如何利用AI技术实现主数据的二次治理

2026-10-16 16:45:52
分享
AIME

问财摘要

1、很多企业在主数据管理上都面临管理范围太窄、只管“生”,不管“老病死”和校验只管技术格式,管不住人的行为等问题。 2、中翰软件的AI原生MDM平台能够从管理范围、管控深度和持续机制三个层面回应主数据质量的顽固问题,通过加一层AI能力实现二次治理,补上“感知”和“判断”的能力,让主数据治理从一套静态的规则系统,变成一种动态的、能够自我修正的管理机制。
免责声明 内容由AI生成
文章提及标的

中国发展网讯主数据为什么总是“治了又乱”。很多企业在主数据管理上都有过类似的经历:项目上线时轰轰烈烈,编码规则统一了,组织流程也建了,可运行一两年后回头看,数据质量不升反降,平台慢慢变成了一套“赋码工具”——只负责发号码,不负责管质量。

梳理下来,已实施MDM的企业普遍面临几类典型问题:

管理范围太窄,只管住了“共享的那一部分”。传统MDM平台管理的只是数据的共享信息,其他业务系统再各自单独维护一部分静态数据。这意味着大量非共享的静态数据游离在治理体系之外,质量参差不齐却无人统筹。平台看似在管主数据,实际上只覆盖了冰山一角,离真正的企业级静态数据中心还有很大距离。

只管“生”,不管“老病死”。数据治理项目上线后,往往缺乏日常的检测、分析和处理机制。数据质量异动无法被实时探知,问题要等到业务端暴露出故障才被反向发现。主数据是长生命周期(883436)的数据,没有持续的日常监测,就等于放任它在使用过程中慢慢“老化”,防微杜渐无从谈起。

校验只管技术格式,管不住人的行为。传统平台的校验机制集中在正则表达式和格式检查上,能拦住不合规的字符,却拦不住不规范的操作行为。更关键的是,传统的数据新增是“点式新增”——一个人负责录入全部所需信息,录入前要收集齐所有字段再一次性提交,信息收集不全或理解偏差就会产生二次错误。数据的准确性,很大程度上依赖录入者个人的责任心和专业度,而非机制保障。

这些问题的根源,最终都指向同一个地方:治理逻辑是静态的、局部的、技术单维的,平台架构又缺乏持续迭代和深度管控的能力。第一次治理解决了“有没有编码”的问题,却没有解决“数据质量能不能长久管住”的问题。

二次治理的思路:不换平台,加一层AI能力

二次治理的核心逻辑很务实:原平台保留存储、采集和分发功能,把校验、清洗、建模这些“重活”迁移到AI层完成。既不需要原厂商开放深层接口,也不需要更换整套系统。

在这条路径上,中翰软件是一个值得关注的厂商。这家公司长期专注于数据治理与主数据管理领域,在工业场景中积累了多业务视图管理、源端四重质量防护、线式数据新增等能力,能够从管理范围、管控深度和持续机制三个层面回应主数据质量的顽固问题。其AI原生MDM平台的设计逻辑是“对话即操作”——用户几乎看不到传统功能菜单,一切操作通过对话框完成。平台主动推送数据质量状况和清洗建议,而不是等人去翻菜单、调报表。

存量清洗:从“人工翻表”到“人机协同”

二次治理最繁重的环节是存量主数据清洗。传统做法是拉跨部门小组对着Excel逐条核对,效率低且极易遗漏。

中翰软件的多模态输入能力让业务人员可以直接拍照上传、粘贴Excel甚至用语音描述数据,平台自动完成识别、解析和查重。以物料主数据为例,面对“M8×20不锈钢六角螺栓”和“螺栓M8*20不锈钢”两种写法,AI基于语义理解自动判断指向同一物料并完成归并——这种能力比字符串校验有效得多,直接回应了工业企业“单位写法不统一”“一物多码”的顽疾。

清洗过程支持多轮人机对话确认,AI给出建议,人工决策后自动完成数据补充和规范调整,最终输出映射关系表。AI做重活,人做决策,既降低门槛,也保留业务人员对关键数据的掌控权。

事中校验:让问题数据“生不出来”

存量清洗解决过去的问题,二次治理真正要建立的是“不再产生新问题”的能力。

传统MDM的校验依赖正则表达式和枚举值检查,能拦格式错误,拦不住逻辑矛盾。中翰软件的方案是在主数据申请流程中嵌入AI校验层:数据提交时算法校验和行为约束同时介入,通过才放行,不通过则返回修改。相当于在数据产生的源头加了一道智能闸门。配合基于离群值检查、敏感词检查等技术的日常监测机制,治理从被动响应转向主动发现。

体系迭代:主数据治理不是“一锤子买卖”

主数据的标准体系本身会老化。当初制定的物料分类标准,可能随着业务变化早已脱离实际,但没人有精力系统性审视和修正。

中翰软件的AI治理顾问会基于平台运行中积累的知识、在线知识库和对话记录,自动诊断主数据体系与现实管理之间的偏差,给出调整建议。治理体系因此具备了自我感知和迭代的能力,而不是依赖外部顾问定期“体检”。

从落地实践看,中翰软件的“双轨带练”方法论也在回应同一个问题:治理能力不能只留在系统里,要留在人的身上。线下顾问加线上AI顾问的协同模式,把项目目标从“系统交付”转向“能力移交”。

落脚点:问题不在数据,在治理逻辑和平台架构

回过头看,主数据“治了又乱”的根源其实清晰:问题不在于某一条数据录错了,而在于第一次治理时选择的逻辑和平台架构,本身就缺乏持续治理的能力。与ERP深度绑定的架构让标准无法独立迭代,静态的规则校验让业务变化后的新问题无感通过,缺乏生命周期(883436)管理让无效数据越积越多。这些结构性缺陷,不是靠一次集中清洗就能解决的。

二次治理的本质,是在不推翻既有投资的前提下,给这套体系补上“感知”和“判断”的能力。AI的价值恰恰在此:它让主数据治理从一套静态的规则系统,变成一种动态的、能够自我修正的管理机制。而像中翰软件这样深耕行业场景的厂商,正在把这种机制从概念推向可落地的工程实践。(马晓萱)

免责声明:风险提示:本文内容仅供参考,不代表同花顺观点。同花顺各类信息服务基于人工智能算法,如有出入请以证监会指定上市公司信息披露平台为准。如有投资者据此操作,风险自担,同花顺对此不承担任何责任。
homeBack返回首页
不良信息举报与个人信息保护咨询专线:10100571违法和不良信息涉企侵权举报涉算法推荐举报专区涉青少年不良信息举报专区

浙江同花顺互联信息技术有限公司版权所有

网站备案号:浙ICP备18032105号
证券投资咨询服务提供:浙江同花顺云软件有限公司 (中国证监会核发证书编号:ZX0050)
AIME