1. データ標準の分類と定式化

(1) データ標準の考え方

データ標準: データはビジネス資産です。ビジネスデータを特定して定義し、企業全体のデータ定義と重要なデータの標準を開発して公開します。各データには、データの使用と保護のルールを定義する責任を負う一意に割り当てられた所有者がいます。
国家情報技術標準化技術委員会のビッグデータ標準作業部会が策定したビッグデータ標準体系によると、ビッグデータ標準体系の枠組みは、基本標準、データ標準、技術標準、プラットフォーム、ツールの7つの標準カテゴリで構成されている。標準、管理標準、セキュリティおよびプライバシー標準、および業界アプリケーション標準。
データ標準の開発プロセスには、要件の提案、ビジネスデータ標準 (BDS) の開発、レビュー、リリース、アーカイブなどのアクティビティが含まれます。データ標準は、データのビジネス属性、技術属性、管理属性の統一定義を含む、データの表現、形式、定義に関する一貫した合意です。データ標準の目的は、組織内外で使用および交換されるデータの一貫性と正確性を確保することです。。
データ標準はデータ品質管理の基礎であり、データの正確性と一貫性を判断するための基礎を提供します。データ標準は、基本データ標準と指標データ標準に分けられます。基本データ標準には一般にマスターデータ標準、論理データモデル標準、物理データモデル標準などが含まれ、指標データ標準は一般に基本指標標準と技術指標標準に分けられます。企業は次のことを行うことが推奨されます
。まず、データ標準コンテンツフレームワークでデータビジネスの側面、技術的側面、および管理の側面をカバーします。このうち、ビジネス次元には、名前、ビジネス定義、分解次元などが含まれ、技術次元には、コード形式、値の範囲、長さ、精度などが含まれ、管理次元には、データ責任部門、標準リリースおよび有効期限などが含まれます。。
第 2 に、データ標準分類フレームワークはマスターデータ標準と指標データ標準をカバーしています。このうち、マスターデータ標準には、人事マスターデータ標準、財務マスターデータ標準、調達マスターデータ標準などが含まれ、指標データ標準には、企業戦略および管理指標データ標準、企業投資および運営指標データ標準、および企業サービスおよびサポート指標データ標準、産業部門の運用指標データ標準。
(2) データ標準の策定方法
データ標準管理とは、企業内のデータに関するビジネスニーズや企業の将来の開発傾向に合わせたデータ標準を策定し、それをさまざまな部門やアプリケーションシステムに正確かつタイムリーに実装および適用することです。ビジネスの継続的な変化と発展に合わせて、データ標準を更新および維持し、それをさまざまな部門やアプリケーションシステムに適用して、最新のビジネスに適応し、ビジネス目標との一貫性を確保します。データ標準の管理は、データ標準の策定、レビュー、実装、フィードバックに反映されます。
データ標準管理戦略: データ標準の維持プロセスの基礎であり、主にデータ標準の策定と実装のプロセスにおける各機能部門の責任と権利を定義します。
データ要件の定義: これは動的かつ継続的なプロセスです。ビジネス機能の明確な定義は、データ要件を定義するための基礎となります。
データ標準の定義: 複数の関連ビジネス部門によるデータ標準の理解とビジネス定義を反映します。ビジネス部門の参加は、データ標準の定義における重要な要素です。
データ標準のリリースと実装: データ標準の適用を確実にするための基盤です。部門を超えた強力なリーダーシップが、データ標準の実装の基本的な保証となります。
データ標準アプリケーションのフィードバック: これは、要求からアプリケーションまでの閉ループのプロセスです。スムーズなアプリケーションフィードバックチャネルは、データ標準の保守プロセスを好循環に導くための重要なリンクです。
データ標準のあいまいさの調停: データ標準は部門にまたがるビジネスアプリケーション指向の標準であるため、データ標準の適用においてあいまいさが発生した場合、権威ある調停がデータ標準の運用性の基礎となります。
データ標準の改訂: データ標準がリアルタイムでビジネスニーズに適合するようにするための、「要件 - 定義 - レビュー - リリース - アプリケーションのフィードバック」という継続的な作業プロセスです。
企業は、次の 4 つの主要な手段を通じてデータ標準を開発することが推奨されます。
(1) 実行可能な実装計画を作成する。実装計画は実装可能性に重点を置く必要があり、実装できない計画は最終的に放棄されます。実行可能な計画には組織体制や人員分業があり、各人が何を担当し、どのように評価し、どのように監督するかが実行計画に盛り込まれていなければなりません。
(2) 組織内のデータ口径を統一し、情報システムの構築を導き、データ品質を向上させるというデータ標準構築の目的を正しく理解する。
(3) データの標準化の難しさを痛感する。経営意思決定者の支援を得て、組織運営のレベルを向上させ、長期的な昇進を図る必要がある。
(4) 科学的かつ実現可能なデータ標準の実施形態を確立する。データ標準を既存のシステムやビッグデータプラットフォームにどのように実装するかを検討する必要があります。
企業の実態に即したデータ標準・仕様を策定することで、エンタープライズレベルのメタデータ管理システムを確立し、企業のあらゆる領域への導入を推進し、データベース構築とデジタルオペレーションを支援します。企業は、データ標準テンプレート (詳細については付録 2 を参照) を参照して、ビジネス、テクノロジー、管理の 3 つの観点から各 L5 レベルのデータ (つまり、属性) のデータ標準コンテンツを詳細に記述することができます。まず、ビジネスの観点: たとえば、、
トピックドメイン、ビジネスオブジェクト、論理データエンティティ、データ分類、ビジネス属性、ビジネスの定義と用途、ビジネスルール、同義語など。
2 番目は、技術的な観点です。たとえば、物理テーブル、システムフィールド、データ型、データ長、許可される値のリストの有無、許可される値、データ例などです。
第三に、経営の観点。例えば、ビジネスルールを担当する主体、データ保守を担当する主体、データ監視を担当する主体など。

2. データ標準フレームワーク体系

企業にとって、データ標準化は企業の情報化とデジタル化の基本的な作業であり、データ共有を改善するだけでなく、業界標準に準拠した統一されたデータビュー、データ仕様、コーディング標準を企業に提供します。
データの標準化は次の原則に従う必要があります。
1) 統一された標準データ定義: データ定義の曖昧さを軽減します。
2) 統合データモデル管理: システム、アプリケーション、ビジネスドメインにわたる企業の共通かつ一貫したデータビューを完全に表現できる、全体的なエンタープライズレベルのデータモデルの確立を保証します。
3) 統一されたデータエンコードルール: データの統一された標準管理には、統一されたエンコードルールも含まれます。
データ標準はデータライフサイクル全体を通じて実行されます。データ標準システムのフレームワークを次の図に示します。
ここに画像の説明を挿入します

運用技術仕様: データ収集仕様、データセキュリティ仕様、データ分類仕様、マスターデータ管理仕様、データモデリング仕様、メタデータ管理仕様などが含まれます。運用技術仕様は、運用レベルでの技術的な運用および管理要件に基づいてデータ標準化の実装と実行を制限します。
基本的なデータ標準: ビジネス用語、ビジネスルール、命名規則、コーディング標準など。データ標準の作成には、作成時から組織内でデータ標準を一貫して理解できるようにするためのビジネスドメインの知識が必要です。
オブジェクトデータ標準: データ分類標準、マスターデータ標準、データソース標準、トランザクションデータ標準、インジケータデータ標準、ラベルデータ標準、サブジェクトデータ標準を含みます。オブジェクト標準は、データオブジェクトの分類、および各タイプのデータオブジェクトの分類、定義、命名、説明、および管理プロセスまたは仕様を記述します。
アーキテクチャデータ標準: データカタログ、データモデル、データの配布とフロー、データ交換、データサービス、メタデータ標準を含みます。データ標準はエンタープライズレベルのデータアーキテクチャに基づいており、論理レベルからデータの取得と使用を定義する必要があります。
アプリケーションデータ標準: 情報アプリケーションの開発および展開時に実装する必要がある機能管理プロセスおよびビジネス管理プロセス、または機能要件を指します。
データ標準保証メカニズム: データ標準化組織と標準化システム、責任の認識とパフォーマンス、人材トレーニング、データ文化を含みます。データ標準化保証メカニズムは、組織、システムおよび作業メカニズム、責任認識およびパフォーマンスの側面からデータ標準化作業を保証します。
データ標準化管理ツール: データ共有、サービス、データ標準、データカタログ、データモデル、指標データ、メタデータ、マスターデータ、その他の管理ツールが含まれます。データの標準化作業には技術ツールのサポートが必要であり、運用上の技術仕様をデータガバナンスおよびデータ資産管理関連ソフトウェアに実装する必要があり、管理プロセスと技術実装の側面からデータ標準化のための長期的なメカニズムを確立する必要があります。
データライフサイクルのあらゆる側面は、データ標準のサポートから切り離せません。データの各リンクの標準は次のとおりです。
1) データソースがデータを生成する場合、ビジネス用語標準、参照データ標準、およびマスターデータ標準に従う必要があります。
2) データを収集する際には、データ要素標準、メタデータ標準、データ収集標準などに従う必要があります。
3) データストレージは、データ分類標準、ビジネスルール、命名規則などに準拠する必要があります。
4) データ処理は、データモデリング仕様、データモデル仕様、ETL 動作仕様などに従う必要があります。
5) データを適用する際には、数量仕様、データ配信およびデータフロー仕様、データラベル仕様などを遵守する必要があります。
6) データをアーカイブするときは、データアーカイブ仕様に従う必要があります。
7) データを破棄する場合は、データ破棄仕様書等に従う必要があります。

3. データ標準保証の仕組み

データ標準化は長期的かつ体系的な作業であり、データ標準化を効果的に実施するには、健全なデータ保護メカニズムを確立する必要があります。エンタープライズデータの標準化保証メカニズムには、管理および制御組織、システム構築、責任認識メカニズムとパフォーマンス評価、人材育成、データ文化が含まれます。
1. 管理および制御組織のデータ標準化には、
企業の管理要件、制御の位置付け、管理モデル、およびビジネスの特性に基づいて、リソースを整理し、プロセスを構築し、ビジネスを実行し、企業内でそれらを実装する必要があります。データの標準化だけでなく、専門的な正確な分業、領域を越えたコラボレーションと連携を実現し、円滑なコミュニケーション、協議、協力のメカニズムを形成します。組織設計は、機能範囲、効率的なコラボレーション、主導的なイノベーションの要件を満たし、企業全体のビジネス、組織、および管理モデルのアップグレードと発展に適合する必要があります。役割分担は明確であり、各人が自分の役割を果たさなければなりません。さまざまなデータ標準化タスクの実施と追跡の監督を強化する必要があります。
2. システム構築:
企業がデータ資産管理システムの標準化された管理を実行する場合、データ標準管理を含むさまざまなタスクのルールを規定し、標準を定義するために、関連するデータ標準規定を策定する必要があります。
3. 責任のメカニズムとパフォーマンス評価
データの標準化には、原則に基づいた効果的な責任プロセスの策定、明確な責任分担、データパフォーマンス評価ルール、パフォーマンス評価の手順とプロセスなどの決定が必要です。
4. 人材トレーニング：
企業がデータを標準化したい場合は、トレーニングシステムと人材評価システムを含む能力育成と構築システムを確立し、データ人材の知識と能力構造の要件と専門人材のトレーニング計画を明確にする必要があります。5. 企業内のデータ文化は、データ文化の構築を継続的に促進し、データ文化の概念と事例の推進を強化し、企業のあらゆるレベルの管理者のデータ思考を改善し、データ対話環境を構築し、データを統合する必要があります
。
企業モデルと考え方のすべてのレベルの部門と事業単位の運営を改善し、企業内に良好なデータ文化の雰囲気を作り出します。

4. データ標準化の実施

データ標準化の導入には多くの分野が関与しており、企業は自社の特性や具体的な状況に基づいて、また全体的な計画に基づいて、一定の手順と計画に従って導入作業を順序立てて実行する必要があります。
1. データ標準管理の導入データ
標準管理の導入は、計画内容の基本性、重要性、緊急性に基づいて、バッチおよび段階的に実施する必要があり、標準管理システムの導入ルートは、データ基盤の強化に分けられます。標準サービスデータ標準の全体的な管理および制御機能の向上と、データ標準サービス機能の形成の 3 つの段階があります。
2. データ分類の実装
データ分類は、データ資産管理を実現するための基礎です。合理的なデータ分類により、データ管理とアプリケーションの保証が向上します。さまざまな管理とアプリケーションのニーズに応じて、さまざまな観点と次元でデータ分類を行うことができます。データの分類は、科学性、安定性、独自性、一貫性、優先順位の原則に従う必要があります。
3. データ分類の実装
データ分類は、データの機密性と、データの改ざん、破壊、漏洩、または違法使用後の被害者への影響に基づいて、特定の原則と方法に従って定義されます。エンタープライズデータの分類は、まずセキュリティコンプライアンスとデータ保護要件の観点から始まり、次にエンタープライズデータ管理の包括的な要件を考慮して、データの価値とアプリケーションのニーズを検討します。データ分類の原則には、コンプライアンス、実行、適時性、自律性、合理性、客観性が含まれます。
4. マスターデータ管理の導入
マスターデータ管理の導入には、初期段階で効果的な組織保証と制度的サポートを確立し、データの標準化と標準化された管理モデルを形成し、その後効果的に運用し続ける必要があります。
5. データ指標管理の導入データ
指標管理を導入する場合、基礎的なデータ処理によって生成される指標データの管理を標準化し、指標システムを構築し、科学的な指標分類を実施し、一連の保証メカニズムを確立する必要があります。
6. メタデータ管理の実装
エンタープライズメタデータの導入には主に、需要分析、計画と設計、ツールの導入、継続的な運用と保守の 4 つの段階が含まれます。メタデータの実装は、データの背景を迅速に理解し、データ資産カタログを確立し、統合されたデータマップを通じてデータを迅速に参照および取得し、データの価値を最大化し、データアイランド問題を解決するのに役立ちます。
7. データモデル管理の実装
データモデルは、ビジネスセマンティクスを上方向に継承し、物理データを下方向に実装します。データディクショナリだけでなく、より重要なことに、ビジネステーマ、ビジネスオブジェクト、データ関係、およびデータ標準マッピングも含まれます。したがって、データ標準に基づくデータモデリングは、データ標準実装の重要な開始点であり、データモデリングが成功すると、半分の労力でデータ標準の実装をより効果的に行うことができます。

5. データ標準化管理ツール

データ標準化の実装と管理には、複雑な管理プロセスと組織コラボレーションの技術的操作が含まれるため、データ標準化管理作業をサポートするには、対応する技術プラットフォームとツールに依存する必要があります。データ標準化管理ツールには通常、データマップ、マスターデータ管理、データインジケーター、メタデータ管理、データモデルツール、データ交換およびサービスツール、データ資産管理、データ開発、データ品質管理、データセキュリティ、データコスト管理などが含まれます。これらのツールについては後の章で詳しく説明するため、ここでは説明しません。