做企业系统的人，对“主数据”这三个字一般都不陌生。

上 ERP 要建客户、供应商、物料、组织。

上 CRM 要建客户和联系人。

上 MES 要建物料、设备、工序。

做财务共享，要统一法人、科目、银行账户。

做数据中台，要统一指标口径。

到了 AI 应用阶段，又会遇到客户是不是同一个客户、项目是不是同一个项目、供应商到底以哪个名称为准的问题。

这些事情看起来分散，其实背后都绕不开同一类基础工作：主数据管理。

2026 年 7 月 2 日，GB/T 47854-2026《大数据 主数据管理要求》正式发布，标准将于 2027 年 2 月 1 日实施。公开信息显示，这项标准的英文名称为 Big data - Master data management requirements，当前状态为即将实施。

如果只从新闻角度看，它是一条标准发布信息。可放到企业数字化、数据治理和 AI 落地的大背景里看，这件事要更值得重视。

主数据管理终于有了一个更统一的国家标准参照，企业以后再谈数据治理，就很难绕开客户、供应商、物料、项目、组织这些核心业务对象。

一、为什么说这份标准值得关注

过去企业做主数据，经常有一种说不清楚的尴尬。

业务部门说，客户和供应商是业务在用，当然应该业务说了算。IT 部门说，编码、接口、系统同步都在系统里，应该按系统规则来。数据团队说，报表口径错了、数据资产盘不清、AI 问数答不准，最后问题都落到数据治理身上。

于是一个客户可能在 CRM 里有一个编码，在 ERP 里又有一个编码，在合同系统里用简称，在财务系统里用开票名称。供应商也是这样，项目也是这样，产品、物料、组织、人员也差不多。平时大家各用各的，看起来还能跑。一到跨系统集成、集团管控、经营分析、审计核对、AI 问数，问题就会集中爆出来。

主数据管理最难的地方，不在建几张表。真正难的是几个管理问题。

• 谁定义这个业务对象。

• 谁负责日常维护。

• 谁有权审核变更。

• 哪个系统是权威来源。

• 下游系统能不能自己改。

• 数据错了以后由谁负责纠正。

• 跨系统不一致时以哪一方为准。

这些问题如果没有统一说法，主数据项目很容易变成部门拉扯。标准的价值就在这里，它把主数据管理从“每家公司凭经验做”推向“有一套基本要求可以对照”。

当然，国家标准不会替企业解决所有细节问题。每个行业、每家公司的业务对象都不一样，主数据落地仍然要结合业务。但有了标准，企业至少可以用同一套语言讨论目标、范围、过程、职责和质量。

二、先把主数据讲清楚

很多企业一开始容易把主数据理解成基础资料，或者理解成编码规则。这个理解太粗。

主数据可以简单理解为：企业核心业务对象中需要长期稳定、跨系统共享、具有权威口径的数据。

这里有几个关键词。

第一，它代表核心业务对象。比如客户、供应商、产品、物料、组织、人员、项目、设备、门店、合同主体、科目、账户等。

第二，它会被多个部门、多个系统重复使用。一个对象只在某张临时报表里出现一次，通常不会进入主数据管理范围。一个对象被销售、采购、财务、生产、客服、经营分析共同使用，管理价值就明显高很多。

第三，它相对稳定。订单、入库单、付款流水、审批记录，这些是业务过程产生的数据。客户档案、供应商档案、物料档案、组织档案，则是这些业务过程不断引用的对象。

第四，它一旦出错，影响面很大。客户主数据错了，会影响合同、授信、开票、回款和客户分析。供应商主数据错了，会影响采购、付款、招采和合规。项目主数据错了，会影响投资测算、成本归集、收入确认和经营报表。

所以，主数据不能只看成后台资料。它更像企业经营系统里的业务身份证。每个身份证要有唯一编号，要有权威名称，要有生命周期，要知道从哪里来、流向哪里、被谁改过、什么时候失效。

三、从国标看，企业要补哪些能力

公开资料显示，GB/T 47854-2026 是一份偏框架性的管理要求。它不会替企业把每一个字段怎么填都写死，但会把主数据管理应当具备的能力拉出来。

从企业落地角度看，可以重点看六类能力。

第一，管理规划。主数据管理要先有目标、范围和原则。企业到底先管客户，还是先管物料，还是先管项目？总部管到什么程度，子公司保留哪些本地属性？集中管理、多源管理、联邦管理怎么选？这些问题要先说清楚。

第二，组织职责。主数据管理需要责任方，而不只是系统管理员。业务要对定义和质量结果负责，IT 要对系统、接口、权限和日志负责，数据治理团队要对制度、质量规则和运行评估负责。没有责任边界，主数据系统做得再漂亮也很难长期运转。

第三，识别与建模。企业要先识别哪些对象属于主数据，再为每类对象建立标准模型。以供应商为例，至少要明确供应商编码、标准名称、统一社会信用代码、供应商类型、准入状态、所属地区、付款信息、风险等级、启用状态等属性。字段不宜一开始做得过大，但跨系统共用、影响合规和经营分析的字段要优先纳入。

第四，分类编码。编码是主数据的骨架。编码要唯一、稳定、可扩展、可追溯。很多企业喜欢把年份、区域、组织、业务类型全部塞进编码，短期看方便，长期看很容易被组织调整和业务变化拖垮。能作为属性管理的信息，不一定都要塞进编码。

第五，生命周期管理。主数据有创建、审核、发布、使用、分发、变更、停用、退役、改进等过程。这里特别要注意分发和退役。主数据创建以后，要可靠地同步给下游系统。主数据不再使用时，也不能简单删除，因为历史合同、凭证、订单、报表还要追溯。

第六，质量与运维。主数据管理是长期运营工作。企业要看重复率、完整率、一致率、及时率、接口同步成功率、质量问题关闭率。质量规则也要尽量前置，在录入和变更时就拦住明显错误，不要等报表对不上才回头补。

四、AI 时代为什么更需要主数据

现在很多企业都在做大模型、知识库、智能问数、AI Agent。这个方向没有问题，但企业很快会遇到一个现实问题：AI 要想进入业务系统，必须先知道企业内部的对象到底是谁。

举个很普通的例子。销售系统里叫“华东某某科技”，合同系统里叫“某某科技有限公司华东分公司”，财务系统里叫“某某科技有限责任公司”，客服系统里又简称“某某科技”。人看久了可能知道它们是不是同一个客户，AI 不一定知道。

再比如项目。投资系统、工程系统、成本系统、营销系统、财务系统对项目、分期、楼栋、业态的叫法不同。老板问一句“这个项目本季度销售回款和成本偏差是多少”，系统如果没有统一项目主数据，AI 可能会把几个相似项目混在一起，回答看起来很完整，实际已经串账了。

AI 应用越往业务深处走，越需要主数据提供四类支撑。

• 统一实体：让系统知道客户、供应商、项目、产品、组织到底是哪一个对象。

• 可信语义：让知识库、报表、指标和业务字段都能引用同一套业务口径。

• 权限边界：让不同角色、不同应用、不同 Agent 按组织、项目、客户、供应商范围读取和操作数据。

• 追溯依据：当 AI 回答、调用 API、生成单据或触发流程后，能追溯它引用了哪些主数据和业务对象。

所以，AI 项目没有把主数据管起来，后面很容易出问题。表面看是模型答错，往深处查，常常是客户不统一、项目不统一、组织口径不统一、权限范围不清楚。模型只是把这些旧问题放大了。

这也是这份主数据标准发布后值得重新关注的地方。以前主数据主要服务 ERP、数据仓库和经营报表。现在它还要服务知识库、RAG、智能问数、AI Agent 和自动化流程。主数据会从后台资料管理，变成企业智能化的基础秩序。

五、企业落地，建议从小范围打穿

主数据项目最怕一上来求全。客户、供应商、物料、项目、组织、人员、设备、科目全都要管，最后每个对象都只做了半截。

比较稳的做法，是先选一个业务价值高、跨系统问题明显、责任部门愿意配合的对象，打穿一条完整链路。

例如先做供应商主数据。可以按下面几步走。

第一步，盘点现状。把 ERP、采购系统、合同系统、财务系统、招采平台里的供应商字段、编码、名称、状态、付款信息和质量问题列出来。

第二步，确认权威来源。供应商是由采购发起，还是由招采平台准入，还是由财务付款环节校验？哪个系统负责创建，哪个系统只能引用，需要明确。

第三步，建立标准模型。确定供应商编码、标准名称、统一社会信用代码、供应商类型、准入状态、开户信息、联系人、风险等级、启停状态等字段。

第四步，设计流程。新供应商如何申请，谁审核，哪些字段变更需要二次审批，供应商合并和停用怎么处理，都要做成流程。

第五步，打通分发。供应商主数据发布后，要同步给采购、合同、财务、付款、报表系统。下游系统不能随意本地修改关键字段。

第六步，建立运营指标。每个月看重复供应商数量、必填字段完整率、统一社会信用代码准确率、接口同步成功率、变更处理时长和质量问题关闭率。

这条链路跑通以后，再复制到客户、物料、项目、组织等对象。这样做慢一点，但更容易形成真正可用的能力。

六、低代码和 AI 平台能做什么

主数据管理当然可以建设专门的 MDM 系统。但在很多企业里，第一阶段未必马上上一个完整大平台。尤其是主数据对象还在梳理、流程还在调整、质量规则还在试运行的时候，企业更需要一个能快速建模、快速配置流程、快速打通接口的平台层。

这也是低代码和 AI 智能开发平台能参与的地方。以织信这类AI智能开发平台为例，企业可以先围绕客户、供应商、项目、物料等对象搭建主数据应用：配置字段模型、编码规则、创建与变更流程、角色权限、质量校验、操作日志、接口分发和数据看板。

这类平台的价值，主要不在“做一个录入表单”。真正有用的是把对象、流程、权限、接口、日志和报表放在同一套业务结构里。后续如果要接 AI Agent，也可以让 Agent 在明确的数据对象和权限边界内查询、生成草稿、发起审批或做异常提示。

当然，主数据治理不能只靠工具。平台解决的是承载问题，标准、责任、流程、运营才是长期能不能跑起来的关键。

七、数据人要重新理解主数据

GB/T 47854-2026 发布以后，主数据管理很可能会重新变热。

原因很简单。数据资产要落地，需要知道资产对象是什么。集团管控要加强，需要知道客户、供应商、组织、项目以谁为准。AI 要进入业务系统，需要知道每一个业务实体的边界、语义、权限和来源。

这对数据人也提出了更高要求。以后只会写 SQL、做报表、整理数据字典，可能不够用了。更有价值的数据人，要能把业务对象讲清楚。

• 客户和会员是什么关系。

• 供应商、承包商、付款对象、开票主体有什么差异。

• 项目、分期、楼栋、房源怎样层层关联。

• 物料、产品、SKU、BOM 之间怎样对应。

• 组织、部门、法人、成本中心在不同系统里如何映射。

这些东西看起来很基础，却决定了数据能不能成为资产，也决定了 AI 能不能进入真实业务。

结语

GB/T 47854-2026《大数据 主数据管理要求》的发布，最重要的意义，不只是多了一份标准文件。它提醒企业，主数据管理不能长期靠个人经验、项目习惯和系统各自为政。

谁定义，谁维护，谁审核，谁使用，谁负责质量，谁负责分发，谁负责持续运营，这些问题都要被摆到台面上。

如果企业正在做数据治理、数据资产、AI 应用、大模型知识库或智能体项目，主数据应该尽早进入建设计划。因为很多 AI 项目最后卡住，原因往往不在模型参数，而在业务对象不统一、系统口径不一致、权限边界不清、质量责任没人认。

主数据做扎实了，企业才有更可信的数据底座。后面的报表、指标、数据资产、AI 问数和 Agent 执行，才有机会真正接到业务地面上。

参考公开信息

全国标准信息公共服务平台：GB/T 47854-2026《大数据 主数据管理要求》。

标准号：GB/T 47854-2026。发布日期：2026 年 7 月 2 日。实施日期：2027 年 2 月 1 日。发布单位：国家市场监督管理总局、国家标准化管理委员会。