康強(qiáng) 劉光耀 鄧姍妮

摘要：廉潔風(fēng)險防控管理過程繁雜，管理鏈條和周期長，對數(shù)據(jù)建模體系性和一致性的要求很高，本文系統(tǒng)研究分析總結(jié)了廉潔風(fēng)險防控領(lǐng)域的建模需求、數(shù)據(jù)建模方式及存儲內(nèi)容管理等相關(guān)技術(shù)實(shí)踐，結(jié)合紀(jì)檢工作本質(zhì)和領(lǐng)域特點(diǎn)提出應(yīng)用方案。本研究旨在數(shù)據(jù)建模技術(shù)與廉潔風(fēng)險防控業(yè)務(wù)搭建橋梁，為利用多源數(shù)據(jù)全景化分析紀(jì)檢關(guān)聯(lián)要素提供方向性的指導(dǎo)。

關(guān)鍵詞：廉潔風(fēng)險防控；數(shù)據(jù)建模

一、引言

數(shù)據(jù)需求的定義與分析廣泛地使用數(shù)據(jù)建模技術(shù)，同時是一個支持將整個信息系統(tǒng)重新設(shè)計的過程[1]。而廉潔風(fēng)險防控也是當(dāng)今所重視的領(lǐng)域，利用數(shù)據(jù)建模技術(shù)來構(gòu)建數(shù)據(jù)結(jié)構(gòu)框架，從而保證相關(guān)部門的有效運(yùn)行。而這個數(shù)據(jù)結(jié)構(gòu)框架主要應(yīng)用在兩個方面，一是抓重點(diǎn)業(yè)務(wù)領(lǐng)域、重點(diǎn)職能部門、重點(diǎn)業(yè)務(wù)環(huán)節(jié)，篩選廉潔風(fēng)險、完善內(nèi)控機(jī)制、筑牢廉潔防線，確保紀(jì)檢部門信息管理系統(tǒng)的建設(shè)以及數(shù)據(jù)關(guān)聯(lián)。二是廉潔風(fēng)險教育與大數(shù)據(jù)分析的需求需要強(qiáng)有力的結(jié)構(gòu)框架，數(shù)據(jù)建模技術(shù)可以充分地發(fā)揮作用。

廉潔風(fēng)險防控管理過程繁雜，涉及的關(guān)鍵要素眾多，不同的業(yè)務(wù)場景涉及的管理規(guī)定、執(zhí)行過程各不相同，業(yè)務(wù)流程設(shè)計不同直接決定了信息系統(tǒng)結(jié)構(gòu)和邏輯大相徑庭，結(jié)合這幾種情況，在數(shù)據(jù)交互和關(guān)聯(lián)分析時，就會出現(xiàn)信息融合困難，關(guān)聯(lián)程度低等問題，尤其是當(dāng)前很多企業(yè)的管理規(guī)定并未完全線上化，這就導(dǎo)致存在很多線下文件并行，致使數(shù)據(jù)難以融合，無法統(tǒng)一管理。本文通過廉潔風(fēng)險防控領(lǐng)域中數(shù)據(jù)建模過程的實(shí)踐，分析廉潔風(fēng)險防控中數(shù)據(jù)建模技術(shù)的應(yīng)用，并對其進(jìn)行經(jīng)驗(yàn)總結(jié)。

二、數(shù)據(jù)建模技術(shù)介紹

（一）數(shù)據(jù)建模簡介

數(shù)據(jù)建模是一種用于定義和分析數(shù)據(jù)的要求和其需要的相應(yīng)支持的信息系統(tǒng)的過程。所以，在進(jìn)行數(shù)據(jù)建模的過程中，專業(yè)性的數(shù)據(jù)建模工作離不開企業(yè)的利益及用戶的信息系統(tǒng)。

從需求到實(shí)際數(shù)據(jù)庫構(gòu)建，一般包括三個步驟。。僅用于信息系統(tǒng)的數(shù)據(jù)建模是作為一個模型來應(yīng)用，最基本的功能是來記錄一組數(shù)據(jù)達(dá)到規(guī)范的目的。一個數(shù)據(jù)建模技術(shù)系統(tǒng)要想構(gòu)建，首先思考是否符合企業(yè)最初的需求，其次才能轉(zhuǎn)變?yōu)橐粋€邏輯數(shù)據(jù)模型，恰好這個邏輯數(shù)據(jù)模型可以在數(shù)據(jù)庫中構(gòu)造。一個概念數(shù)據(jù)模型的實(shí)現(xiàn)可能需要多個邏輯數(shù)據(jù)模型。最后需要確定邏輯數(shù)據(jù)模型與物理數(shù)據(jù)模型之間的數(shù)據(jù)訪問性能和存儲方面的具體要求，不僅僅是數(shù)據(jù)元素，同時它們之間的結(jié)構(gòu)和聯(lián)系也不可忽視[2]。

數(shù)據(jù)建模常用在系統(tǒng)開發(fā)與系統(tǒng)維護(hù)的工作環(huán)境中，也稱為系統(tǒng)開發(fā)生命周期（SDLC）。當(dāng)然，數(shù)據(jù)建模也可以用在更廣泛的領(lǐng)域，如業(yè)務(wù)和數(shù)據(jù)架構(gòu)、主數(shù)據(jù)管理和數(shù)據(jù)治理計劃，其直接的結(jié)果不是在數(shù)據(jù)庫，而是對組織數(shù)據(jù)的理解。模型是現(xiàn)實(shí)中事物的一種表征或者想要創(chuàng)造事物的一種模式。一個模型可以包含一個或多個圖表。模型圖可以使人們通過標(biāo)準(zhǔn)化的符號快速了解其內(nèi)容。地圖、組織架構(gòu)圖和建筑藍(lán)圖都是日常模型的例子。

數(shù)據(jù)模型描述了組織已經(jīng)理解或者未來需要的數(shù)據(jù)。數(shù)據(jù)模型包含一組帶有文本標(biāo)簽的符號，這些符號以可視化的方式展現(xiàn)數(shù)據(jù)需求并將其傳遞給數(shù)據(jù)建模人員。也可以把模型理解成一種文檔形式，用于記錄數(shù)據(jù)需求和建模過程產(chǎn)生的數(shù)據(jù)定義。數(shù)據(jù)模型是用來將數(shù)據(jù)需求從業(yè)務(wù)傳遞到IT溝通的主要媒介。

數(shù)據(jù)建模需要遵循如下幾點(diǎn)原則[3]：

①格式化。數(shù)據(jù)模型是對于數(shù)據(jù)結(jié)構(gòu)和數(shù)據(jù)關(guān)系的簡潔定義。需要能夠評估當(dāng)前或者理想情況下業(yè)務(wù)規(guī)則對數(shù)據(jù)的影響情況。格式化的定義賦予數(shù)據(jù)規(guī)范的結(jié)構(gòu)，減少在訪問和保存數(shù)據(jù)時發(fā)生異常的概率。通過展現(xiàn)數(shù)據(jù)中的結(jié)構(gòu)和關(guān)系，數(shù)據(jù)模型使數(shù)據(jù)更容易被使用。

②范圍定義。數(shù)據(jù)模型可以幫助解釋數(shù)據(jù)上下文的邊界，以及購買的應(yīng)用程序包、項目、方案或?qū)嵤┑默F(xiàn)有系統(tǒng)。

③知識保留記錄。數(shù)據(jù)模型通過以書面的形式獲取知識來保存系統(tǒng)或項目的數(shù)據(jù)信息。它要能給未來項目提供原始記錄。數(shù)據(jù)模型要有助于更好地理解一個組織、一個業(yè)務(wù)方向、一個已存在的應(yīng)用。同時，數(shù)據(jù)模型需要能被重復(fù)利用，能夠幫助業(yè)務(wù)專業(yè)人員了解環(huán)境中的數(shù)據(jù)結(jié)構(gòu)。

（二）數(shù)據(jù)建模的方法

常見的6種數(shù)據(jù)建模方法是：關(guān)系建模、維度建模、面向?qū)ο蠼?、基于事?shí)建模、基于時間建模和非關(guān)系型建模[4]。每種建模方法都采用一些特定的表示法來進(jìn)行表達(dá)。

①關(guān)系建模，能夠精準(zhǔn)表達(dá)業(yè)務(wù)數(shù)據(jù)，減少數(shù)據(jù)存儲的冗余，其適用于設(shè)計操作型的系統(tǒng)。

②維度建模，專注于特定的業(yè)務(wù)流程和領(lǐng)域問題，在維度模型中，數(shù)據(jù)組織的方式是為了優(yōu)化海量數(shù)據(jù)的查詢和分析。

③面向?qū)ο蠼＃?guī)定了實(shí)體類與其屬性的關(guān)系，可以利用封裝、繼承、多態(tài)等先進(jìn)特性對模型進(jìn)行重復(fù)開發(fā)。

④基于事實(shí)建模，可以不使用屬性從需求信息和查詢實(shí)例開始，實(shí)例在外部環(huán)境中呈現(xiàn)，然后在概念層次上用受控自然語言所表達(dá)的事實(shí)來描述實(shí)例。

⑤基于時間建模，是當(dāng)數(shù)據(jù)值必須按照時間順序與特定時間值相關(guān)聯(lián)時，必要的一種建模方法。

⑥非關(guān)系型建模，可以將業(yè)務(wù)主題在無需進(jìn)行多關(guān)系結(jié)構(gòu)分解的情況下，存儲在文檔結(jié)構(gòu)中，也可以利用鍵值對將數(shù)據(jù)進(jìn)行列式存儲，從而提升查詢效率。

三、數(shù)據(jù)建模技術(shù)在廉潔風(fēng)險防控領(lǐng)域的應(yīng)用

（一）數(shù)據(jù)建模需求

隨著廉潔風(fēng)險數(shù)據(jù)可獲取性的提升以及數(shù)據(jù)分析應(yīng)用技術(shù)的逐步發(fā)展，全面從嚴(yán)治黨管理工作不再局限于對思想政治以及意識形態(tài)塑造的探索，而是面向更廣泛的數(shù)字活動場景，相關(guān)紀(jì)檢工作也逐步運(yùn)用大數(shù)據(jù)分析、機(jī)器學(xué)習(xí)、深度學(xué)習(xí)等計算方法對高頻違規(guī)風(fēng)險點(diǎn)進(jìn)行分析[5]。

然而，不同領(lǐng)域理論與技術(shù)方法的交叉實(shí)踐配合相對復(fù)雜且繁瑣，數(shù)據(jù)呈現(xiàn)出的動態(tài)和開放的特征也加劇了多源數(shù)據(jù)組織、聚合與建模的難度，進(jìn)而阻礙了相關(guān)研究的步伐，為此，提出數(shù)據(jù)建模技術(shù)在廉潔風(fēng)險防控領(lǐng)域的需求。

廉潔風(fēng)險防控數(shù)據(jù)建模主要目的是要通過數(shù)據(jù)模型梳理數(shù)字化的紀(jì)檢關(guān)鍵要素特征，針對廉潔風(fēng)險源頭部門或崗位，形成法律法規(guī)典型案例的數(shù)據(jù)資產(chǎn)。

從業(yè)務(wù)層面上來說，數(shù)據(jù)建模技術(shù)發(fā)揮著不可替代的作用，可以整合紀(jì)檢管理計劃以及法規(guī)理解能力，從技術(shù)層面來說，廉潔風(fēng)險防控相關(guān)信息化系統(tǒng)與法律法規(guī)業(yè)務(wù)數(shù)據(jù)間可以有效的、多層次的讀取，確保數(shù)據(jù)之間平穩(wěn)的層次交互、多維跨越。旨在技術(shù)和業(yè)務(wù)之間建立一個有效的橋梁，為利用新型數(shù)字技術(shù)全景化為數(shù)據(jù)進(jìn)行精準(zhǔn)剖析，為紀(jì)檢工作提供方向性的指導(dǎo)。

廉潔風(fēng)險防控領(lǐng)域應(yīng)用的數(shù)據(jù)建模技術(shù)需要從業(yè)務(wù)邏輯和數(shù)據(jù)邏輯兩個方面來考慮，業(yè)務(wù)邏輯是指法律法規(guī)及相關(guān)案例的數(shù)據(jù)是否能夠與經(jīng)營生產(chǎn)業(yè)務(wù)產(chǎn)生必要的聯(lián)系，業(yè)務(wù)邏輯通過關(guān)系建模方法，將法律法規(guī)數(shù)據(jù)和業(yè)務(wù)領(lǐng)域關(guān)聯(lián)，并建立起必要的數(shù)據(jù)關(guān)聯(lián)關(guān)系。數(shù)據(jù)邏輯層面要從數(shù)據(jù)的完整性、集中度，以及與廉潔關(guān)鍵影響因素等角度來考慮，并進(jìn)行模型設(shè)計，可以使用基于事實(shí)建模方法，將廉潔防控業(yè)務(wù)中影響因子抽象成事實(shí)模型，并進(jìn)行后續(xù)的采樣分析。

（二）數(shù)據(jù)特征建模

廉潔風(fēng)險數(shù)據(jù)模型會表現(xiàn)出復(fù)雜的結(jié)構(gòu)特征以及動態(tài)數(shù)據(jù)特性，高頻、高風(fēng)險的活動能夠使各類業(yè)務(wù)數(shù)據(jù)在不同的業(yè)務(wù)場景下流動，在此過程中，由于活動的多樣性和構(gòu)成要素多粒度的復(fù)雜特性，要圍繞著廉潔風(fēng)險研究的關(guān)鍵場景，高頻風(fēng)險點(diǎn)進(jìn)行多元關(guān)系模型的構(gòu)建，通過數(shù)據(jù)之間的特征關(guān)聯(lián)，來呈現(xiàn)并解析實(shí)際紀(jì)檢工作中的運(yùn)行模式與規(guī)律[6]。

在完成廉潔風(fēng)險防控數(shù)據(jù)特征建模設(shè)計時，首先要根據(jù)數(shù)據(jù)資源進(jìn)行體系劃分，同時抽取與廉潔風(fēng)險防控全生命周期管理相關(guān)的對象，并將對象分類和提煉，最終構(gòu)建便于應(yīng)用的數(shù)據(jù)模型。

為了能夠?qū)⒘疂嶏L(fēng)險管理數(shù)據(jù)與模型有機(jī)結(jié)合，需要進(jìn)行基于多數(shù)據(jù)源深化的數(shù)據(jù)特征建模，對廉潔風(fēng)險防控表示模型進(jìn)行“實(shí)體－屬性－關(guān)系－數(shù)據(jù)”的數(shù)據(jù)關(guān)聯(lián)。

數(shù)據(jù)特征建模的過程可以厘清廉潔風(fēng)險各對象之間的關(guān)系，它可以面向更廣泛的業(yè)務(wù)活動場景，揭示業(yè)務(wù)領(lǐng)域的違規(guī)特征和內(nèi)部運(yùn)行機(jī)制，數(shù)據(jù)特征建模具體的工作步驟如下所示：

①切分?jǐn)?shù)據(jù)對象，包括廉潔風(fēng)險管理中涉及的組織、部門、崗位、角色等業(yè)務(wù)實(shí)體和經(jīng)營、生產(chǎn)、管理相關(guān)的業(yè)務(wù)活動。

②構(gòu)建數(shù)據(jù)關(guān)系，包括部門層級、法律條款前后時序、數(shù)據(jù)重疊等不同數(shù)據(jù)之間的關(guān)聯(lián)內(nèi)容。

③明確數(shù)據(jù)屬性，記錄數(shù)據(jù)庫中對象和關(guān)系的屬性描述，如業(yè)務(wù)領(lǐng)域中的業(yè)務(wù)流程和業(yè)務(wù)描述，違規(guī)特征中的違規(guī)場景、違規(guī)頻率和關(guān)聯(lián)法律等。

④進(jìn)行數(shù)據(jù)約束，對數(shù)據(jù)在如制度、規(guī)程、有效狀態(tài)等業(yè)務(wù)層面的規(guī)則和限制進(jìn)行安全約束和說明。

（三）數(shù)據(jù)模型存儲

數(shù)據(jù)實(shí)體化旨在通過存儲不同來源的多維度數(shù)據(jù)實(shí)現(xiàn)對于廉潔風(fēng)險的業(yè)務(wù)實(shí)體進(jìn)行數(shù)字化表征，進(jìn)而形成完整的結(jié)構(gòu)化數(shù)據(jù)單元，服務(wù)于后續(xù)業(yè)務(wù)執(zhí)行以及數(shù)據(jù)分析工作。其過程包括多源數(shù)據(jù)匯聚、數(shù)據(jù)結(jié)構(gòu)化清洗、實(shí)體數(shù)據(jù)融合等核心任務(wù)[7]。

多源數(shù)據(jù)匯聚是指在完成廉潔風(fēng)險防控數(shù)據(jù)特征建模后，需要將不同渠道、不同維度的數(shù)據(jù)進(jìn)行分片存儲，在存儲的過程中要保證數(shù)據(jù)在整個生命周期中的可用性和數(shù)據(jù)讀取的性能。當(dāng)前廉潔風(fēng)險相關(guān)的數(shù)據(jù)較為分散，數(shù)據(jù)形式、數(shù)據(jù)結(jié)構(gòu)、數(shù)據(jù)編碼均未統(tǒng)一，其中人員、崗位等信息為結(jié)構(gòu)化數(shù)據(jù)，法律法規(guī)和紀(jì)檢案例均有大部分非結(jié)構(gòu)化數(shù)據(jù)和紙質(zhì)文檔。

針對此類數(shù)據(jù)質(zhì)量不穩(wěn)定、數(shù)據(jù)結(jié)構(gòu)不統(tǒng)一的情況，就需要將數(shù)據(jù)進(jìn)行結(jié)構(gòu)化的清洗。數(shù)據(jù)清洗的具體工作是預(yù)先將異構(gòu)系統(tǒng)中不同渠道、不同維度的數(shù)據(jù)放入ETL自動流水線中加載原始數(shù)據(jù)，再將數(shù)據(jù)置于中間數(shù)據(jù)庫的維度表中對其進(jìn)行清洗轉(zhuǎn)換，清洗后的數(shù)據(jù)會存儲至目標(biāo)數(shù)據(jù)庫，根據(jù)數(shù)據(jù)庫的約束結(jié)合文本匹配技術(shù)，實(shí)現(xiàn)數(shù)據(jù)去重，減少不必要的冗余。結(jié)構(gòu)化的數(shù)據(jù)能夠從紀(jì)檢的基本屬性、人員的行為屬性和法規(guī)的管理屬性為出發(fā)點(diǎn)，采用不同維度來解析和透視廉潔風(fēng)險數(shù)據(jù)特征，最終形成服務(wù)于紀(jì)檢管理的數(shù)據(jù)主題。

實(shí)體數(shù)據(jù)融合是要將經(jīng)過清洗后的結(jié)構(gòu)化數(shù)據(jù)集進(jìn)行提取，形成實(shí)體數(shù)據(jù)單元。盡管多源數(shù)據(jù)匯聚階段對相關(guān)數(shù)據(jù)進(jìn)行了初步的組織，但是在數(shù)據(jù)模型存儲完畢后，仍需要根據(jù)不同類型的數(shù)據(jù)特征制定相應(yīng)數(shù)據(jù)的提取規(guī)則，實(shí)現(xiàn)從主題數(shù)據(jù)到廉潔風(fēng)險屬性的映射[8]。在這個過程中為了保證實(shí)體數(shù)據(jù)單元的唯一性，需要對內(nèi)容相同的實(shí)體進(jìn)行合并，實(shí)現(xiàn)實(shí)體層面的融合，對于相同名字的法規(guī)和條款，或是相同場景的廉潔影響因素，可以直接通過屬性合并來實(shí)現(xiàn)實(shí)體融合。對于不同數(shù)據(jù)文本中名稱存在差異的實(shí)體，需要先從實(shí)體屬性數(shù)據(jù)間的相似性入手，消除實(shí)體描述的歧義后再根據(jù)名稱進(jìn)行實(shí)體融合。

（四）數(shù)據(jù)內(nèi)容管理

數(shù)據(jù)建模并成功存儲至數(shù)據(jù)庫后的工作重點(diǎn)在于保持?jǐn)?shù)據(jù)的安全及完整性，并使這些數(shù)據(jù)模型能夠被搜索?；诹疂嶏L(fēng)險管控的工作特點(diǎn)，以及其相關(guān)數(shù)據(jù)的特性，我們選用了Lucene為應(yīng)用提供檢索功能。Lucene可以方便地在目標(biāo)系統(tǒng)中實(shí)現(xiàn)全文檢索的功能，或者是以此為基礎(chǔ)建立起完整的全文檢索引擎，它采用了基于反向索引的設(shè)計原理，在底層采用了數(shù)據(jù)分段的讀取模式，分段是只讀的，使它在讀寫時可以避免了鎖的出現(xiàn)，大大提升了讀寫性能。

面向具體的應(yīng)用場景，在廉潔風(fēng)險防控數(shù)據(jù)建模的基礎(chǔ)上，采用如聚類集成、復(fù)合關(guān)系數(shù)據(jù)矩陣融合等方法，可以對紀(jì)檢管理活動中的數(shù)據(jù)與場景進(jìn)行融合，從而有效地揭示“部門－崗位－職責(zé)－人員”與“高風(fēng)險場景－高頻違規(guī)點(diǎn)－法律法規(guī)”的關(guān)系，實(shí)現(xiàn)從多角度對廉潔風(fēng)險防控工作的對象、過程、結(jié)構(gòu)、組織及其作用和效應(yīng)進(jìn)行有機(jī)關(guān)聯(lián)?；跀?shù)據(jù)和風(fēng)險因素的結(jié)合，讓信息和知識的擴(kuò)散不再受到媒介的限制，讓更多受眾能夠有機(jī)會獲取并利用相關(guān)數(shù)據(jù)。

交互體驗(yàn)方面，基于數(shù)據(jù)內(nèi)容結(jié)合崗位及紀(jì)檢業(yè)務(wù)特點(diǎn)，我們使用隱馬爾可夫模型來優(yōu)化語義識別，該模型可以解決數(shù)據(jù)內(nèi)容及詞條評估、解碼及機(jī)器學(xué)習(xí)的問題，它將分詞算法置于可觀測狀態(tài)并能夠逐步優(yōu)化用戶體驗(yàn)，從而掃除基層員工法規(guī)查閱困難，理解有難度的障礙，從根本上提高受眾對法規(guī)、條款的理解能力。

四、結(jié)束語

數(shù)據(jù)建模在數(shù)字化系統(tǒng)建設(shè)中起著很重要的作用，它決定了整個數(shù)據(jù)架構(gòu)的穩(wěn)定性和易用性，這對廉潔風(fēng)險防控領(lǐng)域未來的數(shù)字化建設(shè)影響深遠(yuǎn)。廉潔風(fēng)險防控工作是一個管理范圍廣、執(zhí)行路徑長的復(fù)雜工程，數(shù)據(jù)作為信息化建設(shè)的成果體現(xiàn)，需要體系的結(jié)構(gòu)設(shè)計、嚴(yán)謹(jǐn)?shù)某橄竽Ｐ头椒?，才能保障?yīng)用的規(guī)范性和擴(kuò)展性，有效的應(yīng)用數(shù)據(jù)建模技術(shù)，能夠提升紀(jì)檢工作的管理效率，提高廉潔風(fēng)險防控領(lǐng)域應(yīng)用的交互體驗(yàn)。

作者單位：康強(qiáng) 劉光耀 鄧姍妮 中石油西南油氣田分公司勘探開發(fā)研究院

參 ?考 ?文 ?獻(xiàn)

[1]陳娟.基于Java的搜索引擎的研究與設(shè)計[J].電子技術(shù)與軟件工程，2021（21）：8-9.

[2]馮宇.基于模糊層次分析法的Lucene網(wǎng)頁排序算法研究[J].計算機(jī)與現(xiàn)代化， 2011（01）：124-126.

[3]張樹國，林懿.監(jiān)督貼近管理的科學(xué)意義[J].中國廣播，2010（06）：21-22.

[4]林卉，王一先，朱毅華.基于Lucene和Nutch的教學(xué)資源搜索引擎的研究與發(fā)現(xiàn)[J].中國教育信息化：高教職教，2010（11）：82-85.