 23.17数据平台dataplatform 24综述 24.1概述 24.2成熟度评估等级 34.2.1初始级 34.2.2受管理级 44.2.3稳健级 44.2.4量化管理级 44.2.5优化级 55数据战略 55.1数据战略规划 55.1.1概述 55.1.2过程描述 55.1.3过程目标 55.1.4能力等级标准 65.2数据战略实施 65.2.1概述 65.2.2过程描述 65.2.3过程目标 75.2.4能力等级标准 75.3数据战略评估 75.3.1概述 75.3.2过程描述 75.3.3过程目标 85.3.4能力等级标准 86数据治理 96.1数据治理组织 96.1.1概述 96.1.2过程描述 96.1.3过程目标 96.1.4能力等级标准 96.2数据制度建设 106.2.1概述 106.2.2过程描述 106.2.3过程目标 116.2.4能力等级标准 116.3数据治理沟通 116.3.1概述 116.3.2过程描述 116.3.3过程目标 126.3.4能力等级标准 126.4数据认责机制 136.4.1概述 136.4.2过程描述 136.4.3过程目标 136.4.4能力等级标准 137数据架构 147.1数据模型 147.1.1概述 147.1.2过程描述 147.1.3过程目标 157.1.4能力等级标准 157.2元数据管理 157.2.1概述 157.2.2过程描述 167.2.3过程目标 167.2.4能力等级标准 167.3数据分布 177.3.1概述 177.3.2过程描述 177.3.3过程目标 187.3.4能力等级标准 187.4数据集成与共享 187.4.1概述 187.4.2过程描述 197.4.3过程目标 197.4.4能力等级标准 198数据标准 198.1业务术语 208.1.1概述 208.1.2过程描述 208.1.3过程目标 208.1.4能力等级标准 208.2参考数据 218.2.1概述 218.2.2过程描述 218.2.3过程目标 218.2.4能力等级标准 218.3主数据 228.3.1概述 228.3.2过程描述 228.3.3过程目标 228.3.4能力等级标准 228.4指标数据 238.4.1概述 238.4.2过程描述 238.4.3过程目标 248.4.4能力等级标准 249数据质量 259.1数据质量需求 259.1.1概述 259.1.2过程描述 259.1.3过程目标 259.1.4能力等级标准 259.2数据质量检查 269.2.1概述 269.2.2过程描述 269.2.3过程目标 269.2.4能力等级标准 269.3数据质量分析 279.3.1概述 279.3.2过程描述 279.3.3过程目标 289.3.4能力等级标准 289.4数据质量提升 289.4.1概述 289.4.2过程描述 289.4.3过程目标 299.4.4能力等级标准 2910数据安全 2910.1数据安全标准 3010.1.1概述 3010.1.2过程描述 3010.1.3过程目标 3010.1.4能力等级标准 3010.2数据安全管理 3110.2.1概述 3110.2.2过程描述 3110.2.3过程目标 3110.2.4能力等级标准 3110.3数据安全审计 3210.3.1概述 3210.3.2过程描述 3210.3.3过程目标 3310.3.4能力等级标准 3311数据应用 3311.1数据分析 3411.1.1概述 3411.1.2过程描述 3411.1.3过程目标 3411.1.4能力等级标准 3411.2数据开放共享 3511.2.1概述 3511.2.2过程描述 3511.2.3过程目标 3511.2.4能力等级标准 3511.3数据服务 3611.3.1概述 3611.3.2过程描述 3611.3.3过程目标 3611.3.4能力等级标准 3712数据生存周期 3712.1数据需求 3712.1.1概述 3712.1.2过程描述 3712.1.3过程目标 3812.1.4能力等级标准 3812.2数据设计和开发 3912.2.1概述 3912.2.2过程描述 3912.2.3过程目标 3912.2.4能力等级标准 3912.3数据运维 4012.3.1概述 4012.3.2过程描述 4012.3.3过程目标 4012.3.4能力等级标准 4012.4数据退役 4112.4.1概述 4112.4.2过程描述 4112.4.3过程目标 4112.4.4能力等级标准 4213数据平台 4213.1平台规范 4213.1.1概述 4213.1.2过程描述 4213.1.3过程目标 4313.1.4能力等级标准 4313.2平台架构 4313.2.1概述 4313.2.2过程描述 4313.2.3过程目标 4413.2.4能力等级标准 4413.3平台管理 4413.3.1概述 4413.3.2过程描述 4513.3.3过程目标 4513.3.4能力等级标准 4514评估方法 4614.1评估原则 4614.2评估过程 4614.3评估方式 4614.4评估结果 46参考文献 48范围本标准描述了电网企业数据管理能力成熟度评估模型（以下称为数据管理能力成熟度模型）以及相应的成熟度等级，定义了数据战略、数据治理、数据架构、数据标准、数据质量、数据安全、数据应用、数据生存周期和数据平台等9个能力域以及对应的32个能力项。本标准适用于指导电网企业进行数据管理和评估其能力成熟度等级。规范性引用文件下列文件对于本文件的应用是必不可少的。凡是注日期的引用文件，仅注日期的版本适用于本文件。凡是不注日期的引用文件，其最新版本（包括所有的修改单）适用于本文件。GB/T36073-2018：数据管理能力成熟度评估模型术语和定义下列术语和定义适用于本文件。电网企业PowerGridEnterprise本标准中电网企业特指国家电网有限公司和中国南方电网有限责任公司两家电网公司及其分子公司。数据管理能力datamanagementcapability是指企业对数据进行管理和应用的能力。数据管理能力成熟度模型datamanagementcapabilitymaturitymodel用于评价电网企业数据管理能力成熟度的模型，包含数据战略、数据治理、数据架构、数据标准、数据质量、数据安全、数据应用、数据生存周期和数据平台等数据管理能力以及对应的成熟度等级。能力域capabilityarea数据管理相关活动、过程等集合以及一组相关数据管理能力子域的集合。数据资产dataasset数据资产是企业或组织拥有或控制，能带来未来经济利益的数据资源。包括各类结构化数据、半结构化数据和非结构化数据。数据战略datastrategy企业开展数据工作的愿景、目的、目标和原则。数据治理datagovernance对数据进行处置、格式化和规范化的过程。注1：数据治理是数据和数据系统管理的基本要素。注2：数据治理涉及数据全生存周期管理,无论数据是处于静态、动态、未完成状态还是交易状态。[GB/T35295—2017,定义2.1.43]数据架构dataarchitecture通过企业级数据模型定义数据需求，指导对数据资产的分布控制和整合，部署数据的共享和应用环境，以及元数据管理的一套整体规范。数据标准datastandard数据的命名、定义、结构和取值规范方面的规则和基准。元数据metadata定义和描述其他数据的数据。[GB/T18391.1－2009，定义3.2.16]数据资产目录Dataassetcatalog数据资产目录，是以元数据为核心，按照分类、主题、应用多个角度对数据进行管理、识别、定位、发现、评估、共享的数据组织管理工具。数据质量dataquality在特定环境下，数据特性对于描述和使用需求的满足程度。[GB/T25000.12-2017，定义4.3]数据安全datasecurity数据的机密性，完整性和可用性。主数据masterdata企业中需要跨系统、跨部门进行共享的核心业务实体数据。参考数据referencedata对其他数据进行分类和规范的数据。数据生存周期datalifecycle将原始数据转化为可用于行动的知识的一组过程。[GB/T35295—2017,定义2.1.2]数据平台dataplatform企业内涉及数据集成、数据存储、数据管理、数据应用等服务的综合性平台。综述概述电网企业数据管理能力成熟度评估模型包含9个数据管理能力域。每个能力域包括若干数据管理领域的能力项，共32个。能力域和能力项见表1。能力域和能力项能力域能力项数据战略数据战略规划数据战略实施数据战略评估数据治理数据治理组织数据制度建设数据治理沟通数据认责机制数据架构数据模型元数据管理数据分布数据集成与共享数据标准业务术语参考数据主数据指标数据数据质量数据质量需求数据质量检查数据质量分析数据质量提升数据安全数据安全标准数据安全管理数据安全审计数据应用数据分析数据开放共享数据服务数据生存周期数据需求数据设计和开发数据运维数据退役数据平台平台规范平台架构平台管理成熟度评估等级本标准将企业数据管理能力成熟度评估层次划分为5个等级：初始级、受管理级、稳健级、量化管理级和优化级。在此基础上，确定每个层次的基本特征。初始级企业没有意识到数据的重要性，数据需求的管理主要是在项目级来体现，没有统一的数据管理流程，存在大量的数据孤岛，经常由于数据的问题导致低下的客户服务质量，繁重的人工维护工作等，具体的表现如下：当用户不相信数据的时候，业务管理者和信息技术管理者不知道问题的根源在于数据；企业在制定战略决策的时候，没有获得充分的数据支持；没有正式的数据蓝图规划、数据架构设计、数据管理企业和流程等；业务系统独自管理自己的数据，各个业务系统之间的数据存在不一致，或者冲突的现象。没有人意识到数据管理或者数据质量的重要性；数据的管理是根据项目实施的周期来进行的，没有人知道针对数据的维护，管理的成本到底是多少。受管理级企业已经意识到数据是资产，根据管理策略的要求制定了管理流程，指定了相关人员进行初步的管理，并且识别了数据管理、应用相关的干系人，具体的特征如下：管理者已经意识到数据的重要性，已经制定了一些数据管理的规范和岗位，想要促进数据管理相关工作的规范化；已经意识到数据质量和数据的孤岛问题是一个重要的管理问题，在进行数据分析的过程中，发现大量的数据不一致和重复的问题，但是找不到问题的根源或者为此要负责的人；企业进行了一些数据集成的工作，尝试整合分散于各个业务系统的数据，也设计了一些数据模型和管理的岗位；开始进行了一些重要数据的文档工作，对重要数据的安全，风险等方面进行一些考虑，并且设计相关管理的管理措施。稳健级数据已经被当做实现企业绩效目标的重要资产，在企业层面制定了系列的标准化管理流程促进数据管理的规范化，数据的管理者可以快速的满足跨多个业务系统的、准确的、一致的数据要求，有详细的数据需求响应处理规范、流程。具体的标志如下：管理者已经意识到数据的价值，在企业的层面明确了数据管理的规范和制度；数据的管理以及应用能够充分参考企业的业务战略、经营管理需求以及外部监管需求；建立了规范的管理企业、管理流程，能够推动企业内各部门/子公司来按照流程开展工作；企业在日常的决策、业务开展过程中能够获取充足的数据支持，显著提升了工作效率；能够定期开展数据管理、应用相关的培训工作。量化管理级数据被认为是获取竞争优势的重要资源，企业认识到数据在业务流程优化，工作效率提升等方面的作用，针对数据管理方面的流程进行全面的优化，针对数据管理的过程进行关键绩效指标的考核，规范和加强数据相关的管理工作，并且应用相关的工具对关键绩效指标考核相关的工作进行支撑，具体的标志如下：管理者已经认识到数据是企业的战略资产，已经了解数据在流程优化，绩效提升等方面的作用，在制定企业业务战略的时候可以获得相关数据的支持；在企业层面建立了可量化的评价指标体系，可以准确测量数据管理流程的效率，并且可以及时进行流程优化；在数据管理、应用的过程中充分借鉴了行业最佳实践，国家标准、行业标准等外部资源，促进企业本身的数据管理体系、应用体系的提升。优化级数据被认为是企业生存和发展的基础，相关管理流程能够实时优化，能够在行业内进行最佳实践的分享，具体的标志如下：整个企业可以把数据作为企业的核心竞争力，可以利用数据创造更多的价值和提升改善企业的效率；能够参与国家、行业、团体等方面相关标准的制定工作；能够把企业自身数据管理能力建设的经验作为行业的最佳实践进行推广，成为行业的标杆。数据战略在电力体制改革不断深化，互联网+能源不断发展的背景下，数据资产的价值对于电网企业日益重要，需要以价值为导向构建电网企业整体的数据战略，明确数据资产管理和发展的方向，制定整个企业数据战略的规划、愿景和落地实施，为企业数据管理、应用工作的开展提供战略保障，企业的数据战略需要和业务战略保持一致，并且要在利益相关者之间达成一致。数据战略规划概述数据战略规划为企业数据管理工作定义愿景、目的、目标和原则，并且使其在所有利益相关者之间达成共识。从宏观及微观两个层面确定开展数据管理及应用的动因，并且综合反映数据提供方和消费方的需求。过程描述规划过程主要包含以下活动：识别利益相关者，明确利益相关者的需求；数据战略需求评估，企业对业务和信息化现状进行评估，了解业务和信息化对数据的需求；遵循上级单位统一下达的要求进行承接与细化；数据战略制定，包含但不限于：愿景陈述，其中包含数据管理原则、目的和目标；规划范围，其中包含重要业务领域、重要数据范围和数据管理优先权；所选择的数据管理框架和使用方法；当前数据管理存在的主要差距；管理层及其责任，以及利益相关者名单。编制数据管理规划的管理方法；持续提升路线图。数据战略发布。以发文、网站、邮件等方式正式发布审批后的数据战略；数据战略修订。根据业务战略、信息化战略等方面的要求定期进行数据战略的修订。过程目标过程目标如下：建立、维护数据管理战略；针对所有业务领域，在整个数据治理过程中维护数据管理战略（目的、目标、优先权和范围）；基于数据的业务价值和数据管理的目标，识别相关的利益相关者，分析各项数据管理工作的优先权；制定、监控和评估后续计划，用于指导数据管理规划实施。能力等级标准能力等级标准如下：初始级在项目建设的过程中反映了数据管理的目标和范围。受管理级识别与数据战略相关的利益相关者；数据战略的制定能够遵循相关的管理流程；维护了数据战略和业务战略之间的关联关系。稳健级具体特征如下：制定能够反映整个企业业务发展需求的数据战略；制定数据战略的管理制度和流程，明确了相关利益相关者的职责，规范了数据战略的管理过程；根据企业制定的数据战略提供资源保障；将企业的数据管理战略形成文件并按企业定义的标准过程进行维护、审查和公告；编制数据战略的提升路线图，指导数据工作的开展；定期修订已经发布的数据战略。量化管理对企业数据战略的管理过程进行量化分析，并且及时进行优化；能够量化分析数据战略演进路线图的落实情况，并滚动修编数据战略。第5级：优化级数据战略可以有效提升企业竞争力；在业界分享最佳实践，成为行业标杆。数据战略实施概述企业完成数据战略规划并逐渐实现数据职能框架的过程。实施过程中评估企业数据管理和数据应用的现状，确定与愿景、目标之间的差距；依据数据职能框架制定阶段性数据任务目标，并确定实施步骤。电网企业数据战略实施要高度重视数据资产运营和应用，通过数据治理和数据应用与运营的内循环，深度挖掘数据资产价值,全面支撑电网管制性业务、竞争性业务，实现“内增效、外增值”。过程描述数据战略实施能力项主要包含以下活动：评估准则。建立数据战略规划实施评估标准，规范化评估过程和方法；现状评估。对企业当前数据战略落实情况进行分析，评估各项工作开展情况；评估差距。根据现状评估结果与企业数据战略规划进行对比，分析存在的差异；实施路径。利益相关者结合企业的共同目标和实际商业价值进行数据职能任务优先级排序；保障计划。依据实施路径，制定开展各项活动所需的预算和；任务实施。根据计划开展工作实施；过程监控。依据实施路径，及时对实施过程进行监控。过程目标过程目标如下：检查数据战略落实情况，定期对实施情况进行评估；分析差距，对现状和发展目标进行对比，分析存在的差异，明确发展方向；推动战略实施，根据存在的差距，结合企业的共同目标和实际商业价值，进行数据职能任务优先级排序，提供资源和资金保障，推动战略落地。能力等级标准能力等级标准如下：第1级：初始级在具体项目中反映数据管理的任务、优先级安排等内容。第2级：受管理级在部门或数据职能领域内，结合实际情况评估关键数据职能与愿景、目标的差距；在部门或数据职能领域内，结合业务因素建立并遵循数据管理项目的优先级；在部门或数据职能领域内，制定数据任务目标，并对所有任务进行全面分析确定实施方向；在部门或数据职能领域内，针对具体管理任务建立目标完成情况的评估准则。第3级：稳健级针对数据职能任务，建立系统完整的评估准则；在企业范围内全面评估实际情况，确定各项数据职能与愿景、目标的差距；制定数据战略推进工作报告模板，并且定期进行发布，使利益相关者了解数据战略实施的情况和存在的问题；结合企业业务战略，利用业务价值驱动方法评估数据管理和数据应用工作的优先级，制定实施计划，并且提供资源、人力、资金等方面的保障；跟踪评估各项数据任务的实施情况，并结合工作进展调整更新实施计划。第4级：量化管理级可以应用量化分析的方式来对数据战略的进展情况进行分析；积累大量的数据用以提升数据任务进度规划的准确性；数据管理工作任务的安排能够及时满足业务发展的需要，建立了规范的优先级排序方法。第5级：优化级在业界分享最佳实践，成为行业标杆。数据战略评估概述数据战略评估过程中应建立对应的业务案例和投资模型，并在整个任务实施过程中跟踪进度，同时做好记录供审计和评价使用。此外，对于已经制定完成的未来几年的数据战略，同样要进行科学的评估，必要时候进行战略修改调整。过程描述过程描述如下：任务效益评价。从业务案例出发探讨数据职能任务的切入视角，为实际任务的选择和投资预算等提供基础性参考；建立业务案例。建立了基本的用例模型、项目计划、初始风险评估和项目描述，能够确定数据管理和数据应用相关任务（项目）的范围、活动、期望的价值、以及合理的成本收益分析；建立投资模型。作为数据职能项目投资分析的基础性理论，投资模型确保在充分考虑成本和收益的前提下对所需资本进行合理化分配。投资模型要满足不同业务条线的信息科技需求，以及对应的数据职能内容，同时要进行广泛沟通以保障对业务或技术的前瞻性支持，最后还要同时符合相关的监管及合规性要求；阶段评价。在数据工作开展过程中，定期对已取得的成果进行效益评价，从业务价值、经济效益等维度进行评价。过程目标过程目标如下：建立数据职能项目的业务案例，符合企业目标和业务驱动要求；帮助项目获取执行层面的支持，同时为投资模型提供参考；建立一个或一组可持续的投资模型，满足企业文化和业务案例需求；遵循投资模型，进行合理的成本收益分析，同时项目资金支持反映业务目标和企业优先级考虑；对业务案例、资金支持方法及活动的记录、跟踪、审计、后评价；对已制定完成的数据战略进行合理评价。能力等级标准能力等级标准如下：第1级：初始级在项目范围内建立数据职能项目/活动的商业案例；通过基本的成本-收益分析方法对数据管理项目进行投资预算管理。第2级：受管理级在单个部门或数据职能领域内，定义并遵循商业案例方法；在单个部门或数据职能领域内，建立数据职能业务案例的标准化决策过程，并参考相应的投资模型准则，选择切入点；在单个部门或数据职能领域内，利益相关者参与并支持数据管理和数据应用项目的投资模型；在单个部门或数据职能领域内，将数据管理和数据应用的成本与业务目标进行映射。第3级：稳健级在企业范围内，根据标准化工作流程方法建立数据管理和数据应用业务案例；业务案例需要包括数据职能项目总拥有成本的分析内容，同时通过财务会计方法将成本单元在部门、项目间进行分配；在企业资金预算过程中对业务案例进行评估和排序，对应于预算投资角度对数据管理和数据应用的重视；在企业范围内，建立投资预算方面的正式标准要求；在企业范围内，通过成本收益准则指导数据职能项目的实施优先级安排；在企业范围内，依据历史数据进行后评价工作，并纳入审计范围。第4级：量化管理级构建专门的数据管理和数据应用总拥有成本方法，衡量评价数据管理实施切入点和基础实施的变化，并进行对应的资金预算调整；使用统计方法或者其他量化方法分析数据管理的成本评价标准；使用统计方法或者其他量化方法分析资金预算满足企业目标的有效性和准确性。第5级：优化级在业界分享最佳实践，成为行业标杆；参与行业标准或团体标准的制定工作。数据治理数据治理是数据资产价值的保障，围绕数据质量提升、数据安全保障以及管理实施过程中的难点痛点，电网企业需要持续深化数据治理工作，梳理各业务部门在数据管理中的职责，明确管理制度和流程，构建覆盖数据全生命周期的管理体系，通过认责加强业务部门在数据管理过程中的参与程度，明确各部门在数据管理中的管理范围、管理职责，推动数据资产价值的提升。数据治理组织概述数据治理组织包括企业架构、岗位设置、团队建设、数据责任等内容，是各项数据职能工作开展的基础。对企业在数据管理和数据应用行使职责进行规划和控制，并指导各项数据职能的执行，以确保企业能有效落实数据战略目标。过程描述过程描述如下：建立数据治理组织：建立数据体系配套的权责明确且内部沟通顺畅的组织，确保数据战略的实施；岗位设置：建立数据治理所需的岗位，明确岗位的职责，任职要求等；团队建设：制定团队培训、能力提升计划，通过引入内部、外部资源定期开展人员培训，提升团队人员的数据治理技能；数据归口管理：明确数据所有人、管理人等相关角色，以及数据的归口的具体管理人员；建立绩效评价体系：根据团队人员职责、管理数据范围的划分，制定相关人员的绩效考核体系。过程目标过程目标如下：建立完善的组织架构及对应的工作流程机制；数据管理明确归口管理部门，并在数据管理部门和业务部门设置足够的专、兼职岗位，持续推动团队建设；建立支撑数据管理和数据应用战略的绩效评价体系。能力等级标准能力等级标准如下：第1级：初始级在具体项目中体现数据管理和数据应用的岗位、角色及职责；依赖信息化项目组能力解决数据问题，没有设定专业的部门。第2级：受管理级数据管理相关人员接受过专业的培训，但是没有制度化；在单个数据职能域或业务部门，建立包括多个层级的组织架构；在单个数据职能域或业务部门，有明确的数据管理和数据应用实施部门，负责企业内对应数据职能相关工作；设置数据管理和数据应用专职岗位，岗位职责明确；在项目层面明确数据管理职责，以及角色。第3级：稳健级数据治理组织中管理层负责数据职能决策，推动数据管理相关工作；在企业范围内明确统一的数据管理和数据应用归口部门，负责企业协调各项数据职能工作；数据管理人员的岗位职责明确，可以体现在岗位描述中，并且建立了数据管理人员的职业发展规划，明确了发展方向。建立了数据管理工作的评价标准，建立了对相关人员的奖惩制度。在企业范围内建立、健全数据责任体系，覆盖管理、业务和技术等方面的人员；在企业范围内推动数据归口管理，确保各类数据都有明确的管理者；定期进行培训和经验分享，不断提高员工能力。第4级：量化管理级建立适用于数据管理和数据应用岗位人员的量化绩效评估指标，并且发布考核结果，评估相关人员的岗位绩效；建立提高数据管理、应用人员工作积极性及促进其职业发展的奖惩机制。第5级：优化级在业界分享最佳实践，成为行业标杆。数据制度建设概述保障数据管理和数据应用各项功能的规范化，建立对应的制度体系。数据制度体系通常分层次设计，遵循企业严格的发布流程，并定期进行复审和更新。数据制度建设是数据管理和数据应用各项工作有序开展的标准和规范，是数据治理沟通和实施的关键依据。过程描述过程描述如下：制定数据制度框架。根据数据职能的层次和授权决策次序，数据制度框架分为多个不同梯次，规定数据管理和应用的具体领域、各个数据职能领域内的目标、遵循的行动原则、完成的明确任务、实行的工作方式、采取的一般步骤和具体措施；整理数据制度内容。数据管理政策与数据管理办法、数据管理细则共同构成企业数据制度体系，其基本内容如下：数据管理政策说明数据管理和数据应用的目的，明确其企业与范围；数据管理办法是为数据管理和数据应用各领域内的活动开展而制定的一系列规则、流程；数据管理细则是确保各数据方法执行落实而派生出来的实施细节与技术规范。数据制度发布。企业内部以发文、邮件等形式正式发布审批过的数据制度；数据制度实施。结合数据治理组织的设置，推动数据制度的落地实施；数据制度宣贯。定期开展数据制度相关的培训、宣传工作。过程目标过程目标如下：建立数据制度体系，并在企业范围内广泛征求意见后发布执行；建立制度的管理流程，进行制度的重检、更新、发布、推广。能力等级标准能力等级标准如下：第1级：初始级各个项目分别建立各自的数据相关规范或细则；数据管理制度的落实和执行由各项目人员自行决定。第2级：受管理级在部分数据职能框架领域建立跨部门的制度管理办法、细则；识别了数据制度相关的利益相关者，了解了相关诉求；明确了数据制度的相关管理角色，推动数据制度的落地实施；跟踪制度实施情况，定期修订管理制度，维护版本更新；防范法律和规章风险的部分制度是存在的，但还不完整。第3级：稳健级在企业范围内搭建制度框架，并制定数据政策；建立全面的数据管理和数据应用制度，覆盖各数据职能域的管理办法和细则，并以文件形式进行贯彻，以保证数据职能工作的规范性和严肃性；建立有效的数据制度管理机制，统一了管理流程，用以指导数据制度的修订；根据实施情况持续修订数据制度，保障数据制度的有效性；定期开展数据制度相关的培训和宣贯；业务部门人员积极参与数据制度的制定，并可以有效推动本业务域数据管理工作的开展；数据制度的制定参考了外部合规、监管方面的要求。第4级：量化管理级数据制度的制定参考了行业最佳实践的经验，体现了业务发展的需要，推动了数据战略的落地实施；可以量化评估数据制度的执行情况，优化数据制度管理过程。e)第5级：优化级在业界分享最佳实践，成为行业标杆；参与国家、行业、区域性数据相关制度的规划、制定及实施。数据治理沟通概述数据治理的目标之一就是构建企业内部良好的数据文化，让企业中的每个人都了解数据的重要性，并能够有意识的规范管理数据和应用数据。企业数据文化的构建主要依赖于数据治理沟通，构建相关的宣贯渠道，定期进行宣贯和培训，确保数据治理的概念、方法以及相关的制度、标准、流程和相关工作进展能够得到了解和执行。数据治理沟通是建立有效数据职能运行机制的关键，需要支持跨部门、业务域数据管理能力的建立与提升。过程描述过程描述如下：沟通路径。明确数据管理和应用的利益相关者，分析各方的诉求，了解沟通的重点内容；沟通计划。建立定期或不定期沟通计划，并在利益相关者之间达成共识；沟通执行。按照沟通计划安排实施具体沟通活动，同时对沟通情况进行记录；沟通升级。在必要情况下进行沟通层级上升，以解决分歧；建立沟通的渠道。在企业内部明确沟通的主要渠道，例如邮件、发文、网站、自媒体，研讨会等；制定培训宣贯计划。根据企业人员和业务发展的需要，制定相关的培训宣贯计划；开展培训。根据培训计划的要求，定期开展相关培训。过程目标过程目标如下：沟通保障数据管理和数据应用活动的信息能够被相关人员及时获悉并理解；及时发布影响数据管理和数据应用的行业或监管合规性指导；利益相关者参与数据治理沟通的机制建立和发展；加强企业人员对于数据相关制度、企业、标准的理解。能力等级标准能力等级标准如下：第1级：初始级在项目内进行沟通活动的实施和管理；存在一些零散的数据管理和数据应用的沟通计划，但是未统一。b)第2级：受管理级在单个数据职能域，定义跨部门的数据管理相关的沟通计划，并在利益相关者间达成一致，按计划推动活动开展；数据管理的相关政策、标准、规范纳入沟通范围，并根据反馈进行更新；根据需要在企业内部开展了相关培训；根据需要整理数据工作综合报告，汇总企业内部阶段发展情况。第3级：稳健级建立企业级的沟通机制，明确不同数据管理活动的沟通路径，满足沟通升级或变更管理要求，在企业范围内发布并监督执行；识别了数据工作的利益相关者，明确了各自的诉求，制定并审批了相关的沟通计划和培训计划；明确了企业内部沟通宣贯的渠道，定期发布企业内外部的发展情况；定期开展数据相关的培训工作，提升人员的技能；数据管理的相关政策、方法、规范在企业范围内进行沟通，覆盖大多数数据管理和数据应用相关部门，并根据反馈进行更新；明确数据工作综合报告的内容组成，定期发布企业的数据工作综合报告；利益相关者审阅沟通计划和沟通过程，并进行审批和发布。d)第4级：量化管理级建立与外部企业的沟通机制，扩大沟通范围以满足监管合规或新的发展趋势要求；收集并整理了行业内外部数据管理相关案例，包括最佳实践、经验总结、相关轶事，并通过各种渠道定期发布；企业人员了解数据管理与应用的业务价值，全员认同数据是企业的重要资产。c)第5级：优化级通过数据治理沟通，建立了良好的企业数据文化，促进了数据在内外部的应用；在业界分享最佳实践，成为行业标杆。数据认责机制概述数据认责机制是基于数据治理企业所建立的数据责任划定和分配管理机制。数据认责机制须建立在明晰、均衡的责任划分之上，各认责方应当有明确的职责边界，同时还要便于相互间的协作。数据认责机制宜根据数据业务影响情况，按优先级逐批次开展认责活动。过程描述过程描述如下：确定认责数据范围。根据业务活动中数据问题的分布和影响情况，识别关键数据问题对应的核心数据项，或者根据上级单位的管理要求以及外部机构的监管要求设定核心数据项，综合划定认责数据范围；确定数据主责部门。根据数据元以及数据主题的业务关联性、业务管理范围等，确定企业内的数据主责部门。数据的主责部门应当是唯一的，并由其推动数据各方面责任的建立和落实；整理数据责任关系。根据企业实际的业务流程、业务活动以及相关信息系统的功能设计和实现，整理数据定义、标准化、操作、使用、质量、安全、维护等各方面的责任关系，明确各责任主体；整理数据责任要求。根据企业已制定的相关数据定义、标准以及质量、安全、维护规则，整理数据责任主体的责任要求；数据责任落实和检查。确定数据责任落实的指标要素和改进基线，例如数据的质量指标。根据数据责任关系，落实数据责任要求。通过指标监测和基线提升分析，检查数据责任落实情况；建立数据认责绩效评价指标。根据数据认责实施范围、责任落实情况以及责任长效机制建立情况，制定相关人员的绩效考核指标。过程目标过程目标如下：定义明确的数据责任方及其职责；建立规范、完善的数据认责方法和实施流程；建立反映数据认责有效性及数据责任落实情况的绩效评价指标。能力等级标准能力等级标准如下：第1级：初始级在项目过程或者数据管理专项活动中划分了数据责任方，并明确其主要责任；在数据管理的个别职能域内定义了数据认责角色及其职责。第2级：受管理级在企业范围内明确了数据归口管理部门以及各业务领域数据主题的管理责任部门，并建立了跨业务领域的数据管理协调机制；由数据归口管理部门统一企业各数据主题的管理责任部门开展数据认责工作；梳理了部分主题数据实体个别方面的责任关系和责任要求，并落实到对应企业机构和人员；制定了数据认责的实施落实要求和检查办法，并根据事实落实情况提出奖惩意见。第3级：稳健级在企业范围内明确了数据认责方及其职责，使数据的所有者、业务属性维护者、技术属性维护者以及操作和使用者等不同角色具有清晰责任边界；在企业范围内制定并发布了统一的数据认责方法和实施流程，各业务领域数据主题的管理责任部门按照方法和流程，在数据归口管理部门的管理下，有计划、规范地开展本领域主题数据认责管理工作；业务领域主题数据的认责工作能够联系业务价值，识别业务影响较大的数据项作为认责管理范围，并根据其业务价值排定优先顺序，有序开展数据认责实施；梳理了认责数据项各个方面的责任关系和责任要求，并编制作业指南，规范认责方的作业行为。第4级：量化管理级制定了数据业务价值或业务影响的量化评估模型，并应用于认责数据的选取和实施优先级的排序；明确了数据认责实施过程中责任落实的指标要素和改进基线，并通过指标监测和基线提升分析，量化反映数据责任的落实情况；制定了数据认责的绩效考核评价细则，明确了考核指标、考核办法及程序，并定期开展数据认责绩效考核。第5级：优化级数据认责方法不断优化，并形成工具支撑；在业界分享最佳实践，成为行业标杆。数据架构数据架构是用于定义数据需求、指导对数据资产的整合和控制、使数据投资与业务战略相匹配的一套整体构件规范。数据架构包括正式的数据命名、全面的数据定义、有效的数据结构、精确的数据完整性规则、以及健全的数据文档。数据架构在支持整个企业的信息需要时才最有价值。企业数据架构整合整个企业的数据并标准化。数据模型概述数据模型是使用结构化的语言将收集到的企业业务经营、管理和决策中使用的数据需求进行综合分析,按照模型设计规范将需求重新企业。电网企业数据模型主要是参考国际标准IEC61968/61970、IEC61850的基础上，结合企业自身特色制定，信息化系统建设对数据模型的依赖性比较大。过程描述过程描述如下:收集和理解企业的数据需求。包括收集和分析企业应用系统的数据需求和实现企业的战略、满足内外部监管、与外部企业互联互通等的数据需求等；制定模型规范。包括数据模型的管理工具、命名规范、常用术语以及管理方法等；开发数据模型。包括开发设计企业级数据模型、系统应用级数据模型；数据模型应用。根据企业级数据模型的开发,指导和规范系统应用级数据模型的建设；符合性检查。检查企业级数据模型和系统应用级数据模型的一致性；模型变更管理。根据需求变化实时的对数据模型进行维护。过程目标过程目标如下:建立并维护企业级数据模型和系统应用级数据模型；建立一套企业共同遵循数据模型设计的开发规范；使用企业级数据模型来指导应用系统的建设。能力等级标准能力等级标准如下:第1级:初始级在应用系统层面编制了数据模型开发和管理的规范；根据相关规范指导应用系统数据结构设计。第2级:受管理级结合企业管理需求,制定了数据模型管理规范；对企业中部分应用系统的数据现状进行梳理,了解当前存在的问题；根据数据现状的梳理,结合企业业务发展的需要,建立了企业级数据模型；应用系统的建设参考了企业级数据模型。第3级:稳健级对企业中应用系统的数据现状进行全面梳理,了解当前存在的问题并提出解决办法；分析业界已有的数据模型参考架构,学习相关方法和经验；编制企业级数据模型开发规范,指导企业级数据模型的开发和管理；了解企业战略和业务发展方向,分析利益相关者的诉求,掌握企业的数据需求；建立覆盖企业业务经营管理和决策数据需求的企业级数据模型；使用企业级数据模型指导系统应用级数据模型的设计,并设置相应的角色进行管理；建立了企业级数据模型和系统级数据模型的映射关系,并根据系统的建设定期更新企业级的数据模型；建立了统一的数据资源目录,方便数据的查询和应用。第4级:量化管理级使用企业级数据模型,指导和规划整个企业应用系统的投资、建设和维护；建立了企业级数据模型和系统应用级数据模型的匹配机制,确保一致性；及时跟踪、预测企业未来和外部监管的需求变化,持续优化企业级数据模型。第5级:优化级在业界分享最佳实践,成为行业标杆。元数据管理概述元数据是“关于数据的数据”，即对数据的描述信息。对数据不同方面的描述形成不同类型的元数据，一般而言，元数据一般分为业务元数据（如业务术语、业务规则等）、技术元数据（如数据库表结构、文件结构等）、操作元数据（如数据的更新时间、更新频率等）和管理元数据（如数据的负责部门、负责人等）。元数据管理是关于元数据的创建、存储、整合与控制等一整套流程的集合。过程描述过程描述如下：元模型管理。对包含描述元数据属性定义的元模型进行分类并定义每一类元模型，元模型可采用或参考元模型国际标准；元数据集成和变更。基于定义的元模型对元数据进行收集，对不同类型、不同来源的元数据进行集成，形成对数据资产描述的统一视图，并且元数据随着数据资产的变化而更新，基于规范的流程对元数据变更过程加以管理；构建数据资产目录。基于企业的元数据情况，梳理并构建企业数据资产目录。数据资产目录的构建方法通常有“自顶向下”和“自底向上”两种方法，实际构建中可根据具体的需求采取不同的构建策略；元数据应用。基于数据管理和数据应用需求，对于企业管理的各类元数据进行分析应用，如查询、血缘（溯源）分析、影响分析、一致性分析、质量分析等。过程目标过程目标如下：根据业务需求、数据管理和应用需求，对元数据进行分类，建立元模型标准，保障不同来源的元数据集成和互操作；元模型变更实现规范管理；实现不同来源的元数据有效集成，形成企业的数据资产全景图，能够从业务、技术、操作、管理不同视角管理和使用数据资产；元数据变更遵循规范化流程并与信息系统开发生命周期实现良好融合；构建企业数据资产目录，形成业务、系统、数据、接口、权威数据源、数据流、数据访问频率等多种关联展示成果，有效地提升企业掌控数据资源的能力，提高企业数据资产的运营效率；建立元数据应用和元数据服务，提升相关方对数据资产的理解，辅助数据管理和数据应用；建立完整的信息链路；实现元数据链路展现，包括数据主题域、数据实体、业务系统信息。能力等级标准能力等级标准如下：第1级：初始级元模型定义遵循信息系统项目建设需要和工具既有定义，未基于数据管理和数据应用需求统筹考虑元模型定义；在项目层面生成和维护各类元数据，如业务术语、数据模型、接口定义、数据库结构等；在项目层面梳理形成了电网某业务系统的数据资产清单；在项目层面收集和实现元数据应用需求，如数据字典查询、业务术语查询等。第2级：受管理级在某个业务领域，进行了元数据分类及每一类元数据的元模型设计；元模型设计参考元模型定义参考国际、国内和行业元模型规范，定义了元模型变更管理流程；在某个业务领域建立了集中的元数据存储库，统一采集不同来源的元数据；在某个业务领域制定了元数据采集和变更流程；在某个业务领域构建了企业数据资产目录，从业务角度和系统数据完成了资产目录映射关系的建立；在某个业务领域，初步制定了元数据应用需求管理的流程，统筹收集、设计和实现，元数据应用需求；实现了部分基本元数据应用，如：血缘（溯源）分析、影响分析等，初步实现本领域内的元数据共享。第3级：稳健级制定了企业级的元数据分类及每一类元数据的范围，设计相应的元模型；定义了和执行企业级统一的元模型变更管理流程，基于规范流程对元模型进行变更、定制化；建立了企业级集中的元数据存储库，统一管理多个业务领域及其信息系统的元数据，并制定和执行统一的元数据集成和变更流程；建立了企业级总体数据资产目录，并提供了信息化手段的可视化展示，形成了完善的数据资产目录管理的流程；元数据采集和变更流程与数据生存周期有效融合，在各阶段实现元数据采集和变更管理，元数据能够及时、准确反映企业真实的数据环境现状；制定和执行统一的元数据应用需求管理流程，实现元数据应用需求统一管理和开发实现；实现了丰富的元数据应用，如：基于元数据的开发管理、元数据与信息系统的一致性校验、指标库管理等；各类元数据内容以服务的方式在信息系统之间共享使用。第4级：量化管理级定义并应用量化指标，衡量元数据管理工作的有效性；与外部企业合作开展元模型融合设计、开发；利用企业数据资产目录推动企业数据资产的管理；企业与少量外部机构实现元数据采集、共享、交换和应用。第5级：优化级在业界分享最佳实践，成为行业标杆；参与国家或行业相关元数据管理相关标准规范的制定；参与国家、行业的元数据采集、共享、交换和应用。数据分布概述数据分布职能域是针对企业级数据模型中数据的定义，明确数据在系统、企业和业务流程等方面的分布关系，明确权威数据源，为数据相关工作的提供参考和规范。通过数据分布关系的梳理，可以定义数据相关工作的优先级，方便指定数据的认责管理人，并进一步优化数据的集成关系。过程描述过程描述如下：数据现状梳理。对信息系统中的数据进行梳理，了解数据的定义，包含技术定义、业务定义和管理定义，明确存在的数据问题；识别数据类型。将企业内的数据根据其本质特征进行分类管理，一般类型包括但不限于主数据、参考数据、交易数据、统计分析数据、文档数据、元数据等几种类型；数据分布关系梳理。根据企业级数据模型的定义，结合业务流程梳理的成果、定义企业中数据和流程、数据和企业机构、数据和系统的分布关系；确定数据的权威数据源。最佳数据采集存储系统是对每类数据确定相对合理的唯一信息采集和存储系统为权威数据源；数据分布关系的应用。根据数据分布关系的梳理，对企业数据相关工作进行规范，包括定义数据工作优先级，优化集成关系等；数据分布关系的维护和管理。根据企业中业务流程和系统建设的情况，定期维护和更新企业中的数据分布关系，保持及时性。过程目标过程目标如下：对企业的数据资产建立起分类管理机制，确定企业数据的权威数据源；梳理数据和业务流程、企业、系统之间的关系；规范数据相关工作的建设。能力等级标准能力等级标准如下：第1级：初始级在项目中进行了部分数据分布关系管理，例如数据和功能的关系、数据和流程的关系等。第2级：受管理级对信息系统数据现状进行了部分梳理，明确了需求和存在的问题；建立了数据分布关系的管理规范；梳理了部分业务数据和流程、企业、系统之间的关系；业务条线内部已对关键数据都确定权威数据源。第3级：稳健级在企业层面制定了统一的数据分布关系管理规范，统一了数据分布关系的表现形式和管理流程。对信息系统数据现状进行了全面梳理，明确了需求和存在的问题；明确了数据分布关系梳理的目标，进行了数据分布关系的梳理，形成数据分布关系成果库，包含了业务数据和流程、企业、系统之间的关系；企业内的所有数据都按照数据分类进行了管理，确定了每个数据的权威数据源和合理的数据部署；建立了数据分布关系应用和维护机制，明确了管理的职责和机制；根据数据分布关系的梳理，指导数据相关工作的规划，规范新建项目的建设。第4级：量化管理级通过数据分布关系的梳理，可以快速展示并量化分析数据相关工作的业务价值；通过数据分布关系的梳理，优化了数据的存储和集成关系。第5级：优化级数据分布关系的管理流程可以自动优化，提升管理效率；在业界分享最佳实践，成为行业标杆。数据集成与共享概述数据集成与共享职能域是建立起企业内各应用系统、各部门之间的集成共享机制，通过对于企业内部数据集成共享相关制度、标准、技术等方面的管理，促进企业内部数据的互联互通。过程描述过程描述如下：数据集成共享制度。指明数据集成共享的原则、方式和方法；数据集成共享标准。依据数据集成共享方式的不同，制定不同的数据交换标准；建立数据集成共享环境。将企业内多种类型的数据整合在一起，建立进行复杂数据加工处理、便捷访问数据的环境；系统集成方式检查。对新建系统的数据集成方式进行符合性检查。过程目标过程目标如下：建立高效、灵活、适应性好的企业级应用系统间数据报文交换规范和机制；建立整合各种结构化和非结构化数据、能够具备复杂数据加工、挖掘分析能力和便捷访问的数据集成共享环境。能力等级标准第1级：初始级应用系统间通过离线文件或专用接口进行数据交换；数据孤岛现象明显，各个部门拥有各自的数据，相互独立。第2级：受管理级建立了业务条线内部应用系统间公用数据交换服务规范，促进数据间的互联互通；对内部的数据集成接口进行了管理，建立了复用机制；建立了适用于部门级的结构化、非结构化数据整合数据平台，譬如数据集市，对部门内部数据进行了集成；建立了部门之间数据共享机制，明确相关人员的职责，评审部门间数据共享的请求。第3级：稳健级建立企业级的数据集成共享规范，明确了全部数据归属于企业的原则，打破数据之间的部门壁垒；明确数据集成的技术要求，并统一提供了技术工具的支持；建立了企业级数据集成和共享平台和管理机制，实现企业内多种类型数据的整合；建立了便捷、易用、功能丰富的数据访问和使用环境。第4级：量化管理级使用行业标准的报文交换规范，实现企业内外应用系统间的数据交换和互联互通；能够预见性采用新技术，持续优化和提升数据交换和集成、数据处理能力。第5级：优化级参与国家、行业或团体相关标准的制定；在业界分享最佳实践，成为行业标杆。数据标准由于电网企业主要信息化系统都是采用总部统一建设、两级部署的方式开展，在建设系统前制定统一的数据标准就显得更加重要；另一方面在系统建设完成后，对于源系统的更改也就更加困难，此时数据标准主要作用集中在指导和规范统筹建设系统之外的自建系统建设以及统一数据中心的建设。业务术语概述业务术语是企业中业务概念的描述，包括术语名称、英文名称、术语解释等内容。业务数据管理就是制定统一的管理制度和流程，并对业务术语的创建、维护和发布进行统一的管理，进而推动业务术语的共享和企业内部的应用。业务术语是企业内部理解数据、应用数据的有力基础。通过对业务术语的管理可以保证企业内部关于特定事实的理解是清晰的，统一的。过程描述过程描述如下：定义业务术语规范。定义业务术语包含的组成部分以及各个组成部分的描述，同时，制定业务术语管理的制度，包含企业、人员职责、应用原则等；定义业务术语管理流程。定义业务术语创建、变更、应用等方面的管理流程；业务术语字典。企业中已经定义，并且审批和发布的术语集合；业务术语发布。业务术语变更后及时进行审批并且通过邮件、网站、发文等形式来进行发布；业务术语应用。在数据模型建设、数据需求描述、数据标准定义等过程中引用业务术语；业务术语宣贯。企业内部介绍、推广已经定义的业务术语。过程目标过程目标如下：业务术语是可以准确描述业务概念的含义；企业已经建立了全面的、审核过的业务术语字典；业务术语的定义能够遵循相关的命名标准和定义规范；通过管理流程来统一管理业务术语的创建和变更；通过数据治理来提升业务术语的管理和应用。能力等级标准能力等级标准如下：第1级：初始级项目级的业务术语已经被定义；在项目级数据模型、数据需求的创建过程会参考已经定义的业务术语。第2级：受管理级建立了部分的业务术语管理流程，并且能够在业务术语定义、管理、使用和维护的过程中的得到应用；建立了业务术语命名规范，保证了业务术语定义的一致性；定期对业务术语进行更新和维护；建立了项目建设过程中业务术语应用的检查机制。第3级：稳健级创建和应用企业级的业务术语命名规范；建立企业级的业务术语目录；在企业内明确了业务术语发布的渠道，并且提供了浏览、查询的功能；企业的业务术语在数据相关项目建设的过程中得到普遍应用；通过数据治理建立了业务术语应用、变更的检查机制；定期进行业务术语的宣贯和推广；定期维护业务术语字典，并且进行审批和正式发布。第4级：量化管理级建立关键绩效指标分析指标来监控业务术语管理过程的效率，并且定期对于管理流程进行优化；业务术语的定义适当的借鉴了国家标准、行业标准。第5级：优化级在业界分享最佳实践，成为行业标杆；参加国家、行业业务术语标准的定义。参考数据概述参考数据是用于将其他数据进行分类或目录整编的数据，参考数据管理是对定义的数据域值进行控制，包括对标准化术语、代码值和其他唯一标识符，每个取值的业务定义，数据域值列表内部和跨不同列表之间的业务关系的控制；并且对准确、及时和相关参考数据值的一致、共享使用进行控制，以进行数据分类和目录整编。过程描述过程描述如下：定义编码规则。定义参考数据唯一标识的生成规则；定义数据模型。定义参考数据组成部分以及各个组成部分的含义；识别数据值。识别参考数据取值的范围；管理流程。创建参考数据管理相关的流程，包括创建、变更、冻结等流程；识别质量规则。检查参考数据相关的业务规则和管理要求，建立参考数据相关的质量规则；集成共享。参考数据其他信息系统的集成。过程目标过程目标如下：识别参考数据的记录系统；建立参考数据的黄金记录；识别和建立参考数据的管理规则；建立参考数据管理的质量规则；建立参考数据管理的考核规则。能力等级标准能力等级标准如下：第1级：初始级识别了哪些数据是参考数据；识别了参考数据的记录系统；记录系统中的参考数据和部分业务系统中的数据进行了集成。第2级：受管理级建立了参考数据的数据标准定义，整合并描述了部分参考数据的属性；建立简单的流程来进行参考数据的管理；新建项目的过程中，统一分析了项目与企业内部已有的参考数据的数据集成问题。第3级：稳健级实现了企业级的参考数据的统一管理；详细定义了企业内部各类参考数据的数据标准，并且在企业内部进行了发布；各信息系统中的参考数据能够及时和企业级的参考数据进行同步；详细定义了各类参考数据的管理部门，并且制定了各类数据的管理规则；标准化了参考数据的管理流程，并且能够按照流程来保证参考数据在各方面的应用；能够及时分析、跟踪各系统中参考数据应用过程中的数据质量问题，并且能够推动数据质量问题的解决。第4级：量化管理级制定各部门的参考数据管理的考核体系；定期生成、发布参考数据管理的考核报告；参考数据的管理规则、管理流程能够不断的优化、提升。第5级：优化级建立了参考数据管理的最佳实践资源库；在业界分享最佳实践，成为行业标杆。主数据概述主数据是企业中需要跨系统、跨部门共享的核心业务实体数据。主数据管理是对主数据值进行控制，以实现跨系统的一致、共享、上下文相关地使用主数据，以及对核心业务实体的真实情况的最准确、及时和相关的版本进行控制。电网企业主数据主要集中在组织机构、员工、客户、物资、设备、供应商等领域。过程描述过程描述如下：定义编码规则。定义主数据唯一标识的生成规则；定义数据模型。定义主数据的组成部分以及各个组成部分的含义；识别数据值。识别主数据取值的范围；管理流程。创建主数据管理相关的流程，包括创建、变更、冻结等流程；识别质量规则。检查主数据相关的业务规则和管理要求，建立主数据相关的质量规则；同步共享。主数据和其他信息系统的同步机制。过程目标过程目标如下：识别主数据所在的系统；建立主数据的黄金记录；识别和建立主数据的管理规则；建立主数据管理的质量规则；建立主数据管理的考核规则。能力等级标准能力等级标准如下：第1级：初始级识别了哪些数据是主数据；识别了主数据的记录系统；记录系统中的主数据和部分业务系统中的数据进行了同步共享。第2级：受管理级建立了参考数据、主数据的数据标准定义，整合并描述了部分主数据的属性；建立简单的流程来进行主数据的管理；新建项目的过程中，统一分析了项目与企业内部已有主数据的数据同步问题。第3级：稳健级实现了企业级的主数据的统一管理；详细定义了企业内部各类主数据的数据标准，并且在企业内部进行了发布；各信息系统中的数据能够及时和企业级的主数据进行同步；详细定义了各类主数据的管理部门，并且制定了各类数据的管理规则；标准化了主数据的管理流程，并且能够按照流程来保证主数据在各方面的应用；能够及时分析、跟踪各系统中主数据应用过程中的数据质量问题，并且能够推动数据质量问题的解决。第4级：量化管理级制定各部门的主数据管理的考核体系；定期生成、发布主数据管理的考核报告；主数据的管理规则、管理流程能够不断的优化、提升。第5级：优化级建立了主数据管理的最佳实践资源库；在业界分享最佳实践，成为行业标杆。指标数据概述指标数据是企业经营分析过程中衡量某一个目标或者事物的数据，一般是由指标名称、时间、指标数值等组成。指标数据管理是指对于企业内部经营分析所需要的指标数据进行统一规范化定义，数值加工、数据展现等等。指标数据是数据业务价值的直接的体现，通过指标数据的标准化，可以统一企业各部门对于指标的理解，有利于提升统计分析的数据质量。电网企业指标按照反映总体现象的数量特性不同分为数量指标和质量指标。数据质量指标是反映企业经济现象总规模水平和工作总量的指标，一般用绝对数表示，也是质量指标的基础；质量指标是反映总体相对水平或平均水平的指标，一般用相对数或平均数表示，主要用于衡量和评价业务的成效。过程描述过程描述如下：指标数据的分类框架。根据企业业务管理的需求，制定企业内指标数据分类管理的框架，分类框架可以参考成熟的方法，或者业界相关的最佳实践，要保证指标分类框架的全面性和各分类之间的独立性；指标数据的标准化定义。定义指标数据标准化的格式，包括指标数据本身包含哪些内容，每一部分的含义，进而梳理企业内部所有的指标数据，形成企业内部统一的指标字典；指标数据的采集。根据指标数据的定义，由相关部门或者信息系统定期进行数据的采集、生成，并且由该指标的归口管理部门负责该指标数据的管理；指标数据的应用。对于指标数据进行访问的授权，并根据用户的需求进行各种数据展现或者提供相关的报表；指标数据的质量管理。对于指标数据采集、应用过程中的数据进行监控，保证指标数据的准确、及时；指标数据标准的管理。划分各部分指标数据的归口管理部门、管理职责和管理流程，并且按照管理规定对这些指标标准进行维护和管理。定期发布指标管理工作报告，汇总指标标准的管理工作，指标数据的质量情况等等。过程目标过程目标如下：a)指标数据定义可以清晰的描述指标含义、指标口径等；b)建立了企业内部统一、批准过的指标数据字典；c）建立了指标数据分类规范、定义规范；d）建立了统一的指标数据的管理流程。能力等级标准能力等级标准如下：a)第1级：初始级1）在项目中定义了本项目相关的指标分析数据，并且在文档中进行了描述；2）项目组人员直接管理指标数据的新增和变更需求，并且维护文档的变更。b)第2级：受管理级1）在业务条线内部初步汇总了当前的指标数据，形成了业务条线内部的数据手册；2）在业务条线内部统一了标准定义规范和管理规范；3）在业务条线内部指定了指标数据统一管理的人员，实现了需求的统一管理；4）建立了简单的流程来统一管理指标的的新增和变更。c)第3级：稳健级1）能够参考企业的业务战略、外部监管需求来建立了统一的指标框架；2）对于各部门/子公司的指标进行统一汇总，形成企业层面统一的指标字典，并且进行了发布；3）标准化了指标数据定义的规范，例如指标维度、公式、口径、描述等；4）定义了每类指标数据的归口管理部门，统一负责本部门指标数据的管理；5）规范化了指标标准管理、指标数据采集、应用等方面的流程，实现了企业层面的指标数据的集中管理；6）定义了数据的管理需求，包括质量、安全等需求，并且能够进行针对性的管理；7）对于指标数据相关的问题进行更正和跟踪；8）指标数据的采集、应用能够快速满足业务的需要。d)第4级：量化管理级1）定期发布指标数据管理报告，阶段汇总指标数据管理工作的进展；2）制定各部门指标数据的考核体系,定期生成指标数据管理考核报告；3）应用量化分析的方式对指标数据的管理过程进行考核。e)第5级：优化级1）通过指标数据的定义可以促进数据的应用和数据价值体现；2）在业界分享最佳实践，成为行业标杆。数据质量电网企业数据质量管理是对电网企业各类系统中的数据进行统一的质量管理，构建从数据质量需求、数据质量检查、分析和提升于一体的数据质量管理体系。在数据质量管理过程中需要根据电网企业自身的特点明确重点数据管理范围，例如：营配调、站线变户、线损等方面的数据，这些数据的质量需要被重点关注，结合业务痛点和数据应用场景进行数据质量的管理，体现管理的价值。数据质量需求概述数据质量需求是指明确数据质量目标，根据业务需求及数据要求制定用来衡量数据质量的规则，包括衡量数据质量的技术指标和衡量数据质量的业务指标以及相应指标的校验规则与方法。数据质量需求为度量和管理数据质量提供了一种途径，需要依据企业的数据管理目标，行业的监管需求以及参考相关标准来统一制定、管理。过程描述过程描述如下：识别数据质量业务需求并明确目标。基于企业所管理的数据资产内容明确数据质量管理的目标，确定数据质量管理范围，包括业务方面、技术方面等，明确数据质量管理需求，从而明确数据质量管理活动涉及的范围；设计并实施数据质量规则。依据企业的数据质量管理目标及数据质量管理需求，识别企业的数据质量特性，确定被识别的数据质量特性对业务的影响，从而设计描述数据质量的关键维度，定义数据质量指标、校验规则及方法，并根据业务发展需求及数据质量检查分析结果对数据质量规则进行持续维护与更新；充分承接上级机构下发管理指标，按照企业自身业务特点进行关键业务指标的设计与考核。过程目标过程目标如下：形成明确的数据质量管理目标；明确各类数据的质量管理需求；建立持续更新的数据质量规则库。能力等级标准能力等级标准如下：第1级：初始级在项目中分析了数据质量的管理需求，并进行了相关的管理。第2级：受管理级制定了数据需求相关模板，明确了相关管理规范；在企业或者某个业务领域识别了关键数据的质量需求；设计满足本领域业务需求的数据质量评价指标，并建立了数据质量规则库；加强了新建项目中数据质量需求的管理工作。第3级：稳健级明确了企业层面的数据质量目标，统一了数据质量需求相关模板，管理机制，并且征求了利益相关者的同意，并且发文公布；建立了数据认责机制，明确了各类数据的管理人以及相关职责；各类数据管理人牵头制定各自数据的质量需求；数据质量需求的制定考虑了外部监管、合规方面的要求；设计全企业统一的数据质量评价体系以及相应的规则库；明确了新建项目中数据质量需求的管理制度，统一了管理权限。第4级：量化管理级数据质量需求能够满足业务管理的需要，融入数据生存周期管理的各个阶段中；数据质量评价指标体系的制定参考了国家、行业相关的标准，并且进行了针对性的裁剪；定义并应用量化指标，衡量数据质量规则库运行有效性，持续改善优化数据质量规则库。第5级：优化级在业界分享最佳实践，成为行业标杆。数据质量检查概述数据质量检查指结合数据质量规则中的有关技术指标和业务指标、校验规则及方法对企业的数据质量情况进行动态、实时监控，从而获取数据质量问题，并向数据质量监控人员进行告警、及时掌控数据风险。过程描述过程描述如下：数据质量情况剖析。根据企业数据质量管理需求，结合定义的数据质量指标，对数据源系统中的数据进行剖析，查看数据的值域分布、填充率、规范性等，切实掌握数据质量的实际情况；数据质量规则校验。依据预先配置的规则、算法，对系统中数据进行规则校验，包括对源系统关键表关键字段进行数据稽核，对关键指标进行对比，对数据实体、数据处理过程进行检查，需要验证数据的差异性和波动性；数据质量问题管理。对发现的数据质量问题进行管理，包括问题记录、问题查询、问题分发和问题跟踪。在进行数据规则校验过程中发现数据质量问题可以产生告警即时推送给数据质量管理人员转入问题管理，在进行数据质量评估或日常工作中发现数据质量问题也可以通过问题管理进行记录。过程目标过程目标如下：全面监控企业数据质量情况；建立数据质量检查持续改善措施。能力等级标准能力等级标准如下：第1级：初始级开展偶然的数据质量检查活动，基于出现的数据问题进行问题查找。第2级：稳健级定义了数据质量检查方面的管理制度和流程，明确了数据质量剖析的主要内容和方式；在某些业务领域按计划进行数据质量剖析和校验；数据质量相关问题能够得到处理；各新建项目的设计和实施过程中参考了数据质量规则的要求。第3级：稳健级明确了企业级的数据质量检查制度和流程，定义了相关人员在其中的职责；根据企业内外部的需要，制定了企业级的数据质量检查计划；在企业层面统一开展数据质量的剖析和校验，帮助数据管理人及时发现各自的数据质量问题；在企业层面建立数据质量问题发现、告警机制和流程，数据质量责任人明确，问题能够及时得到解决；基于数据质量问题，建立了数据质量相关考核制度，明确了数据管理人考核的范围和目标；明确新建项目各个阶段数据质量的检查点、检查模板，强化新建项目数据质量检查的管理。第4级：量化管理级定义并应用量化指标，对数据质量检查和问题处理过程进行有效分析，可以及时对相关制度和流程进行优化；数据质量管理融入业务人员日常管理工作中，可以主动发现并解决相关问题。第5级：优化级数据质量检查可以推动数据标准、数据架构方面内容的落地、优化；在业界分享最佳实践，成为行业标杆。数据质量分析概述数据质量分析指根据数据质量需求对数据质量检查过程形成的数据质量问题及累积的各种信息进行汇总，依据数据质量规则进行数据质量评估，确定影响数据质量的原因、并区分影响数据质量的级别，以作为数据质量提升的参考和依据。电网企业由于业务特点原因在单个业务域内数据质量问题并不是很突出，但随着跨业务融合和协同业务的发展，数据质量问题日益凸显，尤其是数据不一致、数据不完整等问题。过程描述过程描述如下：数据质量根本原因分析。针对数据质量异常进行审核，深入分析问题产生的根源，明确数据质量产生的原因，为将来数据质量提升提供参考；数据质量问题影响分析。根据数据质量问题的描述以及数据价值链的分析，明确数据质量对于企业业务开展，系统运行等方面的影响；数据质量问题经济效益分析。根据数据质量问题的描述以及数据价值链的分析，结合影