正确认知数据治理过程中模型的作用

模型是复杂信息系统规划设计的重要成果，常见的模型有业务模型、功能模型、数据模型和体系结构模型等，以及组织模型、流程模型和绩效模型等等。从其实际的使用用途有概念、逻辑和物理实体模型之分，从其覆盖的管理或使用范围又有全域和子系统之分。这些模型是需求的定型和转化，是系统功能规划和分析设计的保证。

构建模型的过程，就是建模。在大型信息系统开发建设中，建模是非常重要的，是系统规划设计的重要组成部分。视构建模型的异同、而会有不同的建模。在企业数据治理过程中，统一标准和统一模型是前提和基本要求，是实现多源异构系统整合集成的保证。

1、建模的基本原则

从基本原理上来讲，建模就是建立概念关系、数学和/或计算机模型的过程。建模的过程，也是模型化的过程，是研究系统的重要手段和前提，达到描述系统因果关系或相互关系的过程。所以，科学定义是：建模，是分析与设计实际系统，预测或预报实际系统的某些状态的未来发展趋势，对系统实行最优控制的过程。

在建模过程中，必须要掌握的基本原则，就是要在简化和分析结果的准确性之间做出适当的折衷，避免过于繁复或过于简单。多年来在多行业领域的信息化工程实践中，实施企业信息资源规划工程时，我们时常会遇到一些“技术控”的用户。他们特别专注于模型的细节，希望套用多种方法于其中、形成极为丰厚的技术成果；然而常常事与愿违，最终使得模型的简化或分析功能变得弱小了，最终业务人员看不明白、技术人员用不了。这种“技术控”而构建的“实验室模型”必须要摒弃，否则工程实践难以有成效；同时，还会产生更不好的副作用，让管理层认为“规划设计”就是“鬼话设计”，丧失对建模的信心，转而采取更原始或直接的办法，直接做完需求就直接进入系统详细设计开发了，模型对系统的最优控制难以实现。

2、建模的关键要领

遵循建模基本原则的基础上，建模工作的核心就是把握好模型的稳定性和准确性。

化而重构、适应业务管理创新发展需要。稳定性要求按照技术方法要领去组织实施。准确性则是要求模型能够客观地反映并符合现实业务或管理需求。准确性则要求由理解本领域业务的专家参与实施。这两个核心特点，在信息资源规划（IRP）工程实施过程是以突出业务专家与IT人员的协作模式，突出面向业务主题的数据组织能力，在模型上做好减化确保模型稳定（多以三层结构为构建，基于传统的结构化信息化规划方法体系构建，保证唯一性约束），同时加强工程实施过程中的阶段成果确认和优化，力求达到稳定和准确。

同时，可用性和实用性也是建模过程中要把握的关键要领，既要反映现实业务特点、兼顾未来发展，同时还要考虑到系统设计开发的便利性和可用性。在实践中，多行业领域都存在着各类的不同的模型，有业务类的、也有数据类的，也有比较全面的信息模型。如著名的供应链管理领域SCOR模型、电信领域eTOM模型、石油行业的POSC和PPDM模型、卫生领域的电子病历EMRAM模型和健康档案openEHR、研发领域的IPD和PACE方法、软件工程领域的CMMI成熟度模型、项目管理领域的PMBOK、营销和客户关系管理模型、财务域标准模型等等。对于这些领域内的知名模型，在实施企业信息资源规划工程过程中，必须要区别使用，分析其具体业务场景和应用条件，合理融合、用其所长，参照引用、借鉴优化，宜在业务体系框架内实现“业务-技术-模型”的贯穿，切不能生搬硬套、生吞活剥，否则容易迷失，缺失支撑企业核心业务的能力，失去模型本原。

3、建模的过程管控

建模过程是技术性比较强的工作，对于一般企业用户来讲、要想做到全面有效的管控是比较困难的，但不意味着不参与、不管理，更需要发挥好组织协调和综合管控的作用。如何发挥呢？就需要调动业务专家的力量，前期业务建模过程中（需求分析阶段）要全程参与并主导，使业务模型能够充分反映当前的业务管理需求。在系统建模过程中，学会阶段成果表达法和审核方式，就能够有效地参与审核；同时，要加强IT专家的参与，从专业视角来核查模型的可用性和实用性，即是否能够在后续系统开发中落地。

信息资源规划（IRP）工程中的建模，应归属于由概念到逻辑的层面，必须要管控细度、不要做越界，进入到详细设计层面。这一方面工程时间所限，二是此阶段没必要。当系统整体性和关联关系得以正确地反映后，此阶段模型的作用和意义也就达到了。详细设计等后续接续工作，应在资源整合和系统建设等信息化工程中去逐步落实，则可进一步深入细部直至详细。这样做的目的，既是工程阶段所限、亦是认识分层要求。

在企业数据治理过程中，数据建模是核心任务，需在确定统一标准和统一模型技术规范的基础上，兼顾存量、着眼未来。当然，这也是一对现实矛盾。实践中，因所采取的数据治理策略、路线和方法之不同，会有较大差异，但数据的科学组织、适应业务管理实际和唯一性约束等建模基本原则必须坚持，并切实做到源头治理才是其根本。现实中有仍有许多企业管理者在信息化工程部署决策过程中，仍片面地单纯地认为通过“并库优化入湖”就可达到数据治理的目的，忽视存量中长期存在的数据质控和数据组织混乱等难题，忽视对存量业务应用的改造或重建等，显然是错误的。这种错误的认知，业务应用和数据质量未有实质提升，数据治理效能低下，该类工程现实中则演化为大运动量的体力劳动，毫无技术含量。与企业而言，数据管控能力和业务应用水平仍处于低层次，更无从谈起跨越式发展了。

中翰软件：专注数据治理17年（http://www.jobhand.cn）

免责声明：本网站所发布的文章为本网站原创，或者是在网络搜索到的优秀文章进行的编辑整理，文章版权归原作者所有，仅供读者朋友们学习、参考。对于分享的非原创文章，有些因为无法找到真正来源，如果标错来源或者对于文章中所使用的图片、连接等所包含但不限于软件、资料等，如有侵权，请直接致电联系，说明具体的文章，后台会尽快删除。给您带来的不便，深表歉意。