唐志明 点评

唐志明
AMT Consulting 合伙人 专家顾问
交流信箱：Tim.Tang@AMTeam.org

编码该不该有含义？——揭示编码的秘密

读了本案例，感到很真实，也感到企业对规范数据的迫切需求。

作为信息化从业人员，我们经常会看到客户因为数据质量问题而无法体现信息系统的应用价值。究其原因，作为信息的基础——数据，在其全生命周期里如何管理和应用，一直是业界的一大难题。两年前我写过一篇文章叫《不要让数据毁了 ERP》来探讨数据的全生命周期管理。但对从数据转向有效信息中最重要的一环――编码，并没有展开论述。

我的体会是，编码与管理需求相关、与信息系统的技术架构相关、与应用系统的人员水平相关。小编码、大学问。今天就结合本案例，来谈谈我积累的一些经验和观点。
? 
编码之前要搞清楚数据编码的目的

在没有严格界定的情况下，对大多数人来说，经常会把数据和信息混为一谈。其实两者有比较大的区别。数据可能是杂乱无章的，而信息则是规范过的，可以反映客观世界的某些规律化的、有效用的数据。

信息的规范性、反映客观世界某些属性的这种内涵，很大程度体现在数据编码，或者说体现在数据编码规则和对规则的使用上。

这样说来，编码的目的是将数据分类，规范整理为有效的信息。为此，现在绝大多数编码都是有含义的编码，对编码的要求一般体现在三个方面：对编码的第一要求是唯一性；对编码的第二要求是可分类；对编码的第三要求是反映所编码的承载信息，即数据内含的信息量。

用有含义的编码，其好处是好记好用。比如居民身份证编号，其7－14位为出生年月日，就很好记。但坏处也非常明显，有含义的编码很难保证数据的唯一性和其所承载信息的准确性。还是以居民身份证编号为例子，其1－6位代表地点，为所在省市县公安局的编号。但由于人口的流动性，你不能从简单地认为这个编号就是居民的居住地。过去由于认识上的错误，出现考到外地的大学生会按照新居住地办身份证的情况，结果出现一人两号。由此看来，编码首先要保证的是唯一性。是否能够承载其他信息，要视情况而定。
? 
编码该不该有含义？

编码的目的是将数据分类，规范整理为有效的信息。但反过来说，将数据分类，规范整理为有效信息的方法并不只有编码一种。

过去，人们的做法是将编码分段，每一段指定不同的含义，再重组为一套统一的编码规则。这样就在一套编码体系中同时承载多个信息了，我们可以称之为“成组编码”技术。

而在今天，信息技术已高度发达。在信息系统里，更多地是采用将有效信息拆分为一个个独立的字段，通过对这些独立字段值的定义和使用，来实现数据的唯一性。相比“成组编码”，这种编码技术采用关系型数据库的技术架构，使得编码本身是否有含义已不重要，因为编码的值和多个编码之间的组合已经可以承载更多的有效信息。我们可以称之为“值列表编码”技术。

在信息系统的支持下，“值列表编码”比“成组编码”技术更好，因为它可以更好地满足编码的三方面要求。

下面举一个简单的例子来比较一下两者的差别。

就以案例中的服装产品编码为例。对编码的使用者来说，都希望服装产品编码中能够包含产品大类、款式、颜色甚至尺码等信息，这样既可以区分产品的唯一性，又可以分类和承载管理信息。

使用“成组编码”技术实现，就可能制定如下的编码规则：

图1“成组编码”服装产品编码规则

而“值列表编码”技术将产品大类、款式、颜色分在三个独立的字段中来编码，产品则采用另一个编码。四个字段分别表示产品的四方面属性，它们之间既相互联系又相对独立。四个字段的编码规则可以变得很简单，用流水码就行了，因为大家关心的是由值列表构成的值集而不是编码的含义。对用户来说，可以直接选择属性的值，不用理会编码是什么，在一些软件中就采用系统自动编码来提高用户的软件可用性。