精益管理在电网企业数据治理中的应用

周慧彬

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

控制階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，识别流程的具体浪费现象；（2）对流程的绩效指标进行分解，识别问题的主要表现或范围；（3）基于流程和指标分析，确定项目改进的关键表象问题。

2.3.3 根源分析

根源分析阶段的主要任务是深挖表象问题的要因。主要的活动包括：（1）采用头脑风暴、5Why分析等方法，深入分析数据治理组织安排、管控机制等方面存在的问题；（2）筛选识别表象问题产生的关键根源。

2.3.4 举措制定

举措制定阶段的主要任务是消除问题的根源。主要的活动包括：（1）利用技术和管理手段，制定数据治理组织安排、管控机制层面的改进举措；（2）识别改进举措实施的责任层级；（3）优选改进方案并进行试运行；（4）全面推广应用。

2.3.5 成果固化

成果固化阶段的主要任务是保持改进成果。主要的活动包括：（1）制定监控计划，确保改进举措得到全面落实；（2）评估改进成效；（3）完善数据治理组织安排、管控机制相关的制度规范和系统平台；（4）针对遗留的问题制定下一步改善计划。

3 精益治理策略应用

中山供电局将精益治理策略应用于配网台账数据治理中，取得显著改善成效。

（1）问题识别阶段。通过目标分析，发现配网台账问题数据、站线变户一致性存在较大的改进空间，制定量化改进目标，实施改进活动。（2）现状调研阶段。如图4所示，配网台账问题数据主要表现为杆塔类的运行编号、出厂年月、设备型号等关键字段空白，站线变户一致性问题集中在变压器（GIS系统与营销系统的信息协同问题）。（3）根源分析阶段。分析发现，配网台账问题数据和站线变户一致性问题产生的要因为系统功能不健全、台账制度不健全、协同工作机制不健全、业务流程不合理和培训未有效落地等5个要因。（4）举措制定阶段。制定并优选出“启用数据回流校验工具”、“建立数据主人协作与考核机制”、“制定业扩类电子化移交工作指引”、“修编台账管理业务指导书”、“例行培训+典型问题专题培训”等5项举措，并选取板芙、沙溪两个分局进行试点应用。（5）成果固化阶段。如图5所示，问题数据减少5850条，站线变户一致性保持在99%以上，达到预期目标。通过动态监测机制、数据主人机制、周报机制、协同机制等4大机制实现成果固化。

4 结语

本文将精益管理与数据治理相结合，提出了电网企业数据精益治理策略。精益治理策略在配网台账数据质量提升工作中取得显著成效。改善后配网台账数据短期内减少问题数据5850条，站线变户一致性保持在99%以上，数据质量显著提升。本文提出的精益治理策略为电网数据治理提供了清晰的方法指引，有助于提高企業数据资产管理精益化水平。

参考文献

[1]程广明.大数据治理模型与治理成熟度评估研究[J].科技与创新，2016，（9）：6-7.

[2]谈韵.电网大数据治理体系初探[J].电子技术与软件工程，2017，（5）：182-183.

[3]张波，朱泽厅，卢鸣凯.营配贯通台区线损吟唱数据治理方法探讨[J].浙江电力，2015，（2）：9-11.

[4]巨克真，魏珍珍.电力企业级数据治理体系的研究[J].电力信息与通信技术，2014，12（1）：7-11.

[5]张绍华，潘蓉，宗宇伟.大数据治理与服务[M].上海：上海科学技术出版社，2015.

[6]王天梅，孙宝文，章宁.IT治理绩效影响因素分析：基于中国电子政务实施的实证研究[J].管理评论，2013，25（7）：28-37.

[7]王田绘.数据治理、大数据能力和集团管控关系的实证研究[D].广东工业大学，2015.

[8]高亮.数据治理：让数据质量更好[J].中国教育网络，2014，（12）：64-66.

[9]中国工商银行信息技术部.数据治理体系机制研究[J].金融电子化，2014，（4）：51-52.

[10]郑大庆，黄丽华，张绍华.大数据治理的概念及其参考架构[J].研究与发展管理，2017，29（4）：65-72.

[11]何桢.六西格玛管理[M].北京：中国人民大学出版社，2014.