2. 制造数据治理评审框架设计

制造数据治理评审不是一次性的“检查活动”，而是一套需要被设计出来的治理控制机制。它的核心任务，是在正确的时间、由正确的角色、用正确的维度，对制造数据及其治理过程做出可追溯的判断。如果评审框架设计失当，常见后果是：评审维度太泛导致结论无法落地，评审层级混乱导致同一问题被反复检查，评审周期与业务节奏脱节导致评审变成负担，角色权责不清导致“谁都能提意见、没人能拍板”。因此，本节聚焦四个设计要素——评审维度、评审层级、评审周期、评审组织角色，并给出可操作的设计方法。

一、评审维度：从“数据本身”扩展到“治理能力”

制造数据治理评审最容易犯的错误，是只评审数据质量结果，例如物料主数据的完整率、BOM 准确率、工艺参数一致率。这些指标重要，但只反映“结果”，无法回答“为什么好、为什么坏、能否持续”。因此，评审维度应至少覆盖四层：

• 数据对象维度：评审具体数据域，如物料主数据、BOM、工艺路线、设备台账、质量检验记录、工单执行数据。每个域明确关键数据元素（CDE），例如物料主数据中的物料编码、基本计量单位、物料组、采购类型。
• 数据质量维度：针对每个 CDE 定义可判定的质量规则，如完整性、唯一性、有效性、一致性、及时性、准确性。制造场景中尤其要关注跨系统一致性，例如 ERP 物料编码与 MES 工单物料编码必须一致。
• 治理过程维度：评审数据标准是否被引用、数据责任是否落实、变更是否走审批、问题是否闭环。过程维度决定结果能否稳定复现。
• 治理能力维度：评审组织是否具备数据Owner、数据Steward、数据管理员的协同机制，工具平台是否支持规则配置、问题分派、整改跟踪和度量看板。

设计时建议采用“维度—对象—规则”三层展开。例如，针对“物料主数据”的“唯一性”维度，规则可定义为：同一物料编码在 ERP、PLM、MES 中必须唯一且指向同一物料；判定阈值可设为“重复编码数 = 0”。这样评审维度就不是抽象概念，而是可执行、可验证的检查项。

二、评审层级：分层评审，避免“一竿子插到底”

制造企业通常存在集团、工厂、车间、产线等多级组织。评审层级设计的关键，是让每一层只评审其能够决策和整改的内容。常见分层如下：

• 集团/总部层：评审数据治理战略、主数据标准、跨工厂数据一致性、重大数据问题升级。关注“规则是否统一、责任是否明确”。
• 工厂/基地层：评审本厂数据执行情况，如物料主数据维护及时率、BOM 准确率、工单数据完整率。关注“标准是否落地、问题是否闭环”。
• 车间/产线层：评审现场数据采集与录入质量，如报工数据、设备状态数据、质量检验数据。关注“源头是否准确、录入是否及时”。

分层评审不是简单地把同一张检查表复制到每一层，而是要让上层评审“规则与机制”，下层评审“执行与结果”。例如，集团层评审“物料编码规则覆盖率”，工厂层评审“物料主数据审批及时率”，车间层评审“工单物料扫码错误次数”。三层指标之间存在因果链，但检查对象和整改责任不同。

三、评审周期：与业务节奏和数据变化频率匹配

评审周期不能一刀切。设计原则是：数据变化越快、影响越大，评审周期越短；数据相对稳定、影响面小，周期可适当放长。制造场景中可参考以下节奏：

• 实时/日评审：适用于产线报工、设备状态、质量检验等高频数据，通常由系统自动校验并触发异常提醒。
• 周评审：适用于工单执行数据、物料消耗数据、异常闭环情况，由车间数据管理员汇总，工厂数据Steward 复核。
• 月评审：适用于物料主数据、BOM、工艺路线等变更频率中等的数据域，由工厂数据Owner 组织，形成月度数据质量报告。
• 季度/年度评审：适用于数据治理战略、标准体系、组织角色、工具平台等治理能力维度，由集团数据治理委员会评审。

周期设计还要考虑“评审成本”。如果每次评审都需要大量人工抽检，周期过短会拖垮业务。因此，建议将规则分为“系统自动校验”和“人工抽检”两类：自动校验可高频运行，人工抽检按周或按月进行，重点检查规则覆盖不到的场景，如物料描述规范性、工艺参数合理性。

四、评审组织角色：谁评审、谁整改、谁裁决

评审组织角色必须权责清晰。制造数据治理评审通常涉及四类角色：

• 数据治理委员会：跨部门决策机构，负责审批评审框架、裁决重大争议、分配治理资源。通常由分管副总或 CIO 牵头，成员包括 IT、制造、质量、供应链、财务等部门负责人。
• 数据Owner：对某一数据域负最终责任，通常是业务部门负责人。例如物料主数据Owner 可以是供应链总监，BOM Owner 可以是工艺部长。Owner 负责确认评审标准、审批整改方案、承担数据质量结果。
• 数据Steward：数据域的日常管理者，负责组织评审、汇总问题、跟踪整改、维护规则。Steward 通常是业务骨干或数据专员，需要熟悉业务流程和数据定义。
• 数据管理员：在车间或产线层面执行具体的数据录入、校验、修正和反馈，是数据质量的“第一道防线”。

角色设计的关键是“评审—整改—裁决”闭环：Steward 组织评审并发现问题，数据管理员或责任部门整改，Owner 确认整改结果，委员会裁决跨域争议。如果缺少裁决角色，跨部门数据问题容易长期悬置。

五、把四要素组合成可运行的评审框架

四个要素不是孤立的，而是需要组合成一张“评审矩阵”。具体做法是：先确定数据域和 CDE，再为每个 CDE 选择评审维度、评审层级、评审周期和责任人。例如：

这张矩阵的价值在于：它把“评审什么、在哪评、多久评、谁来评”一次性说清楚，避免评审活动碎片化。实际落地时，可以先从 2～3 个关键数据域试点，跑通一个完整的评审周期，再逐步扩展。

总结来说，制造数据治理评审框架的设计方法可以概括为：维度上从结果走向过程与能力，层级上与决策权对齐，周期上与业务节奏匹配，角色上形成评审—整改—验证—裁决的闭环。四者组合成评审矩阵后，评审活动才能从“运动式检查”转变为“常态化治理控制”。