【转载】基于全生命周期的主数据管理：MDM详解与实战学习

01 第一章概念学习

第1章　主数据管理的背景

1.1　信息时代的企业发展
1.2　数据资产
1.2.1　数据资产的概念
1.2.2　数据资产的重要性
1.2.3　数据资产现状
1.3　数据治理
1.3.1　数据治理的概念
1.3.2　数据治理的意义
1.3.3　数据治理的内容
1.3.4　数据治理的重点

1.1　信息时代的企业发展
主数据管理实质上是个管理问题。

主数据管理正是从杂乱的数据中捕捉那些具有高业务价值的、被企业内各个业务部门重复使用的关键数据进行管理，通过构建单一、准确、权威的数据来源来建立数据的应用基础，从而提高企业的整体数据质量，提升数据资产价值，推动业务创新，全面增强企业竞争实力。
主数据管理并不仅仅是搭建一个信息系统，而是要建立包括主数据标准、主数据组织、主数据质量体系和主数据安全体系在内的完整、持续运行的主数据管控体系。

企业信息化是指企业利用现代信息技术，通过对信息资源的深度开发和广泛利用，不断提高生产、经营、管理、决策的效率和水平，从而提高企业经济效益和提升企业核心竞争力的过程。

信息化的实质是通过先进业务流程、管理理念与信息技术的融合，改变企业收集、处理、利用信息的方式，从而导致业务流程和组织形式的巨大变革。信息化的关键在于如何获得更优质的信息资源和如何从信息资源中挖掘更大的商业价值。数据作为信息资源的基本表现形式和重要组成部分，对数据的投资能更大化地实现企业的业务价值。所以，体现业务价值的企业信息化蓝图，必然需要以企业数据为核心。如果将企业的信息系统比喻成一辆承载企业发展战略和业务模式的列车，那么数据就是驱动列车前进的燃料，燃料的质量直接决定着列车的运行速度。

数据的治理应该是企业信息化的一项核心基础性工作，其目标是保证企业数据的有效性、可访问性、高质量、一致性、可审计性和安全性。

1.2　数据资产
1.2.1　数据资产的概念
数据是一种未经加工的原始资料，是对客观事物的逻辑归纳，用符号、字母等方式对客观事物进行直观描述。数据是进行各种统计、计算、科学研究或技术设计等所依据的数值（是反映客观事物属性的数值），是表达知识的字符的集合。信息是数据内涵的意义，是数据的内容和解释。数据经过解释并赋予一定的意义之后，便成为信息。

企业所应用的信息系统和数据仓库中存储了大量生产经营活动中的基础数据和业务数据，例如客户数据、BOM清单(7)数据、订单数据等等，通过ERP(8)、CRM(9)等管理信息系统的加工处理。

信息资产是由企业拥有或者控制的能够为企业带来未来经济利益的信息资源。其本质是将信息作为一种经济资源参与企业的经济活动，减少和消除了企业经济活动中的风险，为企业的管理控制和科学决策提供合理依据，并预期给企业带来经济利益。

信息资产可分为数据、软件、硬件、服务、人员和其他类别等。由于数据是信息在企业中的主要表达形式，数据资产也成为信息资产中最重要的组成部分。

数据的直接效用是将企业的各项生产经营活动客观形象地记录下来，实现可计量、可存储、可复用的管理目标。
数据的间接效用体现在：一是通过参与市场竞争，提高服务水平和营销能力来增加收入；二是通过改进业务流程或提高分析效率来降低运营、人力等各项成本；三是以真实完整的信息助力企业管理者的科学管理与决策。有效的管理和使用数据可以减少或消除企业经济活动中的风险，为企业管理控制和科学决策提供合理依据，给企业带来相关的经济效益。

数据资产基本特征：
**共享性：**一个个体对数据的使用不会影响另一个体对其使用，数据的传播并不是数据的转移，而是数据的复制，因此，数据资产具有共享性。但由于企业数据作为一种重要资产，其共享性只体现于企业内部部门、合作伙伴或员工之间。
**增值性：**众所周知，物理资产会在使用的过程中发生损耗，造成价值的降低，但是，随着时间的推移，数据量的积累反而会使得数据资产的价值增加，这就是数据资产的增值性。数据资产作为信息的载体，其传播和使用的过程也正是其扩张和创新的过程，结合先进的管理思想进行有效的组合、分析和挖掘，将产生更多有价值的信息。
**时效性：**数据资产的特征来源于数据和信息的属性。信息具有时效性，同样的，数据资产也具有时效性。对于一些流动性强的信息而言，如果不能及时开发利用，其价值就会大打折扣，例如市场类信息。
**低安全性：**一般而言，数据资产经常处于公共的介质或者处于流动状态，数据资产的复制成本较低，从而导致企业拥有和控制数据资产的安全性很差，这正是导致信息资产风险的一个重要因素。

数据资产不仅具有一般物质资产的特征，而且兼有无形资产的双重特征，已被众多的企业作为无形的、有价值的、核心的资产进行管理。

1.2.2　数据资产的重要性
数据是一种参与企业生产经营活动的经济资源。有效地管理和使用数据可以减少或消除企业经济活动中的风险，为企业管理控制和科学决策提供合理依据，给企业带来相关的经济效益。

数据是支持企业发展战略的重要资源，是企业进行分析和决策的重要基础。有效地挖掘和利用海量数据已经成为企业高效发展的关键推动力，如何利用数据创造价值，实现决策分析对提升公司业务效率、综合竞争实力以及加速公司发展具有重要的意义。

数据是现代企业最大的价值来源，数据资产具有较高附加值。有效应用数据资产往往能创造出巨大的潜在价值，其所带来的经济效益不可预估。利用规范的、真实的数据有助于企业进行业务创新、提供更优质的服务、提升客户忠诚度、减少决策分析和报表统计所需的工作，提升企业整体价值。

数据资产同时也是最大的风险来源。数据固然有技术的成分，但数据更是一个管理问题，而且是一个综合管理问题。数据管理不善，通常会导致业务决策的效果不佳，更可能面临违规和数据失窃。
数据资产是动态变化发展的，而不是像物理资产那样固定不变，一般来说它的价值会随着数据生命周期的发展而增加。

1.2.3　数据资产现状
**企业存在的问题：**当前，企业信息化建设处于从初级阶段向中高级阶段转折的关键时期，最严峻的挑战就是数据资源的整合任务。由于企业各部门在开发或引进各种应用系统时都是单一地追求各自的功能实现，没有从全局视角进行业务数据流分析和相互协调，没有遵循统一的数据标准和规范，各个部门都按“自产自用”的模式管理数据资源。显然，在这样混乱的数据环境中很难实现数据的有效共享和快捷流通。

，数据问题来源于对信息化内容理解的误区，错误地认为信息系统开发是单纯的技术工作，应由开发人员完成，基本不需要业务人员。实际上，信息化的工作是在两类人员的密切合作下推进的。缺少业务人员的参与，或业务人员与开发人员沟通不畅、矛盾分歧都会造成信息系统开发效率低、质量差等问题，最终影响数据资产质量。

关于数据管理目前存在的挑战，52.5％的企业表示维护可用性和性能是最大挑战；46.1％的企业认为多个数据系统的集成很难处理，40％左右的企业则认为数据质量是关键问题。

总体来说，国内企业目前开展的数据治理还都处于初级管理阶段，很多企业的数据资产都或多或少地面临着如下问题。

如何对数据进行治理已经成为困扰企业管理者的一项巨大挑战，而不仅仅是信息化部门所面临的问题。数据资产的质量已经提升到企业的核心战略层面，成为一项复杂而艰巨的系统工程。数据的应用与数据质量是相辅相成、相互推动的关系，对数据资产进行治理，是提升公司数据管理与应用水平的关键举措。企业应该着眼于长期、持续有效的数据治理，建立行之有效的数据治理体系，挖掘数据的潜力，从而发挥数据资产在企业中的核心价值。

1.3　数据治理
1.3.1　数据治理的概念
数据治理是指从使用零散数据变为使用统一主数据、从具有很少或没有组织和流程治理到企业范围内的数据治理、从尝试处理主数据混乱状况到主数据井井有条的一个过程，并最终使企业能将数据作为企业的核心资产来管理和应用。

数据治理是一种完整的体系，企业通过数据标准的制定、数据组织和数据管控流程的建立健全，对数据进行全面、统一、高效的管理。数据治理正是通过将流程、策略、标准和组织的有效组合，才能实现对企业的信息化建设进行全方位的监管。

数据治理覆盖了企业内几乎所有的信息化建设相关工作。
数据治理不仅包含各类核心业务系统、也包括数据存储、数据仓库、数据分析以及其他相关的系统。
数据治理最终实现数据的全方位监管，实现数据全生命周期的梳理和管理，保证了数据的有效性、可访问性、高质量、一致性、可审计和安全性。

从技术支持范围来讲，数据治理涵盖了从前端事务处理系统、后端业务数据库到终端的数据分析，从源头到终端再回到源头，形成一个闭环的负反馈系统；
从业务范围来讲，数据治理就是要对数据的产生、处置、使用进行监管；
从控制范围来讲，数据治理必须通过对人员、流程和系统的整体设计和调整满足数据与业务的全面结合。

目前较被认可的数据治理工作通常包括数据标准定义、数据质量管控、数据安全管理、数据架构规划等内容，以及建立包括政策制度、组织架构、管理流程、技术支撑等方面在内的数据治理保障体系。

1.3.2　数据治理的意义
完善的数据管控体系。通过对数据管控组织、流程、标准和技术支持的统一规划设计，实现数据管控过程的高效运行和持续优化，建立数据治理的长效机制。
统一的数据来源。通过对关键共享数据进行集中管理，确保关键共享数据的一致性，构建企业层面的统一数据视图。
标准化、规范化的数据。数据清理将实现现有数据的标准化，数据申请和数据审批等业务流程将控制新增数据的标准化，从而彻底改善数据不完整、冗余、错误等质量问题。
提高的工作效率。数据的标准化将使得企业内部的信息共享、业务融合更加流畅，业务对数据实时性、准确性的需求得到满足，从而带来工作效率的提高。
降低的数据管理、维护、集成成本。共享数据分散在不同的业务系统中，想要保持数据的一致性，就必须付出大量管理维护成本，但这仍然无法根治数据质量问题。数据治理通过对这部分数据统一管理，而后将一致的、权威的数据通过接口自动分发给各个业务系统，大大节约分别维护的成本，并且保证了数据的质量。

加强数据治理是提升信息化能力、提升精细化管理水平、提高业务运营效率、增强企业决策能力和核心竞争的重要途径。

1.3.3　数据治理的内容
实际上，很多企业都在做涉及数据治理相关的项目，只不过可能是以其他项目的形式出现，比如数据集成、ETL(24)、元数据(25)等项目，这些都是数据治理的组成部分。因为数据治理是一项长期的企业管理活动，而且涉及的层面很多，所以，尽管很多IT公司都给自己的解决方案贴上了“数据治理”的标签，但应该说它们的方案和工具都只是数据治理中的一部分而矣。
数据治理项目包括五个关键要素：组织结构、岗位职责、数据治理标准、数据控制和使用、数据管理工具。这五个方面缺一不可

1．组织机构
企业必须建立数据治理的组织机构，设立各类职能部门，加强数据治理的专业化管理，并建立起专业化数据治理团队。
2．岗位职责
数据治理需要治理团队的协同工作，每个岗位在统一领导的之下，按照数据治理“源头负责制”分工协作，既要完成自己职责范围内的工作，又需要与其他岗位进行良好的沟通和配合，努力提高数据治理的效率和效果。
3．数据治理标准
数据标准的制定是实现数据标准化、规范化，实现数据整合的前提，是保证数据质量的主要条件。标准不是一成不变的，它会因企业管理要求、业务需求的变化而变化，也会因社会的发展、科学的进步而不断地变化和发展，这就要求企业对标准进行持续的改进和维护。
数据治理标准的制定包括数据标准的制定和度量标准的制定两个方面。
数据标准制定是数据标准化工作的核心。国外企业在进行数据治理时大多从数据标准管理入手，按照既定的目标，根据数据标准化、规范化的要求，整合离散的数据，定义科学的数据标准。
数据治理执行过程中的度量标准也是十分重要的，它用来检查执行过程中各项指标是否偏离既定目标，度量过程的成本以及进度。度量标准的制定是评估原有数据的价值，度量和监控组织的数据治理执行，有效度量数据治理效果的关键因素。原有数据的价值如何，企业需要花费多大的成本去做数据治理，这些问题都需要有能够度量的标准，按照度量后的原有数据的价值，确定数据的重要性优先级，以决策对数据治理的投入成本。
数据治理的效果如何也需要度量效果的标准来衡量。通过对治理效果的度量、分析，主动地采取措施去纠正，改善数据治理的工作。

4．数据控制和使用
在数据治理发展的过程中，要想提高数据的质量，数据控制是必不可少的。数据控制发展到现在，逐步形成了多重控制相互作用，共同管控的状况，数据控制主要有以下内容。

（1）流程化控制
数据的流程化控制是最普遍的控制方式。流程化的控制已经发展为全方位的流程控制。要加强数据的流程化管控，不仅需要进行数据业务上的控制，也要有数据技术上的控制，还要有数据逻辑上的控制。
（2）合规性控制
企业的数据不仅要能为我所用，也需要考虑数据是否符合国际、国家的法规，是否满足行业的标准，能否满足跨国度、跨行业的经济行为的需要。
（3）工具化控制
通过工具进行管理控制也是数据控制的方法之一。

5．数据管理工具
通过数据管理信息化工具的应用，可以完成组织机构和岗位职责的定义，数据标准规范的应用，实现数据管控流程、规则，完成数据访问授权控制，提高数据的安全性，管理数据的产生、审核、使用、修订直至消亡的全生命周期。

1.3.4　数据治理的重点
企业内的数据可以按照描述对象分为基础数据和业务数据。基础数据描述的是业务实体，例如客户、供应商、地点、产品和库存等；业务数据描述实体发生的业务流程，例如客户订单、出库单等，业务数据的实质是多个业务实体之间的关系。

对于分散的IT系统应用，其基础数据的组成往往不同。对于ERP系统，基础数据包括客户、供应商、产品、物料、设备、订单等等；对于CRM系统，客户、产品、销售计划等是最基本的数据；而对于项目管理系统，WBS(26)则是最重要的基本数据。

**核心业务实体会在多个业务系统中被重复使用，这些描述核心业务实体的一个或多个属性就被称为主数据。**换句话说，主数据是企业中涉及多个价值链核心业务流程的各个IT系统的基础数据。系统基础数据要成为企业的主数据必须满足的条件是该数据产生在一个源业务系统中，但是会在多个其他的业务系统中使用到。

分散管理的主数据由于不具备一致性、准确性和完整性，使得各个企业内部的数据共享受到阻碍，数据资产的价值无法有效开发。解决这一问题的根本方法就是引入主数据管理。主数据不光指需要共享的数据，更包含需要共享的业务规则和策略。

主数据管理旨在从企业的多个业务系统中抽取主数据并进行整合，集中进行数据清洗，并以服务的方式把统一、完整、准确的主数据分发给企业内的操作型应用和分析型应用，包括业务系统、业务流程和决策支持系统等。主数据管理系统能够确保企业在任何预期使用场景下，同步到CRM和ERP等应用系统的数据的清洁性、精确性、时效性以及一致性都处于最高级别。
例如采购部门可以通过整合物资数据进行全企业范围的统一采购和资源调度，能够大大节约采购成本；对于销售和营销业务，因为可更迅速且经济有效地完成营销活动，在启动活动之前无需前期数据纠正。

主数据管理作为数据治理中最为基础的一环，是企业获得一个完整、可信的数据视图的必经途径。

主数据的应用与数据质量是相辅相成、相互推动的关系。
————————————————
版权声明：本文为CSDN博主「一路狂飚飚」的原创文章，遵循CC 4.0 BY-SA版权协议，转载请附上原文出处链接及本声明。
原文链接：https://blog.csdn.net/qq_34555905/article/details/112000112

【转载】基于全生命周期的主数据管理：MDM详解与实战学习相关推荐

基于全生命周期的主数据管理：MDM详解与实战学习02 第二章主数据管理的内涵
第二章主数据管理的内涵导读 2.1 主数据的概念 2.1.1 主数据的定义 2.1.2 主数据的特征 2.1.3 主数据的范围 1．描述实体范围 2．应用层次范围 (1)元数据 (2)引用数据 ( ...
基于全生命周期的主数据管理：MDM详解与实战学习03 第三章主数据管理的关键技术
第三章主数据管理的关键技术 3.1 数据标准 3.1.1 数据标准的分类 3.1.2 物资类数据标准 1．国际标准 2．国内标准 3.1.3 产品数据标准 3.1.4 财务数据标准 3.2 信息分类 ...
android 生命周期管理,Android Activity生命周期和堆栈管理的详解_Android_脚本之家...
Activity的生命周期 Activity是Android中的四大组件之一,也是最基本,最重要的组件,是android系统提供一个可视化的,能与用户交换的组件. 系统提供的组件,不需要用户实例化,用 ...
西门子plm_宇航联合西门子助力新能源汽车龙头企业比亚迪，打造PLM产品全生命周期的信息化管理...
为实现比亚迪第二事业部弗迪电池工厂数字化转型升级战略目标,全面拉开比亚迪二部产品全生命周期管理项目的序幕.近日,宇航联合西门子正式启动比亚迪二部PLM项目,打造PLM产品全生命周期的信息化管理,搭建P ...
产品生命周期管理——高效的全生命周期的产品管理方法
产品生命周期管理--高效的全生命周期的产品管理方法 & 课程背景无论是研发.生产拟或贸易型的企业,管理的核心都是围绕如何在产品的交换(销售)环节得到更多的附加值,企业效益直接由公司产品在市 ...
vue 生命周期的11中方法详解
vue 生命周期的十一中方法详解 vue 生命周期的定义 vue实例从创建到销毁,也就是说从创建 -> 初始化数据-> 编译模版 -> 挂载Dom -> 渲染更新 -&g ...
java 线程状态图_Java线程中的生命周期和状态控制图文详解
这篇文章主要介绍了Java线程的生命周期和状态控制,需要的朋友可以参考下一.线程的生命周期线程状态转换图: 1.新建状态用new关键字和Thread类或其子类建立一个线程对象后,该线程对象就处于 ...
android 生命周期_Android生命周期组件 Lifecycle 源码详解（一）
在上篇文章: warmcheng:Android生命周期组件 Lifecycle 使用详解zhuanlan.zhihu.com 中,我们讲了 Lifecycle 的简单使用,本篇我们来研究下它的源码 ...
java线程6种状态转换,Java线程的生命周期和各种状态转换详解
在Java中,任何对象都有生命周期,线程也不例外,它也有自己的生命周期.当Thread对象创建完成时,线程的生命周期便开始了,当线程任务中代码正常执行完毕或者线程抛出一个未捕获的异常(Exceptio ...

【转载】基于全生命周期的主数据管理：MDM详解与实战学习

【转载】基于全生命周期的主数据管理：MDM详解与实战学习相关推荐

最新文章

热门文章