摘要：系统的生命是数据，系统应用的效果直接由数据质量的好坏直接决定。随着电网营销业务和配电业务的联系越来越紧密，营销系统和配电生产系统的关联越来越密切，系统功能越来越全面和深入，营配数据质量问题也逐步显现。营配数据的质量治理将为配网日常工作及营配系统的高级应用（其中包括：停电分析、线损管理、可靠性计算、电压管控等）奠定基础。
关键词:数据质量；营配数据；治理
1 数据质量治理的实施背景
信息的基础是数据，大量的数据构成了信息。因此，影响信息系统运行的关键元素是数据的质量，它也会直接影响到信息系统的应用效果。为激发市场和社会的活力并且推动政府的简政放权，标准秩序建设逐步成为了质量治理体系建设的重要内容，同时，提高政府规制的灵活性与及时性也成使得标准成为国家治理的重要工具和手段。
目前，营销系统和配电生产系统都由各自专业的人员来建设维护，各业务之间的独立运作，以及作业人员对非主要业务的不熟悉，导致营销系统和配电生产系统长期以来处于独立运行的状态，配网设备信息在两个系统以不同方式存在，差异性大，且两个系统都存在数据缺漏的情况，无法支撑营配系统的高级应用，也给配电网维护带来诸多隐患。因此，多元共治，建设和落实以质量和信用为主体责任的企业标准也逐步成为了企业和国家的共同的标准。
2 数据治理工程的实施方式
营配数据分为存量和增量两个部分，从这两个部分分别着手处理，对存量数据进行查缺补漏，对增量数据进行准确录入，对存量和增量实行两步走，两手抓，以达到营配数据统一的目的。
（1）以现场为准，对存量设备进行一次性普查，形成全面完整的数据基础。营销系统和配电生产系统都存在数据缺漏的情况，然而系统中的数据应以现场设备的实际存在为准。因此开展数据普查是营配数据质量治理的第一步。根据设备类型，编制相对应的信息采集表，依托日常巡视采集现场设备信息，建立设备信息卡。以信息卡为基准，分别对营销系统和配电生产系统的存量数据进行更新和补充，达到营配数据完整率100%、准确率100%。
（2）建立营配数据对比工具，对存量不一致数据进行整改。通过对数据结构的分析，分别对比校验营销系统和配电GIS系统的站线关系、线变关系、变户关系、变压器信息，查找出营配系统不一致数据，并对不一致数据进行整改，保证站线关系、线变关系、变户关系、变压器信息一致性达到100%。
（3）制定数据资料电子化流程，对增量数据进行把控。导致营配数据不一致的主要原因是营销系统和配电生产系统的不关联运行，数据资料电子化流程中重要的环节就是将营销和生产联系起来，由双方的专业人员共同把控增量数据的正确性。统一规划，遵循企业战略规划、企业IT规划和企业数据规划；统一标准，遵循企业各类标准规范，尤其是数据管理标准；统一架构，遵循企业各类技术架构，重点是必须遵循数据架构，确保数据共建共享；统一建设，将每个数据开发项目作为企业一体化数据开发的子项目运作；统一管理，遵循数据治理统一的管理制度和业务流程，实施数据开发项目管理。
（4）开发营销系统和配电生产系统的相互闭锁功能。
期刊文章分类查询,尽在期刊图书馆客户工程方面，营销系统可在建立工单时，触发带有工程信息的工单至配电生产系统，将增量数据信息在配电生产系统中进行管理维护，并将数据信息回传至营销系统，由营销人员对数据信息进行确认。同时增加操作闭锁功能，在生产信息未回传至营销系统时，无法进行营销工单的归档。配网工程方面，由生产人员对增量数据质量进行把控，并对涉及营销的中低压用户信息同步至营销系统中，保证营配系统的数据一致性。
（5）加强配电GIS更新实时性，并将配电GIS与营销系统进行关联。配电GIS作为电网拓扑架构的显示载体，一直以来都是独立运行的。为了实现停电分析等高级功能的应用，配电GIS系统逐渐与营销系统、配电生产系统关联。所以有必要加强配电GIS更新实时性，并将营销系统中的客户信息同步至配电GIS系统，为停电分析提供便利。
（6）加强培训，使数据质量录入更加专业。数据治理应成为一种企业文化，在增量数据从建单到闭环的整个过程中，不止由营销和生产人员的把控，还有施工单位资料员的参与。这就要求我们对数据录入的参与者进行培训，使所有参与人员都规范化的执行录入标准，避免数据参差不齐的现象，也使流程得以顺畅闭环。数据治理是一个长期、复杂的系统工程，企业各层级的数据管理人员必须不断的沟通、教育和推广数据资产价值的重要性以及数据治理职能的业务贡献。提升数据使用者对数据治理的意识及对数据治理效益的认可程度，是持续改进企业数据管理机制，充分挖掘企业数据价值，提升企业核心竞争力。
（7）建立业务考核机制，以标准制度规范流程。营配数据不一致，数据缺漏、错误等等这些问题很大原因是人为失误造成的数据质量偏低，因此建立业务流程指引及考核制度是保证数据增量有效录入的必要手段。通过月度检查的方式，对数据质量一致性、完整性、准确性情况进行公布，对数据质量偏低的部门进行考核，使业务人员更为重视数据质量的把控。每个企业都受到政府和行业法规的约束，这些法规很多规定了数据和信息如何进行管理。一般而言，法规是强制性的，而非选择性的。数据治理的部分职能监督并确保合规，事实上合规性往往是数据治理的初始原因。
3数据治理的成效
在全面开展数据治理之后，城西片区共完成206条线路、1356台公配变及其低压用户、3323台专变的数据普查，并更正了营配系统中不一致数据3687条。通过电子化移交流程把控后，当月闭环归档了23单工程资料，未发现有问题的营配数据，增量数据正常转为存量基础数据。数据治理是一个长期、复杂的系统工程，企业各层级的数据管理人员必须不断的沟通、教育和推广数据资产价值的重要性以及数据治理职能的业务贡献。提升数据使用者对数据治理的意识及对数据治理效益的认可程度，是持续改进企业数据管理机制，充分挖掘企业数据价值，提升企业核心竞争力。
4结语
通过营配数据质量治理，达到了营配数据一致率100%、完整率100%、准确率100%的目的，系统基础数据可以有效支撑系统中停电分析、线损管理、可靠性计算、电压管控等的高级应用，为电网的日常维护和网架提升提供了便利。
参考文献：
[1]王新奎.试论电力企业全面预算管理[J].山西焦煤科技，2014，(11).
[2]孙伟平.全面预算管理在企业管理中的应用[J].中国外资(上半月)，2015(11).
[3]张文展.我国企业加强全面预算管理的探索[J].中国西部科技，2015
论文作者:韦茜
论文发表刊物:《电力设备》2017年第2期
论文发表时间:2017/3/28
标签：数据论文; 系统论文; 质量论文; 增量论文; 企业论文; 信息论文; 存量论文; 《电力设备》2017年第2期论文;