目录
在过去的业务发展中，由于业务快速扩张，在数据建设的过程中缺乏统一的数据标准，导致数据多样化，如对表字段的命名随意性强，定义混乱；同一英文字段名对应多个中文名，同一业务元素对应多种数据类型和长度等等问题。正是因为长期没有统一的码值、数据字典规范，导致数据整理时间长、链路长，数据分析困难，数据质量差，后续的数据使用的价值和效率都不能最大化。
数据存储结构不一致，调用多系统的数据时，由于某些数据在不同系统中数据存储结构不同，导致数据无法直接关联，影响不同系统之间的数据共享。
数据定义不一致，不同系统对数据的命名、业务含义、取值范围等定义不同，比如同名不同义、同义不同名等。
数据理解不一致，不同人员对数据的理解不一致，导致在数据使用时浪费很多时间来进行沟通。
数据来源不一致，数据存在多个来源，在使用数据时，不清楚应该取哪个系统的数据。
数据标准是一套由管理制度、管控流程、技术工具共同组成的体系，通过这套体系来推广和应用统一的数据定义、数据分类、纪律格式和转换、编码等来对数据的标准化，保障数据定义和使用的一致性、准确性和完整性的规范性约束。
对业务人员而言，数据标准建设可提升业务规范性，保障人员对数据业务含义理解一致，支撑业务数据分析、挖掘及信息共享；
对技术人员而言，有数据标准作为支撑，可提升系统实施工作效率，保障系统建设符合规范，同时降低出错率，提升数据质量；
对管理人员而言，数据标准建设可提供更加完整、准确的数据，更好的支撑经营决策、精细化管理。
1.制定数据标准规范
2.统一管理数据标准
3.形成数据资产，支持跨业务线共享
4.规范开发流程并指导业务系统建设
1.标准规划
2.标准编制
3.标准评审发布
4.标准落地执行
5.标准维护优化
基础类数据（主数据、公共代码、内部组织架构等实体定义及国标码与内部编码映射关系） 、指标类数据（业务口径等）
1.架构层级开发规范
2.层级调用规范
3.表名命名规范
4.任务名命名规范
5.数据清洗规范
6.数据类型规范
7.空值处理规范
8.时间周期规范
9.建模规范
10.同步策略规范
11.数据生命周期规范
12.UI样式规范
13.脚本开发规范
14.代码风格规范
标准化流程规范
大纲如上，详细内容后续逐步补充。。。