作者 | 石秀峰
导读:主数据(Master Data)是具有共享性的基础数据,可以在企业内跨越各个业务部门被重复使用的,因此通常长期存在且应用于多个系统。由于主数据是企业基准数据,数据来源单一、准确、权威,具有较高的业务价值,因此是企业执行业务操作和决策分析的数据标准。
不论是大数据还是小数据,持续地提升数据质量才是企业数据治理之道!
▌主数据具备3个主要特征
①高价值:主数据是所有业务处理都离不开的实体数据,与大数据相比价值密度非常高。
②高共享:主数据是跨部门、跨系统高度共享的数据。
③相对稳定:与交易数据相比主数据是相对稳定的,变化频率较低。变化频率较低并不意味着一成不变,例如:客商更名会引起客商主数据的变动、人员调动会引起人员主数据的变动等等。
▌主数据的4个超越:即超越业务,超越部门、超越系统、超越技术。
①超越业务,主数据是跨越了业务界限,在多个业务领域中被广泛使用的数据,其核心属性也是来自业务。例如:物料主数据,它有自身的自然属性,如:规格、材质,也有业务赋予的核心属性,如:设计参数、工艺参数、采购、库存要求、计量要求、财务要求等。同时,主数据也要服务于业务,可谓是———从业务中来到业务中去。
②超越部门,主数据是组织范围内共享的、跨部门的数据,不归属某一特定的部门,是企业的核心数据资产。
③超越系统,主数据是多个系统之间的共享数据,是应用系统建设的基础,同时也是数据分析系统重要的分析对象。
④超越技术,主数据是要解决不同异构系统之间的核心数据共享问题,从来不会局限于一种特定的技术。在不同环境、不同场景下,主数据的技术是可以灵活应对的。主数据的集成架构是多样的,如:总线型结构、星型结构、端到端结构;集成技术也是多样的,如:webservice、REST、ETL、MQ、kafka等;不论是架构还是技术,没有最好的只有更合适的。企业在做技术选型的时候,要充分考虑企业的核心业务需求和未来的发展要求去构建自身的主数据技术体系。
▌企业主数据管理的常见问题
一、主数据的问题80%是管理问题
很多企业的信息部门都很困惑,主数据管理工作就是典型的钱少、活多、看不见效果、领导不重视、还经常挨领导骂,干的很苦逼。岂不知,主数据的问题80%都是管理问题。高层领导不关注、没有专业的主数据管理团队、没有规范的主数据管理制度和流程,数据标准和技术标准缺失、数据管理重视程度不足,数据维护随意无检查机制、没有定期的数据质量检验和清洗 ……,这都是造成主数据质量不高的重要因素。主数据是超越业务、超越部门的数据,要想将主数据做好,需要各层级领导足够重视、全员参与,同时,构筑起主数据管理的基础能力,包括:组织、流程、 标准和工具。
在主数据管理基础能力中,组织、流程、 标准的建设80%决定了主数据项目的成败和建设效果。
二、主数据实施80%靠企业自身
企业在实施主数据项目的时候,都希望找到最专业的主数据团队、最强大的主数据产品。但是聘请同样的团队,采用同样的产品,有的企业的建设效果明显,有的企业建设效果却差强人意,这是为什么?存在这种情况,很多一部分原因是企业太过依赖于外部力量,而对内部能力建设重视不足。
主数据建设是一个持续运营、不断优化的过程,依靠外部资源,不能保证主数据质量的持续优化。没有相应的组织体系、制度文化和技术体系支撑,将严重影响主数据项目的建设效果。同时,数据的整理、清洗、编码等工作,都是必需要企业自己来做的,外部资源能支持更多的是经验和方法。
所以,打铁还需自身硬,企业自身需要具备数据思维,领导要对主数据管理足够重视,建设起自身的主数据管理能力。同时,借鉴外部先进的方法、技术和经验,是项目成功的重要保障。这就是我的第二个观点,主数据管理80%靠企业自身。
三、主数据效果80%靠运营
客户常常困惑“我的钱也花了,管理体系也建立了,项目也算实施成功了,可为什么还是见不到效果”。存在这种疑惑很正常,原因有两个方面:一方面,主数据从本身特性和应用架构上是偏底层的,与分析型数据不同,主数据可视化能力弱,它是服务于数据分析,却常常被忽视。另一方面,主数据主数据管理工作是一个需要持续迭代、持续运营的过程,主数据价值会在运营过程中慢慢体现出来。主数据管理切勿追求一步都到位,应该循序渐进、持续提升。
主数据项目的实施能够帮助企业初步建立起主数据的管理体系,包括:管理组织、制度和流程、数据标准、技术规范以及初始的主数据代码库等。但做好持续的运营工作,是发挥主数据价值的关键。有些项目实施过程很成功,但系统运行一段时间,比如半年、一年后,突然发现,主数据的质量已经回到了“解放前”。出现这种情况的主要原因是主数据管理相关制度和标准没有贯彻到位,没有定期进行数据质量检查和清洗。所以,实施主数据项目,只是数据治理的一个开始,企业要保持高质量的数据,必须持续的运营和不断的优化。
数据分析咨询请扫描二维码
CDA数据分析师在中国航信高科技产业园进行了面向测试度量的数据分析培训课程,培训人数近2 ...
2024-05-01CDA数据分析师走进深圳迈瑞生物医疗电子股份有限公司,在迈瑞总部展开了为期两天的培训,本次课程参训人员线上及线下近百人, ...
2024-05-01CDA数据分析师在合肥市对合肥阳光新能源科技有限公司开展了为期8天的企业内训。 合肥阳光新能源科技 ...
2024-05-01CDA数据分析师走进海尔大学,进行了《数据治理与数据中台建设的道与术》专题培训,培训现场爆满,近百人参加了此次培训。 ...
2024-05-01在中国银行苏州分行培训中心开始数据分析师培训,此次培训课程共10天内容,包括Excel、MySQL、概率论与数理统计、SPSS等内容, ...
2024-05-01从实际的业务需求出发,结合行业的典型应用特点,围绕实际的商业问题,探讨数据挖掘、机器学习模型在金融领域的应用,包括获客、信用评分、细分画像、交叉销售、反欺诈、违规识别、时序预测、运筹优化、流程挖掘九个方面,形成 ...
2024-05-01本次培训课程为线上+线下的模式,由于学员编程能力不一、部分学员没有编程基础,故提供统计学、python基 ...
2024-05-01华夏银行信用卡中心-机器学习培训 1、课程亮点 取材于业界一流企业和顶级咨询公司的行业实践;已经被证明是人人 ...
2024-05-01主 题:数据中台建设及数据分析应用主题分享 1. 数据中台市场洞察 2. 主流数据中台产品比较 3. 某企业数据中 ...
2024-05-01围绕“数据驱动”战略,全力打造我行 300 人数字化人才梯队,着力培养数字化管理人才、大数据专业团队 ...
2024-05-01在当今数据驱动的商业环境中,数据分析成为了企业决策的重要依据。通过对大量数据的收集、处理和分析,企业能够更好地理解市场 ...
2024-04-29在人工智能(AI)的世界里,提示词(Prompt)是一种强大的工具,它能够引导AI按照用户的需求产生特定的输出。本文将深入探讨AI ...
2024-04-29CDA立足未来职场,拓展前沿视野——对外经贸大学保险学院举办“三全育人大讲堂”分享行业最新动态。 ...
2024-04-294月2日,CDA数据分析师创始发起人兼协会理事长赵坚毅博士受邀在浙江万里学院举办了一场以“数字化能力在职场中的作用” ...
2024-04-29随机森林(Random Forests)现在机器学习中比较火的一个算法,是一种基于Bagging的集成学习方法,能够很好地处理分类和回归的问 ...
2022-12-23方差分析是数据分析中常用的一种统计分析方法,接下来让我们简单了解一下方差分析的基本思想和原理吧。 方差分析(Analysis ...
2022-12-23来源:关于数据分析与可视化 关于streamlit-aggrid 数据排序 表格样式的调整 数据 ...
2022-08-03作者:麦叔 定义 「把上面晦涩的概念汇成一句话就是:」 ❝ 回调函数就是一个被作为参 ...
2022-08-03现今,高学历人群日益增多,物以稀为贵的高学历光环淡去。无论本科生还是研究生,甚至博士生,求职竞争力都大不如前,就业压力越来越大。
2022-06-01某家企业10个人面试,有9个本科生……如何脱颖而出,除得体的举止和良好的沟通力外,证书成重要筹码,这也是很多人考证的关键所在。
2022-04-14