2023-12-24-大数据技术标准推进委员会-主数据管理实践白皮书（2.0）_31页_4mb

主数据管理实践白皮书（2.0）总结

核心内容概述

主数据管理是企业数据治理的重要组成部分，旨在通过统一管理组织内关键业务实体的数据，提升数据质量、实现信息共享和业务协同。白皮书系统阐述了主数据的定义、特点、管理意义及其与其他数据的关系，同时结合多个行业实践，提出了主数据管理的主要内容和策略，最后展望了主数据管理的未来发展趋势。

---

主数据定义与特点

1. 主数据定义

主数据是反映组织核心业务实体状态属性的基础信息，用于支持跨部门、跨流程、跨系统的业务协同。

2. 主数据特点

• 权威性：由权威部门统一维护，确保数据质量。
• 全局性：覆盖组织各个业务部门和流程。
• 共享性：在组织内可被多个系统重复使用。
• 稳定性：核心属性长期不变，不随业务流程变化。
• 长期性：贯穿业务对象的整个生命周期。
• 扩展性：能够随着组织发展进行扩展。
• 高价值性：是组织决策和分析的重要依据。

---

主数据管理的意义

1. 核心价值

• 实现系统间信息对称，支撑业务流程的统一。
• 通过“一实体一编码”保障数据一致性，避免冗余和翻译成本。

2. 主要作用

• 降低信息交互成本：统一编码和标准减少数据核对和转换的复杂性。
• 增强数据标准化：通过统一标准和规范提升数据治理能力。
• 提高数据源质量：通过前端控制和校验机制确保数据准确性和一致性。

---

主数据与其他数据的关系

类型	说明
元数据	描述数据的结构、来源、格式等信息，是主数据的“说明书”
明细数据	描述具体业务操作的动态数据，如订单、交易记录等
参考数据	用于限定数据字段的取值范围，如数据字典，是主数据的补充

---

各行业主数据管理实践

1. 装备制造行业

• 主数据对象包括通用类、人资类、客商类、物料类。
• 物料类主数据贯穿产品全生命周期，需与PDM、CAPP、MES、ERP等系统集成。
• 采用集中式或联邦式管理模式，确保数据共享与协同。

2. 能源化工行业

• 主数据对象包括客户、供应商、物料、单位等。
• 集团采用强管控或弱管控模式，前者集中管理，后者属地化管理。
• 产业链长，主数据管理周期长，需注重数据质量与安全。

3. 金融行业

• 主数据管理始于客户信息管理系统（ECIF），逐步扩展至机构、产品、渠道等。
• 强调数据质量、安全和统一标准，支持跨系统数据同步与分析。

4. 通信行业

• 主数据涵盖客户、订购信息、产品、网络拓扑等。
• 采用集中式管理，发布主数据管理办法，定期进行数据稽核与质量评价。

5. 地产行业

• 主数据对象复杂，包括客户、楼盘、供应商、员工等。
• 普通企业与集团型企业差异明显，前者管理简单，后者需处理多业态数据。

6. 政府机构

• 政务主数据是数字政府建设的重要内容，涉及基础库和主题库。
• 通过统一平台实现数据归集、治理、共享和开放，支撑政务服务与管理业务。

---

主数据管理主要内容

1. 主数据识别

• 对象识别：需具备核心性、基础性和重复使用性。
• 属性识别：通过多因素分析（如UC矩阵）判断数据是否为主数据。

2. 主数据标准

• 编码规范：定义编码规则、结构和字典，确保唯一性。
• 分类体系：按业务领域、数据类型等进行分类，支持多层级结构。
• 描述与表达规范：包括数据定义、格式、值域、字典、关系等。
• 质量与安全规范：确保数据准确、完整、一致，同时保障数据安全。

3. 主数据管理制度

• 目的及适用范围：明确主数据管理的意义和应用场景。
• 组织确立及职责划分：分为决策层、管理层和执行层，职责清晰。
• 主数据工作流程：涵盖标准制定、数据申请、审批、维护等流程。
• 主数据管理考核：从数据质量和管理效率两方面进行绩效评估。

4. 主数据管理平台

• 支持标准管理、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、流程管理和权限管理。
• 提供统一平台，实现主数据的集中管理与分发。

6. 主数据应用

• 集中式应用：所有主数据统一管理，确保一致性，适用于结构简单、需集中控制的场景。
• 联邦式应用：多源系统协同，保留一定自治权，适用于业务分布广的场景。
• 分析式应用：在数据仓库和数据湖中进行主数据质量稽核，适用于数据独立性强、分析能力突出的场景。

---

主数据管理策略

1. 成功要素

• 高层支持：确保资源投入和文化推广。
• 业务参与：业务方深度参与，明确需求和责任。
• 管理模式选择：根据组织特性选择集中式、联邦式或分析式管理模式。
• 技术工具选择：支持系统集成与数据治理，优选有行业经验的服务商。
• 度量与评估：建立能力指标，定期审计和优化主数据管理流程。

2. 常见误区

• 未贯穿源头系统：主数据应在源头系统中完成管理，避免翻译和映射成本。
• 混淆业务实体数据与主数据范围：避免纳入非共用字段，保持主数据的稳定性。
• 多套编码体系并存：应遵循“一实体一编码”原则，减少编码复杂性。
• 沿用外部编码：避免使用身份证号、社信代码等外部编码，防止数据管理脱节。
• 孤立推行：主数据管理应融入整体IT架构和业务流程，避免与业务脱节。

---

未来展望

主数据管理将呈现以下发展趋势：

1. 从结构化到非结构化：管理范围扩大，涵盖图形、颜色、指令等非结构化数据。
2. 从自动化到智能化：利用OCR、RPA、AI等技术提升主数据管理效率和准确性。
3. 从组织级到行业级：管理范围扩展至产业链，推动行业级数据共享与协同。
4. 从有到“无”：通过模型驱动和组件化架构，实现主数据的自动化、标准化管理，减少人工干预。