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:150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
  • 2021年自动化数据管理的热门用例

    2021年自动化数据管理的热门用例

    数据管理自动化将成为任何企业和行业越来越有价值的实践。这将有助于克服处理数据的挑战-从访问和存储到准备或分析数据-如果未进行优化,这些方……查看详情

    发布时间:2021.06.28来源:亿信华辰数据治理知识库浏览量:205次

  • 2019年的数据治理趋势

    2019年的数据治理趋势

    2018年十月,DATAVERSITY ®发布报告趋势数据治理和数据管理,这是基于对囊括主要来自信息和数据治理专家,数据和信息架构师,以……查看详情

    发布时间:2019.02.20来源:亿信华辰浏览量:167次

  • 数据平台,数据中台是什么数据?

    数据平台,数据中台是什么数据?

    数据中台最核心的就是data API,它提供一个一个的可以复用的标准,这种数据服务给到业务系统。构建数据中台和构建数据平台也有很大的区别……查看详情

    发布时间:2021.01.23来源:知乎浏览量:144次

  • 数据质量分析主要包括那些内容?

    数据质量分析主要包括那些内容?

    数据是组织最具价值的资产之一。企业的数据质量与业务绩效之间存在着直接联系,高质量的数据可以使公司保持竞争力并在经济动荡时期立于不败之地。……查看详情

    发布时间:2019.11.13来源:知乎浏览量:249次

  • 云中的数据治理

    云中的数据治理

    IT中心,内部部署基础架构变得越来越复杂和昂贵,并且需要高技能的人力,因此企业现在将其IT和数据科学功能转移到云。云计算承诺提供低成本存……查看详情

    发布时间:2019.02.21来源:亿信华辰浏览量:178次

  • “数据治理那点事”系列之一:那些年我们一起踩过的坑

    “数据治理那点事”系列之一:那些年我们一起踩过的坑

    大数据时代,数据成为社会和组织的宝贵资产,像工业时代的石油和电力一样驱动万物,然而如果石油的杂质太多,电流的电压不稳,数据的价值岂不是大……查看详情

    发布时间:2019.08.02来源:知乎浏览量:129次

  • 数据质量问题的影响因素

    数据质量问题的影响因素

    数据质量反映的是数据的“适用性(fitness for use)”,即数据满足使用需要的合适程度。数据质量通过完整性、一致性、准确性、及……查看详情

    发布时间:2020.04.09来源:百度浏览量:588次

  • 数据交换如何“主动出击”?

    数据交换如何“主动出击”?

    传统的数据交换,一般说来是用户根据自身的数据抽取需求,配置好相关的设置,定义好数据抽取时间来进行数据交换。这是一种被动式的数据交换,如果……查看详情

    发布时间:2020.09.27来源:头条浏览量:133次

  • 为什么集成和治理对数据湖成功至关重要

    为什么集成和治理对数据湖成功至关重要

    这是一个由三部分组成的系列文章的最后一篇文章,探讨如何构建一个能够满足真正企业级数据管理平台所有要求的数据湖。虽然早期的专题文章侧重于H……查看详情

    发布时间:2019.02.28来源:亿信华辰浏览量:133次

  • 什么是cgeit?对经验丰富的IT治理专业人员的认证

    什么是cgeit?对经验丰富的IT治理专业人员的认证

    cgeit是一个供应商中立的认证,为负责管理it企业治理的IT专业人士设计,以验证他们在该领域的技能。……查看详情

    发布时间:2019.01.09来源:亿信华辰浏览量:146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