今天，商业环境瞬息万变，竞争日益加剧。

无论你是什么行业，你都无法回避的一个关键词是“数字化转型”。通过数字化转型，让企业变得敏捷，成为一种时代精神，也是我们这代IT人的使命。

然而，无论是业务层面的创新需求，还是决策层面的数据分析需求，都要干净、准确的业务数据作为支撑。只有拥有一个规范的、干净的数据基础，才有可能谈创新，才有可能在复杂多变的商业环境下，做出科学的决策，数字化转型战略才有机会落地。

在企业纷繁复杂的数据里，有一类数据事关全局，例如：客户数据、产品数据、员工数据…这些数据被频繁复用、影响全局，正在成为数据治理中的难点、痛点。

主数据管理系统正是以这些共享的、静态的数据为抓手，尝试通过建立一个统一的、共享的管理系统，通过治理和规范，形成打造真正干净的数据治理能力。

然而作为一类重实施的项目，主数据管理的实施并不简单，其中有诸多脏活、累活，项目实施风险很高。

主数据管理项目实施风险有哪些？

主数据产品选型关键注意事项是什么？

带着这些问题，选型宝采访了Stibo Systems 大中华区专业服务总监张金良先生。

干货满满，尽在访谈实录中…

本次访谈的观点精华

选型宝：在您看来，什么样类型的数据属于主数据，它跟其它的数据是一个什么样的关系？

张金良：主数据有三个标准，第一个就是唯一性，这个好理解，既然做主数据一定是唯一的，不能有重复的，这是唯一性。

第二个就是共享性，主数据一定要是在整个企业的业务系统中能够一直在流转的，各个系统都会使用的，这种是共享性。

第三个是静态性，这个数据是相对于静态，不是变化频率特别高的，不像我们的交易数据可能一分钟变几十次这种，它的数据相对静态。

一般来说我们会拿这三个标准来去进行一个梳理，这是传统的主数据定义的一个概念。当然现在对于主数据可能有一些外延或者有一些管理方式的变化，但是它的数据层面界定，我们基本上还是以这个为主。

业务数据之间跟主数据的关系，其实就是主数据是业务数据的基础，主数据到了各个业务系统，我会去补充它的一些业务属性，这样的话这个数据可能会更加丰富。

同时还有一些业务数据，交易性的数据，在跑的时候其实是拿主数据作为基础数据来去生成的。所以主数据是所有数据里边最基础、最核心的一部分。

选型宝：主数据管理跟数据治理这两个概念，我们应该怎么去理解它们之间的关系呢？

张金良：其实主数据跟数据治理，我们的简单理解，它们相互合作，是共同帮助企业提高数据质量。

其实数据治理它属于数据管理中的一部分，主数据管理又是数据管理中最核心的一部分。

企业在做数据治理的情况下，首先要有主数据管理，要有数据标准、规范，需要建立成熟的主数据管理流程，那基于这个，再做数据治理，包括数据清洗，至少我们说有法可依，你要依据哪一种标准来去进行数据的清洗，数据治理，那如果你的标准不定的话，你这数据只能越来越乱，今天我是这个标准我要这么去做，明天另外部门我另外一个标准，那数据肯定会乱的，一定要有一个统一的标准。

主数据管理，就是他把主数据层面的整个标准流程，包括一些定义落地，能保证这些数据的质量，那以这个为基础，我再去做数据质量，那就更加容易一些。

我们认为主数据管理，是整个数据管理中最核心的基石部分。

选型宝：一般而言，企业实施主数据系统，会经历怎么样的一个历程？

张金良：一般来讲，分为以下几步：

第一步 主数据的界定

我们要去做一些宣贯，跟客户讨论，他们什么样的数据是主数据，这个过程叫主数据的界定，或者叫主数据识别。界定的标准就是刚才说的唯一性、共享性、静态性。

第二步 确定主数据的维护流程、标准规范

访谈完之后，确定其这些数据维护的标准规范，如果是合理的，我可以研究它们，如果有一些可以变化，可以去改变，或者优化的，我们会给出一些意见，要细到字段级，我的数据类型是什么样的、大小，长度等等，这是一些主数据标准上面的东西。

同时也要帮客户梳理数据维护流程，未来参与这个流程大概都是谁，每一个流程节点的角色，应该是什么样的人，推荐什么样的人去担任这样的职务，去负责这一块。

因为你这个数据标准它也不是说一成不变的，之前定完之后，后边还会经常有一些变化，这个时候一定要有专门的人或者是组织办这个事。

第三步 历史数据清洗，进入主数据系统

数据清洗是主数据里边实施的一个很大的部分。数据如果质量不高，是脏数据、乱数据，进了主数据系统里，它还是脏乱的。如果没有数据清洗，我只不过是把脏数据，从这个地方拿了一个备份，放到另外一个地方，没有解决根本的问题。

结合确定的标准规范，对历史数据进行清洗，确保清洗以后，干净的数据进入主数据管理系统。

第四步 数据映射

清洗以后，主数据系统里存的是唯一可信的数据，在业务系统中，可能存在于重复的数据，或者数据质量很差，在这种情况下，要去做这种映射。

主数据管理系统把清洗过的数据，回推给业务系统，然后再一个保留映射的关系，因为交易在跑，如果把数据完全改的话，可能就原来的这个系统单据，这种历史数据可能走不下去了，所以说可能是要有映射关系，有一个过渡的过程。

选型宝：项目上线以后，怎样的机制，保证新产生的数据符合规范？

张金良：通常，我们讲究一个事前、事中、事后的一个概念。

事前，数据进来之前，要校验，质量不好的话，有问题的，我不要，这是一种。

另外一个我在里边维护的时候，因为人为做会有失误，不能保证人做的都是对的，在这个情况下，事中的时候，也会有一个监控跟治理的过程。

事后，主数据系统往业务系统推数据的时候，也一定是要按照符合业务系统要求规范，推下去。

整个这三部分，事前、事中、事后，都要有数据管理体系，而在我们的组数据产品，Stibo里边，其实有这些功能的。

比如说我会有一些校验接口，哪怕你是用自己的业务部门来去维护，你也是要到主数据系统的接口来进行数据校验，保证进来数据是OK的。

同时在里边，我们会有一些数据质量分析的报表，定期的去跑，有问题的话直接就能提示你这些数据有哪些问题？这个的话，在数据维护管理是非常重要的，因为我一眼就看到了哪一条数据什么问题，我就可以直接去进行更改、维护。

另外一种功能，我会有一些业务规则或者是流程校验的机制，你在里边维护的时候，我当时能提醒你，你这个输错了，你这个东西做的不对，或者不符合标准，这样整个是一个完整的体系。从数据标准、规范、流程，这几种合作才能保证它数据的干净程度。

选型宝：数据的校验机制，这个背后的是一些什么样的逻辑，能举几个例子吗？
张金良：其实校验这块，我们也会经常遇到，简单来讲就是我们经常自己上网登录东西发现的，这个框是文本就不能输数字的。
简单的，长度是20位的编码，你不能输40。比如手机号，你要超过11位，我就认为你输错了。
但是再复杂一些，比如说你的×××号进来之后，它会给您校验，你这个是不是自己编的？因为×××号它会有校验位，它不是自己编的，第二号码区号，你随便录，是不是对？
然后再复杂，比如说我的数据进来之后有一个判重，跟主数据要识别它的唯一性，之前录过一条数据，你过两天以后，可能录得非常相似或相近，我要去提示你。等等诸如此类的机制，来保证后续的数据是持续干净的。

选型宝：作为一种实施风险比较高的项目，您认为，可能导致主数据管理项目失败的因素有哪些？
张金良：其实从主数据管理来讲，实施难点主要在于几个方面：

1、怎样驱动业务部门落实新的管理规范
一般好多企业是这样，使用业务系统我要去使，但是都会认为整个数据的维护管理都应该是IT的事。
实际情况是，好多数据其实是从业务部门来的，这种情况下它在界定数据维护流程的时候，制度规范很难去往下推。人人都愿意享受数据规范后的便利，但是不一定愿意承受规范带来的束缚。
2、历史数据的清洗，这是一个脏活累活
另外一个点很重要，就是数据清洗，以前这个历史数据哪些数据能进主数据，要进之前，一定要做清洗，这步很关键的。
理论上其实每条每个字段都要过了，所以这个会比较苦，量会比较大，用我们的话讲就是干脏活累活的。
这一步，也是很重要的一个潜在风险，是关系到项目成败的关键。

选型宝：有哪些策略可以降低实施风险？
张金良：首先是要确保领导有力
这个项目一定需要比较高级别的领导才能推动，只有高级的领导，才能够去协调动各个部门之间的资源或者是人力。
包括比如说专家，包括各个部门的组长，他来去做数据的规范、数据标准的制定，他来去领导这个流程走下去。
如果有数据变更，他能去做一些仲裁这样一些内容，所以说这一定要是一个级别比较高的人才能推动这个项目。
第二，做好激励
在整个项目实施的过程当中，我们会把这个数据进行一个界定，定义这个数据的数组，到底是谁来管这块数据，哪个部门来负责哪一部分。
我们系统会有一个整个追溯的过程，到底是谁什么时间做什么维护，改了什么样的数据，会有这样的追溯过程，并且我们会对数据质量有一个评估，有些KPI指标，可以评估整个数据维护的及时性，包括准确性，通过这种KPI指标来统计每个人，可以跟他的绩效进行挂钩，也相当于进行一些相应的正激励或者负激励方式，也是去促使用户既在享受高数据质量的优势的同时，也要有一个贡献。
第三，通过产品和技术手段，尽可能沿用之前的数据维护习惯
例如，把主系统和有些页面直接嵌到业务系统里去，沿用用户以前的维护习惯，让用户感觉不到在维护主数据系统，他感觉到我是在为业务系统维护数据，但实际上他进到了主数据系统里面。
通过降低习惯的改动，降低业务人员的抵触情绪，降低实施风险。

选型宝：站在客户的角度看，您认为选择一款主数据管理平台，应该重点考察哪些维度？
张金良：如果以客户角度来讲，选择一个主数据平台，应该从以下角度考察：
▣ 第一，易用性
是不是非常好用，是不是非常容易上手，然后是不是我业务部门就能去使，产品做的足够易用，才更容易减少业务部门的抵触情绪。
▣ 第二，扩展性
就是刚才说的或者是叫业务响应性，如果数据的结构、标准发生了变化，能不能在第一时间能够响应业务的要求，而不是说再去找原厂重新开发，重新搭建结构、重新部署等等一系列东西，那可能这一系列时间过去之后，那个最佳时机已经过去了。
▣ 第三，公司和产品的持久性
因为主数据来讲，它这个核心数据是非常重要的数据。这家公司一定要未来看到它是一个持续发展的公司，不能说过几年这公司都没了，那我这个系统，我的这么重要的数据没有人来去维护，没有去做更新，这也是很关键的。
▣ 第四，实施人员的业务能力
因为看似只是纯数据的一个东西，但是你要对它的业务要有一些比较深的了解，你能给他一些经验，比如说哪个行业里边这个数据一般来说怎么维护，然后一般来说定义的数据标准什么样的，我的数据的质量属性一般是哪一些，这有给他一些指导。
▣ 第五，项目周期
这块放到最后，其实很重要。
很多客户都会想实施周期短，因为一旦发现数据质量问题，就肯定想越快越好，所以说项目实施周期也是非常重要，就是我能不能尽快的在半年以内把这个数据治理好。