数据被广泛认为是企事业单位的重要资产。 所有组织都希望通过构建数据中台、数据资源池等数据资源管理应用平台，实现数据资源的资产化，并将数据作为组织的生产要素应用到生产和营销中，以实现组织的战略目标。
但是，数据也会应用到业务系统中，在这个输入输出转换过程中，生成多少数据满足业务应用的要求，是大家头疼的问题。 这也是为什么“数据人”近年来一直在做“数据治理”的原因。
无论是数据治理还是数据质量管理，数据标准都是不可避免的话题。 本文是对前一阶段完成的一个数据标准项目的总结，希望对大家有所帮助。
现在有很多企事业单位正在做或者已经做过数据标准，希望很多人会发现，完成的数据标准只是一堆文件，被搁置了。 为什么会这样？通过几个项目总结发现，造成这种情况的主要原因主要有以下三个原因：
1.数据标准“不接地气”。
许多组织使用外部咨询公司在其组织内制定数据标准。 咨询公司在行业内经验丰富，但每个组织都有自己独特的一面，信息化程度、企业文档、战略目标等不可能完全一样。 照搬行业标准，提高组织的经营管理，势必行不通。
2.数据标准无法运行。
也有很多企业通过一些第三方公司，通过研究、梳理等流程，有数据治理案例。 在组织内部业务专家和信息人员很少或根本没有合作的情况下，组织的数据标准就被制定出来，甚至没有“征求意见稿”的流程，就形成了“发布稿”。 很自然地可以想象，企业需要多少这样的数据标准。
管理体系的实施不到位。
组织内设定的数据标准需要由特定的员工实施。 这就要求在制定相关制度时考虑到工作人员的主观表现。 有必要通过绩效考核进行激励和约束，以便更好地执行数据标准。 当然，标准规范在相关工具和平台中固化管理流程和制度规范是卓越执行的前提。
通过项目总结，细化了企事业单位数据标准制定路径
1.确定范围。
确定范围，就是根据使命、意愿、目标的逐步分解，确定企事业单位当前和未来的业务领域，根据业务领域的现状和需求，确定数据标准的实施范围。
2.制定计划。
根据实施范围，结构性企事业单位未来战略规划，优先确定实施范围的业务领域，从而制定阶段性实施方案。
阶段性实施计划的制定可以基于“渐进细节”的概念来制定和修改实施计划。
3.实体和关系梳理。
根据实施方案，对业务域中优先级较高的活动进行分解，对业务流程进行梳理，从而找出各个活动节点的输入输出数据、活动节点的处理规则等相关内容。 优化数据实体、属性和实体之间的关系。
4.实体属性定义。
实体提取提炼完成后，借鉴国家标准、行业标准和企事业单位内部数据实体属性信息，形成一套符合企事业单位的实体属性信息，从技术维度、业务维度和管理维护等维度对实体和属性进行定义。
通过以上四个步骤，完成组织内部数据标准的制定，征求相关部门意见后可予以公示讨论和修订。 在公示期间，可以将标准规范向下延伸到实施层面，将标准规范固化并应用于数据相关平台的数据管理服务流程中。