在當今資料驅動的商業環境中，對資料的有效管理變得尤為重要。其中，主資料管理（MDM）作為確定企業資料品質和一緻性的關鍵環節，一直受到資料管理者的重視。

01.影響主資料判定和識别的因素

上一篇文章（【資料治理】主資料的基本概念和未來展望），在說明主資料的基本概念時，給出了主資料的一些關鍵詞：穩定、複用、高價值。

但是主資料的判定和識别不能脫離具體場景和情況。某一個資料，在不同的情況下，可能會有不同的判定和識别結果。這也是之前文章提到過的。

“在具體實踐過程中，主資料并沒有一個金科玉律般的标準。同一行業不同企業、同一企業不同發展階段，主資料都可能是不一樣的。”

那麼，有哪些影響主資料判定和識别的因素呢？

一般情況下，主資料是相對穩定的。比如，公司的産品資訊、供應商資訊、組織架構、使用者資訊等。但是主資料也會随着業務發展階段、業務營運模式和業務管控政策發生變化，這種情況下，企業就需要根據具體情況進行主資料的增删操作。

1. 業務發展階段

随着業務的發展，某些資料的重要性開始提升并開始在不同系統内被重複使用，業務對這些資料的穩定性提出了更高的要求。是以，這些資料就需要納入主資料管理的範疇。

比如，現在有一個商店，業務發展初期維護了基本使用者資訊。随着業務更好地發展，推出了會員體系。此時，會員資訊會被很多其他業務系統重複使用，是以，使用者的會員相關資料，就需要納入到主資料管理範疇。

随着市場需求的變化，技術的進步，外部競争環境的變化等，企業也不得不主動或被動地轉變業務營運模式，而營運模式的轉變，會影響主資料的劃分。

比如，京東在初期，以線下銷售為主。在2004年開始嘗試線上銷售，後逐漸發展為以線上銷售為主。

如果京東從一開始就有主資料管理的話，可能在初期，更關注實體店鋪的營運，主資料可能主要集中在商品資訊、供應鍊資訊、庫存資料等方面。

線上銷售時期，除了初期的主資料，還會把線上的商鋪資訊、使用者資訊等都納入到主資料管理。

同樣的一個案例，也是因為業務營運模式的調整，導緻主資料劃分發生了變化。隻不過是對現有主資料進行删減。

2022年比亞迪宣布自2022年3月起停止燃油汽車的整車生産。這次調整，可能會對産品資訊資料、零部件資料産生影響。

對于一些大型的集團，想要掌控各個分公司的客戶資料，是非常困難的，阻力很大。是以，即使集團總部想掌握這些重要的客戶資料，但是因為沒有辦法被總部利用，沒有辦法在總部流通和使用，是以分公司的客戶，銷售資料，不算主資料。

主資料的識别是主資料管理中最終的一項工作。主資料不是拍腦袋确定的。需要有比較科學合理的方法。接下來介紹兩種主資料識别的方法。

「如果有一個動物長得像鴨子，叫聲像鴨子，走路像鴨子，那麼它是鴨子」

主資料特征識别法就是這種思路。假如某個資料完全符合主資料的特征，那可以肯定的說，這個資料就是主資料。

在定義的基礎上，擴充一下，可以從以下的幾個角度來判斷資料是否是主資料。

高價值性：主要看是否展現業務的核心價值。客戶的基本資訊肯定是具有核心價值的，但是客戶的配送位址所在省份就不是核心價值資料了；
實體獨立性：主要展現在不可分割性和完整性。例如，主資料管理中比較高頻的客戶主資料。客戶主資料是作為一個整體被管理的，其包含的各個資訊項（名稱、聯系方式、賬戶等）不會被單獨查分出來作為獨立的資料實體進行管理。完整性指的是，公司在維護相關實體資料時，會盡可能全面地收集資訊，以確定資料的完整、準确；
相對穩定性：主資料在時間範圍内保持相對穩定、不頻繁發生變更是主資料的一個重要特征。線上教育行業會維護使用者的基本資訊，其中年齡是一個每年都會變更的資料，那麼年齡就不是主資料，而可以把不變更的生日資料維護進主資料；
高共享性：是否被其他系統引用是一個很重要的特征，即使某個資料具有非常高的價值，但是，它隻在某一個系統内流轉，那也不能算是主資料；
識别唯一性：主資料具有權威性，而權威性展現在識别唯一性。有些資料在系統内是不具備識别唯一性的。比如，使用者昵稱；
長期有效性：短期、臨時使用的資料，一般不會作為主資料。

可以做一個表格，對資料進行判斷。對各個次元進行評估，然後根據每個次元的評估情況判定是否是主資料。

在特征識别法中，有6個特征。那麼，這6個特征是否可以簡化一下，這樣主資料識别也會更簡便些。

在6個特征中，可以隻選取高價值和高共享。

其他的4個特征，從某種層面講，是這兩個特征的衍生。高共享在一定程度上決定了，資料一定是識别唯一性的。其他的特征也可以推理出。

基于此，有了評估資料的重要程度和共享程度的業務共享矩陣法。

根據兩個次元對字段進行評估，雙高的大機率是主資料，雙低的大機率不是主資料，難點就在于如何區分那些中間狀态的。

我自己總結了一個方法。可以從原點到最右上角畫一條直線。越靠近線右上角的，越有可能是主資料，不過，采用這個辦法也有可能拿不準，這就需要有業務經驗，資料治理經驗的專業老師進行區分了。這個步驟，主要是把那些明顯是，大機率是，明顯不是，大機率不是的資料區分出來。

本文由 @孟老濕原創釋出于人人都是産品經理。未經許可，禁止轉載

題圖來自 Unsplash，基于CC0協定

該文觀點僅代表作者本人，人人都是産品經理平台僅提供資訊存儲空間服務。