数据治理中最容易被忽略的角色：数据的主人

一个没人认领的字段

某企业的ERP系统中有一个“客户行业”字段，下拉选项有二十多个值：制造业、零售业、金融业、医疗健康、教育、政府、其他……这个字段在客户建档时是必填项。

但实际填进去的内容，正确率不到60%。销售人员在建档时，很多直接选“其他”或者随便选一个。市场部门做客户分析时，发现“其他”类别里的客户数量占比超过40%，根本没法用。

问销售人员：为什么不认真填？答：我不知道这个客户应该归到哪个行业，而且这个字段对我没什么用，我填了也没有任何好处。

问市场部门：你们用这个字段做分析，为什么不确保数据质量？答：我们只负责分析，数据是销售填的，我们管不了。

问IT部门：能不能把这个字段改成非必填，或者去掉？答：不行，当初业务部门提需求时要求有这个字段，我们不能随便改。

这个字段有人用、有人填、有人管吗？用了，但用得不好；填了，但填得不认真；管了，但没人真正负责。它处于一个“三不管”地带——填的人不负责质量，用的人不负责录入，管的人不负责内容。

这就是数据治理中最容易被忽略的一个环节：数据的主人没有明确。

第一章：数据的主人是谁

“数据主人”（Data Owner）这个概念，听起来很理论，但意思很简单：谁对这个数据的质量负责。

不是说这个数据的录入由谁来做，而是说这个数据错了、缺了、乱了，最终由谁来承担责任、谁来推动解决。

一个数据实体（比如客户信息）可以有多个相关方：销售负责录入，客服负责使用，市场负责分析，财务负责对账，IT负责系统。但如果没有一个明确的主人，出了问题就会陷入“这不是我的事”的推诿循环。

数据主人的职责通常包括：

• 确认这个数据实体应该包含哪些属性（字段）

• 确认每个属性的填写规则（格式、取值范围、是否必填）

• 当数据质量出现问题时，组织分析原因、推动改进

• 当业务变化导致数据标准需要调整时，发起变更

数据主人不一定是数据的录入者，也不一定是数据的日常维护者。他更像是一个“最终责任人”——数据质量好，他有功；数据质量差，他有责。

第二章：没有数据主人的典型后果

后果一：字段没人认真填

“客户行业”字段正确率不到60%，不是销售人员不认真，是没有人告诉他们这个字段为什么重要、填错了会有什么后果。如果销售人员的KPI里有一项“客户信息完整率”，或者系统在他们填“其他”时弹出提醒“这个选择会影响市场分析，请确认”，情况可能会不同。但这些机制需要有人来设计，而没有人对“客户行业”这个字段的质量负责。

后果二：字段越积越多，没人清理

系统运行五年，客户表里可能积累了二三十个字段。有些字段当年提需求时有用，现在已经没人用了；有些字段从来就没好好填过，数据全是脏的。但没有人敢删，因为不知道“万一谁要用”。没有数据主人来定期审视字段的存废，字段就会只增不减。

后果三：重复数据没人处理

客户重复、物料重复、供应商重复。这些重复数据被发现后，需要有人来判断“这两条记录是不是同一个”，需要有人来操作合并，需要有人来确认合并后关联的订单、合同如何处理。如果没有数据主人，这个工作就没人做，重复数据就一直存在。

后果四：跨系统的数据不一致没人协调

CRM改了客户地址，ERP没同步；采购系统改了供应商名称，财务系统没更新。不一致的数据需要有人来决定“以哪个系统为准”，需要有人来推动同步机制的建立。没有数据主人，不一致就会持续。

这些后果的共性是什么？不是技术问题解决不了，是“没人管”。

第三章：数据主人应该怎么定

原则一：从业务端出，不从技术端出

数据主人应该是业务部门的人，不是IT部门的人。因为数据的内容和含义是由业务决定的。IT可以建系统、设字段、做校验，但IT不知道“客户行业”应该怎么分类，不知道“物料组”应该怎么划分。

客户数据的主人通常是销售部或市场部；产品数据的主人通常是产品部或技术部；供应商数据的主人通常是采购部；物料数据的主人通常是技术部或生产部；员工数据的主人通常是人力资源部。

原则二：每个核心数据实体只有一个最终主人

多个主人等于没有主人。如果一个数据实体有两个部门都说自己负责，出了问题反而更难协调。可以有“协同部门”，但最终责任人只能有一个。

原则三：主人要有一定的层级

数据主人不一定是部门最高领导，但至少要有跨团队协调的能力。因为数据质量问题往往涉及多个岗位——录入的、使用的、维护的。如果数据主人只是一个普通员工，他推不动其他部门配合。

原则四：数据主人的职责要写清楚

“对客户数据质量负责”是一句空话。要写具体：客户数据的完整率不低于95%；重复率不高于3%；每年至少组织一次数据标准评审；每季度至少检查一次数据质量指标。写不清楚，就没法考核。

第四章：新易编码如何支撑数据主人履职

新易编码不解决数据主人由谁担任的问题，但它提供工具让数据主人能够履职。

质量看板：让问题可见

数据主人登录系统，可以看到自己所负责数据实体的质量指标：完整率（必填字段的填写比例）、重复率（疑似重复记录的比例）、异常率（格式错误、逻辑错误的比例）。指标按时间趋势展示，可以下钻到具体的问题记录。

不需要自己写SQL查数据库，不需要等IT部门出报表。问题在哪里，一眼就能看到。

问题处理流程：让问题可闭环

数据主人在质量看板上发现重复记录，可以在系统里直接发起合并流程。系统自动识别可能重复的记录，生成合并建议。数据主人审核确认后，系统自动执行合并，并将关联数据（订单、合同、库存）迁移到主记录。

发现缺失字段，可以发起补全任务，推送给对应的业务人员填写。填写完成后自动更新，数据主人可以追踪完成进度。

标准维护：让规则可更新

业务变化了，原来的分类不够用了。数据主人可以在系统里提交标准变更申请：新增一个分类、修改一个字段的取值、调整一个校验规则。审批通过后，系统自动生效。

不需要走邮件审批，不需要IT部门改代码。标准维护的周期从几周缩短到几天。

变更追溯：让责任可追踪

谁在什么时候改了编码？谁在什么时候合并了重复记录？谁在什么时候新增了分类？所有操作有记录。数据主人可以追溯历史，分析问题根源。

这些功能的核心逻辑是：给数据主人一个“驾驶舱”。他能看到问题、能处理问题、能追踪问题、能优化规则。没有工具，数据主人有心无力；有了工具，履职才成为可能。

第五章：数据主人制的落地难点

难点一：业务部门不愿意接

业务部门会说：“我们已经有KPI了，数据质量不是我们的核心职责。”这需要管理层明确：数据质量是业务部门的职责之一，不是额外的负担。同时也需要让业务部门看到：数据质量好了，他们自己的工作也会更顺畅。

难点二：不知道谁合适

客户数据主人，销售部说应该是市场部，市场部说应该是销售部。推来推去。解决办法是：管理层指定。不要指望下面自己协商出结果，需要有上级拍板。

难点三：接了职责，没有授权

数据主人发现客户分类不合理，想改，但改了之后下游系统怎么办？改了之后历史数据怎么办？如果他没有推动变更的授权，发现问题也只能看着。数据主人需要有推动变更的权限，包括协调IT部门、协调其他业务部门。

难点四：考核难以量化

“数据质量好”怎么衡量？完整率、重复率、准确率、及时率，这些指标可以量化。但准确率怎么算？需要抽样核对，工作量不小。从可操作性出发，建议先做完整率和重复率，这两个指标系统可以自动计算。

结语

数据治理不只是定标准、装工具，还包括一个经常被忽略的环节：明确谁对什么数据负责。

没有数据主人，标准定了没人执行，工具装了没人使用，问题发现了没人处理。数据主人制不是万能的，但没有数据主人制，数据治理很难真正落地。

新易编码在这个过程中的角色是：给数据主人提供工具，让他们能看到问题、能处理问题、能追踪问题。工具不解决“谁来做主人”的问题，但它能让主人履职变得可行、高效。

如果您所在的企业也在做数据治理，不妨问自己一个问题：客户数据的主人是谁？物料数据的主人是谁？如果答不上来，这可能就是数据治理的起点。

 

如果您有物料编码相关的问题，欢迎咨询新易物料编码