14万+条数据清洗、9类主数据上线:一家离散制造集团的治理实践
一家业务横跨多个制造板块的离散制造集团,如何把分散在三大板块、十余个业务系统里的物料、客户、供应商等主数据,拧成“一套标准、一个平台、一条流程”?
近期,我们参与建设的某集团级主数据管理平台正式上线运行。作为项目承建方,我们把这次实践完整拆解出来,希望为同样处在“一物多码、数据打架”困境中的集团型制造企业,提供一份可参考的路线图。

项目背景:离散制造集团的主数据之痛
这是一家典型的集团型离散制造企业,旗下拥有集团总部及多个业务板块。板块之间产品不同、系统不同、管理习惯不同,主数据长期"各自为政",由此带来三个非常典型的痛点:
1. 业务协同落地难。
各板块业务不同,但协同空间真实存在——集团集中采购、客户共享、供应链协同都有现实需求。可主数据独立管理,物料在各板块各有一套编码,协同永远卡在"数据对不上"这一步。
2. 系统升级迭代等不起。
集团正在推动核心业务系统升级,这类系统建设高度依赖高质量、标准化的主数据。地基不牢,楼盖得越快风险越大。
3. 数据驱动决策缺底座。
管理层对数据驱动决策的需求日益强烈,但没有统一的主数据标准,报表口径混乱、统计结果打架,"用数据说话"无从谈起。
与此同时,从行业大趋势看,集团型制造企业的主数据管理正在经历三个转型:从分散管理走向集团集中管控,从静态管理走向全生命周期动态治理,从独立系统走向集成化数据中枢。这个主数据项目,正是这一趋势下的必然选择。
总体方案:AI驱动的智能治理体系
项目一开始就确立了清晰的目标框架——构建集团级主数据管理体系,建立统一标准、统一编码、统一流程、统一平台,全面支撑各业务系统及集团数字化运营。
这次项目最大的特点,是把AI能力深度嵌入了主数据管理全流程,构建"智能中枢+场景应用+持续进化"的一体化治理体系。项目组有一句很形象的总结:
传统数据治理是"仪表盘",确保数据看得清、管得住;AI预测数据治理是"导航仪",确保预测的合理性、把握有多大。
平台技术架构上,主数据管理平台由六层服务构成:
- 网关服务层:统一访问入口,负责路由与鉴权;
- 主数据服务层:承载主数据模型、维护、分发,集成EUI组件、表达式计算、
AI大模型推理服务、相似度算法、FastDFS存储和工作流引擎——AI查重、智能校验能力就落在这里;
- 数据标准服务层:标准发布、标准查询、标准文档管理;
- 数据质量服务层:规则管理、质量评估、质量整改、质量报告;
- 数据整合服务层:任务设计、任务管理、批处理任务、交换任务、任务调度,负责与上下游系统的数据流转;
- 平台服务层:数据源、日志、消息、工作流、Redis缓存等基础支撑。
在集成架构上,平台前端对接组织人员系统、供应商管理系统、客户管理系统、SRM、财务中台等数据来源系统;后端向各板块ERP、SRM、财务中台等消费系统统一分发,实现“统一采集、集中治理、统一发布”。

核心设计:物料主数据的可复制方案
对制造企业来说,物料主数据是治理中最难啃的骨头。这个项目的物料方案,有几个非常值得借鉴的设计,这里展开讲一讲。
1. 唯一性判定:FFF原则
怎么判断两个物料是不是"同一个物料"?项目采用了FFF原则(Form形态、Function功能、Fit适配性):当物料在形态、功能、适配性三个方面可以双向互换时,视为同一个物料。在此基础上,通过"分类+属性值组合"的唯一性判定来赋码,从方法论上杜绝"一物多码"。
2. 分类设计:三级分类,各管一层
物料分类定为三级,在管理效率、分类精度和落地成本之间找到平衡:
- 一级分类(大类)服务全局决策:如"有色金属""橡胶类""紧固件",让管理层快速掌握资源分布;
- 二级分类(中类)支撑部门协同:如铝材、铜材、生胶、混炼胶,用于跨部门协作、供应商对接和库存周转管理;
- 三级分类(小类)落地执行操作:如铝板、铝管材、六角螺栓,直接用于仓库盘点、生产领料和库存预警。
同时明确了一条重要原则:分类中不体现管理属性、规格信息,这部分纳入物料属性管理,避免分类体系越建越臃肿。
3. 属性设计:结构化分组
参照国际和国内标准,物料属性分为四组——公共通用属性(物料编码、长短描述、基本单位)、技术规格属性(直径、螺距、材质、标准、表面处理)、衍生属性(包装方式等)、业务查询属性(型号等),通过属性分组、属性值集统一标准定义,支撑全集团系统内数据流转。
4. 编码规则:全局唯一、不含业务含义
编码采用"2位大类码+2位中类码+2位小类码+8位流水码"的结构,例如10 01 01 00000001(金属物料-钢板-不锈钢板-第1条数据)。两条硬规则值得划重点:
- 所有物料编码必须由MDM平台生成,禁止本地系统自行编码;
- 编码不设置业务含义码,业务信息在对应视图中管理(销售视图管客户类型、采购视图管采购类型等)——这样即使业务规则变化,编码体系也无需推倒重来。
5. 制造件与通用件分而治之
制造件物料由PLM系统创建,传输至MDM系统统一赋码,原有编码保留为旧码供下游过渡使用;通用件物料编码由MDM系统统一创建赋码,SAP、Infor、MES、WMS、QMS、SRM等其余业务系统一律只使用、不可创建修改。"谁生产谁维护、其余系统只消费",权责清晰,从机制上保证了主数据的单一来源。

管理体系:标准之外,还有"人"
数据治理项目最怕"有平台没管理"。本项目同步建立了完整的主数据管理组织与权责机制,明确四类角色:
- 数据所有者:各主数据所属业务线负责人,对业务权责负责,审批数据标准与管理规则;
- 数据管理者:核心业务骨干+IT主数据管理员,负责细化制定并落地数据标准、规则与流程,实施全生命周期管控;
- 数据提供者:直接录入主数据的一线业务人员,对生产数据的质量负责;
- 数据使用者:日常使用主数据开展工作的所有业务人员,遵守流程、按需使用、反馈质量问题。
标准体系建设上,围绕分类、编码、命名、属性、维护流程、质量六大维度,输出了物料分类标准、主数据编码规则、业务伙伴主数据编码规则、主数据质量指标体系等一整套规范文档,让"统一标准"从口号变成可执行、可考核的文件。

建设成果与价值
项目历时8个月,成果可以浓缩成一张"成绩单":
维度 | 成果 |
管理制度 | 3项 |
标准规范 | 6份 |
主数据模型 | 16个 |
主数据编码 | 3套 |
数据审批流 | 3套 |
审批流程 | 12个 |
系统接口 | 30个 |
主数据权限 | 85个 |
质量指标 | 12项 |
参考数据 | 148项 |
存量数据清洗 | 14万+条 |
上线主数据对象 | 9类 |
支撑业务系统 | 9个 |
上线的主数据覆盖物料、客户、供应商、组织、人员、会计科目、成本中心、利润中心、联行号九大类,实现了集团总部及各业务板块的分批切换上线。
值得一提的是AI能力在清洗环节的实际落地:面对十几万条存量数据,依靠AI相似度查重、智能分类与自动标准化算法,大幅压缩了重复数据识别和清洗的工作量,也让上线后的增量数据申请环节多了一道智能"过滤器"。
主数据治理的价值,最终要落到具体业务场景上:
- 研发部门:物料标准统一,减少重复设计,快速检索复用,BOM准确率和标准化水平显著提升;
- 采购部门:供应商和物料信息统一,避免同物多码、重复采购,支撑集中采购和议价谈判,降低采购成本;
- 生产部门:物料标准统一,避免重复加工,减少生产异常和物料浪费;
- 仓储部门:物料统一编码、库存统计准确,减少重复库存和呆滞库存,提升库存周转率;
- 销售部门:客户数据统一共享,提高订单处理准确率,支撑销售分析;
- 财务部门:财务主数据统一管理,业务财务数据一致,账务核算更准确。
对集团整体而言,这个项目沉淀下的是四重长期价值:集团管控(打通板块、消除信息孤岛)、降本增效(降低重复采购与库存成本)、数字化建设(建立统一数据底座,支撑ERP、MES、SRM等系统协同)、经营决策支持(口径统一、报表一致、决策有据)。
写在最后
回看离散制造集团这个项目,有三点经验特别值得集团型制造企业借鉴:
第一,先立标准、再上平台。6份标准规范、3项管理制度先于系统定型,平台只是标准的载体,标准才是治理的灵魂。
第二,权责机制先行。四类数据角色的权责边界划清楚,"谁生产谁负责、谁使用谁反馈",数据质量才有长效保障。
第三,让AI进入治理流程。从相似度查重到智能标准化,AI不是概念包装,而是切切实实压降了十几万条存量数据的清洗成本,并为后续运营装上了"导航仪"。
评论 共 0 条 · 0.25s