数据治理：数据模型体系构建要点及实践( 二 ) 本文转自：中国发展网使用建

（2）数据分类原则
● 维度一致：同一类别结构中，划分维度和标准要保证全部统一，不允许出现不同标准的分类方式；
● 粒度统一：一个完整的类别结构中，应尽量避免相同层级的类别划分有较大的粒度差别和重叠。类别结构的层次不一，会增加后期管理的难度；
● 避免出现“其他类”：应全面考虑类别的划分维度和完整性，原则，杜绝出现“其他类” ，避免错放、乱放行为造成编码混乱；
● 允许多类别结构的存在：在建立类别结构的同时允许旧的类别结构继续使用，既保证类别结构的科学和完整，又沿袭了传统习惯，增强项目实施可控性。
3、信息模型体系设计原则
信息模型体系包括：物资数据模型、客户数据模型和供应商数据模型等。下面以中翰软件的物资数据模型管理要求（图二）为例：

文章图片

文章图片

数据信息模型，又可被称作静态数据中心模型（见图三），每一类模型都可分为三个部分，即“编码属性”“公有属性”和“私有属性” 。

文章图片

文章图片

“公有属性”中又分为“基础数据”和“业务数据” 。其中，公有基础数据即传统定义的“主数据”部分。主数据包含了编码数据，但是为了更清晰地描述，一般建议专门建立公有基础数据（主数据）视图进行区别管理。
对于公有业务数据，其他系统需要引用后才能使用，为了规范管理，避免出现二次输入的错误，公有业务数据也需要单独建立视图进行区别管理。
“私有属性”分为“业务系统私有属性”和“组织机构私有属性”两部分，这里的私有属性都属于基础数据，不涉及业务数据。私有业务数据是业务系统中的交易性动态数据，无共享性，变化频率高，需要在后期的BI或者数据中心中单独管理。
4、要点总结
● 充分调研企业管理体系现状，结合企业未来的管理目标和规划；
● 参照国家标准、行业标准、企业现有标准；
● 在企业内广泛征求各级相关人员的建议和意见，审慎讨论；
四、数据治理中如何实现对数据模型的管理
1、数据模型管理工具
许多企业在进行数据模型的构建与变更工作时，常常因缺失规范的管理流程而饱受诟病。模型构建不经审核、不符合规范、模型变更难以追溯的情况时有发生。
中翰MDC组件，是中翰研发的静态数据中心管理平台，可满足企业静态数据的全面治理，实现多系统、多组织、多维度建模方式。可结合中翰研发的EDP组件（体系构建平台，提供过程管理和知识转移服务）实现对企业数据模型构建、变更的标准化过程管理。

文章图片

文章图片

文章图片

文章图片

2、数据模型管理制度&标准规范
中翰软件将数据质量管理作为工作核心，重视制度保障。多年来，在中翰的帮助下，许多企业根据自身情况建立了相应的数据管理制度。在数据模型管理层面，主要包括：数据模型内容、数据模型管理内容、数据模型管理过程等几方面内容。