查看原文
其他

主数据管理(MDM)项目建设落地方案

数据学堂 数据仓库与Python大数据 2022-11-29

点击上方蓝色字体,置顶/星标

目前30000+人已关注加入我们


导读:对于大型企业来说,经常面临多个业务系统难以统一管理的问题和生产运营难管理的痛点,今天分享一下如何运用主数据管理解决这一问题。



01

主数据建设的术法道


随着企业信息化系统建设逐渐增多,领导、业务部门对信息系统支撑决策、管控、业务运行难度也随之提高,导致解决业务系统间的交互困难和数据多头管理不一致等问题成为信息化建设的难点和重点。

借鉴业界成熟的企业数字化建设思路,企业主数据建设步骤可分为三步:

1、立标准

通过数据标准化建设,达到关键主数据的管理制度化,数据标准化,使各信息系统遵循一套统一的数据标准。此步骤典型的建设是主数据管理系统(MDM)。

2、通数据
依托统一的数据标准,基于统一的服务对接规范,实现各系统间互联互通,通达高效,系统范围涵盖横向纵向两个维度,纵向包括集团和下属单位的系统,横向包括同一组织的不同业务系统。此步骤典型的建设是业务财务一体化,业务审批流程推送。

2、挖价值
由于前面两个工作,现有系统中将存在大量标准化的、互联互通的业务数据,本阶段的建设将基于这些数据进行不同方向的深入应用建设,例如精细化深入管控体系、全面综合的战略分析能力。此步骤典型的建设是支撑领导、公司战略的独特性要求的考核、分析系统。

图一:建设思路

从数字化建设角度,需要按照1、2、3的顺序层层建设推进,从业务价值体现角度,需要按照3、2、1的顺序层层支撑。


02

主数据建设的顶层设计


根据上述主数据建设步骤,对建设方法按照业务、技术、数据三个层面进行顶层设计如下:



1、业务架构

业务架构围绕业务价值的123三个层次展开。

图二:业务架构

第一层技术基础价值:主数据管理实现的数据标准化、管理标准化,主数据体现的是技术层面的基础价值,支撑了第二三层价值。


第二层业务直接价值:依托统一的数据标准,基于统一的服务对接规范,实现各系统间互联互通,例如业务财务一体化,第二层价值体现的是业务层面的直接价值,支撑了第三层价值。

第三层战略战术价值:基于上述工作产生的标准化的数据,进行各类分析、核算、控制、管控、优化工作,对公司战略落地、战术执行的有力支撑。

2、技术架构

技术架构对123三个层次工作内容的技术落地进行了描述。

图三:技术架构

通过主数据管理系统(MDM)建设达到各异构系统数据标准化,主数据管理平台提供数据统一建模、多源头数据清洗合并、版本管理、血缘分析、数据分发推送、数据质量核查等能力。对于多源头数据进行清洗合并,对于单来源数据进行分发同步,对于无来源数据通过可视化建模方式提供数据录入审批功能。

通过企业服务总线(ESB)建设达到系统标准化服务对接,企业服务总线提供服务标准化集成、数据集成转换采集、消息异步队列、统一监控运维等能力。系统间通过服务总线进行对接,达到了可插拔,低耦合的目标。

通过数据仓库建设,集成元数据、主数据、业务数据、系统数据,再进行抽取装载转换分析,为各类分析、核算、控制、管控、优化工作,对公司战略落地、战术执行提供有力支撑。

总之,以管理制度、技术规范为基础,通过建设主数据管理系统标准化基本档案数据,从而达到业务单据数据更加准确一致,之后通过单据的上传并进行跨组织的数据报表分析达到实时、准确的集团管控,提供战术执行底层支撑、战略落地具体体现。

03

主数据建设的思路


按照上述方法对企业信息现状分析,会发现有大量主数据需要建设,此时需要进行分批建设,划分原则是按照业务领域结合目前数字化建设重点进行匹配建设,达到主数据建设支撑了现在正在(规划)建设的业务系统的建设,同时业务系统建设体现出主数据建设的价值。

图四:建设思路

主数据建设按照管理制度制定、技术方案制定、系统开发对接、历史数据清洗、项目运营依次展开。业务、管理越复杂的主数据前期管理制度制定的工作越重要越耗时,反之业务场景简单的主数据主要工作在于技术方案和系统对接。


04

主数据建设的落地方案


  • 基础数据管理系统功能:涵盖基础数据的全生命周期,包括基础数据建模、基础数据建立、基础数据管理、基础数据共享。

  • 基础数据:涵盖会计科目、人员、组织机构、客户、供应商、物料、项目、合同等主数据,第一阶段可以关注某一特定领域,例如集中在与业财一体化相关的主数据。

  • 技术标准:涵盖统一分类、基础数据模型、编码原则、编码规则、数据分发、数据服务、服务注册、数据推送、数据查询等。

  • 管理规范:涵盖管理组织、岗位角色、管理流程、管理规范与制度、权限管理等。

  • 辅助工具:该层利用应用支撑层的服务总线ESB进行系统间的接口对接和流程编排,目前使用的多个信息系统根据实际的业务需求进行对接。实现业务管理系统的可视化搭建和配置,制定相关接口与标准,实现基础数据功能的统一管理,对业务流程灵活调整和优化整合,实现用户权限设置的统一管理和认证。

图五:落地方案


<END>

欢迎加入大数据|数仓|中台|分析技术交流群

进群方式:请加微信(微信号:iom1128),回复:加群,通过审核会拉你进群。扫码下发二维码即可。


扩展阅读:【数据中台资源案例资料】已为读者朋友准备好了,点击下方公众号“数据仓库与Python大数据”后台回复“中台”,即可获取。

本公众号致力于建设大数据领域知识技术人文资源共享平台,3w+关注,保持日更,每天08:16发文,为您提供优秀高质量的数据领域的分享。欢迎分享给同行朋友,加群或投稿或转载可加v:iom1128 或 edw0808,备注:数据,谢谢!



  1. 阿里大数据建设OneData体系架构

  2. 阿里 数据仓库架构与实时数仓案例

  3. 阿里 蚂蚁金服技术中台架构实践

  4. 美团  OneData:SaaS 数仓建设

  5. 美团 数据质量平台 的设计与实践

  6. 美团 数据治理平台 的架构与实践

  7. 美团 DB实时同步数仓架构与实践

  8. 有赞 数据仓库之 元数据系统 实践

  9. 有赞 数据治理 体系与架构与实践

  10. 有赞 大数据开发平台 架构与实践

  11. 马蜂窝 数据仓库与数据中台架构与实践

  12. 马蜂窝 Lambda架构实时平台演进之路

  13. 京东 MySQL用得好好的,为什么要转ES

  14. 爱奇艺 大数据分析平台的演进之路

  15. 网易 基于Impala平台打造交互查询系统

  16. 网易 基于Flink的严选实时数仓实践

  17. 58同城 实时数仓计算平台架构与实践

  18. 58同城 无埋点用户行为分析实践之路

  19. 头条 ClickHouse在头条的演进与实践

  20. 小米 DB实时同步到数仓的架构与实践

  21. 小米 Apache Kylin在小米集团的应用

  22. 腾讯 Kylin 的平台化及 Flink 引擎实践

  23. 贝壳 实时计算引擎在贝壳的应用与实践



您可能也对以下帖子感兴趣

文章有问题?点此查看未经处理的缓存