王樹明 吳時清 吳蓓蓓

（1.中國煙草總公司湖北省煙草專賣局信息中心 湖北省武漢市 430030 2.武漢楚煙信息技術(shù)有限公司 湖北省武漢市 430030）

1 引言

大數(shù)據(jù)時代，數(shù)據(jù)治理是所有公司面臨的巨大挑戰(zhàn)。沒有數(shù)據(jù)，企業(yè)缺乏用于做決策的數(shù)據(jù)的支持,可是有了越來越多的數(shù)據(jù)，必然增加了管理數(shù)據(jù)的成本。將數(shù)據(jù)有效的組織起來，并讓其產(chǎn)生價值，成為一個亟待解決的問題[1]。數(shù)據(jù)治理的核心問題就是數(shù)據(jù)加工規(guī)范，所有的治理工作都是圍繞這個核心進行的，正因如此，建立起適應(yīng)企業(yè)需求的數(shù)據(jù)加工規(guī)范對于企業(yè)變得越來越重要。

2 湖北煙草數(shù)據(jù)的現(xiàn)狀

隨著湖北省煙草數(shù)據(jù)信息化工作的快速推進，數(shù)據(jù)中心在數(shù)據(jù)采集、加工、共享等方面的管理工作日顯滯后，導致以下問題長期存在：

（1）數(shù)據(jù)質(zhì)量不高，“臟數(shù)據(jù)”、錯數(shù)據(jù)不斷產(chǎn)生，既包括源端業(yè)務(wù)系統(tǒng)的基礎(chǔ)數(shù)據(jù)，也包括入庫后因加工過程不規(guī)范而產(chǎn)生的分析型數(shù)據(jù)。

（2）數(shù)據(jù)接口混亂，由于數(shù)據(jù)獲取與開發(fā)不規(guī)范、數(shù)據(jù)接口管理措施缺失等原因，數(shù)據(jù)接口泛濫，“數(shù)入多庫、據(jù)出多門”的現(xiàn)象比比皆是[2]。

為支撐湖北煙草數(shù)字化轉(zhuǎn)型，支撐日益普遍的創(chuàng)新應(yīng)用和數(shù)據(jù)運營的服務(wù)需求，湖北省局（公司）重新梳理了整個系統(tǒng)的數(shù)據(jù)分布，如圖1所示。數(shù)據(jù)從源端業(yè)務(wù)系統(tǒng)進入數(shù)據(jù)中心后，經(jīng)歷了BKR體系的清洗轉(zhuǎn)換、匯聚加工、分級存儲，最后向不同的主題提供數(shù)據(jù)服務(wù)。BKR體系是數(shù)據(jù)中心實現(xiàn)數(shù)據(jù)治理的核心理念。

圖1：湖北煙草數(shù)據(jù)總體分布框架

3 數(shù)據(jù)中心內(nèi)的BKR體系

描述數(shù)據(jù)匯聚加工的模型有多種，結(jié)合湖北煙草數(shù)據(jù)加工、管理的現(xiàn)狀，立足于統(tǒng)一、規(guī)范的管理目標，設(shè)計并采用了BKR體系，建立了湖北煙草數(shù)據(jù)中心數(shù)據(jù)加工規(guī)范，其中包括庫內(nèi)數(shù)據(jù)表分層規(guī)范、數(shù)據(jù)表命名規(guī)范、數(shù)據(jù)表共享規(guī)范、血緣分析規(guī)范等。

3.1 分層規(guī)范

數(shù)據(jù)中心內(nèi)的表分三個層級，并嚴格遵守數(shù)據(jù)分層存儲、層級間加工轉(zhuǎn)換的規(guī)則。這三個層級分別為是B 層、K 層、R 層。

B 層（Base）：基礎(chǔ)業(yè)務(wù)數(shù)據(jù)層，主要存放基礎(chǔ)業(yè)務(wù)數(shù)據(jù)（即B 表）。它是數(shù)據(jù)中心的數(shù)據(jù)基礎(chǔ)和數(shù)據(jù)緩沖。B 層數(shù)據(jù)一般保留“范式化”結(jié)構(gòu)，也被稱為“貼源”層。

K 層（KPI，Key Performance Indicators)：匯聚加工層，B 層的數(shù)據(jù)通過轉(zhuǎn)換和整合，得到加工過程數(shù)據(jù)（即K 表）。K 層數(shù)據(jù)有三種來源：

（1）B 層數(shù)據(jù)整合或者聚合得到，這是K 層數(shù)據(jù)最基本的來源；

（2）B 層和K 層數(shù)據(jù)進行二次或者多次整合得到；

（3）多個K 層數(shù)據(jù)進行再次整合得到。

R 層（Reports）：報備指標層，是可直接對外提供服務(wù)的數(shù)據(jù)，可直接支撐各類數(shù)據(jù)應(yīng)用。其數(shù)據(jù)來源于B 層或者K 層數(shù)據(jù)的整合或聚合，其主要服務(wù)對象是數(shù)據(jù)分析、統(tǒng)計報表、駕駛艙等應(yīng)用。

每個服務(wù)主題均對應(yīng)一個或多個B 表或K 表，但是B 表、K表粒度細、數(shù)據(jù)量龐大，不利于在線查詢分析。所以在此基礎(chǔ)上定義數(shù)據(jù)的維度、粒度屬性，建立數(shù)據(jù)匯集路徑，形成維度降低的R表，以提高查詢分析的效率，并滿足最大程度的復(fù)用性要求。另外，R 層數(shù)據(jù)不可由R 層自身數(shù)據(jù)表整合而來。庫內(nèi)數(shù)據(jù)表的分層/轉(zhuǎn)換規(guī)范如圖2所示。

圖2：庫內(nèi)數(shù)據(jù)表分層/轉(zhuǎn)換規(guī)范

3.2 命名規(guī)范

3.2.1 B 表

B 表來源于源端業(yè)務(wù)系統(tǒng)，即基礎(chǔ)業(yè)務(wù)層的原始粒度數(shù)據(jù)，因此B 表命名必須反映源端業(yè)務(wù)屬性。B 表命名規(guī)則是：

實體編碼 = T_B_業(yè)務(wù)域編碼_實體代碼

如：零售戶客戶訂單（T_B_FN_CUSTOMER_ORDER）。

3.2.2 K 表

B 表經(jīng)加工后形成共享程度高，可支撐核心指標與業(yè)務(wù)報表的中間表，即K表，因此K表命名必須反映指標主題和字段/維度屬性。K 表命名規(guī)則是：

實體編碼 = T_K_主題代碼_維度組合

如：T_K_銷售_日_單位_卷煙（T_K_SELL_DAY_CORP_CIG）。

3.2.3 R 表

將數(shù)據(jù)按業(yè)務(wù)單元、服務(wù)主題進行加工整合，最終形成指標并對外提供數(shù)據(jù)服務(wù)的數(shù)據(jù)表為R 表，因此R 表命名必須反映報表主題和應(yīng)用概述。R 表命名規(guī)則：

實體編碼 = T_R_報表主題_分析應(yīng)用簡寫

如：T_R_ 領(lǐng)導首頁_ 卷煙市場動態(tài)分析（T_R_LD_CIG_MARKET_DYNAMIC_ANALYSE）。

有了命名規(guī)范以后，可以定期利用逆向工程導出數(shù)據(jù)中心的sql 腳本，并進行文法分析，以自動的篩選出不符合BKR 分層規(guī)范的模式和表格。

3.3 共享規(guī)范

從溯源的視角來審視湖北煙草數(shù)據(jù)加工模型，即為每張表添加從“主鍵”到“外鍵”或從“分散”到“匯總”的邏輯索引，用索引的“入度”和“出度”衡量每張數(shù)據(jù)表的生成代價和共享程度。其中，“入度”表示數(shù)據(jù)表的加工復(fù)雜程度，理論上講，“入度”值大，表示該數(shù)據(jù)表的加工過程所依賴的數(shù)據(jù)表多，加工消耗資源大，即生成代價大；反之，“入度”值小，表示生成代價小。“出度”表示數(shù)據(jù)表的共享程度，“出度”值大，表示該數(shù)據(jù)表的共享程度高；“出度”值小，表示該數(shù)據(jù)表的共享程度低。數(shù)據(jù)表匯聚加工應(yīng)滿足“入度”足夠簡單，“出度”足夠?qū)?，體現(xiàn)數(shù)據(jù)加工過程高內(nèi)聚、松耦合、高復(fù)用的優(yōu)化原則。

單純以“入度”和“出度”來判斷每張表的共享程度，只能反應(yīng)局部特性，湖北煙草加工模型從BKR體系的整體視角提出了互為對偶的兩個全局指標——“共享度”和“依賴度”。通過改進的PageRank 算法可以評估每張表的這兩個指標，并為不斷迭代的數(shù)據(jù)模型提供重要的參考依據(jù)。

3.4 BKR血緣關(guān)系

厘清BKR 三層數(shù)據(jù)間的血緣關(guān)系[3]，展現(xiàn)數(shù)據(jù)從源端業(yè)務(wù)系統(tǒng)到當前位置的完整路徑。當鏈條中某一數(shù)據(jù)表發(fā)生變化時，向上評估其變化的影響范圍，包括但不限于相關(guān)的K 表及表內(nèi)數(shù)據(jù)、R表及表內(nèi)數(shù)據(jù)、數(shù)據(jù)服務(wù)內(nèi)容等；向下追溯其變化的來源，包括但不限于B 表及表內(nèi)數(shù)據(jù)、源端業(yè)務(wù)系統(tǒng)等。

4 支撐BKR體系的接口規(guī)范

BKR 三層體系是數(shù)據(jù)中心的核心模塊，為了能夠穩(wěn)定可靠的運營和維護這個體系，還需要建立一套完善的接口規(guī)范，并對接口進行統(tǒng)一管理。原則上各業(yè)務(wù)系統(tǒng)只與數(shù)據(jù)中心進行數(shù)據(jù)交換，業(yè)務(wù)系統(tǒng)間不直接進行數(shù)據(jù)交換。數(shù)據(jù)接口有三種類型：

（1）數(shù)據(jù)入庫接口，即數(shù)據(jù)從業(yè)務(wù)系統(tǒng)流入數(shù)據(jù)中心的數(shù)據(jù)接口；

（2）數(shù)據(jù)出庫接口，即數(shù)據(jù)從數(shù)據(jù)中心流出到業(yè)務(wù)系統(tǒng)的數(shù)據(jù)接口；

（3）庫間接口，即數(shù)據(jù)在數(shù)據(jù)中心各庫間流轉(zhuǎn)的數(shù)據(jù)接口。

4.1 接口設(shè)計規(guī)范

接口設(shè)計應(yīng)滿足以下要求：

（1）充分理由：任何接口存在應(yīng)有充分的理由，盡可能避免出現(xiàn)無意義接口。

（2）職責明確：一個接口只負責一類數(shù)據(jù)傳輸，盡可能避免同一接口傳輸內(nèi)容過于復(fù)雜。

（3）高內(nèi)聚低耦合：一個接口包含一類完整數(shù)據(jù)，不同接口之間的業(yè)務(wù)、數(shù)據(jù)關(guān)聯(lián)應(yīng)盡可能小。

（4）分析角度明確：設(shè)計接口分析的角度要統(tǒng)一明確，應(yīng)按照業(yè)務(wù)域、業(yè)務(wù)環(huán)節(jié)角度分析設(shè)計。

（5）數(shù)據(jù)量控制：一個接口不宜返回過多數(shù)據(jù)量，為減少數(shù)據(jù)處理及傳輸壓力，應(yīng)對接口進行合理劃分。

4.2 接口編碼規(guī)范

數(shù)據(jù)中心通過建立標準的接口模型，規(guī)范數(shù)據(jù)從業(yè)務(wù)系統(tǒng)到數(shù)據(jù)中心的采集轉(zhuǎn)換過程。接口模型包含業(yè)務(wù)域?qū)嶓w、業(yè)務(wù)系統(tǒng)實體、接口目錄實體、接口單實體和接口文件實體，如圖3所示。

圖3：數(shù)據(jù)接口模型

接口單元編碼規(guī)則是由10 位字符表示，如圖4所示。

圖4：采集接口單元編碼規(guī)則

4.3 接口實現(xiàn)規(guī)范

數(shù)據(jù)中心常用的接口實現(xiàn)方式有四類。

4.3.1 庫表復(fù)制

是使用ETL(Extract-Transform-Load，數(shù)據(jù)抽取、轉(zhuǎn)換和加載)工具，基于SQL 數(shù)據(jù)庫復(fù)制批量數(shù)據(jù)的技術(shù)，是源端業(yè)務(wù)系統(tǒng)數(shù)據(jù)進入數(shù)據(jù)中心的主要方式。庫表復(fù)制適用于大多數(shù)情況下批量數(shù)據(jù)非實時、準實時的數(shù)據(jù)傳輸與轉(zhuǎn)換。

4.3.2 HTTP 接口

是一種基于HTTP 服務(wù)的API，是系統(tǒng)之間交互的一種約定。HTTP 接口適用于跨系統(tǒng)的實時數(shù)據(jù)交互。通過HTTP 接口方式進行數(shù)據(jù)對接，要明確接口基本信息、請求參數(shù)和返回數(shù)據(jù)等內(nèi)容。

4.3.3 文件方式

是輸入和輸出以文件或文本方式進行的數(shù)據(jù)接口實現(xiàn)方式，適用于對時效性要求較低，超大批量數(shù)據(jù)導入、導出。通過文件方式進行數(shù)據(jù)對接，需明確文件名和文件格式。

4.3.4 其它方式

用于未來更多類型數(shù)據(jù)（如非結(jié)構(gòu)化數(shù)據(jù)）與數(shù)據(jù)中心交互擴展。

4.4 接口管理規(guī)范

數(shù)據(jù)運維團隊是數(shù)據(jù)架構(gòu)和業(yè)務(wù)數(shù)據(jù)的維護和管理者，負責按照數(shù)據(jù)主管部門要求，開展數(shù)據(jù)接口的統(tǒng)一管理、運行監(jiān)控、策略維護等工作，響應(yīng)數(shù)據(jù)接口新增、變更及刪除（作廢）需求，進行數(shù)據(jù)需求分析、接口影響分析，并牽頭制定接口維護方案，執(zhí)行維護操作，發(fā)布并更新接口資源目錄。

5 總結(jié)

湖北煙草數(shù)據(jù)治理的工作核心是在數(shù)據(jù)中心建立完善的BKR體系，并圍繞該體系建立起一系列標準和規(guī)范。該體系已經(jīng)在湖北省公司的煙葉系統(tǒng)中逐步展開，并取得了初步成效。今后將繼續(xù)完善和細化該體系，并進一步推廣到煙草的營銷、物流、專賣、審計等其它業(yè)務(wù)領(lǐng)域。