摘要：高质量的主数据对与业务相关的所有方面都至关重要：收入增长、运营效率、风险管理以及合规性、分析和数字化转型，控制成本和保持敏捷的能力。在谈到数据保护和信息管理时，透明的主数据治理对企业的成功至关重要。

What Is Master Data Governance – And Why Do You Need It?

高质量的主数据和透明的主数据管理战略将有助于保护和发展您的业务。主数据治理可以帮助您。

高质量的主数据对与业务相关的所有方面都至关重要：收入增长、运营效率、风险管理以及合规性、分析和数字化转型，控制成本和保持敏捷的能力。在谈到数据保护和信息管理时，透明的主数据治理对企业的成功至关重要。

接下来，Stibo将和您一起讨论什么是主数据治理、为什么需要主数据治理以及如何实现主数据治理。

什么是主数据

主数据描述了业务赖以建立的核心构件（数据域）--人、地点和事物，它们相互作用，创造了业务流程。因此，主数据是对业务非常重要的信息源。

主数据实体的例子包括客户主数据、企业数据、参考数据、产品数据、供应商数据、实体店和地点数据、员工数据以及与主要资产相关的数据。

我们的 “什么是主数据管理 ”信息图表可帮助您了解全貌。

什么是数据治理

考虑到数据的多种类型：交易数据、行为数据、性能数据、时间数据、运营数据--不胜枚举，数据治理很难定义。

您的企业必须拥有关于这些多种类型数据的可靠、可信的信息，这就是主数据治理的作用所在。对主数据进行适当的治理，可帮助您识别关键数据资产，并以对业务有意义和有用的方式对其进行增强。

有了准确可靠的信息，企业就能根据清晰的数据而不是假设做出决策。例如，许多公司都在为重复的客户数据而苦恼。

这些重复可能会导致负面的客户体验、丧失追加销售机会以及潜在的欺诈和数据隐私侵犯风险。

此外，这些记录不能简单地删除，因为它们服务于特定的商业目标，而且与需要获取信息的不同所有者相关联。哪个记录拥有最可信、最完整或最新的信息，往往并不清楚。

为了解决这个问题，企业必须在多个业务范围内保持单一的客户视图。

然而，这就提出了如何实际定义 “客户 ”的问题，因为不同的业务需求可能会对这一术语做出不同的解释。

主数据治理可以让企业在涉及客户信息及其他方面时，创建一个约定俗成的术语表。这可以确保企业中的每个人都使用一致的标准定义，有助于消除未来可能发生的误解、误用、混淆和错误。

主数据治理如何实现这一目标？答案是：一个优先考虑单一真实来源的数据模型。

单一客户视图--主数据治理成就

最高程度的数据透明度和信任度相当于对您的资产和数据源进行单一的、精心策划的视图。例如，拥有单一的客户视图，就能对每个客户进行唯一识别，了解他们的属性以及与公司的关系，从而做出更好的商业决策。

这种数据视图的整合是实现数据驱动和资产商业价值最大化不可或缺的基础。然而，客户数据可能存在于不同的应用程序中（ERP、CRM 等），因此很难知道哪个版本值得信赖。

消除重复并将不同的业务视图合并到单一客户视图中（也称为黄金记录），可以为您提供可跨渠道共享的可信来源，如以下 B2C 单一客户视图（Stibo演示界面）：

为了达到数据质量和透明度的最高水准，您需要整合和清理数据并管理数据流程： 数据存储在哪里？数据工作流如何实现？谁在使用（和需要）？谁可以更改？

数据清理后，必须制定明确的主数据获取、存储、管理和共享政策和规则。然后，必须教授、理解和执行这些政策。

强大的主数据管理治理解决方案必须包括人员和流程，而不仅仅是技术。也就是说，如果有适当的技术能力（如主数据管理系统）支持，数据政策的实施和执行就会变得更加容易。

主数据治理和主数据管理并不是同一概念

主数据管理（MDM）是一个综合性流程，重点关注整个组织内权威主数据的创建、维护和使用，而主数据治理（MDG）则具体指用于确保这些数据的质量、一致性和安全性的政策、程序和标准。

MDM 包括管理主数据的技术和工具，而 MDG 则涉及监督和监管方面，以确保您的数据得到正确管理。

主数据管理是支持数据治理战略的重要工具，因为它为数据收集、分类、建模、质量控制、数据管理员的文书审查以及自动删除重复数据的链接和合并功能提供了实用的方法。

如上图所示，通过连接应用程序和统一数据，容纳客户数据中心的主数据管理可有效打破孤岛式数据管理，而孤岛式数据管理是实现数据透明度和问责制的最重要障碍。

如果不对主数据进行治理就会出现一些列问题

主数据治理（事实上是所有数据治理）通常被视为 CDO 的责任，是行政和合规方面的开销。然而，主数据治理不仅仅是打勾选项的需要；它直接影响到企业扩展和实现新目标的能力。

它甚至是防止企业在此时此地流失资金的关键因素。数据不受管理意味着您将不可避免地把宝贵时间花在人工处理和危机处理上。

不规范的数据会导致货物被发送到错误的地址，或者客户收到的货物与公布的描述不符。这两种情况都会导致糟糕的客户体验、声誉损失和忠诚度下降。

数据质量差还会造成以下更微妙的影响

 由于无法准确识别客户购买的产品类别，错失向客户追加销售的机会

 浪费在纠正和重新处理上的时间

 无法协商采购折扣，因为供应商重复了太多次，以至于您无法确定您的总支出是多少

 由于尺码数据不准确，使您在比较网站上的形象大打折扣，造成网络销售损失

 缺乏对供应链的洞察力，包括采购和制造方法、分包商的使用等，可能导致代价高昂的召回和品牌损害

 制造商无法与分销商和零售商共享准确信息

 阻碍产品主数据符合数据标准和要求，如政府和贸易法规或 GS1 标准

最后，各系统和流程的数据不一致会导致对分析结果缺乏信心。您的情报变得主观，决策变得基于观点而非事实。

将数据治理正规化

企业中的员工已经在进行数据治理，这是他们日常工作的一部分。

例如，您的会计可能会确保过账到正确的分类账代码，您的应付账款部门会确保发送发票并收到匹配的付款。您的大部分运营数据已经得到了积极管理，但重点主要是跟踪数量和财务价值。

这些主数据是许多业务流程的基础，但往往得不到充分的质量检查。主数据治理旨在建立正式的管理责任，以确保这些数据的整体质量和可靠性，从而将业务从被动的方式转变为主动的方式。

数据质量差往往只有在业务流程出现故障时才会被发现--当交付无法完成或 IT 系统停止工作时--这几乎不是发现问题的最佳方式。此外，当因数据质量差而发生灾难时，没有人可以寻求解决方案。

数据治理可确保有人明确负责--不仅要解决突发严重问题，还要降低严重问题发生的可能性。

主数据治理的关键要素

每个组织都不尽相同。主数据管理没有唯一标准的框架，但有一些关键要素是每个人都必须关注的。

这些要素包括透明度、维护、数据所有权、变更管理、合规性、问责制、权威性、可审计性、数据管理、标准化和教育。

数据管理的许多支持者都有固定的模式，这些模式在以往的工作中被证明是行之有效的。问题是，这些固定的解决方案大多忽视了您的组织能力。

许多供应商都声称可以提供数据治理工具，有一些工具可以帮助您进行治理，有一些工具可以让您存储和传达已定义的业务规则，有一些工具可以衡量数据质量，还有一些工具可以识别合规性问题。

然而，治理涉及的是组织、流程和责任，这些工具可以在其中部署。没有正确的组织，这些治理工具的优势就无法实现。

没有正确的组织，这些管理工具的优势将无法实现。

数据维护也需要进行规范管理

数据治理等同于数据维护吗？虽然两者通过数据质量密切相关，但它们二者有独立的职能。

维护组织往往与组织内特定的 IT 系统或特定的业务线 (LoB) 保持一致，而数据治理则是关于每个人都应遵守的一套通用规则。

理解这种对立的关键在于理解双方与标准的关系。作为主数据治理的一部分，您需要定义一套最佳实践或原则，以确保创建并保持数据的良好质量。

将这些定义为您的标准。数据维护团队必须遵守这些标准，但数据治理必须定义标准并确保这些标准得到遵守。

何为数据所有权

数据所有权是一个非常容易混淆的术语。例如，企业通常会按地域划分数据责任--英国销售团队负责管理英国地区的所有客户及其数据，而美国团队则负责管理美国地区的客户及其数据。

但话又说回来，我们提出的是由一个数据治理组织来负责数据，而在许多这样的治理组织中，我们看到的是数据所有者的角色，这就更加混乱了。

然而，数据治理组织的角色被命名为 “数据所有者”，其实是名不副实的，因为实际上，他们拥有的不是数据，而是指导用户实现良好质量的标准（原则和最佳实践）。

因此，尽管许多部门可能声称拥有数据内容，但数据治理组织却拥有数据结构和质量规则。

数据治理组织应该开展哪些活动？

从管理者角度来看，数据治理组织只执行两项活动，但实际上，这两项活动可能非常复杂，需要一个资源网络来实现。数据治理团队负责变更管理和合规性。

变更管理：- 一旦您定义了一套标准，并使数据与这些标准保持一致，就必须控制对这些标准的变更。

例如，如果您规定所有日期都以英国的 “日/月/年 ”格式存储，那么如果有人想改成欧洲的 “月/日/年 ”格式，这就是一个大问题。

数据管理团队会评估任何此类更改的影响，与相关利益者联系，衡量此类建议的成本和收益，如果认为更改是适当的，则在所有受影响的业务领域管理这些更改。

合规： 哪里有规则，哪里就需要监管。数据治理团队必须是这支警力--衡量组织是否符合其管理的任何标准，并采取行动提高合规水平。

如何开始进行主数据治理

如上所述，没有放之四海而皆准的方法，但至少需要考虑以下步骤来实施数据管理计划：

 指定专人负责该计划，如 CDO

 使其成为所有数据管理学科的核心

 评估您的现状--您可以使用成熟度模型--然后规划您的旅程

 确定角色和职责

 通过设定关键绩效指标来衡量进展

当对计划进行更深入的挖掘时，下一个层次可以由以下六个部分组成。

Stibo六步搭建主数据治理计划

1. 为所需的数据质量和流程建立清晰的愿景

确保您对数据治理计划有清晰的愿景和范围，以便您的组织能够顺利完成数据集成

2. 定义数据标准

每项标准都应具有业务理由，说明其存在的原因、拥有该标准可实现的明确收益、为实现收益而应达到的质量水平（不一定是 100%），以及可显示收益实现情况的指标。

3. 设计数据管理组织

该组织必须适合管理您所定义的标准。这包括管理数据者的角色和职责、用于管理活动的内部管理流程（如标准变更管理），以及影响组织管理能力的任何外部流程的变更（如 IT 项目管理流程）。

4. 让数据所有者

- 制定您自己标准的数据质量路线图。

5. 制定数据质量路线图

路线图必须记录当前的质量水平。对照标准中定义的要求进行衡量，并提出弥补差距和/或保持良好质量的措施。

6. 填充剩余的数据治理角色

为运行持续合规性测量和管理数据质量路线图中确定的活动所需的数据管理角色招募资源。

如何确保数据治理团队取得成功？

一个成功的主数据管理组织的关键之一是，当有人拒绝遵守你的标准时，你有权威性去指导对方。

在没有授权的情况下，通常会出现地方标准增多、复杂接口激增的情况，以管理不同标准的业务领域之间的过渡。

随着标准数量的增加，最终会出现根本没有标准的情况。经常出现此类问题的企业类型是那些通过收购发展壮大的企业，但对这些子公司的数据质量管理却保持着一定的距离。

相反，最成功的数据治理计划是在制药行业，由外部机构强制执行标准。

数据治理原则上并不复杂，但其应用可能变得既复杂又非常政治化。

数据治理得益于专家的设计指导在设计方面有专家的指导，但也需要对企业及其特殊性有本地化的了解，才能构建出适合您的情况并带来实际效益的东西。

主数据管理如何帮助治理您的主数据

从一开始就确保数据定义，可以在整个数据生命周期中提供高质量的数据。

这样，整个企业的数据管理员和数据所有者就可以使用准确的数据工作。这就是主数据管理可以提供帮助的地方：通过在细粒度上为用户定义权限和任务。

主数据管理可以自动执行流程，使数据以无缝的方式从一个部门流向另一个部门。

工作流程状态之间的规则和闸门可实现审计跟踪，帮助数据所有者跟踪未经授权的更改。这样既能确保运行效率，又能保持问责制。

以下两个例子说明了如何配置主数据管理，以支持和执行主数据政策

1. 客户数据管理

下图为Stibo产品展示界面，显示了企业客户数据策略的完整性状态。该屏幕列出了所有已配置的策略，顶部有一些一般指标（本例中为当前违规次数）和每个当前策略的得分。此外，您还可以看到哪些业务应用程序将客户数据输入主数据管理。

可以通过工具栏对这些策略进行排序和筛选，还可以从中创建新策略。策略基于指标和数据集。

进入其中一个客户数据策略后，您会看到一个策略得分历史图表，左侧是一些快照数据小部件，右侧是策略活动时间轴。

在该屏幕上，您可以编辑策略状态、违反阈值和每个评分期的接受偏差。工具栏还允许您订阅策略并接收电子邮件通知。

通过Stibo产品STEP主数据平台这种查看和编辑客户数据策略的高精细度功能，可以帮助您实现数据质量目标，并通过强调哪些流程需要您的关注来提高适用性。

2. 产品数据管理

下面的截图显示了产品数据配置的一个示例，以确保在将产品推送到工作流程的下一阶段之前，产品数据达到一定的质量水平。作为工作流程的一部分，产品经理需要填写三条牛仔裤的营销信息。

特征 Bullets 1-3 这三个产品属性是必须填写的。

工作流程中的这个关口可确保数据的完整性和责任性。

图片为Stibo主数据管理平台显示页面，展示了主数据管理如何为每个产品属性配置工具提示，以告知用户需要键入的值。

此外，用户还可以打开一个维基页面，了解有关属性本身的更多信息（时间、内容、创建者等）。

每个属性都定义了一种类型，如文本、项目编号或值列表，每种类型都有属性验证规则，如最小值-最大值、最大字符数等。

如果某个值不符合属性验证规则，主数据管理部门就会用颜色代码警告用户，并阻止用户保存项目。

结语：主数据管理必须有定义

主数据管理离不开治理。但退一步说，没有定义就无法实施数据治理框架。在实施数据治理框架之前，必须先进行数据收集、分类和质量控制。

Stibo认为要对数据进行治理，就需要对采集和可访问性进行明确定义，这是主数据管理的基本要素。

来源：无忧的船帆4XO