在当今数据驱动的商业环境中，对数据的有效管理变得尤为重要。其中，主数据管理（MDM）作为确保企业数据质量和一致性的关键环节，一直受到数据管理者的重视。

01.影响主数据判定和识别的因素

上一篇文章（【数据治理】主数据的基本概念和未来展望），在说明主数据的基本概念时，给出了主数据的一些关键词：稳定、复用、高价值。

但是主数据的判定和识别不能脱离具体场景和情况。某一个数据，在不同的情况下，可能会有不同的判定和识别结果。这也是之前文章提到过的。

“在具体实践过程中，主数据并没有一个金科玉律般的标准。同一行业不同企业、同一企业不同发展阶段，主数据都可能是不一样的。”

那么，有哪些影响主数据判定和识别的因素呢？

一般情况下，主数据是相对稳定的。比如，公司的产品信息、供应商信息、组织架构、用户信息等。但是主数据也会随着业务发展阶段、业务运营模式和业务管控策略发生变化，这种情况下，企业就需要根据具体情况进行主数据的增删操作。

1. 业务发展阶段

随着业务的发展，某些数据的重要性开始提升并开始在不同系统内被重复使用，业务对这些数据的稳定性提出了更高的要求。因此，这些数据就需要纳入主数据管理的范畴。

比如，现在有一个商店，业务发展初期维护了基本用户信息。随着业务更好地发展，推出了会员体系。此时，会员信息会被很多其他业务系统重复使用，因此，用户的会员相关数据，就需要纳入到主数据管理范畴。

2. 业务运营模式

随着市场需求的变化，技术的进步，外部竞争环境的变化等，企业也不得不主动或被动地转变业务运营模式，而运营模式的转变，会影响主数据的划分。

比如，京东在初期，以线下销售为主。在2004年开始尝试线上销售，后逐步发展为以线上销售为主。

如果京东从一开始就有主数据管理的话，可能在初期，更关注实体店铺的运营，主数据可能主要集中在商品信息、供应链信息、库存数据等方面。

线上销售时期，除了初期的主数据，还会把线上的商铺信息、用户信息等都纳入到主数据管理。

同样的一个案例，也是因为业务运营模式的调整，导致主数据划分发生了变化。只不过是对现有主数据进行删减。

2022年比亚迪宣布自2022年3月起停止燃油汽车的整车生产。这次调整，可能会对产品信息数据、零部件数据产生影响。

3. 业务管控策略

对于一些大型的集团，想要掌控各个分公司的客户数据，是非常困难的，阻力很大。所以，即使集团总部想掌握这些重要的客户数据，但是因为没有办法被总部利用，没有办法在总部流通和使用，所以分公司的客户，销售数据，不算主数据。

02.主数据识别方法

主数据的识别是主数据管理中最终的一项工作。主数据不是拍脑袋确定的。需要有比较科学合理的方法。接下来介绍两种主数据识别的方法。

1. 主数据特征识别法

「如果有一个动物长得像鸭子，叫声像鸭子，走路像鸭子，那么它是鸭子」

主数据特征识别法就是这种思路。假如某个数据完全符合主数据的特征，那可以肯定的说，这个数据就是主数据。

在定义的基础上，扩展一下，可以从以下的几个角度来判断数据是否是主数据。

• 高价值性：主要看是否体现业务的核心价值。客户的基本信息肯定是具有核心价值的，但是客户的配送地址所在省份就不是核心价值数据了；
• 实体独立性：主要体现在不可分割性和完整性。例如，主数据管理中比较高频的客户主数据。客户主数据是作为一个整体被管理的，其包含的各个信息项（名称、联系方式、账户等）不会被单独查分出来作为独立的数据实体进行管理。完整性指的是，公司在维护相关实体数据时，会尽可能全面地收集信息，以确保数据的完整、准确；
• 相对稳定性：主数据在时间范围内保持相对稳定、不频繁发生变更是主数据的一个重要特征。在线教育行业会维护用户的基本信息，其中年龄是一个每年都会变更的数据，那么年龄就不是主数据，而可以把不变更的生日数据维护进主数据；
• 高共享性：是否被其他系统引用是一个很重要的特征，即使某个数据具有非常高的价值，但是，它只在某一个系统内流转，那也不能算是主数据；
• 识别唯一性：主数据具有权威性，而权威性体现在识别唯一性。有些数据在系统内是不具备识别唯一性的。比如，用户昵称；
• 长期有效性：短期、临时使用的数据，一般不会作为主数据。

可以做一个表格，对数据进行判断。对各个维度进行评估，然后根据每个维度的评估情况判定是否是主数据。

2. 业务共享矩阵法

在特征识别法中，有6个特征。那么，这6个特征是否可以简化一下，这样主数据识别也会更简便些。

在6个特征中，可以只选取高价值和高共享。

其他的4个特征，从某种层面讲，是这两个特征的衍生。高共享在一定程度上决定了，数据一定是识别唯一性的。其他的特征也可以推理出。

基于此，有了评估数据的重要程度和共享程度的业务共享矩阵法。

根据两个维度对字段进行评估，双高的大概率是主数据，双低的大概率不是主数据，难点就在于如何区分那些中间状态的。

我自己总结了一个方法。可以从原点到最右上角画一条直线。越靠近线右上角的，越有可能是主数据，不过，采用这个办法也有可能拿不准，这就需要有业务经验，数据治理经验的专业老师进行区分了。这个步骤，主要是把那些明显是，大概率是，明显不是，大概率不是的数据区分出来。