数据标准主要包括哪些内容,数据标准化

数据标准

为确保系统各数据库与各功能模块之间的数据分类、编码及数据文件命名的系统性和唯一性，满足系统正常高效运行以及与其他相关系统协同运作的要求，实现系统之间相互兼容、信息共享，数据库建设时必须遵循有关的标准规范。需参照的标准规范如下：

GB/T2260—98 中华人民共和国行政区划代码

GB/T2808—81 全数字式日期表示法

GB/T9649—88 地质矿产术语分类代码

GB/T13923—92 国土基础信息数据分类代码

DZ/T0001—91 区域地质调查总则（1：50000）

DZ/T0157—95 1：50000地质图地理底图编绘规范

DZ/T0160—95 1：200000地质图地理底图编绘规范及图式

DDB9702 GIS图层描述数据内容标准

地质图空间数据库建设工作指南 中国地质调查局

DDZ9701 资源评价工作中地理信息系统工作细则

DZ/T 0179—1997 地质图用色标准及用色原则

DD2005—01 多目标区域地球化学调查规范（1：25万）中国地质调查局

DD2005—02 区域生态地球化学评价技术要求 中国地质调查局

DD2005—03 生态地球化学评价样品分析技术要求 中国地质调查局

GB/T17296—2000 中国土壤分类与代码

GB/T13989—92 国家基本比例尺地形图分幅编号

DZ/T0167—1995 区域地球化学勘查规范（1：200000）

GB/T18507—2001 城镇土地分等定级规程

GB/T17296—2000 中国土壤分类代码

什么事数据标准？如何制定数据标准

关于2010年度全国职称外语等级考试成绩有关问题的通知
人社厅发[2010]47号
各省、自治区、直辖市人力资源社会保障厅（局），新疆生产建设兵团人事局、劳动保障局，部分副省级市人力资源社会保障（人事、劳动保障）局，国务院各部委、各直属机构人事部门：
根据有关考试数据统计分析，现就2010年度全国职称外语等级考试成绩有关问题通知如下：
一、各语种、类别、级别考试成绩的全国通用标准均为60分（试卷满分为100分）。
二、请各地及时向社会公布全国职称外语等级考试的通用标准，向考试人员核发考试成绩通知书，并提供有关成绩查询服务。
三、各地区、各部门和中央管理的企业人力资源社会保障（人事）部门可根据《关于完善职称外语考试有关问题的通知》（国人部发〔2007〕37号）精神，结合全国通用标准，按照管理权限确定本地区、本部门职称外语考试成绩使用办法和有效期。
二零一零年五月十九日

如何制定数据标准

你问的应该是 数字的显示格式吧？
菜单 格式 单元格–数值……然后选择你是保留几位小数显示 是否使用千分位符号 付值的显示方式等等……

数据标准化的几种方法

在数据分析之前，我们通常需要先将数据标准化（normalization），利用标准化后的数据进行数据分析。数据标准化也就是统计数据的指数化。数据标准化处理主要包括数据同趋化处理和无量纲化处理两个方面。数据同趋化处理主要解决不同性质数据问题，对不同性质指标直接加总不能正确反映不同作用力的综合结果，须先考虑改变逆指标数据性质，使所有指标对测评方案的作用力同趋化，再加总才能得出正确结果。数据无量纲化处理主要解决数据的可比性。数据标准化的方法有很多种，常用的有“最小—最大标准化”、“Z-score标准化”和“按小数定标标准化”等。经过上述标准化处理，原始数据均转换为无量纲化指标测评值，即各指标值都处于同一个数量级别上，可以进行综合测评分析。
一、Min-max 标准化
min-max标准化方法是对原始数据进行线性变换。设minA和maxA分别为属性A的最小值和最大值，将A的一个原始值x通过min-max标准化映射成在区间[0,1]中的值x'，其公式为：
新数据=（原数据-极小值）/（极大值-极小值）
二、z-score 标准化
这种方法基于原始数据的均值（mean）和标准差（standard deviation）进行数据的标准化。将A的原始值x使用z-score标准化到x'。
z-score标准化方法适用于属性A的最大值和最小值未知的情况，或有超出取值范围的离群数据的情况。
新数据=（原数据-均值）/标准差
spss默认的标准化方法就是z-score标准化。
用Excel进行z-score标准化的方法：在Excel中没有现成的函数，需要自己分步计算，其实标准化的公式很简单。 步骤如下： 1.求出各变量（指标）的算术平均值（数学期望）xi和标准差si ； 2.进行标准化处理： zij=（xij－xi）/si 其中：zij为标准化后的变量值；xij为实际变量值。 3.将逆指标前的正负号对调。 标准化后的变量值围绕0上下波动，大于0说明高于平均水平，小于0说明低于平均水平。
三、Decimal scaling小数定标标准化
这种方法通过移动数据的小数点位置来进行标准化。小数点移动多少位取决于属性A的取值中的最大绝对值。将属性A的原始值x使用decimal scaling标准化到x'的计算方法是：
x'=x/(10^j)
其中，j是满足条件的最小整数。
例如 假定A的值由-986到917，A的最大绝对值为986，为使用小数定标标准化，我们用1000（即，j=3）除以每个值，这样，-986被规范化为-0.986。
注意，标准化会对原始数据做出改变，因此需要保存所使用的标准化方法的参数，以便对后续的数据进行统一的标准化。
除了上面提到的数据标准化外还有对数Logistic模式、模糊量化模式等等：
对数Logistic模式：新数据=1/（1+e^(-原数据)）
模糊量化模式：新数据=1/2+1/2sin[派3.1415/（极大值-极小值）*（X-（极大值-极小值）/2） ] X为原数据

企业的数据标准管理包括什么？

企业的数据标准管理包括：（1）数据标准制定（2）数据标准应用（3）数据标准维护这三个方面。智能数据治理平台睿治提供数据标准定义功能模块，梳理数据标准，支持在系统中建立数据标准，可导入excel或word文档的形式生成数据标准；提供数据标准管理功能模块，数据标准集管理，可对集下标准进行增删改查导入导出操作，并可对集下标准属性进行统一定义和修改；提供数据标准落地评估功能模块，对数据数据标准进行落地映射，并通过元数据与数据标准的映射评估数据标准在业务系统中的落地情况，跟踪业务系统数标建设情况、支持批量评估、落地评估可设置定时执行和评估执行方式支持增量、支持落地评估查询、内置落地评估统计dashbraod和分析展示标准落地通过率。
亿信华辰数据标准管理平台从数据标准制定、发布、落地实施、评估以及更新维护进行全生命周期的管理，可以满足各个行业以及不同用户的需求。以亿信华辰数据标准管理平台为例，企业的数据标准管理主要包括以下四个部分：
一是标准的规划
企业的数据标准来源非常丰富，不仅有外部监管的要求，行业通用的标准，同时也要考虑到企业内部的实际情况，因此进行数据标准管理的第一步就是进行标准的规划，通过调研分析研究数据标准整体分类框架和定义，以及对业务的支撑状况，根据调研结果结合参照行业最佳实践，定义企业自身的标准框架和分类体系，梳理审核数据标准范围、分类框架和规划实施路线图。
二是标准的制定
在标准分类规划的基础上需要制定相应的数据标准，定义数据标准相关规则。制定标准需要遵循以下六大原则：共享性、唯一性、稳定性、可扩展性、前瞻性和可行性。依据业务调研和信息系统调研结果，分析诊断和归纳数据标准现状和问题，依据国家和行业相关规定，结合企业自身发展需要，明确各数据元的业务含义、业务规则、数据元定义以及数据项属性等，进行具体数据标准的编写定义工作，通过权威部门（数据标准管理部门）的评审，达成一致后发布数据标准，形成数标版本。
三是标准的落地实施
事先确定好哪些数据标准需要落地以及哪些系统需要进行落地，将确认的数据标准与业务系统（新建系统或原有系统）进行映射，通过数据标准落地评估定期产出数据标准评估报告，对于不达标的元数据进行通报并进行改造；同时需要定期的对元数据标准覆盖率进行检核分析，定期产出元数据标准覆盖率分析报告，综合评价数据标准落地实施成效，逐步提高数据质量，逐步使全部数据符合数据标准。
四是标准的维护
数据标准并非一成不变，而是会随着业务的发展变化以及数据标准执行效果不断更新和完善。权威部门（数据标准管理部门）通过正式的评审流程及时进行数据标准更新、完善和发布，使数据标准保持最新最优，并对历史版本的数据标准进行管理，使各版本的数据标准有迹可循。