一个真实的故事

一家年营收过百亿的制造企业，曾经花了一年时间实施ERP系统。上线当天，CEO兴致勃勃地打开报表，想看集团整体的客户销售排行。

结果发现，同一个客户在系统里出现了17次。有的叫“华为技术”，有的叫“华为技术有限公司”，有的叫“华为公司”，有的叫“Huawei Technologies”。17条记录，17种写法，分布在不同的分公司和业务板块。把17个加在一起，才是这个客户真实的生意规模。

CEO问CIO：“我们的系统不能自动识别这些是同一个客户吗？”

CIO说：“系统做不到。因为这些数据是从不同分公司、不同业务部门、不同历史时期汇过来的，没有统一的识别规则。”

CEO又问：“那这个问题什么时候能解决？”

CIO沉默了一会儿说：“这不是系统能解决的问题。”

CIO说的是实话。这不是系统功能的问题，这是主数据管理的问题。

第一章：主数据管理到底是什么

要理解主数据管理，先要理解什么是主数据。

主数据是企业里那些最核心、最稳定、被最多业务场景引用的数据。主要包括：客户、产品、供应商、物料、组织架构、员工、会计科目。

这些数据有几个共同特点：

第一，它们是“主语”和“宾语”。 每一笔交易——销售、采购、生产、发货——都有一个“谁卖给谁”“谁买谁的什么”的结构。客户和产品就是这句话里的主语和宾语。没有它们，交易数据就是一堆没有意义的数字。

第二，它们的变化频率低，但影响范围大。 一个客户的地址变了，影响的可能是销售、物流、财务多个部门。一个物料的规格改了，影响的可能是采购、生产、质检、仓储一整条链。

第三，它们分散在各个系统里。 CRM里有客户，ERP里有客户，客服系统里有客户，电商平台里有客户。同一个客户，在不同系统里的名字、编码、属性可能完全不同。

主数据管理要做的，就是让这些分散在各个系统里的、关于同一个实体的数据，能够被识别、被关联、被统一。

说得直白一点：让企业的各个部门在谈论同一个客户时，知道说的是同一个人；在处理同一个物料时，知道指的是同一个东西。

第二章：为什么主数据管理容易失败

很多企业不是没做主数据管理，而是做了没做好。失败的原因主要有三个。

原因一：把它当成了IT项目

主数据管理的核心是“统一语言”。语言统一，需要业务部门坐在一起协商：客户的分类标准是什么？产品编码的规则是什么？供应商的准入条件是什么？

这些不是IT能定的。IT可以建系统、搭流程，但IT不知道销售部怎么划分客户区域，不知道产品部怎么定义产品线。如果业务部门不参与、不拍板，IT闭门造车做出来的标准，业务部门不会用。

原因二：追求完美，迟迟不动

很多企业启动主数据管理项目时，目标是“建立全集团统一的、覆盖所有业务板块的、兼容所有历史数据的标准体系”。这个目标听起来很对，但执行起来会发现：业务太复杂，部门太多，历史包袱太重，永远讨论不完。

项目拖了一年半载，标准还没定下来，业务已经又变了。最后要么不了了之，要么推出一个谁都看不懂的标准。

原因三：只管增量，不管存量

有些企业定好新标准之后，要求所有新产生的数据按新标准执行。这个做法本身是对的，但问题在于，历史数据没人管。

结果是：新数据用新编码，老数据用老编码。系统里两套标准并存，查询的时候要分两次查，分析的时候要手工合并。新旧数据之间的鸿沟，反而比之前更大了。

第三章：主数据管理应该怎么做

结合大量企业的实践经验，主数据管理有几个基本的方法。

方法一：业务主导，IT支撑

主数据管理的第一个决策是：谁来定标准？答案应该是业务部门。客户标准由销售或客服定，产品标准由产品部或技术部定，物料标准由生产或采购定。

IT做什么？IT负责提供工具和流程，让业务部门能够方便地定标准、管编码、控质量。角色是支撑，不是主导。

方法二：选一个领域先突破

不要试图一次性解决所有主数据的问题。客户、产品、供应商、物料，先选一个最痛的。哪个领域问题最多、投诉最多、造成的损失最大，就从哪个开始。

做出效果，让大家看到价值，再逐步扩展。

方法三：存量增量分开处理

对历史数据，不要指望一次性清理干净。合理的策略是：

• 新产生的数据，严格执行新标准，从源头保证质量

• 历史数据，按优先级分批清洗。先清理影响最大的那批（比如贡献了80%销售额的客户），其他的后续慢慢处理

新数据不出新问题，老数据逐步消化，两条腿走路。

方法四：标准先粗后细

不要一开始就把标准定得特别细。先定一个“够用”的版本，让大家先用起来。使用过程中会发现很多一开始没想到的问题，再逐步完善。

标准是活的，不是刻在石头上的。保持迭代的节奏，比追求一步到位重要得多。

第四章：新易编码在主数据管理中的角色

新易编码不试图解决主数据管理的所有问题。它专注在一个具体但关键的环节——编码与分类的标准化。

编码是主数据管理的“入口”。一个新客户建档，首先需要一个客户编码；一个新物料入库，首先需要一个物料编码。如果编码环节管不好，后面的数据质量就没有基础。

新易编码在这个环节提供的具体能力包括：

一是编码规则的统一配置。 不同企业的编码规则差异很大。有的用纯数字分段，有的用字母加数字，有的需要嵌入校验位。新易编码提供可视化的配置界面，业务人员可以自己定义规则，不需要每次都找IT改代码。

二是编码的全生命周期管理。 一个编码从申请、审批、生效、变更到作废，应该有完整的流程和记录。谁在什么时候申请了什么编码，基于什么理由，经过谁审批，最终用在了哪些系统里——这些信息应该可追溯。新易编码内置了这些管理流程。

三是跨系统的编码映射。 现实情况是，即使企业建立了统一的编码体系，老系统可能一时半会儿改不过来。新易编码支持多套编码规则之间的映射转换，新旧系统可以并行运行，逐步切换。采购员继续用老编码下单，系统在后台自动对应到新编码。

四是编码质量的持续监控。 编码有没有重复？有没有该编码的实体已经停用？有没有两个不同实体用了同一个编码？新易编码提供质量看板，帮助数据责任人及时发现和纠正问题。

这些能力不解决主数据管理的全部问题，但它们把“编码”这个基础环节理顺了。基础打好了，上层的数据应用才有可靠的根基。

第五章：AI在主数据管理中的辅助价值

AI可以在这个领域做一些辅助性工作，但它的角色是助手，不是主角。

AI可以做的事情：

• 当用户创建一个新客户时，AI可以检索已有客户库，提示“这个客户可能已经存在，对应的编码是XXX”

• 当用户输入客户的几个关键属性后，AI可以自动生成建议的客户分类或编码

• 当一条记录缺少关键字段时，AI可以基于已有信息或公开数据源给出补全建议

• 当某类主数据的重复率或错误率持续上升时，AI可以向责任人发出预警

AI不能做的事情：

• 不能替业务部门决定客户应该怎么分类

• 不能替审批人批准一个编码申请

• 不能在没有人工确认的情况下合并两个疑似重复的客户

AI的价值是减少重复劳动、提高效率、辅助判断，但决策权和责任始终在人手里。

第六章：几点朴素的建议

如果您的企业正准备做或正在做主数据管理，以下几点可能对您有帮助。

第一，不要从零开始。 您的企业已经运行了很多年，系统里已经有了大量数据。先把这些数据摸清楚——客户表里有多少重复？物料表里有多少缺失？供应商表里有多少不一致？知道现状，才能规划路径。

第二，不要贪大求全。 从最痛的那个点开始。如果您最大的痛点是“一物多码导致库存对不上账”，就先做物料编码。如果您最大的痛点是“同一个客户被不同部门当成不同人”，就先做客户主数据。解决一个问题，再解决下一个。

第三，不要把标准定死。 业务会变，标准也要跟着变。留出扩展空间，保持迭代节奏。今天定下的规则，半年后发现不合理，改就是了。

第四，把责任落到人。 客户主数据谁负责？物料编码谁审批？重复数据谁清理？没有责任人，一切都是空谈。责任可以兼职，但不能空缺。

第五，用工具固化流程。 定好规则之后，把它放进系统里。编码申请走线上流程，录入时做查重校验，变更时留操作日志。用系统约束代替人盯人，执行成本最低。

结语

主数据管理不性感，也不时髦。它不会像数据中台那样成为行业热词，也不会像人工智能那样登上杂志封面。

但它值得做。因为它解决的是企业最底层的数据秩序问题。有了这个秩序，客户数据才是通的，产品数据才是一致的，供应链上下游才能对得上话。没有这个秩序，上面建再多系统、跑再多报表，都是在流沙上盖楼。

新易编码在这个领域做的事情，就是帮企业把这个基础打牢。它不承诺“一键解决所有问题”，但它能在编码和分类这个具体环节上，提供一套务实、可用、不浮夸的工具和方法。

如果您正在被数据混乱困扰，不妨从最小的第一步开始：选一个实体，定一套规则，试运行一个月。这一个月里遇到的问题和收获的经验，会比读十篇文章更有价值。