企业主数据管理及平台建设

马易涛 梁冬

摘要：企业主数据管理是企业数据治理及数据资产管理的重要组成部分。主数据管理是一项长期、复杂的工程，涉及体系、标准、平台、质量和安全以及数据清洗等多个方面。遵循“定标准、治数据、落系统、助应用”四步法可以有效确保主数据梳理及管理平台建设的落地性和使用效果。

引言：企业运营中存在大量的跨部门、跨系统分散管理的数据。不同业务领域按照自身利益和诉求对数据指标进行定义、录入、存储、加工和引用。造成同一数据标准定义不统一、数据质量参差不齐、数据分散存储，进而造成数据重复录入、没有数据标准、数据在不同系统之间无法贯通，大数据分析无从下手，信息系统及大数据辅助企业决策更是无从谈起。企业借助主数据的建立能够强化企业的信息和数据流转，使得数据能够转化成数据资产为企业复用。本文结合电建地产主数据平台实施经验的总结，探讨主数据实施过程中关键点，创新房地产主数据管理平台建设步骤，帮助房企管理者更直观的理解主数据管理平台建设的过程。

1. 企业数据管理瓶颈

企业早期普遍都建设了各条线的业务系统。当前却普遍面临数据不集中、口径不一致、数据准确性差、实时性难保障等问题，这也已成为行业共通的痛点。在房地产企业，主数据管理缺失或者不够深入，必然造成数据责任不明确的问题。主数据的生产、消费和管理缺乏信息化工具和手段，出现了问题原因不明、责任人找不到、不清楚问题如何处理。所以，企业建立主数据标准，对主数据管理需求已经迫在眉睫。

什么是主数据呢？它是指满足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。主数据相对交易数据而言，属性相对稳定，准确度要求更高，唯一识别。主数据管理体系的建设有助于从根本上确保企业内部经营指标、基础数据的准确、统一和共享。而一般企业在主数据管理存在“不清晰”、“不统一”和“不共享”等三个共同的问题。“不清晰”指主数据缺少责任部门，在信息化早起建设过程中，没有理顺主数据，后续系统整合难度倍增。“不统一”指各业务数据需要形成经营指标以辅助经营决策，但各信息系统的数据口径不一致、标准和来源不统一，导致经营指标分析不准确，不能支持经营决策需要。“不共享”指各业务条线信息系统烟囱式建立，数据存在信息孤岛、底层数据没打通及数据不共享，无法保障各系统数据的实时性和一致性。以上主数据存在的问题，会导致经营指标无法形成，即便形成也是失真，数据质量差，甚至造成经营指标没有价值。

2. 主数据管理关键技术

主数据管理的目的在于帮助企业集中、有效地管理分布存储在各业务系统中的数据，形成企业正确的、标准的、唯一的、权威的、共享的数据。

1、数据管理组织。构建主数据管理组织，通常采用三层管理架构：决策层、管理层、执行层。

决策层：设立主数据领导小组,一般由企业管理者和信息化部门成员组成，对主数据标准化工作进行统一领导确定指导思想、目标和任务，协调解决标准化相关的重大问题。

管理层：在领导小组的统一领导下，按照“归口管理，分工负责”的原则，设立主数据联合工作组，该工作组为常设组织，主要由主数据标准化办公室、业务组和技术组共同组成。

执行层：包括企业总部和下属企业专职及兼职主数据管理员组成。负责主数据在本单位的贯彻落实、应用检查工作；负责本单位主数据需求的收集、审核、提报工作；负责本单位主数据的培训、宣贯和日常维护等工作。

2、数据标准。标准的梳理是对主数据的标准化过程，主要是针对分类、编码、属性等建立统一的标准，并为后续的数据抽取、融合、清洗等环节打下基础。

分类：建立统一、规范、科学的分类，能够提升管理效率，降低因分类不准确造成的错误。分类标准梳理的一般步骤为，①调研、收集相关分类标准，②差异及对标分析，③确定信息分类、确定结构及规则。

编码：建立适用全企业的编码规则，对于主数据的管理、辨别、使用都有着至关重要作用。编码梳理的一般步骤为，①遵循全局性、唯一性、适度性、灵活性、扩展性等编码原则，②满足编码共享、自动生成、编码扩展等使用要求，③分析现有编码问题，提出改进意见，最终确认主数据编码规则。常见编码规则包括：顺序码、层次码、组合码。

属性：属性标准的梳理是对主数据的每个属性项分别定义相关标准规范，从而可以约束各系统中的属性差异。属性标准一般会参照外部的国家、行业标准，内部的业务制度、源系统数据字典等，从业务标准、技术标准、管理标准等不同角度进行标准化。

3、数据清洗。企业要按照主数据标准，梳理和清洗企业在经营活动中产生的各类数据，形成标准主数据代码库。建立主数据代码库的过程是，按照一定的清洗规则对零散、重复、缺失、错误、废弃的原始数据进行清洗，通过数据清洗保证主数据的唯一性、准确性、完整性、一致性和有效性，然后通过系统校验、查重及人工比对、筛查、核实等多种手段对主数据代码的质量进行检查，以及通过数据清洗形成高质量的主数据代码库。数据清洗工作分为3个阶段开展和推进，包括：①数据标准宣传培训阶段；②数据收集及清洗阶段；③数据发布阶段。

4、数据安全。数据安全不仅仅是一套用工具组合的解决方案，而是从决策层到技术层，从管理制度到工具支撑，自上而下贯穿整个组织架构的完整链条。组织内的各个层级之间需要相互协作，对数据安全治理的目标和宗旨达成共识，并从能力、执行、场景三个维度建设数 据安全治理体系，以最有效的方式保护信息资源。

能力维度：完善的组织机构、有针对性和可行的管理制度和规范、全面和先进的数据 安全技术，是构建数据安全治理体系的基础。 执行维度：针对数据使用的各个场景，需要通过梳理来了解数据资产状况和风险；配合制度规范要求，采用不同的安全技术手段进行数据使用过程中的管控，同时要监控使用过程，对访问行为进行稽核，并不断完善。场景维度：数据安全治理涵盖数据在日常使用过程中面临的各种场景，具体包含开发 测试、运维、共享、分析、应用访问、内部特权访问等场景。

3. 主数据落地“四步法”

主数据管理平台成功落地可以遵循以下“四步法”。

第一步为“定标准”。确定所需数据，明确负责部门、管理部门，制定统一标准。主数据管理平台建设标准主要包含数据标准、服务标准和管理标准三大标准规范。数据标准规定数据的唯一出处；定结构，规定主数据的属性，编码构成 ；定规则，约定数据之间的关联关系。服务标准定接口规范，约定接口生产者、消费者、接口名称、参数；定数据格式，规定数据标准格式。管理标准定流程，规范主数据的申请、变更、修改流程；定职责，定义流程活动参与者的职责。

第二步为“治数据”。根据标准对现有数据进行改造以符合企业需求。这是主数据平台建设的重点和难点。在数据治理中，企业需要依据标准去定义数据质量的标准，通过质量模型帮助企业去筛选和评估数据质量，并对此进行改进。利用数据清洗工具，将各系统生成的主数据进行汇集、依据主数据标准和主数据模型定义的规则进行校验、清洗、发布，实现对主数据的全生命周期管理，并整合出统一的、可信任的主数据。

第三步为“落系统”。有效的数据治理，需有平台的支撑，这个数据平台应具备平台化、组件化、配置化的产品特性。其中，平台化的一大特点就是模型可配置，不管是主数据的模型、业务数据的模型，还是指标数据，或者数据交换，数据平台和各个业务系统之间的对接是可配置的，数据的权限是可控的，流程可配。平台具备这种能力才能够有效支撑数据管理。

第四步为“助应用”，主数据管理平台建设后若不发挥价值，效果亦会大打折扣。助应用时所要做的是把企业级的资产在各个业务场景中的价值梳理清楚并得以发挥，这是平台需具备的效能。数据资产管理平台的“助运用”体现在它提供的几种服务。第一种服务是通过API的发布，支持各种业务创新。由于数据平台储存着企业最完整最干净的数据，能够使新业务快速引用这些数据，同时支持业务分析、业务监控。第二种服务是经营监控，例如企业运营管理驾驶舱。第三种服务是敏捷分析，业务智能实现快捷的在线数据透视。

4. 结语

主数据建设是企业数据治理和大数据分析的第一步以及重要的基石。经营决策数据分析的准确性，很大程度上依赖底层主数据的标准一致、口径统一，系统之间的打通。实现全域主数据的建设，需要企业具备非常明确清晰的规划，以及高层管理者推动决心。通过主数据平台的打造，能够帮助更多企业实现数据资产积累，打破信息孤岛，提供企业级数据服务，为大数据分析及数据资产提供扎实的底座。

参考文献

【1】数据安全治理白皮书(3.0版),数据安全治理专业委员会,2021年

【2】主数据管理实践白皮书(1.0版), 中国信息通信研究院云计算与大数据研究所 ,2018年

【3】数据资产管理实践白皮书(4.0版),中国信息通信研究院云计算与大数据研究所,2019年

【4】GB∕T 34960.5-2018，信息技术服务 治理 第5部分：数据治理规范[S]

【5】DAMA国际.DAMA数据管理知识体系指南 第二版[M].北京:机械工业出版社

【6】朱大鹏.数据治理实践难点及应对[J]《洞见·数字地产》.2020年1期

【7】赵飞.基于全生命周期的主数据管理详解与实战[M].北京:清华大学出版社