一、一个悬而未决的归属问题

某企业的数据治理委员会开了一次讨论会，议题是"客户数据的责任归属"。讨论了一个小时，没有结论。销售部说客户数据应该归销售部，因为客户是销售签回来的，销售最了解客户情况。市场部说客户数据应该归市场部，因为市场部是做客户分析的，需要保证数据质量。IT部说你们定好了我们执行，但定不好我们不背锅。

会议结束时，主持人说"这个问题下次再议"。下次开会已经是三个月后，同样的话题又重新讨论了一遍。客户数据的所有权归属悬而未决，数据质量的改进工作无法推进。销售部觉得自己没权力要求市场部配合，市场部觉得自己没义务替销售部擦屁股。数据没有明确的主人，就没有人对质量负责。

客户数据的所有权归属是一个典型的数据治理难题。它触及了部门职责边界、KPI考核范围、跨部门协作机制。

二、所有权归属的三种模式

模式一：归销售部

客户数据归销售部。销售部负责客户建档、信息更新、质量维护。市场部需要使用客户数据时，从销售部的系统中读取。这种模式适合客户数据主要由销售活动驱动的行业，B2B制造、企业服务、高端设备销售。销售部对客户有直接的接触和了解，信息的准确性高。销售部掌握了客户数据的源头，更新及时，维护成本低。源头的接近性决定了信息的完整性，接触越直接，信息越完整。销售部对客户状态的感知是最快的，任何变动都会第一时间影响销售行为。这种即时性如果反馈到系统中，数据质量自然就高。

模式二：归市场部

客户数据归市场部。市场部负责客户数据的统一管理和质量监控，销售部只负责使用不负责维护。这种模式适合客户数据主要用于市场分析的行业，消费品、零售、互联网。市场部有专业的数据管理能力，可以建立标准化的数据治理流程。市场部在数据分析方面的需求驱动了数据质量的提升，需求的强度决定了投入的意愿。市场部对数据质量的要求高于销售部，销售部的核心指标是成交转化，市场部的核心指标是数据分析的准确性。两者的内在驱动不同，导致了不同部门对数据质量的关注度和投入意愿存在显著差异。

模式三：归数据治理委员会

客户数据归数据治理委员会。委员会的成员来自销售部、市场部、IT部，共同决策、共同负责。这种模式适合客户数据复杂度高、跨部门使用频繁的企业。决策的分散化带来执行效率的下降，但换来的是各部门利益在规则制定阶段的充分博弈。博弈的结果是规则一旦确定，执行的阻力相对较小，因为规则本身就是各方博弈的产物。博弈的过程消耗时间，但降低了后续摩擦的频率和烈度。

三种模式各有利弊，没有绝对最优，只有组织适配度。适配度的评估维度包括部门能力成熟度、数据使用频率、跨部门协作密度。

三、所有权与使用权的分离

所有权归谁的问题解决了，使用权的问题仍然存在。销售部拥有客户数据，市场部需要使用，客服部也需要使用。数据所有者和数据使用者之间的权限边界需要定义清楚。

原则一：所有者负责质量，使用者负责反馈

数据所有者承担数据质量的最终责任，包括录入规范的制定、质量监控的执行、异常数据的处理。数据使用者在使用过程中发现数据问题时，有责任向所有者反馈，但不承担直接的质量责任。质量责任的分配与部门的核心职责要一致，销售部的核心职责是客户关系管理，因此对客户数据的质量责任由销售部承担更自然。

原则二：所有者可授权，不可转嫁

数据所有者可以将数据维护的具体工作授权给其他部门（如市场部负责清洗），但最终的质量责任不转嫁。授权不转责的机制确保了所有者对数据质量的持续关注，授权出去的工作出了问题，追责的终点仍然在所有者。

原则三：使用权限分级管理

不同部门对客户数据的使用权限不同。销售部可以读写所有客户数据，市场部可以读取分析类字段但不能修改核心字段，客服部只能读取服务相关的字段。权限的粒度越细，数据被误操作的风险越低。权限管理不是为了提高使用门槛，而是为了在保证数据安全的前提下实现最大化共享。

四、所有权归属的执行难点

难点一：部门利益的冲突

销售部的利益是快速成交，市场部的利益是精准分析。客户分类字段，销售部为了快速建档可能随便选一个分类，市场部希望销售人员认真填写。利益冲突无法完全调和，但可以设计激励机制来缓解。将数据质量指标纳入销售部的月度考核，数据质量不达标则相应扣减绩效分。利益冲突的缓解机制必须基于双方都能接受的交换价值。销售部配合数据治理，市场部回馈更好的线索质量。

难点二：考核指标的落地

客户数据的完整率、准确率、及时率，这些指标由谁来统计、由谁来问责、由谁来改进，在实际操作中往往落到数据治理团队的头上，而不是数据所有者。考核指标的归属和执行需要制度保障，数据治理委员会定期审查各部门的数据质量数据，将报告呈报管理层。管理层的关注度是考核指标有效性的前提，缺乏管理层的持续关注，考核指标就失去了约束力。

难点三：人员变动的影响

客户数据的维护工作高度依赖销售人员的日常习惯。销售人员的流动导致数据维护习惯的断层，信息不及时更新，数据的时效性快速下降。数据所有权归属确定后，需要建立对应的交接机制和数据质量监控体系。交接机制确保新员工在入职初期就建立正确的数据维护习惯，监控体系确保部门内的数据质量指标不会因为人员变动而大幅波动。

五、新易编码在数据所有权管理中的支持

编码类数据的所有权归属相对清晰。物料编码归技术部或研发部，供应商编码归采购部，客户编码归销售部或市场部。新易编码提供了所有权落实的工具支撑。

归属配置

每个编码域在系统中配置唯一的所有者部门。物料编码的配置权限归技术部，供应商编码的配置权限归采购部，客户编码的配置权限归销售部。所有权配置在系统中固化，系统内的权限分配与所有权的部门归属保持一致。系统内的权限和部门职责是直接关联的。

权限隔离

数据所有者拥有完整的配置权限，包括规则定义、分类管理、版本控制。数据使用者（其他部门）只能查询和使用编码，不能修改编码规则。权限隔离确保所有者对编码体系有完全的控制权，同时也确保使用者在需要使用编码时能够正常获取。隔离不是阻断，是在合理范围内控制变更的发起端。

操作追溯

每一次编码规则的变更都记录在案，变更人、变更时间、变更内容可追溯。追溯记录在数据质量追责时提供依据，可以明确具体操作人与规范要求之间的偏离程度。偏离严重时可定向开展培训。

客户数据归销售部还是市场部，这个问题的答案不影响数据的最终质量。影响质量的是答案确定之后，后续的权限配置、责任落实、考核执行是否到位。归属问题需要落地方案来执行，不是用来反复讨论的。反复讨论未决时，数据质量就在讨论期间持续下滑，直到归属问题解决后才开始改善。归属不确定的时间越长，下滑的幅度越大。

数据所有权归属不是非此即彼的选择题，是一个需要结合企业组织架构、业务流程、部门能力来设计的决策。决策的过程需要充分讨论，讨论的终点是明确写入制度并固化到系统中。决策确定了，系统里的权限、考核里的指标、流程里的节点就都有了依据。决策定不下来，数据质量就只能靠临时协调，协调一次解决一次，协调不到位问题照旧。

新易编码在数据所有权管理中的支持体现在将归属决策落地为系统配置。归属确定后，配置完成，系统执行。归属不确定时，配置无法进行，系统仍然由默认权限运行。默认权限往往是最宽松的模式，任何部门都可以申请，任何部门都可以修改。宽松模式下的数据质量完全依赖个人的自觉性。自觉性好的部门数据质量高，自觉性差的部门数据质量低。数据质量的波动反映的不是制度设计，是个人素质的差异。个人素质驱动的治理模式不可持续，制度驱动的治理模式才能稳定运行。归属问题的解决是制度化的起点。

 

如果您有物料编码相关的问题，欢迎咨询新易物料编码