综观企业信息化，主要包括硬件、软件和数据三大部分的建设和管理工作。其中硬件是基础，软件是平台，数据管理是根本核心，也是最高层次。“三分技术、七分管理、十二分数据”，就说明仅有硬件和软件系统并不等于成功和完善的企业信息化，更重要的是要构建一套科学、合理的企业数据管理体系架构，以实现有效支撑数据资源的深入开发和利用工作。
一、构建通钢股份数据管理体系架构
通钢股份公司数据管理体系的架构应分为四层，即：操作数据层、数据清洗转储层、数据仓库层和数据在线分析层(见图1)。
图1
(一)操作数据层(ODS)
ODS
(OperateData
Save)——操作数据存储。在这一层次中主要包括企业内部的采购数据、生产数据、质量检斤数据、销售数据、财务成本数据、人事数据等。目前，比较常见和流行的大型数据库管理系统有：Microsoft
SQL
Server、Oracle、DB2、Sybase、Informix等。通钢采用的是Microsoft
SQL
Server大型数据库管理系统。在操作数据层的管理上必须注意两点。
1.重视数据资源规划工作
数据资源管理的核心和基础，是进行数据资源规划工作，主要包括数据元素规划和信息分类编码。数据元素是最小的不可再分的数据单位，是一类数据的总称，它的质量是建立坚实的数据结构基础的关键。因此，应根据国家或行业标准结合企业实际，建立数据元素标准——数据元素命名标准、标识标准和一致性标准。通过对基础数据的分析和规划，建立统一的数据标准，以打好通钢股份公司信息化应用的基础。
2.重视基础数据的录入、采集和管理工作
在开展信息化的过程中，务必要避免“重硬轻软”“重软轻数”的观念。避免出现
“大马拉小车”“跑空车”或“拉错人”等现象。
(二)数据清洗转储层(ETL)
ETL：数据抽取(Extract)、转换(Transform)、清洗(Clean)、装载(Load)。从操作层的基础数据到数据仓库，必须经过ETL过程的处理，即，根据数据分析和利用工作对数据仓库的要求，首先，要从基础数据源抽取出所需的数据，再经过数据转换和清洗，最后，按照预先定义好的数据仓库模型，加载、转储到数据仓库中去，这是构建通钢数据仓库的重要一环。
1.通过ETL过程处理数据的必要性
一是数据集中管理的需要。
二是数据规范化的需要。
2.在ETL过程中，必须注意解决好两个问题
(1)解决好ETL数据处理的速度和运作软件信息系统工作效率的关系
利用大数据管理技术;采用先进的数据库管理系统;优化数据抽取机制，如分为实时抽取和定时抽取;利用数据映像技术将ETL数据处理过程合理分解成数据抽取和数据转换、清洗、装载两个阶段，这样做可以有效降低数据抽取工作对数据源的影响。总之，必须要实现ODS和ETL两项工作对数据库系统的操作达到负载均衡，实现ETL过程中的数据抽取和转换、清洗、转储工作安全高效。
(2)在基础数据库与数据仓库之间建立良好的接口标准
将基础数据转储到数据仓库以后，在将来的数据分析和利用工作中虽然主要是针对数据仓库进行，但在进行钻取、切片和其它分析工作时也可能需要连接到基础数据库中提取数据。因此，必须在基础数据库与数据仓库之间建立一套良好的接口标准。
(三)数据仓库层(DW)
数据仓库(Data
Warehouse)是指在企业管理和决策中面向主题的、集成的、与时间相关的、不可修改的数据集合，它是通过对原有的基础数据时序性地进行抽取、转换、清洗、装载而形成的真实、全面、统一的数据结构形式，是以传统的数据库技术作为存储数据和管理资源的基本手段，以统计分析技术作为分析数据和获取信息的有效方法，以人工智能技术作为挖掘知识和发现规律的科学途径，并通过运用在线分析处理技术(On-Line
AnalyticalProcessing)、数据挖掘技术(Data
Mining)来实现企业生产经营管理等决策支持(DSS)的数据应用。
1.建立数据仓库的必要性
目前，通钢对现代信息技术的应用主要集中于运作软件信息系统，虽然它能保证业务处理过程的自动化，但对这些操作型基础数据的应用，一般被限制在运作软件信息系统所规定的固定功能上，缺乏更灵活的数据查询和分析能力，无法满足更高层次数据分析和决策支持的需要。
2.做好数据仓库的设计和建模工作是构建数据仓库的基础
数据仓库要求能够良好的支持海量数据和快速查询的功能，要求能以面向主题、以多种维度进行挖掘和探索数据，这就要求必须对数据仓库从网络物理构建、数据库存储管理技术、内部数据结构