简介《主数据管理实践白皮书2.0》由中国信通院云计算与大数据研究所牵头联合多家企业于2023年数据资产管理大会发布面向数据治理从业者、企业数据架构师与主数据项目负责人。白皮书沿用1.0版主体结构重点新增各行业主数据实践、管理模式与管理策略系统梳理主数据定义、特点及其与元数据、明细数据、参考数据的关系并覆盖装备制造、能源化工、金融、通信、地产、政府机构等行业的落地案例。资源包内含1个PDF文件大小约4.47MB内容涵盖主数据识别、标准规范、管理制度、管理平台九大功能模块与应用模式以及成功要素、常见误区与未来展望可帮助读者建立从概念到落地的完整认知框架。目前已有252人学习适合作为企业主数据体系规划与实施参考。1. 主数据管理为什么“一物一码”比建一个大系统更难很多团队第一次做数据治理都会本能地认为最难的环节是搭平台、接系统、写接口。但真正让项目翻车的往往是一个看起来极其朴素的问题同一个客户在五个系统里有五个编号到底以哪个为准《主数据管理实践白皮书2.0》给出的答案很直接——主数据的核心不是“把数据集中起来”而是让跨系统的业务实体达成“信息对称”做到一实体一编码如一物一码、一客一码、一人一码。这件事听起来像命名规范实际上是组织协同、编码体系、生命周期管理三件事叠在一起。搞懂它才能理解为什么主数据管理被视作数据资产体系里最难啃、也最值钱的一块。2. 主数据的边界它到底“主”在哪里2.1 从定义反推主数据是“最大公约数据”白皮书对主数据的定义是满足组织跨部门业务协同需要的、反映核心业务实体状态属性的基础信息。这句话里有两个限定词特别关键——“跨部门业务协同需要”和“核心业务实体状态属性”。前者排除了部门内部自娱自乐的数据后者排除了流水、日志、账单这类描述“发生了什么”的数据。由此推出主数据的五个“跨越”特征跨越部门、跨越业务、跨越流程、跨越系统、跨越技术。这五个跨越不是并列关系而是层层递进的约束。跨越部门是业务前提跨越业务是范围前提跨越流程是稳定性前提跨越系统是技术前提跨越技术则是兼容性前提。一个数据对象要同时满足这五条才够格进入主数据范围。常见的误判是把“重要数据”等同于“主数据”。一份年度经营分析报告很重要但它不是主数据因为它不参与跨系统业务协同。反过来一个物料的基础描述信息看起来不起眼但它在 PDM、CAPP、MES、ERP 之间被反复引用它就是主数据。2.2 主数据、元数据、明细数据、参考数据的四角关系白皮书专门用一节厘清主数据与另外三类数据的关系因为这是实践中最容易混淆的地方。主数据与元数据的关系可以理解为“内容”与“说明书”。元数据描述主数据的名称、类型、来源、创建日期等属性帮助理解主数据主数据则是实际的业务实体信息。两者相辅相成但元数据本身不是主数据。主数据与明细数据的关系白皮书用了一个很精准的类比名词与动词。主数据捕获的是“物品中文名称”“企业注册资金”这类相对稳定的名词性信息明细数据捕获的是物流运输数据、传感器数据、客户订单这类实时变化的动词性信息。这个区分直接决定了存储策略——主数据适合集中管理、广播同步明细数据适合分区存储、按时间窗口查询。主数据与参考数据的关系更微妙。参考数据是定义其他数据字段允许值的数据集合本质上是数据字典。白皮书指出参考数据是主数据的一种特殊子集两者都为主数据提供上下文语境。但在实现层面参考数据通常以码表形式存在变更频率极低主数据则有自己的生命周期会经历申请、校验、审核、发布、维护、变更、停用等环节。2.3 识别方法UC 矩阵如何把“感觉”变成“证据”主数据对象识别不能靠拍脑袋。白皮书给出的判定标准是三条同时满足核心对象、基础数据、重复使用。但“核心”和“基础”都是定性判断真正落地时需要定量工具。UC 矩阵就是这样一个工具。U 代表 Use使用C 代表 Create产生。对每一类数据列出它在各个系统中的使用和产生情况就能看出这类数据由多少个源头创建、被多少个系统共享。如果一个数据对象在多个系统中被使用多个 U但只有一个系统负责创建单个 C它就是一个典型的主数据候选——因为多系统使用意味着共享需求单源头创建意味着可以建立权威源。白皮书给出的金融行业示例中客户数据在核心系统、人力资源系统、信用卡系统、零售信贷系统、机构管理信息系统中均有使用但创建源头集中在 ECIF 系统。这种“多 U 单 C”的模式就是主数据管理的理想切入点。反过来如果一类数据在多个系统中既有多个 U 又有多个 C说明源头分散需要先做源头治理再纳入主数据管理。3. 主数据标准体系编码、分类、模型、质量安全四层拆解3.1 编码规范唯一标识的工程实现编码规范是主数据标准的第一层包含编码规则、编码结构、编码字典三部分。编码规则定义如何生成唯一编码比如用数字、字母或组合编码结构定义编码的组成部分及其关系编码字典提供编码的含义解释。这里有一个容易被忽视的设计取舍编码是“无含义”还是“有含义”。有含义编码如用前两位表示大类、中间四位表示顺序号便于人工识别但一旦分类体系调整编码就会失效。无含义编码如纯流水号或 UUID稳定性好但失去了自解释能力。白皮书的立场是编码规范要服务于“一实体一编码”的唯一性目标具体采用哪种策略取决于组织的分类体系稳定程度。另一个关键约束是编码的不可复用性。一个物料编码在物料停用后不应被分配给新物料否则历史数据追溯会出现歧义。这需要在编码管理模块中实现“编码冻结”机制。3.2 分类体系与描述规范让机器和人都能理解分类体系包含分类方法、分类层次、分类字典。分类方法定义按什么维度分类业务领域、数据类型、数据来源分类层次定义层级结构分类字典提供分类的含义解释。描述与表达规范即主数据模型包含主数据定义、数据格式、数据值范围、数据字典、数据关系五个要素。其中数据关系描述主数据之间的主键、外键、参照关系这是主数据建模中最复杂的部分。比如“客户”与“账户”之间是一对多关系“物料”与“物料分类”之间是多对一关系。这些关系不仅影响数据模型设计还决定了主数据集成时的校验规则。3.3 质量与安全规范标准体系的兜底质量规范规定主数据的准确性、完整性、一致性、可用性要求。安全规范规定访问控制、加密、备份要求。这两类规范通常以校验规则和权限策略的形式嵌入主数据管理平台。一个常见的实现思路是在数据录入环节做格式校验和值域校验在数据审核环节做唯一性校验和关联校验在数据发布环节做完整性校验。三层校验对应三个不同的质量维度任何一层失败都会阻断流程并触发告警。4. 主数据管理平台九个模块的职责边界与协作机制4.1 从标准管理到集成管理数据如何流动主数据管理平台通常包含九个功能模块标准管理、编码管理、建模管理、生命周期管理、集成管理、质量管理、安全管理、工作流程管理、用户权限管理。这九个模块不是并列的功能清单而是一条数据流水线上的不同工位。标准管理模块维护编码规范、分类体系、描述规范、质量安全规范是整个平台的“立法机构”。编码管理模块根据编码规则生成唯一编码是“发证机构”。建模管理模块定义主数据模型和关系是“规划机构”。生命周期管理模块管理数据从申请到停用的全过程是“运营机构”。集成管理模块负责与各业务系统的数据同步是“外交机构”。质量管理模块执行校验规则安全管理模块控制访问权限工作流程管理模块驱动审批流转用户权限管理模块定义角色和职责。4.2 生命周期管理状态机是核心主数据的生命周期管理本质上是一个状态机。典型状态包括草稿、待审核、已发布、已变更、已停用。每个状态之间的迁移由工作流程驱动迁移条件由质量规则和安全规则约束。以客户主数据为例业务人员在渠道系统发起客户创建申请数据进入草稿状态提交后进入待审核状态工作流程引擎根据客户类型和归属机构路由到相应审核人审核通过后进入已发布状态集成管理模块将客户数据广播到订阅系统后续变更触发已变更状态重新走审核流程客户关系终止后进入已停用状态但数据保留以供历史查询。这个状态机的关键设计点是状态迁移必须由事件驱动不能由人工直接修改状态字段。否则生命周期管理就退化成了一个普通的状态字段失去了管控意义。4.3 集成管理集中式、联邦式、分析式三种应用模式白皮书在“主数据应用”部分给出了三种模式集中式应用、联邦式应用、分析式应用。集中式应用是最彻底的方案所有系统的主数据读写都通过主数据管理平台进行平台是唯一权威源。这种模式一致性最好但对平台的可用性和性能要求极高且需要对源头系统做较大改造。联邦式应用是一种折中主数据管理平台负责编码和核心属性的管理各系统保留自己的扩展属性通过订阅机制同步核心属性。这种模式对现有系统侵入性小但需要处理核心属性与扩展属性的一致性问题。分析式应用面向数据分析场景主数据管理平台不直接介入业务系统的交易流程而是为数据仓库和分析平台提供标准化的主数据视图。这种模式适合主数据管理起步阶段先解决分析场景的数据一致性问题再逐步向业务系统渗透。4.4 质量管理与安全管理规则引擎与权限模型质量管理模块的核心是规则引擎。规则分为三类格式规则数据类型、长度、精度、值域规则枚举值、范围、关联规则外键存在性、唯一性。规则引擎在数据录入、审核、发布三个环节执行校验校验结果记录在质量日志中。安全管理模块的核心是权限模型。主数据的权限通常按“数据对象 × 操作类型 × 组织范围”三个维度定义。比如某用户对客户主数据有查看权限但只能查看归属本机构的客户某用户对物料主数据有编辑权限但只能编辑特定分类下的物料。这种三维权限模型需要在数据模型设计阶段就预留组织字段和分类字段。5. 避坑指南主数据管理中最容易踩的五个坑5.1 坑一主数据管理无法贯穿源头系统现象主数据管理平台上线后各业务系统仍然在本地创建主数据平台数据与业务系统数据不一致。原因主数据管理只覆盖了管理流程没有嵌入业务系统的创建入口。业务人员为了操作方便绕过平台直接在本地系统创建数据。解决在源头系统的创建界面嵌入主数据平台的校验接口或者通过工作流将创建申请强制路由到主数据平台。白皮书强调“主数据管理要覆盖数据的申请、校验、审核、发布、维护、变更、停用等环节”源头管控是第一步。5.2 坑二混淆业务实体数据和主数据范围现象把交易数据、账单数据也纳入主数据管理导致平台数据量膨胀性能下降。原因没有严格按“跨部门业务协同需要”和“核心业务实体状态属性”两个标准筛选主数据对象。解决用 UC 矩阵做定量分析只把“多 U 单 C”的数据对象纳入主数据范围。交易数据、账单数据属于明细数据应留在业务系统中。5.3 坑三同时维护多套主数据编码体系现象集团有一套编码各子公司又各自维护一套编码数据交换时需要做编码映射。原因集团管控力度不足或者历史遗留系统改造困难。解决白皮书明确指出“组织内主数据编码沿用外部编码”是一个误区。正确做法是建立集团统一的编码体系子公司通过映射表与集团编码对接但映射表只用于过渡期最终目标是统一编码。5.4 坑四将主数据作为孤立项目推行现象主数据管理项目由 IT 部门主导业务部门参与度低数据标准推行不下去。原因主数据管理本质上是跨部门协同问题不是纯技术问题。没有业务部门的深度参与和认责标准就是空中楼阁。解决白皮书将“业务方深度参与和认责”列为成功要素之一。主数据管理项目需要高层领导支持需要业务部门指定数据 owner需要将主数据管理纳入绩效考核。5.5 坑五忽视主数据的长期性和扩展性现象主数据模型设计时只考虑当前业务需求后续业务扩展时需要频繁修改模型。原因没有预留扩展字段或者扩展字段设计不合理。解决在数据模型设计阶段预留扩展属性区但扩展属性不应影响核心属性的稳定性。核心属性变更需要走严格的审批流程扩展属性可以相对灵活。6. 从行业实践看设计取舍没有最优解只有最适配白皮书用大量篇幅描述装备制造、能源化工、金融、通信、地产、政府机构六个行业的主数据管理实践这些实践的共同点是没有一种模式适用于所有组织。装备制造行业的两级部署模式集团集中管控 成员单位多方接入适合多业态集团金融行业的 ECIF 中心化模式适合客户数据高度集中的场景能源化工行业的强管控与弱管控并存模式反映了集团管控力度的差异通信行业的注册、审批、报备三种管理方法对应不同稳定性和业务影响程度的主数据对象。这些行业实践背后是一个核心设计取舍管控力度与业务灵活性的平衡。管控力度越强数据一致性越好但对业务系统的侵入性越大实施周期越长。管控力度越弱业务灵活性越高但数据一致性风险越大后续治理成本越高。白皮书给出的策略是“合适的主数据管理模式”是成功要素之一。这意味着组织需要根据自身的管理成熟度、业务复杂度、IT 架构现状来选择模式而不是盲目追求“大集中”。从技术实现角度看这个取舍体现在三个层面数据模型层面核心属性与扩展属性的划分集成层面集中式、联邦式、分析式的选择流程层面审批节点的设置和权限范围的划定。每个层面都需要在一致性和灵活性之间找到平衡点。我一般会这么理解主数据管理不是要把所有数据都管起来而是要把那些“不管就会出大问题”的数据管起来。管得太多业务受不了管得太少数据一致性保不住。这个度的把握才是主数据管理真正的难点。从那以后我每次评估主数据管理方案都会先问三个问题哪些数据对象是“多 U 单 C”的源头系统的改造代价有多大业务部门愿意认责到什么程度这三个问题的答案基本决定了方案的设计方向。希望帮到你。本文还有配套的精品资源点击获取
简介《主数据管理实践白皮书2.0》由中国信通院云计算与大数据研究所牵头联合多家企业于2023年数据资产管理大会发布面向数据治理从业者、企业数据架构师与主数据项目负责人。白皮书沿用1.0版主体结构重点新增各行业主数据实践、管理模式与管理策略系统梳理主数据定义、特点及其与元数据、明细数据、参考数据的关系并覆盖装备制造、能源化工、金融、通信、地产、政府机构等行业的落地案例。资源包内含1个PDF文件大小约4.47MB内容涵盖主数据识别、标准规范、管理制度、管理平台九大功能模块与应用模式以及成功要素、常见误区与未来展望可帮助读者建立从概念到落地的完整认知框架。目前已有252人学习适合作为企业主数据体系规划与实施参考。1. 主数据管理为什么“一物一码”比建一个大系统更难很多团队第一次做数据治理都会本能地认为最难的环节是搭平台、接系统、写接口。但真正让项目翻车的往往是一个看起来极其朴素的问题同一个客户在五个系统里有五个编号到底以哪个为准《主数据管理实践白皮书2.0》给出的答案很直接——主数据的核心不是“把数据集中起来”而是让跨系统的业务实体达成“信息对称”做到一实体一编码如一物一码、一客一码、一人一码。这件事听起来像命名规范实际上是组织协同、编码体系、生命周期管理三件事叠在一起。搞懂它才能理解为什么主数据管理被视作数据资产体系里最难啃、也最值钱的一块。2. 主数据的边界它到底“主”在哪里2.1 从定义反推主数据是“最大公约数据”白皮书对主数据的定义是满足组织跨部门业务协同需要的、反映核心业务实体状态属性的基础信息。这句话里有两个限定词特别关键——“跨部门业务协同需要”和“核心业务实体状态属性”。前者排除了部门内部自娱自乐的数据后者排除了流水、日志、账单这类描述“发生了什么”的数据。由此推出主数据的五个“跨越”特征跨越部门、跨越业务、跨越流程、跨越系统、跨越技术。这五个跨越不是并列关系而是层层递进的约束。跨越部门是业务前提跨越业务是范围前提跨越流程是稳定性前提跨越系统是技术前提跨越技术则是兼容性前提。一个数据对象要同时满足这五条才够格进入主数据范围。常见的误判是把“重要数据”等同于“主数据”。一份年度经营分析报告很重要但它不是主数据因为它不参与跨系统业务协同。反过来一个物料的基础描述信息看起来不起眼但它在 PDM、CAPP、MES、ERP 之间被反复引用它就是主数据。2.2 主数据、元数据、明细数据、参考数据的四角关系白皮书专门用一节厘清主数据与另外三类数据的关系因为这是实践中最容易混淆的地方。主数据与元数据的关系可以理解为“内容”与“说明书”。元数据描述主数据的名称、类型、来源、创建日期等属性帮助理解主数据主数据则是实际的业务实体信息。两者相辅相成但元数据本身不是主数据。主数据与明细数据的关系白皮书用了一个很精准的类比名词与动词。主数据捕获的是“物品中文名称”“企业注册资金”这类相对稳定的名词性信息明细数据捕获的是物流运输数据、传感器数据、客户订单这类实时变化的动词性信息。这个区分直接决定了存储策略——主数据适合集中管理、广播同步明细数据适合分区存储、按时间窗口查询。主数据与参考数据的关系更微妙。参考数据是定义其他数据字段允许值的数据集合本质上是数据字典。白皮书指出参考数据是主数据的一种特殊子集两者都为主数据提供上下文语境。但在实现层面参考数据通常以码表形式存在变更频率极低主数据则有自己的生命周期会经历申请、校验、审核、发布、维护、变更、停用等环节。2.3 识别方法UC 矩阵如何把“感觉”变成“证据”主数据对象识别不能靠拍脑袋。白皮书给出的判定标准是三条同时满足核心对象、基础数据、重复使用。但“核心”和“基础”都是定性判断真正落地时需要定量工具。UC 矩阵就是这样一个工具。U 代表 Use使用C 代表 Create产生。对每一类数据列出它在各个系统中的使用和产生情况就能看出这类数据由多少个源头创建、被多少个系统共享。如果一个数据对象在多个系统中被使用多个 U但只有一个系统负责创建单个 C它就是一个典型的主数据候选——因为多系统使用意味着共享需求单源头创建意味着可以建立权威源。白皮书给出的金融行业示例中客户数据在核心系统、人力资源系统、信用卡系统、零售信贷系统、机构管理信息系统中均有使用但创建源头集中在 ECIF 系统。这种“多 U 单 C”的模式就是主数据管理的理想切入点。反过来如果一类数据在多个系统中既有多个 U 又有多个 C说明源头分散需要先做源头治理再纳入主数据管理。3. 主数据标准体系编码、分类、模型、质量安全四层拆解3.1 编码规范唯一标识的工程实现编码规范是主数据标准的第一层包含编码规则、编码结构、编码字典三部分。编码规则定义如何生成唯一编码比如用数字、字母或组合编码结构定义编码的组成部分及其关系编码字典提供编码的含义解释。这里有一个容易被忽视的设计取舍编码是“无含义”还是“有含义”。有含义编码如用前两位表示大类、中间四位表示顺序号便于人工识别但一旦分类体系调整编码就会失效。无含义编码如纯流水号或 UUID稳定性好但失去了自解释能力。白皮书的立场是编码规范要服务于“一实体一编码”的唯一性目标具体采用哪种策略取决于组织的分类体系稳定程度。另一个关键约束是编码的不可复用性。一个物料编码在物料停用后不应被分配给新物料否则历史数据追溯会出现歧义。这需要在编码管理模块中实现“编码冻结”机制。3.2 分类体系与描述规范让机器和人都能理解分类体系包含分类方法、分类层次、分类字典。分类方法定义按什么维度分类业务领域、数据类型、数据来源分类层次定义层级结构分类字典提供分类的含义解释。描述与表达规范即主数据模型包含主数据定义、数据格式、数据值范围、数据字典、数据关系五个要素。其中数据关系描述主数据之间的主键、外键、参照关系这是主数据建模中最复杂的部分。比如“客户”与“账户”之间是一对多关系“物料”与“物料分类”之间是多对一关系。这些关系不仅影响数据模型设计还决定了主数据集成时的校验规则。3.3 质量与安全规范标准体系的兜底质量规范规定主数据的准确性、完整性、一致性、可用性要求。安全规范规定访问控制、加密、备份要求。这两类规范通常以校验规则和权限策略的形式嵌入主数据管理平台。一个常见的实现思路是在数据录入环节做格式校验和值域校验在数据审核环节做唯一性校验和关联校验在数据发布环节做完整性校验。三层校验对应三个不同的质量维度任何一层失败都会阻断流程并触发告警。4. 主数据管理平台九个模块的职责边界与协作机制4.1 从标准管理到集成管理数据如何流动主数据管理平台通常包含九个功能模块标准管理、编码管理、建模管理、生命周期管理、集成管理、质量管理、安全管理、工作流程管理、用户权限管理。这九个模块不是并列的功能清单而是一条数据流水线上的不同工位。标准管理模块维护编码规范、分类体系、描述规范、质量安全规范是整个平台的“立法机构”。编码管理模块根据编码规则生成唯一编码是“发证机构”。建模管理模块定义主数据模型和关系是“规划机构”。生命周期管理模块管理数据从申请到停用的全过程是“运营机构”。集成管理模块负责与各业务系统的数据同步是“外交机构”。质量管理模块执行校验规则安全管理模块控制访问权限工作流程管理模块驱动审批流转用户权限管理模块定义角色和职责。4.2 生命周期管理状态机是核心主数据的生命周期管理本质上是一个状态机。典型状态包括草稿、待审核、已发布、已变更、已停用。每个状态之间的迁移由工作流程驱动迁移条件由质量规则和安全规则约束。以客户主数据为例业务人员在渠道系统发起客户创建申请数据进入草稿状态提交后进入待审核状态工作流程引擎根据客户类型和归属机构路由到相应审核人审核通过后进入已发布状态集成管理模块将客户数据广播到订阅系统后续变更触发已变更状态重新走审核流程客户关系终止后进入已停用状态但数据保留以供历史查询。这个状态机的关键设计点是状态迁移必须由事件驱动不能由人工直接修改状态字段。否则生命周期管理就退化成了一个普通的状态字段失去了管控意义。4.3 集成管理集中式、联邦式、分析式三种应用模式白皮书在“主数据应用”部分给出了三种模式集中式应用、联邦式应用、分析式应用。集中式应用是最彻底的方案所有系统的主数据读写都通过主数据管理平台进行平台是唯一权威源。这种模式一致性最好但对平台的可用性和性能要求极高且需要对源头系统做较大改造。联邦式应用是一种折中主数据管理平台负责编码和核心属性的管理各系统保留自己的扩展属性通过订阅机制同步核心属性。这种模式对现有系统侵入性小但需要处理核心属性与扩展属性的一致性问题。分析式应用面向数据分析场景主数据管理平台不直接介入业务系统的交易流程而是为数据仓库和分析平台提供标准化的主数据视图。这种模式适合主数据管理起步阶段先解决分析场景的数据一致性问题再逐步向业务系统渗透。4.4 质量管理与安全管理规则引擎与权限模型质量管理模块的核心是规则引擎。规则分为三类格式规则数据类型、长度、精度、值域规则枚举值、范围、关联规则外键存在性、唯一性。规则引擎在数据录入、审核、发布三个环节执行校验校验结果记录在质量日志中。安全管理模块的核心是权限模型。主数据的权限通常按“数据对象 × 操作类型 × 组织范围”三个维度定义。比如某用户对客户主数据有查看权限但只能查看归属本机构的客户某用户对物料主数据有编辑权限但只能编辑特定分类下的物料。这种三维权限模型需要在数据模型设计阶段就预留组织字段和分类字段。5. 避坑指南主数据管理中最容易踩的五个坑5.1 坑一主数据管理无法贯穿源头系统现象主数据管理平台上线后各业务系统仍然在本地创建主数据平台数据与业务系统数据不一致。原因主数据管理只覆盖了管理流程没有嵌入业务系统的创建入口。业务人员为了操作方便绕过平台直接在本地系统创建数据。解决在源头系统的创建界面嵌入主数据平台的校验接口或者通过工作流将创建申请强制路由到主数据平台。白皮书强调“主数据管理要覆盖数据的申请、校验、审核、发布、维护、变更、停用等环节”源头管控是第一步。5.2 坑二混淆业务实体数据和主数据范围现象把交易数据、账单数据也纳入主数据管理导致平台数据量膨胀性能下降。原因没有严格按“跨部门业务协同需要”和“核心业务实体状态属性”两个标准筛选主数据对象。解决用 UC 矩阵做定量分析只把“多 U 单 C”的数据对象纳入主数据范围。交易数据、账单数据属于明细数据应留在业务系统中。5.3 坑三同时维护多套主数据编码体系现象集团有一套编码各子公司又各自维护一套编码数据交换时需要做编码映射。原因集团管控力度不足或者历史遗留系统改造困难。解决白皮书明确指出“组织内主数据编码沿用外部编码”是一个误区。正确做法是建立集团统一的编码体系子公司通过映射表与集团编码对接但映射表只用于过渡期最终目标是统一编码。5.4 坑四将主数据作为孤立项目推行现象主数据管理项目由 IT 部门主导业务部门参与度低数据标准推行不下去。原因主数据管理本质上是跨部门协同问题不是纯技术问题。没有业务部门的深度参与和认责标准就是空中楼阁。解决白皮书将“业务方深度参与和认责”列为成功要素之一。主数据管理项目需要高层领导支持需要业务部门指定数据 owner需要将主数据管理纳入绩效考核。5.5 坑五忽视主数据的长期性和扩展性现象主数据模型设计时只考虑当前业务需求后续业务扩展时需要频繁修改模型。原因没有预留扩展字段或者扩展字段设计不合理。解决在数据模型设计阶段预留扩展属性区但扩展属性不应影响核心属性的稳定性。核心属性变更需要走严格的审批流程扩展属性可以相对灵活。6. 从行业实践看设计取舍没有最优解只有最适配白皮书用大量篇幅描述装备制造、能源化工、金融、通信、地产、政府机构六个行业的主数据管理实践这些实践的共同点是没有一种模式适用于所有组织。装备制造行业的两级部署模式集团集中管控 成员单位多方接入适合多业态集团金融行业的 ECIF 中心化模式适合客户数据高度集中的场景能源化工行业的强管控与弱管控并存模式反映了集团管控力度的差异通信行业的注册、审批、报备三种管理方法对应不同稳定性和业务影响程度的主数据对象。这些行业实践背后是一个核心设计取舍管控力度与业务灵活性的平衡。管控力度越强数据一致性越好但对业务系统的侵入性越大实施周期越长。管控力度越弱业务灵活性越高但数据一致性风险越大后续治理成本越高。白皮书给出的策略是“合适的主数据管理模式”是成功要素之一。这意味着组织需要根据自身的管理成熟度、业务复杂度、IT 架构现状来选择模式而不是盲目追求“大集中”。从技术实现角度看这个取舍体现在三个层面数据模型层面核心属性与扩展属性的划分集成层面集中式、联邦式、分析式的选择流程层面审批节点的设置和权限范围的划定。每个层面都需要在一致性和灵活性之间找到平衡点。我一般会这么理解主数据管理不是要把所有数据都管起来而是要把那些“不管就会出大问题”的数据管起来。管得太多业务受不了管得太少数据一致性保不住。这个度的把握才是主数据管理真正的难点。从那以后我每次评估主数据管理方案都会先问三个问题哪些数据对象是“多 U 单 C”的源头系统的改造代价有多大业务部门愿意认责到什么程度这三个问题的答案基本决定了方案的设计方向。希望帮到你。本文还有配套的精品资源点击获取
