主数据管理再认识

一、主数据是什么？
主数据作为企业的核心数据资产，是指那些满足跨部门业务协同需求、反映核心业务实体状态属性的基础信息，具有全局性（涵盖各部门）、共享性（为所有业务所需）、稳定性等特点，独立于特定流程与系统，是支撑企业业务协同运作的重要基石。随着数字化转型的深入推进，“主数据”作为关键要素在企业的运营管理中发挥着日益重要的作用。

举例而言，客户即为一类典型的主数据对象，客户的名称、银行账户等信息通常需要在多个系统中进行使用，此时就必须保证多个系统间共用的客户信息是一致的。如图1所示，需要明确各类客户在不同业务范围内的统一描述，即主数据描述。

图 1 客户主数据示意图

在主数据的应用上，主数据一般通过主数据管理系统集成到各个业务系统中使用，如图2所示为某制造企业的主数据集成关系示意图。

图 2主数据集成关系示意图

二、主数据管理管什么？
主数据管理的核心内容在于对组织拥有的核心共享信息进行科学、高效的组织和维护。这一管理活动主要聚焦于跨部门、跨业务、跨系统的共享需求，旨在提升业务协同效率并确保数据一致性。在实际操作中，组织需明确主数据管理的对象及其包含的属性，构建合理的编码规则、分类体系、数据项描述及表达规范，并设定组织架构、职责分工以及工作流程和考核机制，最终形成主数据标准和管理制度。主数据标准和管理制度构建完成后，企业就具备了搭建主数据管理平台的能力，通过平台进行标准和制度的落地，并进行主数据应用集成与开发，驱动主数据的全生命周期管理，从而确保主数据在组织内的准确性和一致性。完整的主数据管理建设过程如图3所示。

图 3主数据管理工作主要内容

三、主数据应用有几种模式？
主数据的应用模式通常分为集中式、联邦式和分析式三大类：

1、集中式应用
在集中式应用模式中，所有主数据都通过主数据管理系统进行创建、查询和维护操作，再由主数据系统同步给业务系统。
集中式应用通常采取较为严格主数据管控流程，主数据标准只需在统一的主数据管理系统内落标，并设置主数据申请、审批、分发等工作流程。同时针对不同类型的主数据对象，考虑到主数据管理职责、主数据属性等因素，按照主数据对象设置差异化管控流程。集中式的应用模式通常配套建设独立的主数据运营团队，保证集团型或多层级组织的主数据一致性，保证核心业务系统间的贯通。
（1）适用场景：适用于组织结构相对简单，或决策权力高度集中，或对数据一致性和集中控制有较高要求时。
（2）优势
数据一致性高：中心化管理确保所有业务单元使用相同的主数据，减少了数据冗余和不一致性。
管理简便：中央管理使得数据更新、维护、权限控制更为简便，降低了数据管理的复杂性。
（3）劣势
不适应分散业务：对于多地域、多业务单元的行业，中心化管理可能导致数据访问的复杂性增加，无法满足多样化业务对主数据的需求。
单点故障：中央数据库成为单一故障点，出现故障可能导致全局性的数据不可用。

2、联邦式应用
联邦式应用模式一般由多个源头系统作为主数据权威源头，各类应用系统既可以将主数据记录传递给主数据管理系统进行统一分发，也可以直接在源头业务系统间落实主数据记录的同步和分发。
联邦式主数据应用模式以核心的多个源系统为主要管理对象，组织的信息化能力较强，源头系统和主责部门具有很强的数据管理能力，支持系统的深度改造和开发，可以承担主数据管理的职能。
（1）适用场景：适用于组织中业务分布广泛，但仍需要一定程度的数据集中管理。各业务单元保留一定程度的自治权，但通过联邦机制进行协同。
（2）优势：
部分自治权：各业务单元保持一定程度的自治权，能够根据本地需求管理主数据。
数据协同：通过联邦机制实现数据协同，有利于跨业务单元的信息共享和流通。
（3）劣势：
复杂性增加：相较于中心化管理，联邦式管理的协同机制增加了系统的复杂性，需要更精细的协同管理。
数据一致性挑战：虽然进行了联邦协同，但在不同单元之间仍需谨慎管理数据一致性，否则可能出现问题。

3、分析式应用
分析式应用是在数据分析侧对主数据对象进行分析提炼，进入数据仓库和数据湖的数据中包含了主数据对象，经统一清洗、转换、集成，形成准确、一致的主数据集合，为分析型应用提供数据支撑。
分析式应用模式以组织的数据分析挖掘能力为核心，通过在数据入湖、入仓之后进行主数据质量的稽核监控，实现对主数据对象一致性、准确性的管理，虽然有一定延迟但仍然可以很好地对源头系统主数据质量问题管控。分析式应用适用于数据分析能力强、源头业务系统复杂且稳定，同时各业务单元较为独立，数据协同需求弱的场景。
（1）适用场景：适用于组织结构较为分散，各业务单元有较大独立性，需要灵活管理主数据的情况。每个业务单元的数据管理自洽，跨业务协同需求少。
（2）优势：
业务自治：各业务单元可以根据自身需求自主管理主数据，不受其他单元的制约。
本地化处理：每个地区或业务单元可以根据本地法规和业务特点进行数据管理，提高本地化适应性。
（3）劣势：
数据不一致性：分散管理容易导致不同业务单元之间的数据不一致，增加了数据质量控制的难度。
难以协同：难以实现全局性的数据协同和共享，容易导致信息孤岛问题。

主数据管理的常见误区
● 主数据管理无法贯穿源头系统
● 混淆业务实体数据和主数据的范围
● 同时维护多套主数据编码体系
● 组织内主数据编码直接用外部编码
●将主数据管理作为孤立项目推行

主数据管理成功的关键
●高层领导的支持和参与
●业务方的深度参与和责任落实
●选择适宜的管理模式
●合理运用技术工具
●持续的度量与评估

展望未来，主数据管理的发展趋势显现出更为广阔的前景。一方面，主数据管理的数据范围和组织范围将进一步扩大，如非结构化主数据管理和行业级主数据管理等领域；另一方面，在AI、RPA等技术的驱动下，主数据管理将更趋近于智能化。此外，在架构技术的演进过程中，主数据有可能逐渐融入全域数据管理过程，实现更高层次的整合与优化。

相关内容节选自CCSA TC601发布的《主数据管理实践白皮书2.0》。