制造业信息化关注的焦点

       随着信息技术的快速发展，信息化已成为提升企业效益和竞争力的必要手段，并呈普及态势。随着信息化应用的不断扩展和深入，IT系统所产生的数据量也越来越大，数据已经成为企业的重要资产，是企业最有价值的资源之一。通过对业务数据的挖掘与分析，可为经营决策提供准确的依据。沃尔玛通过对消费者购物行为的数据分析，成为最了解客户购物习惯的零售商，并创造了“啤酒与尿布”的经典商业案例。eBay通过其数据分析平台，准确分析用户购物行为，并完善其购物平台的功能，以提升用户购物体验。奥巴马的竞选数据分析团队通过对选民数据的分析，成功帮助其连任美国总统。对于制造业而言，企业也存在大量的数据，包括设计、工艺、仿真、试验、制造、服务等产品生命周期数据和财务、人力、质量、客户信息等管理数据，以及经济数据、行业数据等外部数据，这些数据对于产品改进、产品创新及设计流程优化、经营决策等都具有重要的价值。

       与零售业、金融、电信等较早实施数据管理的行业相比，制造业信息化还主要停留在IT产品对业务处理、流程优化的功能、性能上，而对业务运行过程中产生的数据关注度不够，数据管理还处于起步阶段，大量的数据还在“沉睡”。Forrester企业架构专家Charlie Dai指出，中国是一个数据大国，移动互联网和云计算让中国企业面临的大数据挑战格外严峻。在今天的大数据时代，数据管理对于企业获取和了解客户，提高经营效率都起到至关重要的作用。数据管理的核心任务是建立数据管理体系，选定统一的数据库平台和信息资源综合管理平台，对整个企业的数据进行统一规划和应用，实现企业资源整合、信息共享，在业务流程和业务分析中充分发挥数据的价值，以辅助高端决策支持。

       信息系统专家诺兰将信息系统的进化分为初始、普及、控制、集成、数据管理和成熟六个阶段，如图1所示。
 

 
 

       而另一信息系统专家威廉·施诺特则在其基础上，用四个阶段的推移来描述计算机所处理的信息：从计算机处理原始数据的“数据”阶段开始，逐步过渡到用计算机加工数据并将它们存储到数据库的“信息”阶段；然后，到达把信息当作经营资源的“信息资源”阶段；最后到达将信息作为带来组织竞争优势的武器，即“信息武器”阶段。可见，从关注软、硬件功能到关注数据价值是信息化发展的必然规律，数据管理已经成为提升制造业信息化应用价值必须要面对的一个问题。

       企业架构的重要组成部分

       企业架构（EA）最早由John Zachman提出，Zachman认为企业架构是构成组织的所有关键元素和关系的综合描述，而企业架构框架（EAF）是一个描述企业 架构方法的蓝图。经过近三十年的发展，企业架构理论已经相当成熟，目前，国际上影响力比较大的企业架构框架有Zachman架构框架、DoDAF框架、FEAF   框架、TOGAF框架等。一个完整的企业架构通常被划分为：业务架构、应用架构、数据架构和技术架构，如图2所示。
 

       

       在企业架构中，业务架构描述了企业各业务之间相互作用的关系结构和贯彻企业业务战略的基本业务运作模式；数据架构将企业业务实体抽象为信息对象，将企业的业务运作模式抽象为信息对象的属性和方法，建立面向对象的企业数据模型，数据架构实现从业务模式向数据模型的转变，业务需求向信息功能的映射，企业基础数据向企业信息的抽象；应用架构以数据架构为基础，建立支撑企业业务运行的各个业务系统，通过应用系统的集成运行，实现企业信息自动化流动；技术架构定义企业IT的管理和技术标准，涉及数据架构、应用架构和基础设施3个层面的标准。

        数据架构作为企业架构的重要组成部分，承载着信息化的重要使命：信息的价值实现。信息的价值实现依赖于数据的标准化、高质量、集成共享、利用方式等。换言之，数据架构的价值定位包括（但不限于）：

解决“方言”问题。数据架构通过制定一系列数据管理标准，比如数据模型标准、数据分类编码标准、数据管理规范等，从而实现IT人员对业务理解，对信息对象理解的一致性。

       解决信息集成共享问题。在信息化的特定时期，IT系统被孤立地建设，各自生成、传递和存储数据，从而导致基础数据被多次定义，数据源不唯一，最终导致系统之间由于数据不一致等问题，信息的集成共享难以真正实现。数据架构通过建立数据共享机制，保证数据源唯一性，通过数据质量审核，保证数据的准确性、完整性，最终实现数据的共享。

        解决基础资源的形成和重复利用问题。设计人员对材料、元器件、标准件、加工设备等选用的随意性将给产品系列化、标准化乃至产品质量带来重要影响。基础资源库作为数据架构的重要组成部分，帮助企业逐步积累能够支撑快速、标准化设计的各类基础资源，进而提高产品质量。

        解决信息的整合与利用问题。通过构建管理分析、决策模型与提标体系，建立数据整合机制，整合业务系统的数据，帮助企业管理者借助先进的管理工具开展分析和决策，实现企业的量化管理和基于数据的科学决策。

       开展数据架构规划

       在TOGAF框架中数据架构规划成果主要包括数据模型、数据与业务功能关系、数据与系统功能关系、数据生命周期图、数据迁移图数据模型。在TOGAF的数据架构基础上，结合数据架构的目标，对数据架构内容进行扩展，其主要包含以下五部分内容：

       数据模型和数据标准。数据模型包括数据概念模型、数据逻辑模型、数据物理模型；数据标准包括概念模型标准、逻辑模型标准、元数据管理标准、数据分类编码标准等。定义良好的数据模型可以反映业务模式的本质，确保数据架构为业务需求提供全面、一致、完整的高质量数据，且为划分应用系统边界、明确数据引用关系、定义应用系统间的集成接口提供分析依据。良好的数据建模与数据标准的制定才是实现数据共享、保证一致性、完整性与准确性的基础。

        数据业务分布图与数据系统分布图。业务数据流分析通过分析数据在各个业务中的分布情况，形成数据业务分布图；系统数据流分析通过分析数据在单一应用系统中的数据结构与应用系统各功能模块间的引用关系，分析数据在多个系统间的引用关系，形成数据系统分布图。

        企业级基础资源库，将分散在各个系统当中的基础资源库进行统筹规划，首先对资源库的分类，然后对每个基础资源库的内容进行规划和设计。在数据            中心建设中构建企业级的基础资源库时，在统一规划指导下，通过购买导入、整合现有和新建等方式，使企业的各类基础资源在逻辑上形成一个整体，通过ESB向设计、工艺、生产、资产管理等提供基础资源服务。

        数据分析主题库，根据特定主题域设定的分析主题指标要求、指标展现方案，建立主题分析数据库。将来在数据中心建设中建立主题分析数据库时，在统一规划指导下，应用商务智能、数据挖掘等工具，为中高层管理者推送其所需的业务综合信息，为其决策提供支持。

        数据管控机制，即建立数据管控制度、组织和数据管控流程，进行数据长效管控。首先要制定贯穿企业数据生命周期的各项管理制度，包括数据模型与数据标准管理、数据分布管理、数据质量管理、数据安全管理、数据备份管理等制度；其次，应确定数据管理组织或岗位；再次，应该设计相应数据管控的业务流程。

        企业数据架构规划基本方法步骤如下（图3）：
 

    
 

       业务分析，根据业务模型（如：ARIS模型），分析业务域的划分和表单的完整性及其属性定义，并探讨通过自动化的方式开展数据需求分析的可能性，做好准备工作（如：脚本开发）。

       数据需求分析，数据需求分析包括数据流分析、数据规范化，识别业务主题、子主题，围绕数据价值实现对数据进行分类、建立高层级的数据需求模型。

       数据标准定义，数据基础标准主要包括概念数据模型标准、逻辑数据模型标准、元数据标准、信息分类编码标准。前两项标准是数据模型标准，在数据建模阶段完成。元数据通常包括技术元数据、业务元数据和管理元数据，规定了数据元的定义及命名、标识规则、值域等属性信息。信息分类编码标准规定信息资源的分类体系、资源编码规则及部分信息的码表。

       数据架构设计，以主数据、主题分析数据为重点，进行数据架构设计，构建基础资源模型、运营分析模型、主数据模型、设计数据集成模型等，并借助专业工具进行数据架构建模。数据架构体系中还包括数据的管控体系，如：数据管理组织、管控流程等。中翰软件专注数据治理11年http://www.jobhand.cn/。

       数据中心实施路线规划，借鉴企业架构思想，规划数据中心的顶层框架和实施路线，指导企业数据中心建设。数据中心的顶层框架包括业务、应用、数据和技术四个层次，其中数据层由数据架构来定义。