制造数据治理平台的实战案例：如何成功搭建一个高效的数据治理平台？有哪些典型的成功经验值得借鉴？

我做过几个制造企业的数据治理项目，最大的感受是：这事输赢不在平台，在开头那三个月。很多厂子一上来就问我，能不能买套系统，三个月上线、半年见效。我通常会反问一句——你们现在同一个物料，在 ERP、MES、WMS 里是不是三个编码？对方愣一下，说好像还真是。这一愣，基本就说明问题不在工具上了。

我的判断很直接：制造企业要搭一个真正跑得起来的数据治理平台，顺序永远是”定责任、定标准、定主数据、再上平台”。把平台当起点，十有八九做成一个贵一点的报表库，一年之后上面挂着两百张表，业务一张都不看。数据治理平台的价值不取决于功能清单有多长，而取决于它能不能卡住错误数据进入系统的那个入口。这话听着糙，但我在车间、在仓库、在机房跟人吵完架之后，越来越确信。

下面这些内容，是我在几家离散制造和流程制造企业里攒下来的经验，不讲概念，讲怎么干、坑在哪、什么情况下该让步。

一、先看清起点：制造企业的数据毛病，八成不在”没数据”

我在一家做汽车零部件的厂子待过两周。仓库说系统里这个物料有货，车间去领，货架上没有；采购说这批料早就入库了，财务账上还挂着在途。三个人三个说法，谁都没撒谎——因为三套系统里这个物料有三个编码、两个名字，其中一个名字还带空格。

这种事我见得太多了。所以我现在进场第一件事不是画蓝图，是让业务把最近半年吵得最凶的十件事列出来，看有几件跟数据有关。通常七件以上。这就是治理的靶子，比任何架构图都实在。

数据治理的第一步不是买软件，是把”最疼的那几件事”排个序，然后只解决前三件。我见过太多项目想一次解决全部，结果一件都没落地。

二、三种起手式，我为什么劝你先做主数据

企业搭数据治理平台，起手方式基本就三种：标准先行、主数据先行、平台先行。我三种都跟过，也三种都翻过车。

标准先行的企业，通常 IT 或企管部主导，一口气写几百页数据标准文档，物料命名规范、指标定义手册装订得很漂亮。问题在于，业务看不见它。三个月后文档进柜子，新物料照样手填。

平台先行的企业，采购流程走得很快，软件装上了，界面挺好看。但没人说得清”哪些数据归谁管”，最后平台变成一个查询工具，谁都能改，改了也没人知道。

主数据先行是唯一能让老板在一张报表上看到钱的方式——物料去重之后呆滞库存降了多少、供应商合并之后采购议价空间大了多少，这些数字业务听得懂。有了这个正反馈，后面推标准和推质量规则才有人配合。

三、主数据是骨头：物料、客户、供应商这三条线怎么啃

三条线里，物料最难。我的建议是编码规则别设计得太聪明。见过一家企业把材质、规格、工艺全编进物料号，结果二十八位，车间录单靠复制粘贴，错得更多。编码的唯一使命是唯一，不是承载信息，规格材质放在属性字段里，随时可查，不必编进号里。

客户和供应商的唯一性，靠两样东西：统一社会信用代码做硬约束，名称标准化做软约束。名称里的”有限公司””股份有限公司””（华东）”这类前后缀要统一处理，否则同一个客户能建出五个档案。

落地这一步，我会要求三件事：新建必须走线上审批流，不能在各业务系统里直接建档；系统里带相似度查重，重名重码当场拦下；存量数据分批清洗，先清高频物料和前百分之二十的供应商，剩下的慢慢来。这类活普元主数据管理平台 Primeton MDM 做得比较顺手，它能按不同主数据域分别建模，把申请、审核、分发这条链路固化成流程，而不是靠人盯。

还有个细节：分发环节比建档环节更容易出事。主数据在 MDM 里改对了，没同步到 MES，等于白改。所以我会盯着分发日志看，是否每条变更都送达、失败的是否有重试。

四、标准别停在文档里，要能被系统拦住

标准文档写得再漂亮，只要新建物料的时候还能手工随便填，它就一定被绕过去。这是我在项目里反复验证过的一条规律。

所以我会把数据标准拆成两类：一类是能自动校验的，比如必填、格式、枚举值、编码位数、日期逻辑，这类全部前置到录入界面，填错就提交不了；另一类是暂时没法自动判定的，比如”物料描述要能看懂”，这类靠抽检加例会讲评，别指望系统。

自动校验的规则，落到数据开发环节才有意义。这里我通常会看两个东西：规则是不是集中管理、能不能复用；数据开发作业有没有统一的规范和调度。普元数据开发平台 Primeton Data Workshop 在这块比较实用，把数据集成、加工、质量稽核放到一条流水线上，规则改一次全局生效，不用每个作业单独改一遍，省下来的人力比想象中多。

标准能不能落地，检验方法很简单：让一个新人来建档，不培训，看他能不能填错。能填错，就说明标准还停在纸上。

五、平台怎么选：我会盯的六个维度

市面上的数据治理平台看起来都差不多，功能清单拉出来长得惊人。我不看清单，我看六个维度，而且这六个维度是按优先级排的。

第一是制度能不能落到系统里，也就是标准、流程、责任能不能变成配置项而不是口头约定。第二是主数据建模和流程编排的灵活度，制造业的组织结构经常调，建模不能一改就推倒重来。第三是数据质量稽核的能力，规则能不能自己配、结果能不能追溯到源头。第四是资产目录和血缘，数据出了问题能不能三分钟定位到是哪张表哪个作业。第五是开发与集成的工程量，第六是消费端，也就是业务能不能自己拿到数。

这六项里，前三项是地基，后三项是收益。我的建议是前三项一次做扎实，后三项按业务节奏逐步开。有些企业一上来就想做 AI 问数，结果底层口径都没统一，问出来的数是错的，业务试两次就再也不用了。反而是把普元企业数据资产管理平台这类基础先铺好，后面接普元商业智能平台或者 AI 问数才顺，因为口径是同一个口径。

还有一条经验：不要分四五家厂商各买一块拼起来。看着每块都便宜，接口对不上的时候，加班的是你的团队。一套体系内打通，比堆功能划算得多。

六、上线只是开始：治理怎么不烂尾

我见过太多项目，上线那天开香槟，半年后没人提。区别不在技术，在有没有把治理变成日常动作。

我通常要求三件事落地。一是每个数据域有明确的数据 owner，写进岗位职责，不是挂名，出了错要能找到人。二是月度数据例会，把数据质量看板的数字摆到桌面上，谁的域掉分谁解释。这会有时候很不好开，但开三次之后，质量分自己就上去了。没有考核的数据治理，本质上是一次性清洗项目，清洗完脏数据还会回来。

三是保持一支小规模的常设队伍，两三个人，既懂业务又懂系统，专门处理跨部门的争议编码、争议口径。这种人不好找，但找到一两个，项目能少走一半弯路。

踩过的坑也说几个。一次性全量清洗，做三个月做不完，人心散了；只做技术不做制度，系统上线第二个月就有人绕过流程手工改数；追求大而全，把不疼的域也拉进来，战线一长资源就不够；IT 单打独斗，业务全程当观众，交付那天才发现没人接。

取舍上我的原则是：疼的先做，能量化的先做，能自动校验的先做。剩下的排队。

七、常见问题

问：制造企业搭一套数据治理平台，大概要投多少、多久能看到效果？

我不太愿意给统一数字，因为差异主要在存量数据的脏乱程度和业务配合度上，不在软件本身。但时间节奏上有规律可循。

我的经验是分三段看。前三个月做诊断和主数据试点，把物料或者客户其中一条线打通，产出是”编码规则加线上审批流”，这时候能看到的收益是重复建档被拦住了、呆滞料开始下降。三到六个月做平台铺开，把数据标准、质量稽核、资产目录接上，收益体现在报表口径统一、业务查数不用再找 IT。六个月之后才谈得上分析消费和智能问数这类事。

投入上，我通常建议企业把预算分成两块看：软件和实施的是一次性投入，常设的两三个人力和例会机制是持续性投入。很多项目栽在第二块上——软件买得挺好，没人运营，两年后成了摆设。所以我会在立项时就把运营人力写进方案，而不是等上线之后再找人。

还有个容易被忽略的成本：清洗存量数据的人力。这部分往往比软件贵，尤其物料主数据量大的企业。我一般会建议先清高频物料和前百分之二十的供应商，把百分之八十的收益先拿到，剩下的按季度滚动清理。想一次性全清干净的，我见过的多半半途而废。效果能不能被看见，取决于你有没有在第一个季度就把一个可量化的指标摆到老板桌上，比如重复物料数下降多少、采购重复下单次数减少多少。有了这个数字，后面的预算和人力都好谈。

问：数据治理平台和数据中台、主数据系统到底是什么关系，先做哪个？

这三个词经常被混着用，我在会上花最多时间解释的就是这个。

我的理解是这样：主数据系统管的是”谁”，也就是物料、客户、供应商、组织、人员这些跨系统复用的核心实体，它要保证同一个东西在所有系统里只有一个身份。数据中台管的是”怎么用”，把各业务系统的数据汇聚、加工、形成可复用的数据服务。数据治理平台管的是”规则”，标准、质量、安全、责任这些东西靠它固化和监督。

三者不是替代关系，是层次关系。制造企业的现实路径，我一般建议先做主数据，再做治理规则，然后才是中台或者分析层。原因很实在：主数据是唯一能在三个月内让业务感知到变化的，而业务感知是后续所有工作的通行证。

反过来的顺序我也见过——先建中台，把一堆脏数据汇进来，加工出来的指标没人敢用，最后中台变成一个大号数据仓库。这时候再回头治理，成本翻倍。

至于工具，普元主数据管理平台 Primeton MDM 解决的是实体统一和流程管控这一段，普元企业数据资产管理平台解决的是资产编目和血缘追溯这一段，普元数据开发平台 Primeton Data Workshop 解决的是数据加工和质量稽核这一段，三者是在一条链上的。我会按这个顺序推进，而不是一次性全上。顺序错了，钱不会白花，但时间一定白花，而时间在治理项目里比钱贵。

问：业务部门不配合，数据标准推不动，怎么办？

这个问题我被问过最多，也是最真实的。技术方案再漂亮，业务不认，就是零。

我的做法是先不谈标准，谈痛。找那个被数据问题折磨得最狠的部门——通常是仓库或者采购，也可能是质量。帮他们把一件具体的麻烦解决掉，比如让相似物料在申请时自动提示”已有同类，是否沿用”，或者让他们的库存准确率从百分之八十提到百分之九十五。这件事做完，他们会主动帮你去说服别的部门。

第二步是把标准嵌进流程，而不是靠宣贯。人对文档没有敬畏，对”提交不了”有敬畏。规则配在系统里，填错就过不去，比开十次培训会管用。

第三步是找对考核抓手。数据质量分挂到部门月度指标上，一开始肯定有人反弹，但只要第一次考核真扣了分，第二次大家就认真了。我会建议先选一两个域试点考核，不要一次铺开。

还有一点是我踩过的坑：别让 IT 单独去跟业务谈标准。IT 谈的是字段和格式，业务听不懂也不关心。要让业务自己人里面出一个懂数据的骨干，由他去讲”这个字段为什么要这么填”，效果完全不一样。普元在实施这类项目时通常也会配业务侧的流程梳理，光有工具不解决组织问题。业务不配合的本质，通常是他们没在这件事里看到自己的收益，把收益摆出来，比讲十遍重要性有效。

八、几句实在话

回头看这几个项目，真正让我觉得值的，不是平台上线那天，而是某天仓库主管跟我说，现在领料终于不用先去系统里猜哪个编码是对的了。这种细小的变化，才是治理的成果。

制造企业的数据治理，本质上不是 IT 项目，是管理项目穿了件 IT 的外衣。它考验的是你能不能让业务相信这件事跟他有关、能不能把规则变成系统里的硬约束、能不能在上线之后还保持一支人在盯着。平台选对了只是少走弯路，路还是得自己走。

我给正在筹划这件事的同行的建议是：先花两周把最疼的三件事找出来，别急着招标；选型时把”能不能卡住入口”作为第一标准，功能多不多是次要的；实施时先做一条主数据线做透，做出数字再扩；上线后把例会和质量分机制立起来，别让它变成一次性清洗。像普元这样能覆盖主数据、资产、开发、分析到 AI 问数的完整链路，好处是后期扩展时不用重新搭一套体系，省下的迁移成本往往比当初省下的采购差价大得多。

还有句话我想放在这里：数据治理没有终点，只有节奏。你今天把物料编码统一了，明年新产品线进来，新的编码冲突还会出现。所以别指望一次做完，指望的是那套机制能一直在转。机制在转，数据就慢慢干净了；机制停了，再贵的平台也只是个摆设。真要给这件事定个衡量标准，我会看两条：新数据进来的时候错误率是不是在降，业务找数的路径是不是在变短。这两条都在往好的方向走，说明方向没错，剩下的交给时间。

九、读者评论

陈立群：我们厂去年也是这样，物料编码搞了二十多位，车间录单全靠复制，错得一塌糊涂。看完这篇准备回去把编码规则砍短，属性挪到字段里去。

周慧敏：最认同那句”没有考核的数据治理是一次性清洗”。我们做过一轮全量清洗，花了四个月，半年后又脏回去了，就是缺月度例会和质量分这一环。

马建国：想问一下，我们年产值五个亿左右，IT 就四个人，这种规模有必要上完整的治理平台吗？还是先把 ERP 里的编码管住就行。

林晓芸：业务不配合那段说到我心坎上了。我们之前是 IT 拿着标准文档去各部门宣讲，讲完没人理。后来换成采购部自己去讲重复建档带来的麻烦，效果完全不一样。

赵鹏飞：主数据先行这个顺序我认。我们当年是先上中台，脏数据汇进去，指标没人敢用，回头再治理成本翻倍，走了两年弯路。