多源数据融合破壁：福州地铁标准化体系构建，启幕共享协同新时代

　　一、总体介绍

　　福州地铁集团成立于2009年，负责全市轨道交通项目的投资、规划、建设、运营、管理和沿线及地下空间资源的开发利用等工作。集团下设16个部室以及1个运营事业部(分公司)，下属8个全资子公司，4个参股公司。注册资本13.914亿元，截至2024年底，总资产约1285.06亿元，员工总数约7800人。

　　福建城建智控科技有限公司成立于2022年，是由北京城建智控科技股份有限公司与福州地铁集团有限公司共同投资组建的合资公司。公司以轨道交通弱电系统为核心，构建多元化垂直场景闭环的解决方案矩阵，致力于成为国内先进的智能产品制造商与智能巡检服务商。

　　福州地铁线网快速扩张过程中，多线路、多厂商及异构系统导致数据格式、命名规范与定义存在显著差异，数据互通性与可比性不足，给整合、共享及应用带来严峻挑战。随着数据价值日益凸显，数据治理对地铁运营至关重要。然而，因数据格式不统一、质量参差不齐，福州地铁的数据资产效用未得到有效释放。

　　长期以来，多数系统因孤立建设导致功能与数据冗余，数据一致性与可用性矛盾突出。尽管集团数字化建设已取得阶段性成果，但相较于数字化转型战略目标及行业标杆实践，仍存在以下差距：

　　(一)数据需求缺乏规范

　　数据需求缺乏规范，造成数据对象多份存储，存储结构各异，严重影响数据共享，例如系统中常用的设备对象，由于建设时期和团队不同，其中对设备代码长度的定义不一致，导致同样的数据要素在视频监视系统、乘客信息系统等其他相关系统中标准不一致，造成同一设备信息无法互通。

　　(二)数据定义不一致

　　数据定义不一致，不同系统对同一种数据，有不同的命名，业务含义，取值范围，容易造成同义不同名，同名不同义，让数据使用者产生误解的情况。不同人员对数据的理解不一致，导致在数据使用时浪费很多时间来进行沟通。

　　二、主要做法

　　(一)标准规划

　　数据标准规划主要指企业构建数据标准分类框架，并制定开展数据标准管理的实施路线。数据标准规划的过程主要包括以下五个阶段：

　　1.数据标准调研，主要从企业业务运行和管理层面、国家和行业相关数据标准规定层面、数据信息和业务系统数据现状三个方面开展，调研内容包括现有的数据业务含义、数据元定义、数据格式、数据值域以及相关国际标准、国家标准、地方标准和行业数据标准等;

　　2.业务和数据分析，主要根据数据标准调研结果，根据数据标准体系建设原则，初步研究数据标准整体的分类框架和定义，以及对业务的支撑状况;

　　3.研究和参照行业最佳实践，收集和学习数据标准体系建设案例，并研究和借鉴同行业企业单位在本行业数据标准体系规划上的实践经验;

　　4.定义数据标准体系框架和分类，根据数据标准调研结果以及行业的最佳实践，在对企业现有业务和数据现状进行分析的基础上，定义企业自身的数据标准体系框架和分类，按照专业与系统的分类方式进行梳理;

　　5.批准和发布数据标准框架和规划，由数据标准管理的决策层审核数据标准体系框架和规划实施路线图，并批准和发布。

　　(二)标准制定

　　标准制定是指在完成标准分类规划的基础上，定义数据标准及相关规则。数据标准的定义主要指数据元及其属性的确定。随着企业业务和标准需求的不断发展延伸，需要科学合理地开展数据标准定义工作，确保数据标准的可持续性发展。

　　数据标准定义主要包括分析数据标准现状、确定数据元及其属性四个关键步骤：

　　1.福州地铁集团数据现状调研。依据业务调研和信息系统调研结果，并分析、诊断、归纳数据标准现状和问题。其中，业务调研主要采用对业务流程的研究和梳理，以了解数据标准在业务方面的作用和存在的问题;

　　2.福州地铁集团业务数据情况调研。系统调研主要采用对各系统数据库字典、数据规范的现状调查，理清实际生产中数据的定义方式数据类型、数据值域等。

　　3.福州地铁集团数据标准对标差距分析。收集和学习数据标准体系建设案例，并研究和调研广州、深圳、青岛地铁的数据标准体系规划上的实践经验;

　　4.确定数据元及其属性。依据行业相关规定或借鉴同行业实践，结合企业自身在数据资产管理方面的规定，在各个数据标准类别下，明确相应的数据元及其属性，规范数据的命名、标识、格式、值域、类型和代码。

　　(三)标准发布

　　在数据标准定义工作初步完成后，数据标准定义需要征询数据管理部门、数据标准部门以及相关业务部门的意见，在完成意见分析和标准修订后，进行标准发布。标准评审发布主要流程包括意见征询、数据标准审议、数据标准发布等三个过程：

　　1.数据标准意见征询。意见征询工作是指对拟定的数据标准初稿进行宣介和培训，同时广泛收集相关数据管理部门、业务部门、开发部门的意见，减小数据标准不可用、难落地的风险;

　　2.数据标准审议。数据标准审议工作是指在数据标准意见征询的基础上，对数据标准进行修订和完善，同时提交数据标准管理部门审议的过程，以提升数据标准的专业性和可管理执行性;

　　3.数据标准发布。数据标准发布工作是指数据标准管理部门，组织各相关业务单位对数据标准进行会签，并报送数据标准决策组织，实现对数据标准进行全企业审批发布的过程。

　　(四)标准执行

　　数据标准执行通常是指把企业已经发布的数据标准应用于信息建设，消除数据不一致的过程。数据标准落地执行过程中应加强对业务人员的数据标准培训、宣贯工作，帮助业务人员更好的理解系统中数据的业务含义，同时也涉及信息系统的建设和改造。

　　数据标准落地执行包括四个阶段：评估确定落地范围、制定落地方案、推动方案执行、跟踪评估成效。

　　(1)评估确定落地范围。选择某一要点作为数据标准落地的目标，如业务系统信息采集规范、某个系统的建设等。数据标准应用于设联会，减少厂家之间的数据协议沟通成本;

　　(2)制定落地方案。深入分析数据标准要求与现状的实际差异，以及落标的潜在影响和收益，并确定执行方案和计划;在设联会中确定接口协议，使用数据标准的数据定义作为接口数据规范。

　　(3)推动方案执行。推动数据标准执行方案的实施和标准管控流程的执行;在设联会中确定接口协议及数据后，产生接口规格书，系统根据接口规格书进行开发，将数据标准落地执行。

　　(4)跟踪评估成效。综合评价数据标准落地的实施成效，跟踪监督标准落地流程执行情况，收集标准修订需求。

　　(五)标准维护

　　数据标准并非一成不变，而是会随着业务的发展变化以及数据标准执行效果而不断更新和完善。

　　在数据标准维护的初期，首先需要完成需求收集、需求评审、变更评审、发布等多项工作，并对所有的修订进行版本管理，以使数据标准“有迹可循”，便于数据标准体系和框架维护的一致性。其次，应制定数据标准运营维护路线图，遵循数据标准管理工作的组织结构与策略流程，各部门共同配合实现数据标准的运营维护。

　　在数据标准维护的中期，主要完成数据标准日常维护工作与数据标准定期维护工作。日常维护是指根据业务的变化，常态化开展数据标准维护工作，比如当企业拓展新业务时，应及时增加相应数据标准;当企业业务范围或规则发生变化时，应及时变更相应数据标准;当数据标准无应用对象时，应废止相应数据标准。定期维护是指对已定义发布的数据标准定期进行标准审查，以确保数据标准的持续实用性。通常来说，定期维护的周期为一年或两年。

　　在数据标准维护的后期，应重新制定数据标准在各业务部门、各系统的落地方案，并制定相应的落地计划。在数据标准体系下，由于增加或更改数据标准分类而使数据标准体系发生变化的，或在同一数据标准分类下，因业务拓展而新增加的数据标准，应遵循数据标准编制、审核、发布的相关规定。

　　三、取得成效

　　(1)2023年，开展“福州地铁数据标准化服务项目”建设，以“求同存异”为原则，从企业管理和业务管理两个维度出发，梳理安全生产网12个专业67个系统435个标准数据元7005个元数据，内部管理网10大主题领域16个系统480个标准数据元7052个元数据，构建起集团公司信息化管理的基本框架。

　　(2)数据标准的实施模式具备高度可推广性。在模式复制方面，可直接应用于其他城市轨道交通企业，甚至扩展至公交、铁路等大交通领域。标准输出上，系统所构建的数据定义能够作为行业通用模板输出，助力统一交通行业数据语言。生态协同层面打通了地铁内部各业务系统的数据标准，未来可与城市交通大数据平台、第三方出行服务平台对接，促进整个智慧交通生态的数据互联互通，推动行业数据资源的高效整合与协同发展。