数据治理中“管”与“不管”的边界在哪里

一个数据治理负责人的困惑

张敏是一家中型制造企业的数据治理负责人。这个岗位是去年新设的，她上任后做的第一件事是梳理客户数据。结果发现：客户表里有一万三千多条记录，其中将近两千条是重复的。

她组织了三个月的清理工作，和销售部、客服部、财务部反复核对，终于把重复数据合并了。清理完成的那一周，客户数据完整率从72%提升到了91%。她很满意。

但第二个月，新的重复数据又开始出现了。销售人员为了赶时间，建档时不查重；客服部门接到客户来电，找不到记录就新建一个。之前清理的成果在慢慢被“侵蚀”。

张敏面临一个选择：要不要把数据管控收得更紧？比如，新客户建档必须经过她审批，任何人不能自己创建；客户信息变更必须提交申请，由她审核后才能修改。这样做能保证数据质量，但业务部门会抱怨“流程太慢”“什么事都要等审批”。

如果不管得那么紧，数据质量又会下滑。张敏卡在这个位置上：管多了，业务部门说影响效率；管少了，数据质量保不住。

这不是张敏一个人的困惑。数据治理中“管”与“不管”的边界在哪里，是每个从业者都会遇到的问题。

---

第一章：为什么边界很难划

难处一：数据质量与业务效率之间的取舍

数据治理的本质是在“质量”和“效率”之间找平衡。管得严，质量好，但业务部门多花时间走流程；管得松，业务快，但数据容易乱。这个平衡点没有标准答案，取决于企业的业务特点。

一家做定制化产品、每单都需要新物料的公司，和一家做标准化产品、物料相对固定的公司，对物料编码审批流程的要求完全不同。前者需要审批快，否则订单等不起；后者可以审批严，因为物料变化少。

难处二：数据的重要程度不同

不是所有数据都需要同样的管理力度。客户名称、物料规格这些核心数据，管得严一些是值得的；客户的“兴趣爱好”字段，管得松一些也没关系。但实际操作中，很多企业对所有字段一视同仁，要么都严，要么都松。

难处三：业务部门和管理部门的立场不同

业务部门追求“快”——客户等不了，生产停不了，系统别挡路。数据治理部门追求“准”——数据不准，后面全是问题。双方都有自己的道理，但立场不同，边界就很难达成共识。

---

第二章：划分边界的一些参考原则

原则一：按数据的使用频率和影响范围分级

使用频率高、影响范围大的数据，管得严一些。客户编码、物料编码、订单号，这些数据一旦出错，影响采购、生产、财务多个环节，值得投入管理成本。

使用频率低、影响范围小的数据，管得松一些。比如客户“公司规模”这个字段，主要用于市场分析，偶尔错了影响不大，可以允许业务人员直接修改，不需要审批。

原则二：入口严，出口松

数据进入系统的环节（创建、变更），管得严一些。因为错误数据一旦进入系统，会扩散到多个下游环节，清理成本很高。

数据使用环节（查询、导出、分析），管得松一些。用户需要灵活查询、自由分析，过多的限制会影响工作效率。

原则三：系统约束优先于人工审批

能用系统规则拦住的问题，不要让人来审批。比如编码格式、必填字段、取值范围，这些可以在系统里设校验规则。用户不按规则填，系统不让过。这比“先随便填，等人审批”效率高得多。

人工审批只用在系统无法自动判断的事情上，比如“这个新物料和已有物料是不是重复”——系统可以提示“可能重复”，但最终判断需要人来确认。

原则四：不同业务场景区别对待

同样的数据字段，在不同的业务场景下，管理要求可能不同。新产品开发阶段的物料编码，可以宽松一些，因为还在试验阶段；正式量产后的物料编码，必须严格管控，因为变更会影响生产。

数据治理规则不是“一刀切”的，可以根据业务场景设置不同的管理级别。

---

第三章：新易编码在边界管理上的设计

新易编码在设计中考虑了“管”与“不管”的平衡，把决策权交给企业自己配置，而不是预设一套固定规则。

可配置的查重规则

企业可以选择查重的严格程度。宽松模式下，只有完全匹配才提示重复；严格模式下，相似度超过一定阈值就提示。企业根据自己的业务特点选择。

还可以设置：查重结果仅提示，用户可以选择忽略继续申请；或者强制拦截，用户不能创建新编码。

可配置的审批流程

企业可以选择哪些操作需要审批。新物料申请需要审批？编码规则变更需要审批？别名添加需要审批？每个环节都可以独立配置。

还可以设置：小变更走快速审批，大变更走正式审批；普通物料走单人审批，关键物料走多人审批。

可配置的字段管控

哪些字段必填？哪些字段只读？哪些字段允许用户修改？企业可以按字段独立配置。客户名称必填且不可重复，联系人电话必填但可以修改，“客户来源”可以选填。不是一刀切地“所有字段都严”或“所有字段都松”。

可配置的角色权限

普通用户可以申请编码、查询物料，但不能审批、不能修改规则。编码管理员可以审批、可以处理重复、可以维护别名。系统管理员可以配置规则、配置流程。不同角色有不同的权限边界。

这些设计的核心逻辑是：新易编码不替企业决定“管多严”，而是提供工具让企业根据自己的业务特点配置。管得严还是管得松，由企业自己定。

---

第四章：找到本企业边界的方法

方法一：从问题倒推

先看过去半年，数据质量方面出了哪些问题？哪些问题造成的损失最大？这些问题是因为管得太松还是流程太复杂？

如果是重复编码导致采购重复下单，说明管得太松——应该在申请环节加强查重和审批。如果是审批太慢导致生产停工待料，说明管得太紧——应该简化流程或设置快速通道。

方法二：分阶段逐步收紧

不要一次性把规则设到最严。先上线一个宽松版本，让大家用起来。观察数据质量的变化，发现问题再逐步收紧。每次收紧一个环节，观察效果。这样既避免业务部门一下子不适应，也能精准定位哪个环节最需要加强管控。

方法三：定期复盘边界设置

每季度或每半年，组织业务部门和数据治理部门一起复盘。当前的管理规则合理吗？有没有因为管得太紧影响了效率？有没有因为管得太松导致了问题？边界不是一成不变的，业务变化了，边界也要跟着调。

---

第五章：边界不清的常见信号

信号一：业务部门频繁抱怨“流程太慢”

如果业务部门经常说“等审批等了三天”，说明审批环节可能过多或审批人响应太慢。考虑简化审批流程，或者设置快速通道。

信号二：数据质量问题反复出现

如果同一个问题（比如物料重复编码）每个月都在发生，说明管控环节有漏洞。检查查重规则是不是太宽松，审批环节是不是流于形式。

信号三：业务部门自己建“小账本”

业务部门觉得系统不好用、流程太慢，自己用Excel另建一套台账。这是最危险的信号——说明系统已经被业务部门“抛弃”了。需要重新审视管控边界是不是收得太紧。

信号四：数据治理部门成了“瓶颈”

所有数据变更都要经过数据治理部门审批，部门几个人根本处理不过来，积压了大量申请。这说明管控节点设置不合理。应该把日常、低风险的变更授权给业务部门自己处理，数据治理部门只处理异常和变更。

---

结语

数据治理不是“管得越严越好”，也不是“越松越好”。边界在哪里，取决于企业的业务特点、数据的重要程度、业务部门和管理部门之间的共识。

边界不是一次定下来就固定不变的。业务在变，数据在变，边界也要跟着调。定期复盘、持续优化，比追求“一步到位”更务实。

新易编码在这个过程中的角色是：提供可配置的工具，让企业能够灵活地调整管控边界，而不是被工具预设的规则框死。管多严、管哪些、谁审批，由企业自己定。工具只是帮助执行这些规则。

 

如果您有物料编码相关的问题，欢迎咨询新易物料编码