一个没人认领的数据字段

某企业的ERP系统里，有一个字段叫“客户行业”。这个字段在客户建档时是必填项，但填进去的内容五花八门：有的填“制造业”，有的填“机械加工”，有的填“工厂”，有的填“工业”，还有的填“其他”。

销售部门说：这个字段我们不怎么看，主要是市场部门做分析用。市场部门说：我们确实会用这个字段做客户画像，但数据不准，我们分析前都要手工清洗。IT部门说：我们只负责系统功能，数据内容不是我们管的。

问了一圈，没有人对“客户行业”这个字段的数据质量负责。这个字段就这样“没人认领”地存在了很多年。每次做客户分析，都要花大量时间清洗这个字段的数据。

这是一个典型的数据治理问题：数据责任没有落实到人。

第一章：数据责任为什么重要

数据治理的核心不只是定标准、装工具，还有一个经常被忽略的环节：明确谁对什么数据负责。

一家企业可能有几十个核心数据实体（客户、产品、供应商、物料等），每个实体又有几十个属性字段。这些数据每天都在被创建、读取、更新、删除。如果没有人对这些数据的质量负责，就会出现以下情况：

• 客户地址变了，没有人更新系统里的记录

• 物料规格改了，没有人同步修改BOM里的信息

• 供应商资质过期了，没有人标记失效

• 同一个客户被不同的人录入了三次，没有人去合并

数据责任不是一句“大家都应该重视数据质量”就能解决的。它需要落实到具体的岗位、具体的人、具体的动作。

第二章：数据责任应该怎么分

按数据实体分

每个核心数据实体，指定一个责任部门和责任人。

• 客户数据：销售部或市场部负责

• 产品数据：产品部或技术部负责

• 供应商数据：采购部负责

• 物料数据：技术部或生产部负责

• 员工数据：人力资源部负责

• 组织架构数据：人力资源部或总裁办负责

责任部门负责该数据实体的标准制定、质量监控、问题处理。不是说自己要去做所有操作，而是要对最终的数据质量负责。

按数据生命周期分

数据的生命周期包括创建、使用、变更、归档、删除五个阶段。每个阶段可以有不同的责任人。

• 创建：谁发起创建，谁对创建时的数据质量负责

• 使用：谁使用数据，谁有责任反馈数据问题

• 变更：谁申请变更，谁审批变更，各有责任

• 归档/删除：谁确认数据可以归档或删除

按数据属性分

同一个数据实体的不同属性，可以由不同部门负责。

以供应商数据为例：

• 供应商名称、地址、联系人：采购部负责维护

• 供应商银行账号、税号：财务部负责维护

• 供应商产品目录、价格：采购部负责维护

• 供应商质量评级：质量部负责维护

各管一段，但都关联到同一个供应商编码上。

第三章：责任落实的三个必要条件

条件一：责任要写到岗位职责里

“数据质量负责人”不是一个虚名，应该写进岗位说明书，纳入绩效考核。考核指标可以是：所负责数据实体的完整率、准确率、及时率。不需要占很大权重，但要明确存在。

很多企业的问题是：数据责任只在项目文档里写了一次，项目结束就没人提了。没有写进岗位职责，没有纳入考核，责任就落不下去。

条件二：责任要有工具支撑

光说“你要对数据质量负责”是不够的，还要给人工具去履行责任。

数据责任人需要知道：哪些数据有问题？问题出在哪里？问题的严重程度如何？新易编码提供的数据质量看板，就是这样的工具。责任人登录系统，就能看到自己所负责数据实体的质量指标、异常明细、趋势变化。不需要自己去写SQL查数据库。

条件三：责任要有流程保障

发现数据问题后，怎么处理？谁来处理？处理流程是什么？这些需要有明确的流程。

例如：一条客户记录缺少行业分类。数据责任人发现后，可以标记为“待完善”，系统自动通知客户经理补充信息。客户经理补充后，系统自动更新状态。整个流程有记录、有时限、有闭环。

第四章：一个具体场景——物料数据的责任划分

以物料数据为例，看看责任如何落地。

物料数据的责任部门：技术部或研发部

理由：物料的技术属性（规格、材质、图纸版本）由技术部门定义，其他部门只是使用。

物料数据的责任人的具体职责：

1. 审核新物料编码申请，确认是否与现有物料重复

2. 确认物料的分类、规格、计量单位等属性填写正确

3. 当物料规格变更时，审批变更申请，并通知相关部门

4. 当物料停用时，确认库存已消耗完、无未完成订单，再作废编码

5. 定期检查物料数据质量，处理重复、缺失、异常记录

新易编码如何支撑这些职责：

• 新编码申请推送给责任人审批，责任人可以在系统里直接批准或驳回

• 系统自动检测疑似重复的物料，生成清单供责任人审核

• 变更申请推送给责任人，系统记录变更前后的值

• 作废编码时，系统自动检查关联数据（库存、订单），如有异常会提示

• 质量看板展示物料数据的完整率、重复率、异常率，责任人可以下钻查看明细

责任人不需要自己写SQL，不需要在多个系统之间切换，在一个界面里就能完成大部分工作。

第五章：两个容易被忽略的问题

问题一：责任交叉怎么办

有些数据实体可能涉及多个部门。例如“产品”数据，技术部管规格参数，市场部管产品描述，销售部管价格策略。多个部门对同一个数据实体的不同属性负责。

解决办法：明确主责部门和辅责部门。主责部门对数据实体的整体质量负责（如编码唯一性），辅责部门对自己负责的属性质量负责。新易编码支持按属性字段配置责任人和审批流程。

问题二：责任人有变动怎么办

员工离职、转岗，数据责任人会变动。如果没有交接，数据责任就会落空。

解决办法：把数据责任绑定到岗位而不是个人。新易编码支持按岗位配置责任人，人员变动时，只需要更新岗位对应的员工，不需要修改流程配置。同时，系统可以定期（如每月）提醒责任人确认自己负责的数据实体，避免责任悬空。

第六章：几点具体的建议

建议一：从一个数据实体开始试点

不要一下子把所有数据实体的责任都定下来。选一个最乱的、影响最大的实体，比如物料或客户。把责任分清楚、流程跑通、工具配好。运行两三个月，效果出来了，再推广到其他实体。

建议二：责任人的层级不要太高

数据责任人最好是日常和这些数据打交道的人。部门总监可以对这个部门的数据质量负责，但具体的数据审核、问题处理，应该由主管或专员来执行。层级太高，反馈慢；层级太低，推动难。主管或专员是比较合适的选择。

建议三：给责任人必要的授权

数据责任人发现数据有问题，应该有权限去推动解决。例如，物料编码重复了，责任人有权限发起合并流程；客户信息缺失了，责任人有权限要求客户经理补充。光有责任没有授权，责任就是空话。

建议四：用数据衡量责任履行

数据责任人做得怎么样，应该用数据说话。完整率提升了多少？重复率降低了多少？问题平均处理时间是几天？这些指标可以从新易编码的质量看板中自动生成，用于绩效评估。

建议五：定期复盘，持续优化

每个月或每季度，组织数据责任人复盘一次。哪些问题反复出现？流程哪里不合理？工具哪里不好用？责任划分有没有需要调整的？复盘不是追责，是改进。

结语

数据治理不只是定标准、装工具，还有一个关键环节：让“有人负责”不再是一句空话。

数据责任落到人，数据质量才能有人问、有人管、有人追。责任落不下去，标准再细、工具再好，都是摆设。

新易编码在这个环节做的事情是：给数据责任人提供工具支撑——让他们能看到问题、能处理问题、能追踪问题。工具不解决责任分配的问题，但工具能让责任履行变得可行、高效。

如果您所在的企业还没有明确的数据责任人，不妨从这个月开始做一件事：选一个数据实体（比如物料），指定一个人（比如物料管理员），让他用一个月时间，把物料数据的重复率和完整率各提升10个百分点。这一个月里遇到的问题和积累的经验，会比读十篇文章更有价值。

 

如果您有物料编码相关的问题，欢迎咨询新易物料编码