三、建筑施工行业数据治理过程中普元主要做了哪些工作？普元在这一过程中的角色定位？

首先我理解普元在企业客户的数据治理过程中扮演了教练的角色，利用我们在各个行业积累的实施经验、方法论和技术沉淀去协助客户针对其自身的情况开展数据治理，形成企业自身的特色标准体系，具备数据治理能力。因为从行业角度看这些企业具备共性但更多的是由于发展规模、管理水平、信息化程度的差异，每个企业具备自身的个性化特点，不能用普世的标准体系或者数据治理的路径去简单套用，而是要根据企业特点发挥其自身优势补齐数据治理的能力短板，所以我认为教练的角色定位更加贴切。

经过多面的实践经验积累，普元的核心解决思路是通过“四化”对数据进行治理，围绕“数据汇聚化”、“数据资产化”、“数据服务化”、“数据价值化”四个层面对企业数据进行分层处理。首先，将分散在各个“数据孤岛”中的业务数据进行数据采集汇聚，梳理数据资源，制定相关数据标准、质量规则，进行数据清洗加工解决问题数据；其次，将经过清洗治理的高价值数据进行数据服务转化，通过对原子数据服务的自定义组装形成企业特有的数据服务集市对业务进行支撑，最后结合数据服务、数据分析为业务创新提供支撑，对数据进行价值转化。

需要从根源对信息化系统建设进行顶层设计、审核，确保业务管理过程中产生的数据尽可能的符合标准规范，并对现有业务数据进行全面的梳理盘点，结合建筑施工企业项目签约、施工、交竣工等主要业务流程进行标准制定，形成数据的全面汇聚和资产化，把数据这种生产要素作为一种资产进行管理，通过技术平台将标准的高质量的数据资产转化成通用的数据服务对外开发，最后结合业务场景进行数据服务的灵活组合，降低数据使用的门槛，提升数据价值转化。

根据摸底情况对数据进行分类关联关系分析最终形成企业数据资源目录。在整体数据中台的支撑下，进行数据质量规则落地、定期进行问题数据检核、形成数据质量报告、推进问题数据源头改造并进行问题数据整改跟踪形成数据质量提升闭环。标准化的数据利用平台能力进行服务转化通过标准接口形式对外开放，形成数据资产平台为业务人员提供数据的查询、稽核、溯源、数据分析等提供数据相关能力支撑。

场景一：客户的上级集团需要进行人财物的统一管理，按照以往的方式，由于数据沉淀在一个个的专业业务系统，客户只能协调双方业务系统供应商进行数据对接，也就由此产生了大量的方案对接、接口对接以及后续的维护成本，通过数据资产化、服务化就可以为客户建立数据的解耦能力，在这个案例中单单这一个小小需求就可以为企业节省50万的开发成本，有效的降低的数据交互的成本。

场景二：财务的债权债务分析，集团本部中标了一个项目，但是由分子公司去实施建设的，按照财务系统的逻辑项目的财务数据归口到分子公司，但是在做内部资产负债冲抵时，实际财务统计的口径是要归口到集团本部的，由于集团的重型ERP系统涉及多个部门的业务管理，牵一发而动全身，看似一个简单的统计口径问题迟迟拖了一年多都没有解决，导致本应该每月一次的债权债务分析只能一年做一次，因为每次需要动用20几个分子公司的财务人员和集团财务人员耗费最少一个星期的时间去反复核对数据，其实这样的问题通过对标准化的数据进行融合和重分类就可以实现每天自动化的核算的冲抵，为业务部门提供集团层面的数据分析能力。

通过这个场景我们能看出由于各种原因导致的数据问题有些已经成为业务发展的瓶颈，本应由系统去帮助业务人员做的事情，却反过来需要由人工线下花费大量精力完成后再填入系统，我想这就是有人觉得自己被困在数字化系统里的原因之一，所以我认为企业的数据化转型过程中首先应该解决的就是让数据为人所用，才能真正实现企业业务赋能、业务创新、降本增效等等一系列数字化转型的目标。

四、在数据治理实施过程中企业常见迫切需求有哪些？

比如我们在项目实施过程中常见遇到的症状有：

1．不清楚企业当前数据资产有哪些。

盘点数据资产，构建数据地图。说一下子盘点整个企业的数据资产，是有点夸大的，对于大型企业，我们要对业务系统的资产盘点要进行分批分类，比如客户比较关心内部经营上的数据资产，我们可以就客户内部经营管理类系统进行盘点，如：综合办公系统、LIMS系统、项目管理系统、招采系统等。

2．标准不统一

1）元数据层面的不统一，系统间对接的时候可能又会有文档比较简单的情况，有些字段可能就需要使用者去猜字段的含义，这样就很容易出现问题，数据本身就是件很严谨的事情。

2）系统间字典不统一，数据交互后可能会出现字典对应不上的情况，如果是多系统之间对接，出现这样的情况是很麻烦的事情。

3）系统间的计量单位不一致，造成系统在对上下游交互的时候额外增加很多工作量，并且由于精度可能也不同，在系统间流转这些数据，也会出现问题。

最终我们通过梳理并建设数据标准的方式解决标准不一致的问题。

3．数据质量有问题，系统间交互的核心数据存在不一致的情况。

比如说，客户一例综合办公系统中的员工基本信息和项目管理系统中的员工基本信息不一致，那么我们就可以通过溯源的方式对数据进行追溯，首先确定下员工基本信息的源头，比如源头是人力资源系统。那么我们就可以以人力资源系统的员工数据为权威，那人力资源系统的员工数据和综合办公的数据还有项目管理系统中的数据对比。然后通过对比，综合办公的数据是和源头系统数据是一致的，项目管理系统的数据是错误的，那么就可以定位是项目管理系统的员工信息是有问题的。定位好问题之后，我们要继续看项目管理系统和人力资源系统分别是通过什么方式获取员工信息的，获取的方式是否能够及时有效的更新，然后就我们的经验给出从根源上解决这种问题的方案。