4. 控制塔数据基础：主数据管理、实时数据采集、数据清洗与标准化、数据治理

供应链控制塔的决策质量，完全取决于底层数据的完整性、准确性和时效性。本章聚焦控制塔数据基础的四项核心能力：主数据管理确保业务实体一致；实时数据采集保障事件可见；数据清洗与标准化消除噪音与歧义；数据治理建立长效质量机制。

4.1 主数据管理（MDM）

主数据是描述核心业务实体的基础数据，如物料、供应商、客户、组织、地点。控制塔需要跨系统（ERP、WMS、TMS）统一主数据视图，否则同一物料在不同系统中可能拥有不同编码或描述，导致分析结果混乱。

4.2 实时数据采集

控制塔的“实时”特性依赖多源数据采集能力。采集方式包括API接口、消息队列、IoT设备、RFID、EDI等。采集层需要处理高并发、低延迟、断线重连等场景。

• API/Webhook：适用于系统间状态变更通知，如订单状态、发货确认。
• 消息队列（Kafka/RabbitMQ）：适用于高吞吐事件流，如库存变动、设备状态。
• IoT/传感器：适用于冷链温度、车辆GPS、仓库温湿度等物理环境数据。
• EDI/文件传输：适用于与合作伙伴的批量数据交换，如ASN、发票。
• 数据库CDC（Change Data Capture）：适用于捕获源系统数据变更日志，实现准实时同步。

4.3 数据清洗与标准化

原始采集数据通常包含缺失值、重复记录、格式错误、异常值。清洗与标准化是数据进入控制塔分析引擎前的必要步骤。

# 数据清洗示例：Python伪代码
def clean_temperature(raw_value):
    if raw_value is None or raw_value < -50 or raw_value > 100:
        return None, "异常值"
    # 华氏度转摄氏度
    if raw_value > 100:
        celsius = (raw_value - 32) * 5.0 / 9.0
        return round(celsius, 1), "转换"
    return raw_value, "正常"

4.4 数据治理

数据治理是确保数据质量持续满足控制塔需求的制度与流程。治理范围包括数据所有权、质量监控、元数据管理、安全与合规。

• 数据所有权：明确每个数据域的业务负责人（Data Owner）和技术负责人（Data Steward）。
• 质量监控：建立数据质量仪表盘，监控完整性、准确性、及时性、一致性。
• 元数据管理：维护数据字典、血缘关系、转换规则，便于溯源与影响分析。
• 安全与合规：控制塔数据访问权限分级，敏感数据脱敏，满足GDPR等法规要求。

4.5 数据基础架构总览

下图展示了控制塔数据基础的四层架构，从主数据管理到数据治理形成闭环。

4.6 数据质量监控指标

控制塔应建立数据质量仪表盘，实时展示以下关键指标，并设置告警阈值。