从一张混乱的客户表说起

一家中型制造企业的销售总监，某天让助理整理一份“年采购额超过500万的客户名单”。助理从CRM系统导出了数据，又从ERP系统导出了数据，两份名单放在一起，发现了一个问题：同一个客户，在两个系统里的名称不一样。

CRM里叫“比亚迪汽车工业有限公司”，ERP里叫“比亚迪”。助理不确定这是不是同一家公司，只好打电话给销售经理确认。销售经理说：“是同一家，但我们的系统里还有三个比亚迪：比亚迪电子、比亚迪锂电池、比亚迪半导体，都是独立法人，不能混在一起。”

助理花了三天时间，打了二十多个电话，终于理清楚了。销售总监拿到名单后说：“这份名单我不确定准不准，因为去年就发现过类似问题。”

这个场景在很多企业反复上演。问题不在系统，不在人，在于企业缺少一套统一的“语言”——主数据管理。

第一章：什么是主数据，为什么它容易被忽视

主数据是企业中最核心、最稳定的业务实体数据。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征：

第一，它们是所有业务交易的基础。 一笔销售订单，必须有客户、有产品；一笔采购入库，必须有供应商、有物料。没有主数据，交易数据无法存在。

第二，它们被多个系统、多个部门重复使用。 客户数据同时被销售、财务、客服、物流使用；产品数据同时被研发、生产、销售、售后使用。一套数据，服务多个场景。

第三，它们的变化频率低，但影响范围大。 一个客户的信用等级变更，可能影响该客户所有未结订单的处理方式；一个物料的计量单位变更，可能影响采购、库存、成本核算多个环节。

尽管主数据如此重要，它却常常被忽视。因为它不直接产生价值。一个客户编码编得再好，不会直接带来一笔订单；一个物料编码定得再准，不会直接降低一分成本。它的价值是间接的、长周期的，容易被视为“后台工作”。

然而，一旦主数据出问题，所有依赖它的业务系统都会出问题。就像如果全国的邮政编码乱了，每一封信都会送错地方。

第二章：主数据管理的三个核心任务

主数据管理要做的事情，概括起来有三件。

任务一：统一实体定义

“客户”这个概念，在不同部门可能有不同的理解。销售部认为“客户”是下单的公司，财务部认为“客户”是签合同的公司，客服部认为“客户”是打电话来咨询的人。

主数据管理首先要做的，就是统一这些定义：客户到底是什么？哪些实体算客户？哪些不算？

任务二：建立唯一标识

同一个客户，在不同系统里有不同的编码、不同的名称、不同的记录。主数据管理要做的，是给每一个客户分配一个唯一的、全局通用的标识符。这个标识符在所有系统里保持一致，用来识别“这是同一个客户”。

任务三：管理属性信息

客户有名称、地址、联系人、信用等级、行业分类等属性。这些属性哪些是必填的？格式是什么？由谁维护？变更需要谁审批？主数据管理要把这些规则定清楚、执行到位。

这三个任务，层层递进。先统一口径，再统一标识，最后统一管理。

第三章：为什么主数据管理容易失败

很多企业不是没做，是做了没做成。原因主要有四个。

原因一：业务部门不参与

主数据管理的核心是“统一口径”。口径怎么统一？需要业务部门坐在一起协商：客户分类标准是什么？产品编码规则是什么？供应商准入条件是什么？

这些不是IT能定的。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：追求一步到位

很多企业启动项目时，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”。目标太大，执行不了。项目拖了一年半载，标准还没定下来，业务已经又变了。

原因三：只管增量不管存量

定好新标准后，要求新数据按新标准执行。这个做法本身是对的。但历史数据没人管，新老数据两套标准并存，查询要分两次，分析要手工合并。新旧之间的鸿沟，比之前更大了。

原因四：没有持续维护

标准定好了，工具装上了，以为就结束了。但业务会变，新的物料类型会出现，新的客户分类需求会产生。标准不更新，就会逐渐失效。

第四章：主数据管理应该怎么做

基于大量企业的实践经验，有以下几个基本方法。

方法一：业务主导，IT支撑

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？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。

方法二：选择一个领域先突破

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

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，其他的后续慢慢处理。新数据不出新问题，老数据逐步消化。

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之前没想到的问题，再逐步完善。标准是活的，不是刻在石头上的。

方法五：建立持续维护机制

指定主数据的责任部门和责任人，定期检查数据质量，定期评审标准是否需要更新。把主数据管理纳入日常工作，而不是一次性项目。

第五章：新易编码的角色

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：

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。

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。

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。

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。

第六章：AI能做什么，不能做什么

AI可以在主数据管理中做一些辅助性工作。

可以做的：

• 用户创建新客户时，AI检索已有客户库，提示可能重复的记录

• 用户输入客户名称后，AI根据已有规则自动建议分类

• 某类主数据的重复率持续上升时，AI向责任人发出预警

不能做的：

• 替业务部门决定客户应该怎么分类

• 替审批人批准一个编码申请

• 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。决策权和责任始终在人手里。

结语

主数据管理解决的是企业最底层的数据秩序问题。有了这个秩序，客户数据是通的，产品数据是一致的，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——客户、产品或者物料——把它的编码规则理清楚，把现有的数据过一遍。这个起点，可能比您想象的要近。