主数据是集团业务运作的关键对象，是系统运行的根本。就像社会生活中身份证号是个人最关键的数据标识一样，面对林立割据的系统，设计管理好主数据的“身份证”对集团企业尤为重要。主数据管理做不好，集团系统集而不成；主数据管理做得好，就像是打通集团信息网络的经络一样，集团信息沟通更顺畅，分析决策更科学。

  确定主数据后分析相关业务环节，建立数据架构及对应系统蓝图

    由于缺乏统一的管理和策划，大型企业集团容易出现系统林立、各自割据的局面。集团企业尝试通过系统集成解决这样的问题，但在实践过程中却忽视了最关键的主数据管理。

  系统集成了 数据对不上

    大型制造企业A公司近年规模急剧扩张，投入大量人力和资金进行大规模的信息化建设：上马ERP系统管理财务、采购、库存和渠道销售过程；开发制造管理系统全面控制生产进度；实施一体化采购管理系统，对采购、供应商、采购物流、物品库存进行有效监控；在渠道推广经销商管理系统，进行渠道和终端管理的同时第一时间采集数据，掌控市场信息，快速反应。

    规模扩张后，A公司面临着大量业务亟待整合的紧迫境地，而IT部门这时也发现自己突然忙碌起来。各个业务部门不停地抱怨：“为什么我们的系统还没有推广过去？为什么我们的系统拿不到企业的所有数据？”在IT部门努力集成或开发各个下属企业信息系统的接口后，不料业务部门的抱怨声更大了：“怎么搞的，为什么我明明要的是钢材，到了他们那里就成了钢板？”IT人员一查，两边的数据库没有对上，且差的还不是一星半点。

    起初，IT部门觉得找几个实施顾问对公司的ERP等信息系统进行改造和重新实施就能解决当前的紧急问题。然而，数据标准、编码方案中涉及的各种管理和经营问题不是简单的ERP改造就可以解决的。而且，由于现在信息系统数量已经有了相当大的规模，数据量庞大得让人觉得无从下手。IT部门陷入了困境：以前只怕系统没数据可拿，现在数据多了，没想到问题仍然棘手。

    这是一则主数据缺乏有效管理的典型案例。要及时、有效沟通集团信息，需要建立一整套的主数据管理体系。要从集团信息系统建设的现状、未来发展要求等要素出发，对目前的数据进行梳理和清洗，并建立长效的数据管理机制，实现数据标准化。

  未来的数据什么样

    要对集团的主数据进行管理，首先要建立一个数据管理的愿景，即未来企业数据是什么样子。企业数据管理架构的设计，必须基于企业目前的业务运作模式和IT系统架构，但又不能受制于后者，需要考虑未来业务转型和系统扩展的需要，进而指导下一步信息系统建设的方向。

    首先，抽取业务运作中的信息进行重要性分析，确定集团所要管理的主数据。主数据是集团的重要资产，是集团业务运作所围绕的关键对象，通常是产品、供应商、客户、原材料等，也可以根据集团的运作方式、行业背景加以调整。例如，制造业主要围绕产品展开，产品必然是第一主数据，分销业会更关注渠道和客户，而房地产行业则更关注项目。而主数据的多少，也可以根据投入精力和企业管理精度有所调整。通常，一开始主数据不宜过多，可以逐步深入细化。

    对照企业业务现状描述或者业务蓝图，对主数据相关业务环节进行分析后，我们可以比较清晰地发现主数据之间的逻辑关系，也就是数据主体在什么情形下发生什么样的关联，可能有什么样的对应关系（如一对多、一对一等），而这个关联对应的业务情形，直接和业务部门的操作步骤相关。此时，我们就可以建立企业数据架构模型，并对照企业IT的现状，设计IT建设的方向和未来的系统蓝图（如图）。

  分析属性 定义规则

    接下来要围绕主数据进行业务流程分析，从而分析主数据相关属性。业务流程的分析要通过业务流程建模卡片来分析数据实体和属性：将企业的日常运营业务切分成简单的活动，然后分离出活动中涉及到的数据实体，以及创建、更新、引用的相关属性。除了业务流程分析外，另外一种进行属性梳理的方法就是分析目前已有的IT系统中的数据表信息，来配合目前业务中手工流转的单据。通常，业务比较成熟的企业中，这些数据已经是较为完备，足以支撑的。

    主数据属性，除了考虑现有的业务流程和管理决策需求外，还需要考虑到未来业务和管理可能需要的各类属性支撑。基于前瞻性的考虑，在梳理过程中可以借鉴对国际标杆企业的数据编码和属性分析经验。

    属性分析完毕之后，可以对企业数据架构进行一定的修正和调整。通常配合企业数据模型的建立和属性梳理，需要对主数据或者重要属性进行编码规则的设计。编码通常分为流水码和意义码两种，如无特殊要求，通常使用流水码。对于主数据，需要确定哪些属性进编码，哪些属性作为产品的附加信息单独编码。按照属性所影响的流程、部门/使用者的使用频度、信息系统的实际情况，对各种属性排座次。对于各种属性，只需要按照编码稳定可持续使用和唯一的原则，对可选属性值进行重新划分，并预留足够的空间；而一些多变的属性则需要归到附加属性中。编码原则是便于记忆，不易出错。

  建立数据字典

    建立企业数据字典就是对数据清晰明确地进行定义，让各部门对主数据及相关属性都有统一的认识，使企业沟通找到统一的语言，找到企业需要管理的基本数据在哪里，要怎么管。数据字典的内容必须包括属性名称、定义、创建人员、相关业务过程、相关的系统等内容。如果更加深入，还可以直接到数据库级别，即定义数据类型、字段长度等，不过这需要考虑各系统所使用的数据库的不同差异，工作量较大。

    在形成清晰的数据架构和数据字典后，需要建立企业数据管理机制，才能实现数据以及数据标准的动态维护，对数据管理进行长期监控和持续改进。通常，管理机制包括两个层面，一是关于主数据属性的维护以及主数据字典的维护，二是建立清晰的流程审批制度，落实数据管理的责任部门和人员。

  清洗数据

    最后是数据清洗的工作。按照新的企业数据模型蓝图，结合当前集团业务现状和信息系统的实际情况，实现数据架构层的转换和应用。根据前面的工作，我们可以分析出各类数据目前的管理现状、在各系统中的分布情况以及需要的改进工作。由此，我们可以以数据或者系统为主线，分别形成系统改造方案，并排成具体改造和推进计划（计划的安排必须以数据的重要性、系统的相关性为前提，充分考虑目前工作安排），并组织各系统人员、业务部门实施。

    数据清洗对于信息部门来说工作量不小。现有系统需要经过数据转换、测试和上线，而缺失系统则需要从规划、需求分析开始直至上线。在数据清洗之后，需要不断坚持管理机制的有效运转和落实，才能保障系统的持续高效及对业务的有力支撑。

  四步实现数据标准化

    １．明确集团的数据管理愿景和原则，定基调，确定主数据及主数据之间的逻辑关系，建立完整、前瞻性的企业数据架构模型，搞清楚要管好哪些数据；

    ２．对各数据实体进行业务环境分析，使数据与业务活动相匹配，使数据除了支持现有的业务需求外，还可以支持企业未来的业务需求，与此同时，根据编码原则，考虑模型中数据实体的各属性的重要程度，确定哪些属性进编码，哪些作为附加的属性单独编码，形成一套完整的编码体系；

    ３．根据企业数据架构模型，结合企业信息系统中的数据结构，制定企业数据定义的规则，建立企业数据字典，并从组织、流程、ＩＴ工具等方面制定企业数据管理机制，实现数据以及数据标准的动态维护；

    ４．给出一个可实施的数据编码转换和清洗的方案。

免责声明：本网站（http://www.ciotimes.com/）内容主要来自原创、合作媒体供稿和第三方投稿，凡在本网站出现的信息，均仅供参考。本网站将尽力确保所提供信息的准确性及可靠性，但不保证有关资料的准确性及可靠性，读者在使用前请进一步核实，并对任何自主决定的行为负责。本网站对有关资料所引致的错误、不确或遗漏，概不负任何法律责任。
本网站刊载的所有内容（包括但不仅限文字、图片、LOGO、音频、视频、软件、程序等）版权归原作者所有。任何单位或个人认为本网站中的内容可能涉嫌侵犯其知识产权或存在不实内容时，请及时通知本站，予以删除。