精益管理在电网企业数据治理中应用.docVIP

精益管理在电网企业数据治理中应用 　　摘 要：数据治理是电网企业在大数据时代加强信息资产管理，促进业务集约化、精益化、标准化管理的重要举措。电力数据具有体量大、类型繁多、价值密度低、处理速度快的特点，数据治理难度大，数据冗余、不完整、不一致等问题普遍存在。如何有效开展数据治理，提升数据质量成为电网企业数据治理的首要任务。本文将精益管理方法与数据治理体系相结合，提出精益数据治理策略，为电网企业数据治理提供了实效的方法指引。 　　关键词：精益管理；数据治理；电网企业；数据质量 　　中图分类号：TM507 文献标识码：A 文章编号：1671-2064（2018）04-0171-02 　　1 前言 　　电网数据是以电网生产运行、电力营销和企业管理为主要来源的电网企业生产运营数据，它涉及输电、变电、配电、用电和调度等电力生产和电能使用的多个环节，具有体量大、类型繁多、价值密度低和处理快等特点[1]。数据治理是电网企业在大数据时代加强信息资产管理，促进业务集约化、精益化、标准化管理的重要举措。 　　国内电网数据治理主要集中在数据质量问题处理和数据质量评价[2][3]。目前电网企业已经建立了完善的系统数据平台，但数据冗余、不完整、不一致等问题仍然普遍存在[4]。本文将精益管理与数据治理相结合，建立数据精益治理策略，为电网企业数据治理提供实效的方法指引。 　　2 精益治理策略 　　2.1 数据治理体系 　　数据治理是通过制定战略方针、建立组织架构、明确责任分工等途径，实现数据的风险可控、安全合规、绩效提升和价值创造，并提供不断创新的数据服[5]。如图1所示，数据治理体系一般包括治理认知度、组织安排和管控机制三个维度[6][7]。 　　2.1.1 治理认知度 　　数据治理认知度是数据治理的思想意识层面，包括组织对数据治理目标的设定、对数据治理的意识水平以及对数据治理水平的自我评价等方面。 　　2.1.2 治理组织安排 　　数据治理组织安排是数据治理的体系设计层面，包括建立完善的数据治理职能机构、业务标准、平台和权责界面等[8]。 　　2.1.3 治理管控机制 　　数据治理管控机制是数据治理的过程管控层面，包括数据治理监督、沟通、质量校验、激励和考评等机制，是实现数据治理闭环管理，提高数据质量的有力保障[9][10]。 　　2.2 精益管理方法 　　DMAIC是精益流程改善的主要方法。如图2所示，DMAIC包括界定（Define）、测量（Measure）、分析（Analyze）、改进（Improve）、控制（Control）等五个阶段。DMAIC是一个以问题为导向、逻辑严密的过程循环，是全面质量管理发展和实践的关键成果，在制造和服务流程改善中获得广泛应用[11]。 　　2.2.1 定义阶段 　　定义阶段的主要任务是明确业务问题。运用流程图、SIPOC图、VOC分析等工具和技术，识别顾客的关键需求和需要改进流程问题，确定问题改进的关键质量特性（CTQ），将改进项目界定在合理的范围内。 　　2.2.2 测量阶段 　　测量阶段的主要任务是聚焦表象问题。通过业务流程相关的数据收集和分析，应用统计分析和浪费分析等工具和技术，梳理流程中存在的具体问题，并筛选确定主要的表象问题。 　　2.2.3 分析阶段 　　分析阶段的主要任务是探究表象问题的要因。运用头脑风暴法、因果图、5Why分析等工具和技术，深入分析表象问题产生的根源，并筛选确定问题产生的主要根源。 　　2.2.4 改进阶段 　　改进阶段的主要任务是消除问题的要因。运用头脑风暴法、目视管理、流程优化、5S管理等工具和技术，制定针对要因的改进举措，形成最优的改进方案，降低过程缺陷或变异。 　　2.2.5 控制阶段 　　控制?A段的主要任务是保持改进成果。运用控制图、标准化作业等工具和技术，对改进成果进行固化，使成功经验制度化，并寻求进一步改进的方法。 　　2.3 精益治理策略 　　电网数据具有生命周期短、数据体量巨大的特点，决定了数据治理是一个持续、动态的过程，并且存量数据的治理必须坚持自下而上、重点突破的治理方式。DMAIC循环是问题导向的、持续改善的循环，适用于电网数据的治理。本文将DMAIC与数据治理体系相结合，建立如图3所示的电网数据精益治理策略。 　　2.3.1 问题识别 　　问题识别阶段的主要任务是识别公司数据治理存在的问题。主要的活动包括：（1）通过对标分析或目标分析，识别公司数据治理存在的问题；（2）明确问题涉及的流程、设备、数据类型等范围；（3）制定量化的改进目标，实施改善活动。 　　2.3.2 现状调研 　　现状调研阶段的主要任务是聚焦数据治理的表象问题。主要的活动包括：（1）对数据全生命周期进行分析，识别流程的具体浪