主数据的定义与识别

契机

在为某客户提供咨询服务的过程中，客户提出了希望将一定业务范围内共用的数据进行抽离与沉淀，使该部分的数据标准化、共享化。有经验的同学会比较敏锐的捕捉到客户遇见了”数据孤岛“问题。这类问题在90%的企业中，都是绕不开的一座大山，或早或晚。它与其他两座大山-业务孤岛、组织孤岛共同”助力“企业实现“信息孤岛”。

经过与Account Owner以及客户的一些简单沟通后，发现企业已经基于“数据中台”的概念实践了一些浅层数据治理工作。“数据中台”同样能够实现数据标准化与共享化，但其实现的数据共享化本质是“数据价值”的共享，即通过若干数据挖掘手段将数据价值提炼，为业务提供价值共享服务。而客户关注的，是针对“数据状态“进行管理和消费的能力的共享。这里也就引出了”主数据“的概念。

当我们在聊主数据时候，聊的是什么？

我尝试和朋友们讨论过“主数据“是什么。- 基础数据、共享数据集、MDM系统、ETL等词汇层出不穷。
收敛一下，这些词汇都描述了主数据的某一特性或技术手段。看看一些标准是如何描述它的。

《DMBOK2.0》

Master Data is “the data that provides the context for business activity data in the form
of common and abstract concepts that relate to the activity. It includes the details (definitions and identifiers) of
internal and external objects involved in business transactions, such as customers, products, employees,
vendors, and controlled domains (code values)” (DAMA, 2009)

《数据资产管理实践白皮书(5.0版)》

主数据（Master Data）是指用来描述企业核心业务实体的数据，是跨越各个业务部门和 系统的、高价值的基础数据。

《华为数据之道》

主数据是参与业务事件的主体或资源，是具有高业务价值的跨流程和跨系统重复使用的数据。

可见，“主数据”是在描述一种特殊的数据资产集合。

如何定义

想定义某个概念，我们需要先探索该概念之所以需要被应用的驱动因素，通过驱动因素识别概念所具备的行为，从而进行定义。

驱动因素

• 满足组织的数据需求：多个组织多个业务领域需要访问相同数据集，并且他们都相信这些数据集是高价值的、最新的、一致的。
• 管理数据质量：因为数据的不一致、质量问题和差异，导致决策错误和丧失机会。
• 降低数据集成成本：由于没有目标数据集，新数据源集成进一个很复杂的环境中成本会高很多，这增加了因对关键实体的定义和识别方式的变化而产生的额外成本。
• 降低风险：同样在复杂集成环境中，没有一份单一的稳定的关键数据，可能会导致各数据源信息传递的过程中发生信息丢失或信息失真等问题，从而增加业务风险。

定义主数据

主数据是在企业中
被多个组织多个业务领域共享的；
单一可信的；
高价值的；
相对稳定不会经常发生变更的
数据集合。

如何识别

企业中的数据情况可能异常复杂，这里面有因为业务复杂导致的数据类型多的情况，也有因为业务量级导致的数据量级大的情况。量级大致使数据处理技术复杂，类型多致使数据知识负载大。

识别主数据，我们需要将关注点放在如何在大量的数据知识中找到主数据对应的知识。

关注点分离，我们先将企业的数据做一个竖向与横向的分离。 竖向分离的是企业数据分类，横向分离的是企业数据分级。

竖向分离

Malcolm Chisholm提出过一种企业数据分类模型：

这种分类方法比如下几种常见的分类方式更细致与精确：

• 交易数据、主数据和分析数据
• 交易数据、主数据和元数据

其中，主数据被认为是参考数据、企业结构数据、交易（事务）结构数据的集合体。

横向分离

参照以往数据经验以及华为对于企业数据资产目录的分层定义，我们可以将数据分层定义成5个级别：

整体视图

将数据分级与数据分类结合形成整体视图后，我们发现主数据可以通过如下步骤进行识别：

1. 先针对目标企业的数据分级进行识别；
2. 专注于某一主题域下，识别该领域下有哪些业务对象；
3. 分析获取的业务对象中有哪些属于参考数据、企业结构数据、交易（事务）结构数据，从而找出主题域下的主数据。

结语

后续会继续描述主数据相关的其他内容：如何建设、如何管理、如何演进等主题。

---

参考文献：

【1】《DAMA-DMBOK2.0》
【2】《数据资产管理实践白皮书(5.0版)》
【3】《华为数据之道》