房地产项目域数据标准化建设思路 -项目主数据的“破冰者”

导读

房地产集团及各成员单位的信息化建设正在逐步展开，众多已建、在建、将建系统使用一种或多种主数据，在不同系统间有不同描述，如项目结构、组织机构、物料、客户、供应商等数据。同时，随着集团公司业务不断扩展，相应的内部单位的调整，不统一业务数据，将严重影响集团领导的决策。面对数量众多的数据信息，房地产集团亟需一套规范、统一的信息代码，实现各系统之间的数据一致性。同时，需要对数据进行统一管理，彻底消除信息不对称、“一物多码”等现象。通过主数据项目建设，提高集团公司的信息标准化管理能力。

本文结合作者主数据规划、实施经验，从房地产行业数据管理现状及挑战、建设的必要性及项目域三类关键问题解析、项目域核心解决方案三个视角，重点阐述了项目域主数据如何“破冰”，供房地产行业主数据建设参考借鉴。

一房地产行业数据管理现状及挑战

随着房地产集团信息化建设工作的不断推进，各信息系统间信息互通共享的需求日益迫切，同时集团数据标准化还是存在着一些问题，当前系统已经不能完全满足信息共享的需求。具体表现在：主数据涵盖范围不完整，业务标准化不完整；数据标准需要进一步规范和梳理；权责不明确，流程不明确，缺乏有效的管理制度和管理组织。造成集团整体数据管理口径、统计口径不一致、数据定义不正确、数据内容谬误、各系统间数据屏障等问题，信息孤岛情况严重。已成为影响应用系统间数据互联与应用集成、决策分析系统数据统计准确真实的主要因素，严重影响了集团财务业务一体化和地产运营一体化。

当前信息技术快速发展和深入应用，企业数据呈现出海量增长、动态变化的特征日趋显著，给信息化建设和构建数据管理与应用消费体系方面带来新的课题与挑战。房地产企业同样面临如下数据标准化相关的业务挑战：

• 数据多样化，缺少统一标准，集成困难

• 缺乏数据管控机制与适合企业自身发展管理模式

• 企业信息系统缺乏数据应用反馈机制，死数据，用养难

• 数据分析人工手动完成，效率低，数据价值难以发挥

• 数据获取不便，需要在不同系统中切换，数据资源相互隔离数据分散，形成信息孤岛，共享困难。

下图是典型地产项目核心业务流程全景，其中，纵向是各个业务域，横向展示的是所涉及核心业务流程。

图1 典型地产项目核心业务流程

二主数据建设的必要性及项目域关键问题解析

1、主数据建设的必要性

国外大型房地产公司非常重视标准化管理信息化工作，建设早，投入大，注重实用。由于集团扩张、并购频繁等原因，往往形成多系统运行，系统之间通过接口进行集成；国外企业有较为深入得主数据应用，实现了对主数据质量管理、主数据监控及考核管理。

通过主数据管理平台项目建设，将给房地产集团基础数据应用与管理工作带来一次巨大的革新：

• 数据管理模式变革：实现数据“源头”集中管理，改变原有基础数据分散管理现状，为主营业务系统集中化部署与集约化运营管理奠定数据基础，为未来信息代码管理系统建设提供蓝图指引。

• 数据共享模式变革：建立基础数据共享“桥梁”，打破各系统信息交互壁垒，使得物资、项目、人员、组织等重要基础信息能够在多个系统内充分共享、高度复用，通过本项目，梳理各系统信息代码及共享技术方案。

• 数据应用模式变革：制定数据标准化应用“指南”，在系统建设中规范使用基础数据，保持信息代码高度统一，进而为业务报表编制、数据统计分析以及财务业务一体化工作提供基础条件。建立信息代码应用标准、管理、服务标准，并完善现有编码内容。

图2 典型项目域主数据蓝图

2、项目域关键问题解析

下面重点解释在项目域过程中关注的项目结构、主数据颗粒度、数据创建及使用过程三个问题。分别从关键问题和解决思路二个维度进行说明：

2.1 关于项目结构

2.2 主数据颗粒度

2.3 数据创建及使用过程

三项目域建设目标、范围及核心解决方案

下面谈一下项目域主数据建设过程中目标、范围及核心解决方案。

1、建设目标

业务驱动，业财一体：实现主数据由业务过程驱动，取之于业务，用之于业务；形成基础数据总线，支撑业财一体；

数出同源，及时准确：实现主数据来源一致，标准一致，系统共享；

流程清晰，职责明确：规范主数据处理流程，明确数据职责，完善数据治理机制，保障数据准确完整、及时可靠；

图3 项目域建设目标

2、建设范围：项目类主数据在各阶段应用

项目域分为立项、定位、详规、建规、预售、竣工六个大的阶段。其中项目与楼栋间一般采用两级结构，即分期和组团，需要各中心统一分期和组团的定义；组团按照开工批次划分，是进行收入、成本以及利润测算的最小单位。

图4 项目类主数据在各阶段应用

3、核心解决方案

项目域包括：项目、分期、组团、楼栋、户；面积指标主数据、产品类型主数据（业态）。其中：

• 项目：指通过立项确认的、拥有同一项目代码的、围绕一块或多块地块开展的一系列开发活动的总称。在城市内一般按区域划分为多个项目，一个项目可以分为多个开发多期进行运作。

• 分期：以一个完成修建性详细规划后（即修规内部评审通过后）的地块对应一个开发分期。

• 组团：同一地块内按照开工批次划分为若干组团，同一组团中的楼栋开工可不同步，但交楼为统一时间。组团是进行收入、成本以 及利润测算的最小单位，每个组团对应一个一二级节点计划。

• 楼栋： 指项目的一个建设或施工的单体对象。公建配套也作为一个建筑单体，例如：停车楼、配电站等，都是具有独立的单体特征。

• 户：可售房产以一个房产证为一户，非可售房产可根据实际业务情况进行划分。

下面对各个核心问题进行探讨：

（1）项目结构：项目-分期-楼栋-房间

房地产产品类型作为项目、分期、楼栋和房间的属性；每个项目创建跨期对象用于成本归集跨期分摊的成本；景观等非可售且无实体部分需创建楼栋；能明确分期的车库在相关分期下创建楼栋，跨期车库需要在跨期下创建楼栋，对于同时存在人防/非人防的车库，需在楼栋下创建两种产品类型。

项目结构按建造结构搭建，建造结构（WBS）需要转换为成本结构（CBS）供成本核算使用。

图5 项目结构：项目-分期-楼栋-房间

（2）项目结构(项目、分期、组团、楼栋、户)-数据模型

项目结构数据模型包括项目、分期、组团、楼栋、户，具体内容见下图：

图6 项目结构(项目、分期、组团、楼栋、户)-数据模型

（3）分阶段、多版本的面积维护

业务五阶段驱动，系统多版本细化。随开发阶段，5个关键阶段进行主数据维护，维护可研、工规证、施工证、预测绘和实测绘5个版本。颗粒度逐步细化。颗粒度从分期到房间逐步细化。

图7 分阶段、多版本的面积维护

（4）房间主数据及面积维护

4种房间分类：分为即售类，持有经营类、不可售（无实体建筑部分）和不可售（有实体建筑部分）4大类。电梯间、楼梯间等公摊部分不再建立房间和维护面积；维护过程：明确相应阶段清晰维护房间属性和面积指标。

图8 房间主数据及面积维护

（5）面积指标数据模型

面积指标数据模型包括项目面积信息、分期面积信息、组团面积信息。

图9 面积指标数据模型

（6）产品类型数据模型

产品类型数据模型包括组团产品业态面积指标、产品类型、楼栋产品业态面积指标。

图10 产品类型数据模型

（7）客户数据满足从产品到客户管理要求

产品指最终交付获取收益的对象，定义到每一个最小可售对象，房地产目前主要是住宅、商铺、写字楼、车库等产品。产品主数据主要来源于项目数据。例如，产品主数据继承项目、分期数据，并包含自身面积、价格、户型等等。规划客户的主数据从应考虑重复成交的角度看客户数据与产品数据的对应关系，因此客户数据具有多视图的属性。例如：

• 集团统一使用一套客户数据，一个客户可以对应多个产品。

• 客户主数据中以客户为主线记录客户购买产品的关联信息。

• 商业或物业提供的租户和租住人员类型信息记录为租户、住户等。

• 针对一些购房合同多人签署的特点，允许多个客户对应同一个产品，分主次。

图11 客户数据满足从产品到客户管理要求

小结

从房地产集团层面来看，主数据管理系统一旦建成，将成为IT核心基础架构数据入口的标准。不管这类数据从哪个系统产生，所有的数据验证标准都是通过主数据管理平台进行管理。之后，下游的业务系统在使用的过程中都是经过主数据系统验证的数据，这就保证了关键基础数据的统一和一致，以后可以为数据仓库、数据集市、大数据分析平台等提供统一的基础数据，保证BI分析报告和分析报表的正确性和准确性。

以项目域为代表的主数据建立，可以对房地产行业信息化带来以下四个价值：

一是提高数据准确性。通过主数据管理实现共用数据的统一管理，按照主数据生命周期实现各个环节数据维护审核机制，确保数据维护更新规范，保证数据准确性。

二是降低信息系统成本。主数据管理可最大限度实现数据共享和信息共享，各业务系统无需独立建立基础数据的收集更新机制，只需使用主数据系统提供的相关服务，就能有效降低系统建设成本。

三是建立完善数据标准。通过主数据管理，有效建立内部数据标准体系，进而为数据模型设计奠定基础。

四是提高数据安全水平。通过主数据管理平台，可以实现数据的版本控制、数据的备份和容灾机制，制定完善的数据管理规范，确保基础数据的完整可靠。

END

热门文章

长按二维码识别关注我们联系我们微信：ccjiu9543

邮箱：[e-mail]

QQ：174856958

我们的使命：发展数据治理行业、普及数据治理知识、改变企业数据管理现状、提高企业数据质量、推动企业走进大数据时代。

我们的愿景：打造数据治理专家、数据治理平台、数据治理生态圈。

我们的价值观：凝聚行业力量、打造数据治理全链条平台、改变数据治理生态圈。

了解更多精彩内容

长按，识别二维码，加关注

数据工匠俱乐部

微信号 : zgsjgjjlb

专注数据治理，推动大数据发展。