企业主数据项目管理的6大步骤（主数据建设流程）

什么是主数据管理

根据Gartner的定义， “主数据管理(MDM)是一种技术支持的规程，业务部门和IT部门共同工作，以确保企业共享主数据资产的唯一性性、准确性、语义一致性和可靠性。主数据是一致和统一的标识符和扩展属性集合，描述企业的核心实体，包括客户、员工、供应商、站点、层次结构和会计科目等。”

主数据管理(MDM)是可靠数据管理实践的集合，包括应用程序、技术以及关键涉众、合作伙伴和业务客户。它包括整合、清理和增强公司主数据，并将其与业务流程、分析工具同步，以跨企业基础设施实现策略、服务和过程，以及时、一致和完整的方式简化数据捕获和集成。MDM系统的最终目标是提高运营效率，增强数据报告，帮助企业做出更明智的决策。

主数据的出现和企业需要

企业主数据管理着眼于通过将数据质量问题扼杀在萌芽状态来解决由于使用不同的应用程序、技术和系统而在整个IT环境中的复杂性。 企业资源规划(ERP)、客户关系管理(CRM)、订单管理系统(OMS)甚至供应链管理(SCM)等有自己的主数据集的系统可能会危及运营，危及分析，让企业付出高昂代价，让利润率陷入混乱。企业MDM是解决企业数据质量和一致性问题的方案，因为它创建了一个数据的“黄金记录”，从许多数据入口点收集数据，它是通过结合业务的运营方面、数据仓库和业务分析来实现的。

MDM的核心功能主要有三个方面：

1. 保障主数据的规范性和唯一性。按规则和流程规范管理主数据，比如规定主数据名称要使用营业执照上的名称，社会统一信用代码、国别地区等必填，按名称、信用代码等条件校验避免重复录入，系统自动按规则统一产生唯一性编码，主数据要经流程审核后方能生效等。
2. 主数据的集中管理。主数据全部在MDM中产生或者受控（其他系统产生的主数据要符合MDM的规则才能进入MDM），在MDM系统中可以由专岗集中管理所有主数据，保障来源唯一从而避免歧义。
3. 主数据的自动分发。提供分发和订阅功能，能够通过配置把主数据自动分发给相关系统，让多个系统可以方便的使用到统一规范的主数据；也可以自动的接收外部系统产生的主数据，经MDM管理后再自动分发出去，而不用数据源系统自己向多个系统分发。

主数据项目管理的6大步骤

主数据项目总体上遵循常规项目6大步骤：启动、计划、需求分析与设计、实现、测试验收、售后运维。这里我们主要重点介绍下实现阶段的内容，测试验收和售后运维就不多做讲解。

1.启动阶段

启动阶段主要包括识别项目目标、组建项目团队、召开项目启动会。

识别项目目标就是要做一个主数据识别，主数据识别可以从两方面去考虑，第一个就是通过一些已知的分析维度，以及业务影响程度等，还有数据共享程度比较高的，或者说数据需求比较迫切的，我们都可以将其纳入主数据范围。除此以外，还可以通过一些成熟的工具做一些分析，通过这样的工具去对接业务系统，从而识别企业到底有哪些主数据，然后这些数据分布在哪里。

第二个就是组建项目团队，如图所示，项目管理也是这样去组建团队的，比如项目领导小组有项目总监、项目经理，还有一些各种不同的角色的实施人员，除此以外，还配备一些专家的团队做支持。

2.计划阶段

计划阶段我们主要关心两部分内容，第一是实施落地的工作，第二是主数据集成开发的工作。这里按照我们前文中说的框架体系去做即可。这里我们重点说一下集成开发这块的工作。

我们在需求调研阶段，以及咨询规划阶段，了解了业务主数据来源于哪些系统，最后用于哪些系统，以及分发到哪些系统；以及我们的平台如何与业务系统做对接，是用表对接，还是接口对接；同时整个实施过程中还要做一些并行的工作，因此前期要去了解收集这样的一些信息，这样才能让整个项目的进行的比较顺利。

3.需求与设计阶段

这一阶段也称为需求调研阶段，主要从两方面去看，一个是业务方面，一个是技术方面。

我们主要是通过访谈问卷，或者面对面的交流以及一些数据抽取的手段去获取企业主数据的信息和现状，具体的调研示例如下：

除了需求调研，还有一个重要的板块是管理制度设计，这里采取三层的架构——决策层、管理层、执行层。

另外主数据的建设并不是IT部门或者信息科技部门就能决定的，正如前文中提到的主数据含有业务实体属性，需要在业务系统里被使用，因此一定需要业务负责人的参与，一起来共同推进。

而对执行层来说，主要是需要和业务部门一起定义数据的标准模型分类，共同推进。当然在主数据平台管理过程也需要信息管理员来对数据进行审批等，以上这些角色都是在整个组织架构建设时提前定义好的。

4.实现阶段

在具体的实现阶段有10项工作要去做，这些工作可以并行考虑，包括数据标准化，分类编码属性管控、流程整合以及切换策略等等，下面我们具体来看看。

（1）主数据标准化体系

以物料为例， 完整的物料标准化体系主要包括两大部分内容，一是物料数据标准的制定，二是支撑物料数据标准化管理相关的组织机制与技术平台等基础能力的建设。在此体系下确保逐步改善物资数据质量，最终实现标准化。

（2）分类设计原则

分类设计的原则主要有4点，第一是不重不漏；第二是粗细颗粒度要合理；第三是要满足业务需求；第四是要符合行业习惯，如图所示。

这里有一个很重要点是，在整个分类设计的过程中，实施人员要反复与客户进行确认。因为一旦分类没有做好，后续可能导致大量的重复录入，并产生很大的影响。这里有一个分类的示例，大家可以参考下：

当然，我们亿信华辰的主数据管理平台也是可以做分类的效果展示，如图所示，可以将我们前面做好的分类，直接在平台上进行维护，这样我们就可以很方便的去做一些分类管理，以及每一种分类对应哪些物料数据。

（3）编码设计

编码设计也有一些原则需要去遵守，比如编码要有全局性，唯一性、适度性、灵活性、扩展性等。对于唯一性与扩展性，换句话说，当一些新的物料数据进来以后，我们能方便添加更多的编码进来，而此时的编码也需要是唯一的，也就主数据编码只能对应一个确定的实体对象。

这里的编码通常有三种方式，即顺序码、层次码、组合码，他们各有优缺点，如图所示：

编码制定的过程也是需要进行大量的讨论和确认，才能形成一个好的编码方案。在现实中，正是因为企业编码不统一、造成了后续采购以及存储等一系列问题，所以编码方案一旦确定出来，实施人员就需要与客户的高层进行确认。如图所示的编码结构示例，它是一个组合码。

亿信华辰的的主数据管理平台，也是可以做这样的编码的，如图所示，左边是编码规则的制定，在这个过程中，看到有许多种规则，包括固定字符，流水号，以及从数据层进行取数，这样的编码方式可以覆盖更多的场景，包括顺序码、层次码以及组合码。

（4）属性标准梳理

属性标准梳理我们可以去参考一些标准，比如外部的国际标准、国家标准；业务层面上的行业标准和制度要求等；另外在进行属性梳理时，我们HIA可以从源系统中参考数据字典，查看一些代码表；最后我们也可以借鉴一些好的实践经验与成果来进行属性标准的梳理。

在进行主数据属性标准梳理时，我们可以从业务标准、技术标准、管理标准三个层面来进行。比如业务层面，我们需要理解属性到底属于哪一个分类，属性名称是什么，有怎样的业务规则；技术层面，我们可以定义属性，以及类型长度精度等；管理层面我们可以梳理谁来创建，谁来使用，谁在维度等，提前将其确定出来，方便后续制定这样的制度，如图所示是一个属性标准的示例。

在亿信华辰的主数据管理平台上，我们可以进行属性标准的梳理，如图所示，员工编码梳理完之后，落地到平台上，它的名称标题以及中文名称是怎样的，是什么类型数据，这些都可以通过平台进行梳理，然后再在前端设置一些填报的效果等等。

（5）管控流程设计

数据之所以会存在很多问题，以及需要推翻重建，很多时候是在业务系统建设过中没有进行流程审核以及校验。因此我们在进行主数据管理过程中，需要重视管控流程设计。

比如，当定义了两种模型，在模型的新增、变更和失效时，是否有流程做一些控制；在进行数据层面的管理工作时，是否有流程能能监测数据的变更、冻结或者失效。另外，我们可能还会涉及一些质检和审批，在审批没有问题，才能去做分发。

这里亿信华辰主数据管理平台能提供这样的审批方式，可以通过工作流平台去绑定工作流，去做一些流程设计，或者与企业里一些成熟的流程系统做对接，然后通过企业的系统进行流程上的管控。除此以外，还可以在亿信华辰的主数据管理平台绘制流程，指定相应的审批人员，办理人员以及设置办理期限等，最终起到规范数据的作用。

（6）历史数据整合、清洗

这个过程主要分成6个步骤，分别是数据接入、初步标记、分类清理、先分后合、整理清洗、检查反馈。

①第一步：通过接口或者ETL工具去接入历史的主数据；

②第二步：看数据存在什么问题，是否有一些属性没有填写，或者说分类不对需要做初步的标记；

③第三步：如果存在问题，就需要将分类标记的数据分配到不同的业务部门进行清洗，由于业务人员来进行整理；

④第四步：先分后合，对分类清理完的数据进行合并汇总检查；

⑤第五步：整体清理，按照整体业务逻辑进行清理，如果数据量比较大，可以借助工具进行批量处理，并将处理完成的数据做好整合；

⑥第六步：检查反馈。

通过主数据管理信息平台的建立，企业可以将各类数据进行一个统一的标准化管理，各个业务系统之间能够实现公平、公开的数据共享，更好地实现企业各部门之间的联动效益，提升企业的信息管理水平，为企业占据市场，赢得市场奠定了稳定的“基石”。