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:143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
  • 数据管理能力成熟度评估模型

    数据管理能力成熟度评估模型

    数据管理能力成熟度评估模型,中华人民共和国国家质量监督检验检疫总局,中国国家标准化管理委员会发布。……查看详情

    发布时间:2019.09.02来源:GB/T36073—2018浏览量:476次

  • 企业大数据治理的五个核心要素

    企业大数据治理的五个核心要素

    当今的大型企业,内部分工日趋细化,采购、服务、市场、销售、开发、支持、物流、财务、人力等各个环节,无不每时每刻产生着大量的数据。数据的格……查看详情

    发布时间:2019.08.20来源:知乎浏览量:139次

  • 业务流程建模及其在企业中的作用

    业务流程建模及其在企业中的作用

    为实现其目标,组织必须完全了解其流程。因此,业务流程设计和分析是定义业务运营方式的关键,并确保员工理解并负责履行其职责。……查看详情

    发布时间:2019.02.18来源:亿信华辰浏览量:222次

  • 数据治理成熟度评估

    数据治理成熟度评估

    数据治理成熟度反映了组织进行数据治理所具备的条件和水平,包括元数据管理、数据质量管理、业务流程整合、主数据管理和信息生命周期管理。……查看详情

    发布时间:2020.07.17来源:知乎浏览量:416次

  • 数据质量分析定义的六个阶段

    数据质量分析定义的六个阶段

    企业数据质量治理对象一般主要包括两类数据:一类是操作型数据,例如:主数据、参照数据和交易数据。……查看详情

    发布时间:2019.12.06来源:知乎浏览量:211次

  • 大数据助力经济社会发展的实践与探索

    大数据助力经济社会发展的实践与探索

    近年来,贵州省深入贯彻习近平新时代中国特色社会主义思想,抢抓获批建设国家大数据(贵州)综合试验区重要机遇,深入实施大数据战略行动,持续推……查看详情

    发布时间:2019.03.20来源:大数据浏览量:113次

  • 数据交换平台解决方案

    数据交换平台解决方案

    数据交换平台提供各子系统接入的接口,实现数据交换平台和各信息系统的有机结合,以统一的接口规范实现数据自动提取、数据转换、数据发送、数据校……查看详情

    发布时间:2020.04.23来源:知乎浏览量:192次

  • 企业做好数据治理才能更快更好地推进数字化转型

    企业做好数据治理才能更快更好地推进数字化转型

    企业做好数据治理才能更快更好地推进数字化转型数据治理之“困”在谈到当前的数据治理之“困”时,主要有四方面:……查看详情

    发布时间:2019.12.12来源:知乎浏览量:123次

  • 数据质量管理趋势

    数据质量管理趋势

    进一步信息又可分为物理信息和语义信息两类,其中物理层面的信息反映基础的数据结构;语义信息属于进阶有含义的语义数据结构,反映人类的视角。……查看详情

    发布时间:2019.11.15来源:知乎浏览量:158次

  • 领导者的数据治理:将数据战略转化为行动

    领导者的数据治理:将数据战略转化为行动

    数据随处可见,物联网和不同数据源,数据源,渠道和数据消费者的互联性日益增强。……查看详情

    发布时间:2019.02.14来源:亿信华辰浏览量:186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