3. 制造数据治理组织与角色设计

制造企业的数据治理组织不能照搬互联网公司的“数据中台+数据委员会”模式。工厂的数据天然分散在研发图纸、工艺路线、生产工单、质量检验记录、设备点检日志中，每个部门既是数据的生产者，又是数据的使用者。如果只设一个“数据治理部”统管所有数据，往往既管不动研发的BOM变更，也管不了车间的报工数据。因此，制造数据治理组织设计的核心思路是：按数据域划分责任，把数据所有者、数据管理员、数据 steward 三层角色嵌入到现有业务部门中，用协作机制把跨部门的数据流串起来。

三层角色的定位与区别

在制造场景中，三层角色的职责边界可以用“决策—管理—执行”来区分。

数据所有者（Data Owner）通常是部门负责人或业务域负责人，例如研发总监、工艺部长、生产厂长、质量总监、设备部长。他们对本域数据的准确性、完整性、安全性和合规性负最终责任，拥有数据标准、数据质量规则、数据访问权限的审批权。数据所有者不直接处理数据，但必须为数据治理投入资源、拍板争议、承担考核结果。

数据管理员（Data Manager）是部门内指定的专职或兼职管理岗，例如研发的BOM主管、工艺的路线主管、生产的计划主管、质量的体系主管、设备的台账主管。他们负责把数据所有者的决策落地：制定本域数据标准细则、组织数据质量检查、处理跨部门数据问题、维护数据字典和血缘关系。数据管理员是数据治理日常运转的“枢纽”。

数据 steward（数据专员）是具体数据对象的日常维护者，通常由熟悉业务的一线工程师、班组长、检验员、设备员担任。他们负责在系统中及时、准确地录入和更新数据，例如研发工程师维护物料属性、工艺工程师维护工序参数、生产班组长确认工单完工数据、质量检验员录入检验结果、设备员更新设备状态。数据 steward 是数据质量的“第一道防线”。

各部门的角色映射与职责

结合工厂实际，五个核心部门的角色配置和职责如下表所示。需要说明的是，中小企业中数据管理员和数据 steward 常由同一人兼任，但职责不能省略。

以研发BOM变更为例：产品工程师（steward）在PLM系统中发起变更申请并填写变更原因、影响范围；BOM主管（管理员）审核变更是否符合物料编码规则、是否影响已发布版本；研发总监（所有者）审批重大变更；变更生效后，工艺工程师需要同步更新工艺路线，生产计划员需要调整工单，采购需要更新物料需求。这条链路如果没有明确的角色和协作机制，就会出现“研发改了BOM，生产还在用旧版本”的典型问题。

跨部门协作机制

三层角色要真正运转，需要四类协作机制支撑。

第一，数据治理例会。每月由数据治理牵头人（通常由分管副总或CIO担任）召集五位数据所有者，评审数据质量指标、争议问题和改进计划。会议输出的是决策，不是汇报。

第二，数据问题工单。任何部门发现数据问题，通过工单系统提交，明确问题数据对象、发现时间、影响范围、期望解决时间。工单自动派发给对应数据域的管理员，管理员在约定时限内响应，重大问题升级至数据所有者。

第三，数据标准评审。新增或修改数据标准时，由提出方管理员起草，相关域管理员会签，数据所有者审批。例如新增一个物料属性字段，需要研发、工艺、生产、采购共同确认字段定义和取值规则。

第四，数据质量考核。把数据质量指标纳入部门绩效，例如BOM准确率、工单报工及时率、检验记录完整率、设备台账更新及时率。考核结果与数据所有者的管理责任挂钩，避免“治理是数据管理员一个人的事”。

角色协作关系图

下图展示了五个部门的三层角色如何围绕数据域和协作机制形成治理网络。图中横向是部门，纵向是角色层级，中间的协作机制把跨部门的数据流连接起来。

落地时的关键注意事项

第一，角色要落到具体人名，不能只写岗位。“研发部负责BOM数据”是空话，“张三负责物料主数据、李四负责BOM结构”才能追责。建议用RACI矩阵明确每个数据对象的负责人、审批人、咨询人和知会人。

第二，数据管理员要有时间保障。如果让BOM主管“顺便管数据”，他一定优先做紧急的图纸发布，数据治理永远排在后面。建议明确数据管理员每周投入数据治理的时间比例，例如不低于30%，并纳入其岗位职责说明书。

第三，协作机制要有时限和升级路径。数据问题工单如果48小时未响应，自动升级至数据所有者；跨域争议如果例会一次未决，由数据治理牵头人裁定。没有时限的协作机制等于没有机制。

第四，从试点数据域开始。不要一上来就五个部门全面铺开。建议先选物料主数据或BOM数据作为试点，把三层角色和协作机制跑通，形成可复制的模板，再推广到工艺、生产、质量、设备域。试点周期一般2～3个月，以数据质量指标改善作为验收依据。