桂老师谈数据：主数据的场景化实施

主数据的实施是信息化发展到集中集成阶段的必然产物，有些企业看别人实施主数据，也着急实施主数据，生怕不实施主数据就会落后别人，但是到真正实施环节，对于主数据的认识IT部门、业务部门、实施厂商均存在不同观点，障碍重重，推进缓慢，这是为什么呢？根据笔者多年主数据实施经验分析，主要原因就是对主数据的应用场景不能全面正确的认识。在主数据项目实施前和项目实施中，找到主数据的应用场景，在场景里发挥主数据的作用，利用主数据解决实际问题，才能使各干系人更好的协作。所以，主数据的场景化实施是联系IT部门、业务部门、实施厂商之间的桥梁，是解决数据标准与系统集成问题和冲突的好办法。

一、什么是场景化实施

主数据的场景化实施就是把主数据放在具体的场景里进行分析并采取实施策略，包括标准的制定、数据的清洗、集成的规范等。举个例子大家也许就明白了，比如客户主数据的实施，那我们就要考虑客户主数据应用在什么场景呢？

我们试想一下，客户主数据一般是由客户经理在客户关系管理系统中录入的，客户数据可能会出现在合同签订环节，可能会出现在产品销售环节，可能会出现在项目管理环节，可能会出现在收款环节等等。有了这些场景后，我们就能分析每一个场景会用到客户主数据中的哪些信息，哪些是共同的信息，哪些是差异化的信息，哪个系统是客户主数据源头，哪些系统会使用到源头的信息，主数据集成后给不同系统发送哪些信息等等。在具体的场景下，主数据的流向是非常明晰的，哪个系统使用到主数据的哪些信息也是明确的。因此，实施起来不管是IT部门还是业务部门还是实施厂商，各自的职责就很明确了。这样就非常便于主数据的实施，效果自然也不言而喻。

二、主数据有哪些场景

要想明确主数据有哪些场景，首先要清楚主数据的类别有哪些？我们常见的主数据有三种，一种是业务主数据，比如组织机构、客户、会计科目等；一类是参考主数据，比如国家、币种、银行、省市、计量单位等；一类是指标主数据，就是描述指标的主数据，比如生产总值、人均效益、资金周转率等。在弄清楚了企业有哪些主数据后，就需要我们更加了解业务，毕竟数据是对业务的支撑。下面我们就对主数据常见的应用场景进行描述，以供大家参考。

三、主数据场景化实施的方法

1、价值链分析法

通过对企业价值链的分析，找到各类主数据在价值链中的位置，企业价值的生成也就是数据从产生到使用到退役的过程。因此，对企业价值链的分析，可以有效识别主数据的应用场景。

同时可以识别出在价值链的不同位置，主数据应用的变化情况，进而也能详细了解在价值链的不同环节主数据是如何起到支撑作用的。价值链分析是主数据应用场景的高阶分析，需要销售部门、采购部门、生产部门、人力部门、财务部门等涉及生产经营管理各部门的参与，既是对主数据应用场景的识别，也是数据与业务的协同梳理，更可以优化数据应用与管理流程。

2、数据架构定位法

通过对企业数据架构的定位，找到各类主数据在整体数据架构中的位置，该位置中的数据模型是什么样的，业务模型是什么样的，以及应用模型是什么样的。通过对不同模型的分析，识别出主数据的应用场景。

数据架构就是从业务系统中抽象出稳定的数据结构，是业务数据的管理和组织的基础核心，通常采用IRP和EA两种建模手段进行数据架构设计。IRP理论从组织机构入手，识别各部门的用户视图（单据或报表），通过对业务单据或报表中数据项的识别和归纳得到相应数据模型；EA理论从主辅价值链入手，从而得到最末端流程，并通过关键活动产生的数据进行分析得到相应的数据架构模型。通过对数据架构中主数据的定位，可以清晰的了解到数据的流动，数据与业务的关系，有利于主数据应用场景的识别和构建。

3、血缘关系追踪法

血缘关系追踪是一种技术手段，用于对数据处理过程的全面追踪，从而找到某个数据对象为起点的所有相关数据对象以及这些数据对象之间的关系。血缘关系追踪能识别出主数据的来龙去脉，并能找寻到相应的应用场景。

通过对元数据对象关联的其他对象或参与过程、不同元数据对象之间进行分析，就可以看到它们之间的差异和关联情况，包括名字、属性以及数据血缘对系统其他部分的影响等。通过差异分析，业务人员可以对相似的指标从业务定义、数据生成将各个方向进行分析；技术人员可以针对相似的物理对象进行信息辨别。血缘关系和影响分析两个关键特性为企业重建整个元数据家族的构建过程，刻画了家族成员彼此连接的脉络和途径。当某数据出现错误或者异常时，可通过血缘关系图向上分析锁定问题产生的源头；当对某些数据进行修改时，可通过影响关系图向下分析，得到哪些数据实体中的数据会受到影响。所以，对血缘关系的追踪就能很好的识别主数据的变化及影响，进而分析其应用场景。

四、主数据场景化实施的好处

我们一直认为：主数据的实施不仅仅是数据的问题，更是为管理和业务优化提供了驱动力。那么如何更好的体现数据对战略、数据对业务等的支撑呢，就是通过场景化的主数据实施，使数据和战略、数据和业务、数据和数据有效融合，使数据转变为数据资产，使我们更清晰的认识数据要素价值的发挥。

1、更好的了解数据对战略的支撑

企业战略的落地离不开信息化系统的支撑，从而就会产生各种各类的数据，数据如何实现对战略的支撑，主数据场景的识别过程，也就是了解主数据对企业战略的支撑过程，主数据对执行部门、对管理部门、对决策部门是如何在主数据维度进行支撑的呢？由主数据的特点决定的，主要是在主数据的一致性、唯一性、准确性、可用性、及时性等方面，提供了最重要的支撑，实现了各类数据不同统计口径的准确性，为数据洞察对战略的有效支撑奠定了基础。

2、更好的分析数据与业务的融合

在梳理主数据应用场景时，离不开对业务的了解。因此，对于主数据应用场景的识别，一定会涉及到数据与业务的关系，业务与数据的融合，一方面实施厂商对企业的业务有更深刻的了解，有利于项目的实施；另一方面，企业的IT部门也会对企业业务有更深刻的理解。在这个过程中，既梳理了主数据的应用场景，也理清了数据与业务的关心，更为企业培养了既懂IT又懂业务的复合型人才。当IT更了解业务并为业务优化出谋划策时，IT的价值便向DT价值迈出了重要一步。

3、更好的洞察数据与数据的关系

数据与数据的关系也反映了业务和业务的关系，更反映了企业的数据视图、业务视图、应用视图间的关系。数据和数据之间如何产生关系，数据如何影响数据，数据的错误会影响哪些业务，从而影响决策。数据如何在各关节支撑业务和影响业务，数据在哪些环节变成信息，在哪些环境变成知识，又在哪些环节变为智慧，这便是数据价值链。主数据应用场景的识别也是识别数据价值链的过程。

4、更好的认识数据与资产的关系

数据资产是企业中最具价值资产，没有之一。数据资产是用之不竭，取之不尽的，被视为企业的黄金资产。那么是不是数据就是数据资产呢？当然不是，错误的数据、不完整的数据、不可用的数据都会给企业的决策来带重大风险，因此不能作为数据资产。数据资产的特征是产生价值，就要去数据必须准确、数据必须流动共享、数据必须能被估值等。在主数据应用场景的识别中，便会发现数据的众多问题并加以改进和优化，从而使数据形成数据资产。因此说，主数据应用场景的识别就是认识数据形成资产的过程。为未来企业进行数据资产规划、数据资产确权、数据资产应用、数据资产估值奠定重要基础。

5、更好的发现数据的要素价值

2020年4月9日，《关于构建更加完善的要素市场化配置体制机制的意见》发布，首次将数据与土地、劳动力、资本、技术并列为五大要素。数据要素经济价值的确认为中国数字经济发展驶入快车道奠定了基调。数字经济时代下数据产生的主体和方式也在发生根本性的变化。在互联网、移动互联网时代，人是数据主要的产生主体，人各种活动带来了大量数据的产生；而如今，随着大数据、AI等技术在各个场景中的广泛应用，机器成为数据产生的主体，并且数据产生的量和速度远超人，并且所产生的绝大部分为非结构化或者半结构化数据。主数据的建设和应用场景要从更加关注人向关注机器转变，从而激活“数据要素”价值潜能。