2. 制造数据治理运营的核心对象盘点
制造企业的数据治理运营，第一步不是建平台，而是把“治理对象”盘清楚。制造现场的数据并非同质，它们按产生方式、变化频率、生命周期和消费场景，天然分成四类：主数据、事务数据、时序数据和文档数据。这四类数据的治理策略、责任归属、质量规则和存储方式差异极大。如果把它们混在一张表里管理，就会出现“用管物料的方式管传感器”“用管工单的方式管图纸”这类错配。本章的目标，是让读者能够识别这四类对象，并据此绘制一张企业数据资产地图。
四类核心对象的界定与识别
主数据是跨系统、跨流程被反复引用的“基准对象”，它描述的是“企业里长期存在、相对稳定的实体”。在制造场景中，最典型的主数据有四类：物料（含原材料、半成品、成品、辅料）、BOM（物料清单，描述产品由哪些物料按什么数量构成）、工艺路线（描述产品经过哪些工序、在什么设备上、用多长时间）、设备（含产线、机台、工装夹具等资产）。主数据的特征是：一处定义、多处引用；一旦出错，会沿着BOM、工单、检验一路放大。例如物料编码重复，会导致库存账实不符、采购重复下单、BOM错配。
事务数据是业务流程运行中产生的“事件记录”，它描述的是“发生了什么”。制造场景中的典型事务数据包括：工单（生产任务的下达与执行记录）、批次（物料或产品的批次追溯信息）、检验记录（来料检验、过程检验、成品检验的结果）。事务数据的特点是：随业务发生而生成，数量随时间线性增长，与主数据存在强引用关系——工单引用物料和BOM，检验记录引用批次和工单。事务数据的质量核心是“完整性”和“关联正确性”，一条检验记录如果丢失了批次号，追溯链就断了。
时序数据是设备与系统按固定或近似固定频率采集的“连续测量值”，它描述的是“过程处于什么状态”。典型来源包括：传感器（温度、压力、振动、电流）、SCADA系统（设备运行状态、报警、设定值）。时序数据的特征是：写入频率高、单点价值低但聚合价值高、保留周期受存储成本约束。治理重点不是逐条清洗，而是定义采集频率、时间戳对齐规则、异常值判定阈值和降采样/归档策略。
文档数据是承载非结构化或半结构化知识的“文件资产”，它描述的是“依据和说明”。制造场景中包括：工艺文件、作业指导书（SOP）、图纸、检验标准、设备手册、变更通知单。文档数据的治理难点在于版本控制和权限管理——现场使用的必须是有效版本，作废版本必须可追溯但不可误用。
数据资产地图的绘制方法
数据资产地图不是一张简单的清单，而是一张“对象—系统—责任—流向”的关系图。绘制时按以下顺序推进：
- 列对象：按四类分别列出企业实际存在的对象，给出唯一标识（如物料编码、工单号、测点编号、文档编号）。
- 标系统：标注每个对象在哪些系统中产生、在哪些系统中被引用。例如物料在ERP中创建，被MES、WMS、PLM引用。
- 定责任：为每类对象指定数据Owner（业务负责人）和Data Steward（数据管理员），主数据通常由主数据管理岗负责，时序数据由设备/自动化团队负责。
- 画流向：用箭头表示对象在系统间的流转方向，标注关键接口和同步频率。
- 标风险：在图上标记已知的质量问题点，如“物料编码在ERP与MES不一致”“SCADA时间戳未对齐”。
下面这张SVG以一家典型离散制造企业为例，展示四类对象在系统间的分布与流向关系。图中左侧为数据产生源，中间为承载系统，右侧为消费场景，箭头表示主要数据流向。
从盘点结果到治理优先级
完成资产地图后，不要试图同时治理四类数据。建议按“影响面×出错概率”排序：主数据影响面最广、出错概率中等，应优先治理；事务数据影响面广但出错概率较低，可随流程优化同步治理；时序数据影响面局部但采集频率高，重点在采集规范；文档数据影响面局部但版本错误后果严重，重点在版本控制。一个可操作的判断依据是：如果某类数据出错会导致下游三个以上系统或流程受影响，就应纳入第一批治理范围。
盘点不是一次性的。制造企业的产品、产线、系统会持续变化，建议每季度复核一次资产地图，重点检查新增对象是否归类正确、责任是否明确、流向是否发生变化。只有把对象盘清楚，后续的数据标准、质量规则、安全策略才有明确的落点。