主数据管理对生产率改善、风险管理、成本降低等方面均有显著的好处

发布时间:2020.09.03来源:知乎浏览量:180次标签:数据治理

什么是MDM(Master Data Management)?
主数据管理是旨在创建和维护权威、可靠、可持续、准确、及时和安全的环境的过程和技术框架。这个环境代表了一个单一版本的事实,作为跨不同的系统、业务单元和用户社区的可接受的记录系统。

尽管MDM不是新的,但是最近人们对开发MDM解决方案的兴趣大增。这是因为跨广泛行业的组织的战略和战术需求。这种趋势的一些关键驱动因素是诸如GPDR、Sarbanes-Oxley Act和HIPAA等法规的遵从性。

主数据管理还使组织能够更好地关注以客户为中心的活动,更好地洞察客户的目标、需求、能力和要求额外产品和服务的倾向。如果执行正确,这可以增加交叉销售和追加销售的收入机会,并改善整体客户体验。

MDM的好处
在IT领域内有一股实施MDM的驱动力。通常情况下,应用程序是为支持某个业务领域的运营过程而设计的,它们拥有自己的信息技术设施,包括与应用相关的数据存储和定义。结果是:信息共享越多,我们越是发现多年来横跨业务线的分布式计算和应用已经形成了“信息孤岛”。 当依赖应用的Master Data的拷贝数量不断增加时,通过点对点连接方式同步数据会变得很复杂,整个环境也变得很难维护。与此同时,很难控制信息的一致性和数据的质量了。

像其他重要的IT趋势,MDM对生产率改善、风险管理、成本降低等方面均有显著的好处。更加准确得讲,MDM通过支持依赖以下益处的业务项目来证明自己的价值:

1. 全面的客户知识
内部开发各种应用系统经常会采用不同的方式支持相同类型的客户数据功能。例如某银行可能有多种客户接触界面:支行、ATM、MAIL、Internet、电话和短信。其中的任意一个应用均会创建、更新和停用客户信息。但是在一个相互不协作的环境下,应用就无法知道准确全面的客户信息,包括:唯一客户的数量、客户与银行交互的喜好、客户是如何尝试不同的途径来完成交易的。单一的MasterData存储为所有客户的活动数据提供了单一的来源,采用统一的方式支持各种运营和分析应用。 如果一个企业拥有了完整一致的客户视图,便能提供更加丰富的个性化服务和恰当的处置。这样便能产生更好的客户体验,降低客户流失率。

2. 增强竞争力
在资源有限的情况下,企业需要快速产生新的业务能力,迅速抓住新的商业机会。MDM降低了集成新数据和系统的复杂性,因此能有利于提高企业的敏捷性和竞争力。

3. 改进运营效率,降低成本
复制相同的数据经常带动复制相关的管理数据的活动,包括:典型的日常数据管理工作(备份和维护)、增加设施的license成本(比如RDBMS, ETL产品的license和维护成本),特定的应用工具和服务。统一的数据视图能让企业降低重复出现的运营成本和任务。

4. 一致的报表
报表间的不一致源自信息处理流程的治理缺乏和各环节上有差异的复制和复杂转换。受治理的使用MasterData的信息处理过程能降低报表间的不一致。

5. 提高信息质量
由标准化模型、数值域(valuedomain)和商业规则等组成的元数据能帮助企业更加有效地监控跨越多个垂直应用的信息质量控制情况,降低信息的碎块化和重复劳动。

6. 提高实施速度
MDM提供了信息资产的标准化视图,这减少了抽取和转换数据的延迟, 加速了各种项目的实施进度:应用迁移、系统升级、数据仓库(datawarehouse)/数据集市(datamart)。

7. 简化应用系统开发
MDM的合并工作不仅仅限制在数据领域。当多个MasterData Object合并到一个主存储(MasterRepository)时,就会有可能合并与数据的生命周期相关的应用系统的功能。例如,一个企业中可能会有多个系统负责录入新产品数据到不同的产品数据库,可以把这些产品管理功能合并,提供单一创建新产品功能服务,让不同的应用调用。引入类似的数据服务层为SOA构架提供了必要的抽象。

8. 更好的费用分析和规划
与产品和供应商等相关的MasterData 能够帮助企业改进以下工作:采购工作、协调竞争性的外包(competitivesourcing)、预测未来的费用、改进供应商管理 等等。
(部分内容来源网络,如有侵权请联系删除)
立即免费申请产品试用 免费试用
相关文章推荐
  • 快速理解数据仓库、数据湖、数据工厂、数据中台

    快速理解数据仓库、数据湖、数据工厂、数据中台

    数据生产的整个链条中,对于如何筑湖、如何选址建厂、按什么工序加工、以及如何配送,这是技术部门的事情,而“数据半成品”的沉淀和积累,却不是……查看详情

    发布时间:2021.04.13来源:亿信数据治理知识库浏览量:281次

  • 数据治理模型 - 组织数据质量管理的责任

    数据治理模型 - 组织数据质量管理的责任

    企业需要数据质量管理(DQM),它结合了业务驱动和技术观点,以应对需要高质量企业数据的战略和运营挑战。迄今为止,公司已将DQM的责任主要……查看详情

    发布时间:2018.12.21来源:数据治理浏览量:222次

  • 数据治理超越了将事实放在一起

    数据治理超越了将事实放在一起

    学习如何学习正成为一项关键的执行技能,学习概率思维将成为赌注。……查看详情

    发布时间:2019.01.14来源:亿信华辰浏览量:169次

  • 元数据管理101:什么,为什么以及如何

    元数据管理101:什么,为什么以及如何

    元数据管理已逐渐成为成功的数字化计划战略的最重要实践之一。随着大数据和云等分布式体系结构的兴起,可以创建孤立的系统和数据,元数据管理对于……查看详情

    发布时间:2018.12.19来源:数据治理浏览量:174次

  • 数字化转型实例:数据如何改变酒店业

    数字化转型实例:数据如何改变酒店业

    组织采用数据驱动策略的速度意味着组织可以利用大量的数字转换示例。……查看详情

    发布时间:2019.02.18来源:亿信华辰浏览量:178次

  • 数据治理 VS 数据管理!

    数据治理 VS 数据管理!

    与早期的数字化原生企业相比,不进行数据管理或治理的企业将面临着严重的后果 。至于说到良好的数据管理和应用的实践,大多数人只会将这个词与那……查看详情

    发布时间:2022.06.15来源:互联网浏览量:294次

  • 数据湖架构 - 最佳实践指南

    数据湖架构 - 最佳实践指南

    实施正确的数据湖架构对于将数据转化为价值至关重要。无论您的数据湖中有多少数据,如果您缺乏有效管理数据、跟踪数据并确保其安全的架构特性,那……查看详情

    发布时间:2021.06.18来源:亿信数据治理知识库浏览量:211次

  • 如今的大数据究竟发展到了什么阶段

    如今的大数据究竟发展到了什么阶段

    大数据时代,大数据分析与应用大肆盛行。越来越多的大公司大企业大集团,都越来越重视大数据的影响和作用。……查看详情

    发布时间:2019.03.19来源:亿信华辰浏览量:168次

  • 数据治理:大学数据的分类

    数据治理:大学数据的分类

    所有学院数据都被分类为敏感级别,为理解和管理大学数据提供基础。准确的分类为大学数据应用适当的安全级别提供了基础。这些分类考虑了法律保护(……查看详情

    发布时间:2018.11.26来源:数据治理浏览量:277次

  • 数据治理委员会:指导原则

    数据治理委员会:指导原则

    数据所有权 指定义与特定数据集相关的各种责任级别。讨论谁负责特定的数据任务已经使我们机构的数据维护和准确性变得更加简单。……查看详情

    发布时间:2018.11.23来源:数据治理浏览量:181次

相关主题
您点击 “提交”,表明您已理解并同意接受本网站隐私政策和用户协议