在当今信息迅速发展的时代，数字化建设对于任何一个企业来说都是必须经历的一个过程。而主数据管理作为企业信息化建设的根本，是每个决策者都需要考虑的问题。从企业的多个业务系统中整合最核心的、最需要共享的数据（主数据），集中进行数据的清洗和丰富，并且以服务的方式把统一的、完整的、准确的、具有权威性的主数据分发给全企业范围内需要使用这些数据的操作型应用和分析型应用，包括各个业务系统、业务流程和决策支持系统等。

通过加强主数据的管理，进一步完善公司统一的主数据模型、规范业务系统主数据管理，为业务系统之间的主数据交换、共享、集成提供高效的基础支撑；同时，进一步加强和提高企业核心主数据质量，促进业务系统实用化水平，提升主数据综合利用水平，充分发挥企业核心主数据资源价值。

企业主数据指企业内一致并共享的业务主体。主数据管理，包括不仅仅是硬件和软件，还是将数据作为重要资产管理的思想和办法，是指一整套的用于生成和维护企业主数据的规范、技术和方案，以保证主数据的完整性、一致性和准确性。

1.定义说明

什么是主数据呢？根据国际数据协会DAMA定义：主数据是关于关键业务实体的、权威的、最准确的数据，可用于建立交易数据的关联环境，主数据值被认为是“黄金”数据。不是企业内部所有的业务数据都是主数据，主数据的范围是指在企业各个系统间共享的必要的业务数据，简单来说就是在处理业务中被重复使用的数据，企业典型的主数据类型一般包括供应商、物料、产品、客户、组织、人员、财务等数据。此外，根据业务需求，关键基础数据也经常纳入主数据的管理范畴。

2.特征说明

1.主数据相对稳定，变化较小

比如工业生产的设备，投料比，生产温度和湿度，都相对稳定，除非有大的技术和设备变更，一般主数据不会发生变化。

2.主数据重要性高，影响公司经营和发展

在生产过程中，生产车间的温度，湿度都会影响产品的生产品质，成品率，生产过程的主数据对产品有重大影响。

3.主数据被企业内多个部门，多个业务流程系统引用

比如产品名称的信息，被生产部门，销售部门，财务部门等多个系统引用，使用频繁。工业制造业企业的生产经营，涉及原材料多，生产设备多，生产工艺流程复杂，产品储存运输销售有众多环节，每一步出错，都会造成企业大量的经济损失。

3.价值分析

1.减少数据重复冗余

工业制造集团公司，不同部门按照自身实际需求获取数据，容易造成数据重复存储，形成数据冗余的情况，后期不管是处理和分析，都比较麻烦。而主数据则可以打通各业务链条，统一数据语言，统一数据标准，实现数据共享，最大化消除了数据冗余的情况，让新系统能够利用过往数据，快速开展新的业务，管理新的部门。

2.提高数据处理效率

组织太大，子公司太多，各部门根据自己实际业务需求，对数据定义不一样。不同版本的数据不一致，需要耗费大量人力和时间成本去理解，进行统一整理。

而通过主数据管理，进行统一标准定义，则可以实现数据动态自动整理、复制，主数据直接成为各部门通用的数据，减少人工整理数据的时间和工作量。

3.提高企业内部协作效率

通过主数据的一次录入、多次引用，避免一个主数据在多个部门和线条重复录入。主数据作为公司内部经营分析，被多部门，多系统使用的核心数据，实现多个部门统一后，有助于打通部门、系统壁垒，解决数据孤岛问题，实现信息集成与共享，提高企业内部合作效率，主数据则是打破信息孤岛的重要手段。

1.数据缺失

缺少关键基础数据，部分辅助数据缺失或不全面，历史数据丢失严重。例如：有些信息是被遗漏的信息。可能是因为输入时认为不重要、忘记填写了或对数据理解错误而遗漏，也可能是由于数据采集设备的故障、存储介质的故障、传输媒体的故障、一些人为因素等原因而丢失了。

2.质量偏差

在业务系统运行过程中，由于各类原因，会导致数据冗余、数据不一致、数据缺失等问题，例如计量单位不一致、编码不一致、同一实体多条记录等数据质量问题。这些问题数据如果不及时发现并处理，就会影响企业的运营，阻碍业务发展，甚至造成严重的后果。对于后续的数据分析，也会因为这些问题数据的存在而被干扰，分析结果将受其影响，误导管理层决策。

3.规则不一

数据的标准包括了企业核心业务定义、数据模型、数据属性、参考数据、指标等，也包括了行业内部的数据标准。企业在各业务系统建设时如果缺少统一的数据标准，会导致开发和运维人员难以正确理解数据模型相关含义，致使企业不同业务系统集成和数据共享困难，同时也会导致企业的资源浪费。

4.价值偏低

企业中绝大部分系统处于分散、独立的状态，各系统独立运行，系统中的数据标准自成体系，系统与系统之间无法进行业务交互和数据交换，导致数据只在系统内部有效，不能与其他系统的相关数据进行关联分析，信息孤岛导致信息利用价值偏低。

伴随着互联网技术的高速发展，数据正在呈现爆发式的增长。为了使庞大的企业数据发挥更大的价值，企业必须着眼于数据治理和综合利用，通过数据驱动业务创新，提升管理水平，引领企业转型升级。

1.使用场景

数据有误，造成大量定制视图或统计报表计算逻辑错误，导致流程监控出错；在重要信息发布与传输过程中，出现漏发、错发等现象；数据变更时，没有及时处理权限职责、作业分配等方面问题，导致工作出错或迟滞等等。

2.方案架构

在“ MDM基础数据平台+ ESB企业服务总线”构成的基础数据治理方案中，MDM基础数据管理系统是对主数据进行同步、清洗、治理、分发全生命周期管理，通过ESB从主数据源头同步到主数据过程，把治理后的主数据分发给各个业务系统。

3.价值分析

在此方案中， MDM能提高数据特征一致性、识别唯一性、高度共享性及长期有效性，从而获得“单一的基础数据来源”，避免提供的数据有误，造成大量定制视图或者统计报表计算逻辑错误，导致流程监控出错等一系列问题，为企业运营管理过程中深度应用集成、业务流程再造、业务升级创新提供准确的数据支撑。

ESB作为数据交换平台，支持应用间批量/增量数据交换和数据库间的数据交互，包括数据的抽取、转换和导入操作。各业务系统的基础数据只需通过ESB进行数据同步下发，帮助企业数据整合或数据中心建设。

主数据管理体系是为了规范主数据标准、主数据质量、主数据安全中的各类管理任务和活动而建立的组织、流程与工具，并实现这些组织、流程和工具的常态化运转；主数据管理体系建立的目标是提升主数据质量、促进主数据标准一致、保障主数据共享与使用安全。主数据管理体系主要包含：组织制度、标准梳理、落地策略等，下面就针对这几方面进行简单的介绍。

1.组织制度

主数据管理制度层面主要是明确相关的组织职责、流程规范等，一般可根据企业自身情况进行灵活调整，常见制度可包含：主数据管理办法、各类主数据属性模板、主数据流程清单、绩效考核办法等。

构建主数据管理组织，通常采用三层管理架构：决策层、管理层、执行层。其中决策层最好能由高层担任，因为主数据建设涉及诸多跨部门合作，需要高层的推动；执行层一般也需要相关的业务部门人员参与，他们才是对主数据最了解、使用最多的人。这个组织可以是一个虚实结合的架构，可设置专门的管理岗位，也可由相关责任人兼任。

2.标准梳理

标准的梳理是对主数据的标准化过程，主要是针对分类、编码、属性等建立统一的标准，并为后续的数据抽取、融合、清洗等环节打下基础。

分类：建立统一、规范、科学的分类，能够提升管理效率，降低因分类不准确造成的错误。分类标准梳理的一般步骤为，①调研、收集相关分类标准，②差异及对标分析，③确定信息分类、确定结构及规则（可结合线分类、面分类、混合分类等方法）。

编码：建立适用全企业的编码规则，对于主数据的管理、辨别、使用都有着至关重要作用。编码梳理的一般步骤为，①遵循全局性、唯一性、适度性、灵活性、扩展性等编码原则，②满足编码共享、自动生成、编码扩展等使用要求，③分析现有编码问题，提出改进意见，最终确认主数据编码规则。常见编码规则包括：顺序码、层次码、组合码。

属性：属性标准的梳理是对主数据的每个属性项分别定义相关标准规范，从而可以约束各系统中的属性差异。属性标准一般会参照外部的国家、行业标准，内部的业务制度、源系统数据字典等，从业务标准、技术标准、管理标准等不同角度进行标准化。

3.落地策略

清洗、整合策略：主要是对零散、重复、不完整的数据，定义清洗条件、质检规则，从精确、完整、一致、有效、唯一等几个维度提升数据质量。

切换策略：主要是指确定各系统对于主数据的上线及对接使用策略，一般根据各业务系统的结构、数据量、重要性等不同维度考量，最终确定适合的策略。常见切换策略包括：完全采用主数据管理平台的主数据、通过映射实现与旧数据的对接、通过映射和逐步数据切换的方式开展，逐步实现所有系统都使用统一的主数据。

维护策略：主要是确定主数据的维护源头和管理模式。常见维护策略包括：

1.在主数据管理平台中集中进行主数据的新增、变更和删除，及时向各业务系统分发，适用于对管控要求高，实时性要求不太高的主数据；

2.在单一的业务系统中进行主数据的新增、变更和删除，主数据管理平台及时更新同步数据并向其他业务系统分发，适用于单一可信来源，且不受其他系统影响的主数据；

3.在多个业务系统中进行主数据的新增、变更和删除，由主数据平台整合处理后分发给所有业务系统，适用于对实时性要求较高的主数据。

分发策略：主要是确定主数据系统与各业务系统数据分发的方式。常见分发策略包括：通过接口（ESB）分发，适用于业务系统对主数据实时性要求较高的情况；通过交换任务分发，适用于业务系统需要批量获取主数据的情况；通过文件分发，适用于系统繁忙情况下的离线批量分发。

梳理识别主数据，并明确数据流向是主数据管理的重点。首先着手进行主数据的调研，一般需要从项目的整体规划和实际业务出发，梳理主数据的具体范围，以及每一类主数据的编码、属性、来源、目标、集成等内容，具体内容可以包括以下内容。

1.识别主数据

调研过程中要充分了解客户的核心业务，规划具体的建设内容和建设范围，梳理业务时结合现有的业务系统进行分析，明确业务运行过程中可能涉及的主数据，明确项目需要建设的主数据类别，既要考虑组织、岗位、人员等人事相关基础数据，同时也要考虑根据实际业务建设一些重要的主数据，支撑业务的同时也为后续深度主数据治理奠定基础。

2.编码规则

主数据的编码规则一般有两种情况：一是由源头系统提供，主数据管理平台直接引用源头系统编码，二是在主数据管理平台配置编码规则，在数据同步到主数据管理平台时自动生成。第一种直接复用源头系统，主数据管理平台无需进行处理，但是需要源头系统保证编码规则的唯一性、准确性；第二种主数据管理平台需要配置编码规则，可以保证唯一性、准确性，但是在同步时需要将编码回写源头系统，二者各有优势，在实际项目中可以根据实际需要灵活选择。

3.属性定义

主数据管理平台支持元数据管理，可以根据实际需要配置各类主数据的属性信息，一般属性的定义需要包括以下内容：源头系统包括的属性，并且需要分发到下游系统，实现多系统共享；在实际业务运转过程中需要维护使用的属性。

4.参考数据

参考数据由业务系统提供，一般由源头系统提供，主数据管理平台参考进行配置，同时由于各个系统参考数据的定义不同，所以涉及数据下发时，需要明确下游系统的参考数据定义方式，并在主数据管理平台进行关联配置。

伴随着互联网技术的高速发展，数据正在呈现爆发式的增长。为了使庞大的企业数据发挥更大的价值，企业必须着眼于数据治理和综合利用，通过数据驱动业务创新，提升管理水平，引领企业转型升级。

1.主数据清洗

主数据清洗就是在同步和治理过程中把主数据一些欠缺的、重复的、不符合规则的主数据进行清洗，保证上游业务系统的数据完整且正确。通过数据清洗功能下载主数据导入模板，源头业务系统把数据填写模板中，通过数据清洗导入功能进行导入清洗，检测出数据中欠缺的、重复的、不符合规则数据，通过导出功能把失败的数据导出到Excel中进行数据处理后，再重新导入重新检测直到所有数据成功为止，然后把所有成功的数据导出Excel中，返回给业务源头系统进行源头系统的数据清洗（源头系统添加主数据编码映射），通过主数据任务分发把标准的数据分发给业务系统，通过这样的过程保证源头、主数据、下发至业务系统的数据保持一致。

2.主数据集成

通过企业服务总线将主数据的源系统、主数据系统、目标系统串联，通过企业服务总线进行主数据的采集分发，需要构建系统间的数据同步接口来实现，并通过企业服务总线对接口进行统一管理，保证主数据集成、业务集成的准确性、全面性以及可复用性。

3.主数据滋养

主数据管理和数据相关，而且数据也在不断增加，在增加的过程中，不可避免的会出现没有预见到的新问题。因此要持续地对方案进行完善、对存量数据进行修正、对增量数据进行清洗。主数据项目的实施能够帮助企业初步建立起主数据的管理体系，包括：管理组织、制度和流程、数据标准、技术规范以及初始的主数据代码库等。但对于主数据的滋养——持续的运营工作，是发挥主数据价值的关键。实施主数据项目，只是数据治理的一个开始，企业要保持高质量的数据，必须持续的运营和不断的优化。

从企业角度而言，如何应对全球化、精益化、服务化、智能化和协同化的趋势发展，将数据信息转变为战略资产是一项艰巨的任务。但企业面对数据，不应该变得浮躁，急于求成。在企业数据治理这条曲折而漫长的道路上，这条路上讲究的不是谁快，而是谁稳，信息化意识、整体规划、构建前提、严格选型、协作配合缺一不可，只有这样，才能不偏离企业发展的战略目标，在企业信息化保卫战中立于不败之地，同时选择合适的伙伴，对于挖掘数据价值，赋能业务发展非常重要。

主数据治理作为数据治理中最为基础的一环，是企业获得一个完整、可信的数据视图的必经途径。主数据的应用与数据质量是相辅相成、相互推动的关系。主数据体系的构建和执行是提升企业数据管理与应用水平，保障可靠数据质量的关键举措。企业应该着眼于建立行之有效的主数据体系，挖掘主数据的潜力，有效提升主数据的质量，进而充分体现数据资产在企业中的核心价值。

本文由@数通畅联原创，欢迎转发，仅供学习交流使用，引用请注明出处！谢谢~