大数据治理主数据管理规划设计方案涵盖主数据分类方法、主数据识别方法、主数规划方法、主数据调研方法、蓝图规划六步方法。项目通过定义主数据为描述核心业务对象的数据，分类为组织、人员、客户等，并识别共享性、周期性等原则的主数据。规划方法涵盖现状评估、蓝图规划、演进路线，确保统一管理整体协同。调研方法结合业务访谈、系统调研，梳理出问题与期望。蓝图规划六步包括分类与标准、组织职责、管理流程、数据质量、数据流向、管理工具，以建设主数据管理平台，提升数据价值，支持产融结合，规范主数据管理，解决不一致问题，实现数据共享与高效管理。
1. 大数据治理主数据管理规划基础、相关案例分享
（1）主数据定义与分类
主数据定义：主数据是描述企业核心业务对象的数据，如会计科目、组织、客户等。
数据分类：企业数据分为主数据、交易数据和指标数据三类。主数据是基础且稳定的数据资产，交易数据记录日常经营事件，指标数据用于统计和分析。
（2）主数据管理的重要性
数据治理切入点：主数据作为最重要、最基础的数据资产，往往成为企业开展数据治理的切入点。
数据管理体系：主数据管理涉及组织、制度、流程、技术支撑等多个方面，是数据管理体系的重要组成部分。
（3）面临的挑战
系统间数据不一致：各业务应用系统各自维护数据，导致数据不一致、不完整。
缺乏统一标准：缺少统一的数据标准和管理规范，导致数据质量难以保障。
管理职责不明确：数据管理职责不明确，数据责任不清晰，分散管理增加管理难度。
（4）实现四个“一”
一批标准：制定组织、人员、客户等主数据标准。
一套流程：建设主数据标准管理、质量管理、维护管理等一整套流程。
一个平台：建设主数据管理平台，固化主数据管理内容。
一个组织：建立主数据治理组织，明确各方职责。
（5）中石油实践
关键主数据项：中石油重点关注65个关键主数据信息项标准，通过“十一五”和“十二五”计划完成主数据管理平台建设。
数据管理与服务：在集团六条管控主线、三条业务主线的业务中为九大板块提供主数据管理和服务。
（6）中石化实践
主数据管理平台：中石化结合咨询规划，成功完成主数据管理平台及配套管理制度实施，实现主数据的自动化管理。
实施阶段：主数据管理平台实施分为多个阶段，第一阶段实现ERP关键主数据的集中维护和管理。
（7）华创实践
主数据规划：华创规划了16类主数据，并进行主数据组织及流程管理等工作。
数据治理组织：建立数据治理组织，明确数据治理领导小组、业务专家等角色和职责。
（8）案例总结
共性与个性：企业主数据分类划分具有共性和个性，共性包括客户、供应商、物料等，个性依据企业管理重点。
分阶段实施：主数据管理需分阶段实施，考虑共享范围、紧要程度和实施难度。
2. 大数据治理主数据管理规划方法论、现状评估
（1）规划原则
统一管理整体协同：统一主数据管理，制定组织架构、规范、制度等，协同开展。
总体规划分步实施：规划主数据治理顶层架构与整体方案，合理安排资源，分步实施。
业务驱动价值优先：优先满足业务需求，体现数据实用性，实现数据价值化。
（2）主数据管理框架
组织职责：建立数据治理组织，明确各方责权关系。
管理工具：明确工作步骤、任务及流转方向，提高执行效率。
数据质量：通过业务管理及技术检查手段，控制数据质量。
数据流向：规划数据分布结构、流转方式，提升数据传输效率。
（3）现状调研工作方法
调研准备：拟定访谈计划、调研提纲等。
调研开展：进行业务访谈、系统调研等。
关键发现：梳理出问题与期望清单，提出解决措施。
（4）现状评估方法
评估维度：从现状理解、业务发展要求、业界领先实践三个方面进行评估。
问题汇总：梳理出与项目诉求相关、数据质量相关的问题与期望清单。
关键发现：分析评估主数据治理现状中存在的问题和差距，明确改进方向和策略。
（5）关键发现及改进方向
数据不一致：各业务应用系统数据不一致，需建立统一的主数据管理平台。
缺乏标准：缺少统一的数据标准和管理规范，需制定主数据标准。
管理职责不清：数据管理职责不明确，需建立明确的数据治理组织。
3. 大数据治理主数据蓝图规划
（1）主数据识别原则
共享性：主数据需跨部门、跨系统使用。
周期性：主数据变化频度低，相对稳定。
独立性：主数据可独立存在，不依赖其他对象。
（2）本集团主数据识别
主数据分类：识别出组织、人员、客户、供应商等主数据类别。
主数据说明：对主数据进行详细说明，如组织主数据包括机构、部门等。
（3）主数据分类及定义
组织：集团及辖属企业的机构、部门等。
人员：与集团签订正式劳动合同的用工人员。
客户：使用集团提供产品或服务的组织机构或自然人。
供应商：向集团提供商品或服务的组织机构或个人。
（4）主数据分类管理原则
统一性原则：集团主数据分类由集团统一规范和定义。
共享性原则：主数据规范定义和规则在全集团层面共享。
持续完善性原则：主数据分类体系需持续完善。
（5）主数据标准概述
标准定义：对重复性事物和概念所做的统一规定。
标准内容：包括业务属性、技术属性和管理属性。
（6）主数据标准制定工作步骤
准备阶段：准备工作模板、方法及原则等。
标准采集分析：采集和分析业务制度和源系统数据。
标准制定与审核：制定数据标准初稿，并进行审核和修订。
（7）关键信息项筛选原则
共享性：多业务部门共享或使用的数据项。
重要性：业务条线或应用系统中关键或重要的数据项。
可行性：数据项定义和口径易于用户理解或使用。
（8）数据标准制定依据
外部标准：国际标准、国家标准等。
业务制度：公司制度发文、业务操作手册等。
源系统：源系统数据字典、代码表等。
（9）平台功能模块
数据标准管理：维护发布数据标准，支持标准查询和版本管理。
数据质量管理：制定质量衡量规则，进行自动检核和量化评估。
数据交换平台：实现数据接收和分发服务的透明化访问。
数据清洗：定义清洗模型，进行数据合并、拆分、完善操作。
数据分析管理：设定分析指标，对主数据内容进行汇总和分析。
数据生命周期管理：实现主数据的申请、校验、审核等全生命周期管理。
移动平台：支持移动终端的主数据审核、查询等功能。
（10）平台功能架构
基础支撑服务层：提供系统基础支撑服务。
数据模型层：定义数据实体模型、工作流模型等。
数据业务管理层：实现数据标准管理、质量管理等功能。
数据集成服务层：提供数据交换、数据清洗等服务。
4. 组织职责与管理流程
（1）组织架构设计
三层组织架构：决策层、管理层、执行层。
职责分工：明确各层级成员的职责，推动主数据管理工作的开展。
（2）数据治理组织模式
集中式：数据治理专业组织负责企业级数据。
分散式：数据活动分散在各个部门。
联邦式：按职能和流程进行横向和纵向划分。
（3）主数据管理流程
标准管理流程：包括标准申请、制定、审核、发布、执行和变更。
质量管理流程：包括质量问题提出、规则维护、问题检查、分析、提升和评估。
维护管理流程：包括采集、申请、审批、创建、发布等。
使用管理流程：包括使用需求提出、审核、权限设置等。
（3）数据质量管理机制
质量管理制度：制定数据质量管理制度，明确质量要求和流程。
质量监测与预防：采用监测型和预防型数据质量管理方法。
（4）数据质量评估维度
规范性：数据格式是否符合标准规范。
完整性：关键数据项是否有定义和记录。
唯一性：数据是否重复。
一致性：数据在不同系统或同一系统内是否一致。
准确性：数据内容是否符合标准值域和业务规则。
真实性：数据是否真实反映现实情况。
及时性：数据是否能够及时获取和使用。
连续性：数据在系统服务压力下是否连贯不丢失。
（5）主数据流向规划
流向规划方法：从业务角度梳理主数据源头和使用需求，制定数据流向。
数据同步策略：确定数据同步方式和策略，确保数据一致性。
总结：大数据治理主数据管理的规划设计方案包括项目背景和目标、主数据管理基础、业界领先实践、项目目标细化、规划工作方法、现状评估、蓝图规划、主数据标准制定、组织职责与管理流程、数据质量与流向管理、主数据管理平台功能需求以及演进路线规划等多个方面。通过本方案的实施，企业将能够建立统一的主数据管理平台，制定完善的数据标准和管理机制，提升数据质量和管理效率，为企业的决策和管理提供有力支持。
延伸阅读>>
321页PPT｜整车巨头IT规划方法论与实践案例详解（续）：集团数据规划、集团IT集成架构、集团T基础设施规划、IT治理体系规划
243页PPT｜集团财务管控平台全景建设方案与案例分享：报表管理、全业务报账、大数据、全面预算管理、紫金矿业、中国铝业、上海电气
219页PPT｜科技巨头高效供应链管理方案：从供应端至流通端全协同设计、全景支撑产品研发、零件定点、生产准备、生产制造、售后服务
134PPT｜SAP｜白酒巨头数字化战略规划：市场、研发、计划、采供、生产、物流、销售、客户服务：APS、MES、CRM集成支持
166页PPT | 化工集团企业4A架构详细设计方案：业务架构设计、应用架构设计、数据架构设计、技术架构设计及信息化管控体系设计
👇🏻点击「阅读原文」，更多好文，任意下载
