甘杉 邓丽娟 甘莹

（南方电网数字电网研究院有限公司，广东广州 510700）

0.引言

现代企业管理都要求实现数字化生态化管理，数字化的最大特点就是将原本的书面信息和碎片化信息进行统一的信息量化处理。因此很多企业都开始建立指标库来满足数据处理的需求，根据企业的实际需求确定指标的实际含义，提升数据管理和指标应用的水平[1]。指标库的功能应该在项目的各项指标确定的前提下，保证要求和管理标准在决策人员、管理人员、工作人员眼中的标准是统一的，目的是提升工作效率和公司的运营方式。

指标库的设计应遵循公司的基本架构，指标库的基础层为统一指标，应用层划分为营销战略和专业管理两部分。基于上述分类特征，最适合指标库设计的管理理念是全生命周期管理理念。生命周期理论在很早的时候就与企业管理充分地融合在一起。全生命周期的各个阶段正好可以对应企业的各层架构，因此，在指标库的设计上也可以融入全生命周期管理理论。

1.基于全生命周期管理的指标库架构设计

融合全生命周期管理的理念，指标库的服务对象和服务方式设计指标库的流程：

如图1所示，服务对象进入登录指标库后首先要提出申请，才能享受指标库的数据服务，服务结果满意就结束本次服务，不满意则转移到其他模块，进入业务监控解决问题[2]。企业的信息数据需要按照实际要求经过计算后生成指标库的数据基础，并且在指标库中建立搜索引擎方便各层面的人调取数据服务信息可以使用关键词在指标库中实现快速调取。指标库的数据中心和服务需求是数据模型的基础信息，在融入企业所有基础信息的前提下才能进行指标库构架的建立[3]。指标库的引擎平台要同时拥有服务目录、服务注册、服务认证鉴权和服务监控四个模块。搜索引擎直接对接数据工厂，数据工厂中的数据满足建立计算任务的条件，结果在数据工厂中不予显示，而是统一传输到数据集市中。建立数据资产管理平台，基于全生命周期管理的理念，在平台中进行指标的创建、启用、修改和停用[4]。平台的运作结果可以在引擎中搜索到，数据资产管理平台也对发布到引擎中的信息起到管理的作用。

2.指标定义的录入

指标库架构设计完成之后就要将企业中的指标进行录入，完整的指标库才算设计完成。指标录入实际上就是指标数据工厂填充的过程，首先要实现原子数据的识别，在数据工厂中的原子数据直接录入指标库，填补原子数据的空缺，再将填充的原子数据进行指标化，录入指标库[5]。基于原子数据具有唯一性的原则，无需进行数据筛查和重复性删减工作。

录入原子数据之后紧接着录入原子数据定义表，原子数据定义表应录入在指标库中的数据资产管理平台中，包括原子数据的信息和属相和原子数据的计算方法。上述数据录入之后就完成了数据工厂的数据填充[6]。基于数据工厂的数据填充结果开发数据及时的物理表，物理报表的名称要使用英文字母，物理表的字段如表1所示。

表1 物理表字段

物理表命名之后就可以进行指标计算，针对指标的脚本信息减少重复开发的工作量。最终实现指标库的设计。

3.测试实验

指标库设计完成之后进行对比测试实验，对比传统指标库与本文设计的指标库搜索引擎搜索的数据准确性是否满足部门的对应要求。

3.1 实验准备

采用某公司的服务基本数据作为数据源，服务引擎采用JAR引擎，服务名称由数据源头、业务部门名称和指标服务名称组成。服务调用方式为GET，访问参数在URL中直接给出，使用JSON格式提交需要提交的原子数据。

3.2 实验结果与分析

使用本文设计的指标库和传统的指标库的搜索引擎对随机数据进行搜索，对比搜索结果的准确率。结果如表2所示。

表2 搜索结果的准确率对比

实验结果如表2所示，通过4次搜索实验，证明本文设计的指标库的搜索结果的准确率高于传统指标库的搜索准确率，并且稳定在95%以上，基本符合指标库的搜索准确率。

4.结语

本文基于全生命周期管理理念进行企业服务指标库设计，对指标库的架构进而数据搜索都进行了优化。提升了数据搜索的效率和准确性，为指标库的优化工作指明的方向。