4、主数据管理:让“客户”、“产品”在各部门说同一种语言
你有没有遇到过这种情况?
销售部叫“王总”的客户,在财务系统里叫“北京XX科技有限公司”。客服部查了半天,发现“王总”和“北京XX科技”其实是同一个人。嗯,这就是典型的主数据没管好。
主数据管理,说白了就是给企业最核心的业务实体——客户、产品、供应商、员工——定一个统一的“身份证”。让所有系统都认这个身份证,而不是各叫各的。
核心观点:主数据是数据治理的“地基”。地基不稳,上面的大数据、BI、AI全是空中楼阁。
4.1 什么是主数据?先分清“主”和“非主”
我刚开始做数据治理时,也犯过糊涂。是不是所有数据都要管?当然不是。主数据有几个特征:
- 跨部门共享:客户数据销售用、财务用、售后用。
- 相对稳定:客户名称不会天天变,产品规格也不会每周改。
- 业务核心:没了客户和产品,公司就没法运转。
举个例子,一次交易记录(订单)不是主数据,但订单里的“客户ID”和“产品ID”指向的客户和产品信息,就是主数据。
| 数据类型 | 典型例子 | 是否主数据 |
|---|---|---|
| 客户信息 | 客户名称、统一社会信用代码、联系方式 | 是 |
| 产品信息 | 产品编码、名称、规格、分类 | 是 |
| 交易流水 | 订单号、金额、时间 | 否(交易数据) |
| 日志数据 | 操作记录、登录时间 | 否(日志数据) |
4.2 主数据管理的核心流程:从“乱”到“治”
我在项目中遇到过一家制造企业,光“产品”就有三套编码体系。ERP一套,PLM一套,MES又一套。每次对账都像破案。后来我们做了主数据管理,核心就四步:
- 模型设计:统一定义客户、产品的属性结构。比如客户必须有“统一社会信用代码”作为唯一标识。
- 数据清洗:把各系统的脏数据、重复数据清理掉。我曾经见过同一个客户被录入了7次,只是名字差了一个字。
- 分发同步:主数据平台把清洗后的数据分发给所有业务系统。保证“一处修改,处处更新”。
- 监控告警:实时监控数据质量,发现异常立刻通知。
我的习惯:在模型设计阶段,一定要拉上业务部门一起开会。别自己闷头画模型,否则做出来没人用。
4.3 主数据管理的技术架构
主数据管理通常需要一个专门的平台(MDM平台)。它的架构大致是这样的:
4.4 主数据管理的“避坑指南”
做主数据管理,坑不少。我踩过,也看别人踩过。分享几个典型的:
我曾经... 在一家零售企业,主数据模型设计得太细,光“客户”就有80多个属性。结果业务部门填数据时怨声载道,最后模型根本跑不起来。后来我们砍到20个核心属性,才顺利落地。
- 坑一:追求大而全。别想着一次把所有主数据都管起来。先从客户和产品开始,跑通了再扩展。
- 坑二:忽视数据标准。没有统一的数据标准,主数据管理就是空谈。比如“客户名称”字段,是填全称还是简称?必须定死。
- 坑三:只建平台,不管运营。主数据平台上线只是开始。后续的数据维护、质量巡检、变更审批,都需要专人负责。
4.5 主数据管理的“黄金法则”
最后,分享几条我个人觉得特别重要的原则:
- 唯一标识是命根子。每个主数据实体必须有一个全局唯一的ID。别用名称做ID,名称会变。
- 谁产生,谁负责。客户数据由CRM系统负责维护,产品数据由PLM系统负责。主数据平台只做整合和分发,不直接修改。
- 变更要有审批。主数据的修改不能随意。比如修改产品规格,必须走审批流程,通知所有下游系统。
- 质量要可度量。定义数据质量指标:完整性、准确性、一致性、及时性。每周出报告,谁的问题谁认领。
我的习惯:每次主数据项目启动,我都会先做一次“数据血缘分析”。搞清楚每个数据字段从哪里来、到哪里去。这样出了问题,能快速定位责任方。
主数据管理,听起来高大上,做起来其实很接地气。说白了,就是让公司上下对“客户是谁”、“产品是什么”达成共识。共识有了,协作自然就顺畅了。