方法论:如何从0到1搭建企业级主数据管理平台

发布时间:2020.12.04来源:知乎浏览量:83次标签:数据治理

企业主数据是用来描述企业核心业务实体的数据,比如客户、合作伙伴、员工、产品、物料单、账户等;它是具有高业务价值的、可以在企业内跨越各个业务部门被重复使用的数据,并且存在于多个异构的应用系统中。本文将针对主数据管理解决方案的实施等方面跟大家作一个探讨。

企业主数据管理的关键在于“管理”,因此一个完整的主数据管理方案应该包括:主数据管理体系建设、主数据管理系统建设,这两个层面。主数据体系建设是企业数据管理的核心,是标准化数据的载体;再通过专业的系统工具,打造稳定的、标准的、统一的主数据管理平台。最终,达到“统一标准、集中管控、专业负责、分级审核”的管理效果。

主数据管理体系建设
主数据管理体系主要包含:组织制度、标准梳理、落地策略等,下面就针对这几方面进行简单的介绍。

1、组织制度
构建主数据管理组织,通常采用三层管理架构:决策层、管理层、执行层。其中决策层最好能由高层担任,因为主数据建设涉及诸多跨部门合作,需要高层的推动;执行层一般也需要相关的业务部门人员参与,他们才是对主数据最了解、使用最多的人。这个组织可以是一个虚实结合的架构,可设置专门的管理岗位,也可由相关责任人兼任。

主数据管理制度层面主要是明确相关的组织职责、流程规范等,一般可根据企业自身情况进行灵活调整,常见制度可包含:主数据管理办法、各类主数据属性模板、主数据流程清单、绩效考核办法等。

2、标准梳理
标准的梳理是对主数据的标准化过程,主要是针对分类、编码、属性等建立统一的标准,并为后续的数据抽取、融合、清洗等环节打下基础。

分类:建立统一、规范、科学的分类,能够提升管理效率,降低因分类不准确造成的错误。分类标准梳理的一般步骤为,①调研、收集相关分类标准,②差异及对标分析,③确定信息分类、确定结构及规则(可结合线分类、面分类、混合分类等方法)。

编码:建立适用全企业的编码规则,对于主数据的管理、辨别、使用都有着至关重要作用。编码梳理的一般步骤为,①遵循全局性、唯一性、适度性、灵活性、扩展性等编码原则,②满足编码共享、自动生成、编码扩展等使用要求,③分析现有编码问题,提出改进意见,最终确认主数据编码规则。常见编码规则包括:顺序码、层次码、组合码。

属性:属性标准的梳理是对主数据的每个属性项分别定义相关标准规范,从而可以约束各系统中的属性差异。属性标准一般会参照外部的国家、行业标准,内部的业务制度、源系统数据字典等,从业务标准、技术标准、管理标准等不同角度进行标准化。

3、落地策略
清洗、整合策略:主要是对零散、重复、不完整的数据,定义清洗条件、质检规则,从精确、完整、一致、有效、唯一等几个维度提升数据质量。

切换策略:主要是指确定各系统对于主数据的上线及对接使用策略,一般根据各业务系统的结构、数据量、重要性等不同维度考量,最终确定适合的策略。常见切换策略包括:完全采用主数据管理平台的主数据、通过映射实现与旧数据的对接、通过映射和逐步数据切换的方式开展,逐步实现所有系统都使用统一的主数据。

维护策略:主要是确定主数据的维护源头和管理模式。常见维护策略包括:①在主数据管理平台中集中进行主数据的新增、变更和删除,及时向各业务系统分发,适用于对管控要求高,实时性要求不太高的主数据;②在单一的业务系统中进行主数据的新增、变更和删除,主数据管理平台及时更新同步数据并向其他业务系统分发,适用于单一可信来源,且不受其他系统影响的主数据;③在多个业务系统中进行主数据的新增、变更和删除,由主数据平台整合处理后分发给所有业务系统,适用于对实时性要求较高的主数据。

分发策略:主要是确定主数据系统与各业务系统数据分发的方式。常见分发策略包括:通过接口(ESB)分发,适用于业务系统对主数据实时性要求较高的情况;通过交换任务分发,适用于业务系统需要批量获取主数据的情况;通过文件分发,适用于系统繁忙情况下的离线批量分发。

主数据管理系统建设
主数据系统作为主数据管理工作的主要载体,选择一个成熟、稳定、便捷的工具,可以让管理工作更加得心应手。

一个好用的主数据管理系统,应具备将实施服务成果落地的能力,并满足客户不仅仅是技术层面的需求,因此应像亿信华辰EsMDM主数据管理平台一样,实现以下价值:

实现主数据统一管理,统一标准规范,各司其职;
满足主数据业务需求,可根据业务需要灵活定义模型及业务流程;
保障主数据高质量,及时发现、修复质量问题,为各类应用场景提供唯一、准确、权威的主数据支撑;
构建主数据高效共享,多种分发方式自主选择,直接使用;
降低主数据管理成本,快速识别、全界面管理,数据自动流转减少运维压力;
提升企业运营效率,一体化主数据管控,一次录入,多方受用
同时,我们在建设主数据系统的时候,不能只纠结于某个功能点,更应构建起一个完善的功能架构。


(亿信EsMDM主数据管理平台架构)

最终,主数据管理平台应该能够完成主数据采集、申请、新增、变更、审核、生效、失效、分发等全生命周期管理,从而帮助企业高效管理主数据,释放主数据价值。

结语:如何快速整合业务系统进而快速形成生产力,是摆在企业面前的首要问题。拥有一个成熟且完整的主数据平台,来助力企业快速对大量数据进行管理,将成为企业应对外部变化及内部发展的基石。主数据标准规划与平台建设,提升了对主数据的运营管理能力,同时更好地实现企业内部的信息共享及利用率最大化。
(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
  • 数据治理计划阶段

    数据治理计划阶段

    所有程序都有生命周期。……查看详情

    发布时间:2019.03.29来源:亿信华辰浏览量:47次

  • 数据湖中的数据管理与治理

    数据湖中的数据管理与治理

    当您转换到数据湖时,选择完全集成的数据湖泊管理平台将使您对数据充满信心,并对其进行扩展以包含越来越多的用户和有利于业务的用例。毕竟,这就……查看详情

    发布时间:2019.03.05来源:亿信华辰浏览量:54次

  • 为什么你应该有一个数据治理策略

    为什么你应该有一个数据治理策略

    数据治理愈来愈受市场重视,那么做好数据治理就应该展开相关的策略。……查看详情

    发布时间:2018.12.26来源:亿信华辰浏览量:39次

  • 数据治理和数据发现:实现数据监管实施

    数据治理和数据发现:实现数据监管实施

    企业不断努力利用数据驱动的洞察力或竞争情报,发展组织“数据文化”的概念将获得突出地位。数据和数据分析将继续在未来的全球业务中发挥关键作用……查看详情

    发布时间:2019.09.20来源:知乎浏览量:43次

  • 银行数据质量管理方法研究与实践

    银行数据质量管理方法研究与实践

    伴随外部监管要求逐步提高以及市场竞争环境的日益激励,银行对于数据价值的重视提升到了前所未有的高度,数据对于银行来说已经成为一项重要的资产……查看详情

    发布时间:2019.02.21来源:知乎浏览量:51次

  • 强大的数据治理是机器学习成功的关键

    强大的数据治理是机器学习成功的关键

    人工智能和机器学习这两个术语通常被视为同一枚硬币的两面。尽管如此,虽然ML算法增强了AI功能,并使它们能够进行更多的尖端和智能计算,但还……查看详情

    发布时间:2019.01.17来源:数据治理浏览量:48次

  • 指标管理实践技能:如何让同一套指标体系展示为不同的树形结构

    指标管理实践技能:如何让同一套指标体系展示为不同的树形结构

    企业的指标体系的建设和维护工作非常繁杂,指标的数据来源、指标公式的维护、指标数据的更新、指标数据的应用,往往涉及到企业的多个部门,这些部……查看详情

    发布时间:2021.02.06来源:知乎浏览量:30次

  • 全方位解读 | 了解数据治理、挑战及数据治理工具

    全方位解读 | 了解数据治理、挑战及数据治理工具

    早在 2000 年代初,企业就将数据视为公司的战略资产,以指导战略决策,促进实验学习和改进,并提供更好的业务成果。数据安全已成为企业的重……查看详情

    发布时间:2021.07.29来源:亿信数据治理知识库浏览量:58次

  • 7点数据治理实践方法

    7点数据治理实践方法

    Gartner定义了七项良好的数据治理运作的原则,通过遵循这些最佳实践准则并提出以下问题,您可以为成功的数据治理策略做好准备。……查看详情

    发布时间:2021.06.23来源:亿信数据治理知识库浏览量:43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:43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