3 标准化与数据治理相互促进融合
3.1 数据标准为标准化工作提供新手段
数据治理提升标准的量化程度，便于标准的执行和判别。随着数字化转型进程的不断推进，各类业务场景的数字化水平都在提高，如果将管理标准、技术标准、工作标准中的要求贯彻到数字化场景中，需要将标准中的原则、要求、流程转化为量化的数据指标[12]，再应用到业务活动和工作内容中，数据治理的各种管理方法和手段可以为标准的量化管理提供最佳实践参考。
数据标准的贯标检查方式可以为标准贯标检查提供新思路。传统的标准监督监控措施是采用抽查、会议、评议、报告编制和评定等方式，当前标准化工作中普遍存在的问题是，标准制定后应用和推广的效果不好，标准制定和应用实施脱节。数据标准[13]一般包括基础类标准、指标类标准，在企业实践过程中，利用元数据的血缘分析、比对分析，可以对数据标准的贯彻和应用情况进行实时、全面和动态的监控，并及时发现标准应用过程中的问题，数据标准的贯标检查方法可以弥补传统方式的不足。
3.2 数据治理将成为标准化工作的必选项
标准化是对各项实践经验的总结，标准化过程包括标准制定、标准实施和标准实施信息反馈，标准化过程的基本任务是将收集的各类信息资源转化成标准，再传递给各项实践管理活动，成为这些实践过程的输入。标准化过程需要足够的数据和信息作为支撑，数据治理为标准研制提供高质量的数据资源，提高标准实施信息反馈水平。
标准是由人制定的，尽管遵循意见征集等规定程序，但是由于客观实际和人的知识的局限性，标准与实际脱离难以避免。能否在研制、实施过程及时把握信息和反馈信息，利用这些信息调整或采取补救措施，是防止和降低标准化负面影响的重要过程[14]。
3.3 数据治理助力标准的数字化转型
2019年，ISO提出了一种名为SMART标准的机器可读新型标准概念，对其数字化背景下的标准重新进行了定义。机器可读标准分级模型中每一级标准的概念如下[15-16]，其中3级和4级标准通常可被称为SMART标准：0级为文本格式（如纸质）、1级为开放数字化格式（如PDF）、2级为机器可读文件（如XML）、3级为机器可读可执行内容、4级为完全机器可解析内容。机器可读标准是标准数字化发展的阶段性产物，以新的格式呈现，机器可直接读取并执行（即自动在系统中工作），具有较短的制定周期，典型的是数据库标准、含有代码组件的标准等。波音在2007年意识到文档型标准对企业数字化的阻碍，开始在标准数字化方面进行尝试和探索，将大量标准文档转化为XML格式，合并标准文件库，统一产品标准的文档格式并废除多个标准制定和出版程序[17]。
标准形式从文本结构转化为机器可读的结构化数据将是未来的发展趋势，以结构化数据为主体的标准内容可借助数据治理的基本方法进行管理和应用，加快标准数字化转型进程、降低转型的成本和风险。
3.4 标准化为数据治理提供理论方法
经过漫长的发展历程，标准化已成为一门探讨“统一化”的专业学科，标准化的基本方法包括简化、统一化、通用化、系列化、模块化、组合化等形式，可以将无序化转换为统一化，将异构状态转换为同构状态[18]。2015年阿里巴巴正式提出中台战略，数据中台的理念已在金融、通信、制造等各个行业得到了认可和实践，成为数据治理领域最为流行的实践做法之一。为直观呈现出标准化的理论方法在数据治理领域的重要作用和表现，表1阐述了数据中台的典型手段和特征中反映出的标准化基本原理。
表1 标准化形式在“数据中台”中的表现
图1 S1000D与传统的文档生成方法的区别
S1000D得到了国内外各大航空企业的认可和使用，目前已更新至5.0版本。模块化、结构化、复用等标准化的基本原理和方法在 S1000D的使用过程中已经展现出巨大的成效，不仅可以为文档类非结构化数据的管理提供切实可行的方法，也为数据治理与标准化的结合提供了实践案例，二者可以在理念、方法、落地举措各个层面进行融合。
4 结束语
将标准化放到数据治理工作的核心位置。标准化能力是数据治理工作顺利开展的重要组成，也是治理能力的重要体现，标准化工作需要放到更为核心的位置。企业需要为标准化工作提供足够的资源保障，建立稳定的运行机制，普及标准化的基本理念、基本方法，提高标准化意识。
充分利用标准化的基本原理促进数据治理工作。标准化的基本原理是经过各行业长期实践积累形成的，充分认识和使用标准化的理念、原理和方法，可以加深数据治理的理论深度、提高工作落地实践效果、加快数据治理进程、避免出现问题反复，推动数据治理工作向更深入、更广阔的方向发展。
利用数据治理推动标准化工作创新发展。标准化工作正在向质量效益、向经济社会全域转变，标准的基础性和引领性作用将进一步放大，标准化工作离不开数据治理的支撑，数据治理可以在标准研制、标准实施后评价、标准信息反馈更新和标准数字化等方面发挥关键作用。
参考文献
[1] 中共中央、国务院. 国家标准化纲要[Z], 2021.
[2] 国家标准化管理委员会. 2021年全国标准化工作要点[Z], 2021.
[3] 国家标准化管理委员会, 中央网络安全和信息化委员会办公室, 中华人民共和国科学技术部, 等. “十四五”推动高质量发展的国家标准体系建设规划[Z], 2021.
[4] 工业和信息化部. “十四五”大数据产业发展规划[Z], 2021.
[5] 中华人民共和国国家质量监督检验检疫总局, 中国国家标准化管理委员会. GB/T 34960.5-2018《信息技术服务治理 第5部分:数据治理规范》[S]. 北京:中国质检出版社, 2021.
[6] 中华人民共和国国家质量监督检验检疫总局, 中国国家标准化管理委员会. GB/T 36073-2018《数据管理能力成熟度评估模型》[S]. 北京:中国质检出版社, 2021.
[7] 国际标准化组织, 国际电工委员会. ISO/IEC 38500:2015《信息技术 组织的IT治理》[S]. 北京:中国质检出版社, 2015.
[8] 国际标准化组织, 国际电工委员会. ISO/IEC 38505-1:2017《基于 ISO/IEC 38500(IT治理)的数据治理》[S].北京:中国质检出版社, 2017.
[9] 国际标准化组织, 国际电工委员会. ISO/IEC TR38505-2《数据治理对数据管理的影响》[S]. 北京:中国质检出版社, 2018.
[10] 中华人民共和国国家质量监督检验检疫总局, 中国国家标准化管理委员会. GB/T 20000.1-2014《标准化工作指南 第1部分:标准化和相关活动的通用术语》[S]. 北京:中国质检出版社, 2014.
[11] 中国通信标准化协会. 数据治理标准化白皮书[R], 2021.
[12] 陈晶. 浅谈标准数字化与量化的应用[J]. 中国管理信息化, 2020,23(12):149-150.
[13] 中国信息通信研究院. 数据标准管理实践白皮书[R],2021.
[14] 李春田. 标准化概论[ M]. 北京:中国人民大学出版社, 2014.
[15] 汪烁, 卢铁林, 尚羽佳. 机器可读标准——标准数字化转型的核心[J]. 标准科学, 2021(S1):6-16.
[16] 汪烁, 段菲凡, 林娟. 标准化工作适应全球数字化发展的必然趋势——标准数字化转型[J]. 仪器仪表标准化与计量, 2021(3):1-3+14.
[17] 陈润. 波音公司的数字化标准[J]. 航空标准化与质量, 2013(6):30-33.
[18] 麦绿波. 标准化学—标准化的科学理论[M]. 北京:科学出版社, 2017.
[19] 魏严锋, 乔琳君. 基于S1000D标准的飞机技术出版物结构化方法研究[J]. 航空工程进展, 2021,12(5):116-122.
[20] 王庆林. 基于系统工程的飞机构型管理[M]. 上海:上海科学技术出版社, 2017.
中国信通院阚鑫禹：数据治理标准化发展现状与启示（三） 
289
0
