一个CIO的困惑

某企业CIO在一次行业交流会上分享了一个困惑：

“我们公司五年前上了ERP，上线当年效果很明显，库存准确率从70%多提升到了90%以上。但最近两年，这个数字又慢慢掉下来了，现在又回到了80%左右。系统没变，人也还是那些人，为什么效果会消退？”

台下另一位CIO接话：“我们也是。ERP上线头一年，采购周期缩短了30%。现在，又回到了原来的水平。”

第三位CIO说：“我们更糟，MES系统里的工艺路线和生产现场的实际情况经常对不上，每次都要手工调整。”

几位CIO的困惑指向同一个问题：系统上线时的数据是干净的，但运行几年后，数据慢慢“变脏”了。

这不是ERP的问题，不是MES的问题，也不是人的问题。这是主数据管理的问题——企业缺少一套持续维护数据质量的机制。

第一章：数据为什么会在运行中“变脏”

系统上线时，通常会做一次大规模的数据清洗。客户数据去重、物料编码统一、BOM核对准确。那时候的数据质量是最高的。

但上线之后，情况开始变化。

变化一：新数据不断产生。 新客户建档、新物料申请、新供应商准入。每一条新数据录入时，都可能引入错误。录入人员不熟悉规则，或者图省事跳过校验，或者系统没有强制校验。新数据的质量，取决于录入时的执行情况。

变化二：业务规则在变。 企业业务在发展，产品在迭代，组织在调整。三年前制定的客户分类标准，今天可能已经不适用了。但系统里的老数据不会自动跟着变。新旧规则并存，数据口径开始混乱。

变化三：数据之间开始出现不一致。 客户改了地址，只改了CRM系统，没有同步到ERP系统。物料改了规格，只改了技术部的BOM，没有通知生产部。系统之间的数据开始出现差异，而且差异越来越大。

变化四：没有人定期检查。 上线时的数据清洗是一次性动作。上线之后，没有安排人定期检查数据质量。重复数据慢慢积累，错误数据没人纠正，缺失数据没人补全。等到发现问题时，已经积重难返。

数据“变脏”不是突然发生的，而是慢慢累积的。就像家里的卫生，不是一次大扫除就能永远干净的，需要日常维护。

第二章：主数据管理不是“一次性项目”

很多企业对主数据管理的理解是：做一个项目，把数据洗干净，然后就可以用了。

这个理解是错的。

主数据管理不是一个项目，而是一套持续运行的机制。它包括四个持续的动作：

动作一：持续的标准维护。 业务在变，标准也要跟着变。客户分类需要新增一个类别，物料编码规则需要扩展一位，产品属性需要增加一个字段。标准的维护不是一年做一次，而是随时需要随时做。

动作二：持续的入口管控。 每一条新数据的产生，都要经过校验。不是“这次严格，下次再说”，而是每一次都严格。入口不控，后面再怎么洗都来不及。

动作三：持续的关联同步。 一个系统的数据变了，关联系统的数据也要跟着变。不是靠人发邮件通知，而是靠系统自动同步。同步的规则需要持续维护。

动作四：持续的审计清理。 定期检查数据质量，发现重复的合并，发现错误的纠正，发现缺失的补全。不是等到问题严重了再处理，而是定期做、持续做。

这四个动作，缺一不可。任何一个停了，数据都会慢慢“变脏”。

第三章：为什么持续维护这么难

持续维护的道理不难理解，但真正能做到的企业不多。难在三个地方。

难点一：没有明确的责任人。

“客户数据的质量谁负责？”销售部？市场部？IT部？客服部？好像都沾边，但都不是主要责任。没有明确的责任人，就没有人主动去维护。数据脏了就脏了，反正不影响自己的KPI。

难点二：维护工作的优先级低。

日常工作是“救火”，数据维护是“防火”。火已经烧起来了，当然先去救火。防火的事情，等有空再做。但问题是，永远没空。数据问题就这样一天天积累。

难点三：缺少好用的工具。

很多企业做数据维护，用的是Excel+邮件。导出数据，在Excel里筛选、去重、修改，再导回系统。发给相关部门确认，邮件来回十几封。工具不好用，维护效率低，大家更不愿意做。

第四章：新易编码在持续维护中的角色

新易编码不解决主数据管理的全部问题，但它专注在一个环节——让编码和分类的持续维护变得简单。

入口管控：编码申请时的校验

用户在申请新编码时，系统自动查重。输入物料名称和规格，系统检索已有物料库，按相似度排序展示结果。如果已有相似物料，用户可以直接引用，不再申请新编码。如果确实需要新编码，系统按预设规则自动生成。整个过程中，系统在帮助用户“做对”，而不是事后“找错”。

变更管理：编码变更的流程

编码规则需要调整时，用户可以提交变更申请。变更内容、变更理由、影响范围，系统记录在案。审批通过后，系统自动生效新规则。新规则只影响之后的新编码，不影响已有的老编码。变更全过程可追溯。

关联同步：跨系统的映射

老系统里的旧编码一时改不过来，新易编码支持新旧编码的映射转换。采购员继续用老编码下单，系统在后台自动对应到新编码。不需要一次性改造所有系统，新旧体系可以并行运行。

质量监控：定期的审计

系统提供数据质量看板，展示编码的重复率、完整率、异常率。责任人可以按物料类别、按时间周期下钻查看。哪些物料存在重复编码？哪些编码长期没有被使用？哪些物料缺少关键属性？一目了然。发现问题后，可以在系统里直接发起处理流程。

这些功能的核心逻辑是：把持续维护的工作，从“人工+Excel”变成“系统+流程”。人只需要做判断和确认，重复性、规则性的工作交给系统。

第五章：三个企业如何做持续维护

案例一：某制造企业的“每周一小时”

该企业的物料编码管理员，每周五下午用一小时做数据维护。登录新易编码，打开质量看板，查看本周新增编码是否有重复、哪些物料的属性缺失、哪些编码长期未使用。发现问题后，在系统里直接处理。每周一小时，全年累计不到五天。但就是这五天，保持了物料数据的基本干净。

案例二：某零售企业的“变更通知机制”

该企业的商品编码规则每半年会做一次小调整。以前，调整后要发邮件通知所有相关部门，总有人漏看。使用新易编码后，规则变更审批通过时，系统自动给相关岗位推送通知，并附上变更说明。不需要人工发邮件，不需要担心有人漏看。

案例三：某物流企业的“跨系统映射表”

该企业有三个业务系统，使用三套不同的运单号格式。以前，分析人员每周要花半天时间做运单号的对应。使用新易编码后，三套运单号的映射关系维护在系统里。分析时，只需要输入任一系统的运单号，系统自动给出其他系统的对应号。映射关系有变化时，系统自动同步到所有应用端。

第六章：几点具体的建议

建议一：指定明确的编码管理员。

物料编码、客户编码、供应商编码，每一类都要有明确的责任人。这个人不一定要全职，但要有明确的职责和权限。没有责任人，持续维护就是空话。

建议二：把维护工作纳入日常工作节奏。

不需要每天做，但要有固定的节奏。每周一小时，或者每两周半天。把时间固定下来，形成习惯。不要等到问题严重了再集中处理。

建议三：用工具代替人工。

查重、校验、同步、通知，这些重复性的工作，交给系统做。人的精力用在判断和决策上。工具的成本不高，但省下的时间很可观。

建议四：接受渐进式的改善。

不需要一次把所有历史数据都清理干净。先保证新数据不产生新问题，历史数据按优先级分批清理。先清理使用频率最高的那批，其他的后续慢慢处理。

建议五：定期复盘，调整规则。

业务在变，规则也要跟着变。每半年或一年，组织一次复盘：现有规则还适用吗？有没有需要新增的分类？有没有需要调整的流程？复盘不是追责，是让规则跟上业务。

结语

主数据管理不是一次性的数据清洗，而是一套持续运行的机制。系统上线时的干净数据，如果没有持续维护，几年后就会变脏。

新易编码在这个领域做的事情，就是让持续维护变得简单。它不是万能的，但它能在编码和分类这个基础环节上，帮企业建立“日常维护”的习惯和工具。

如果您所在的企业ERP跑着跑着就“偏”了，不妨检查一下：您的主数据有持续维护吗？谁在维护？用什么工具维护？多久维护一次？这几个问题的答案，可能就是问题所在。


如果您有物料编码相关的问题，欢迎咨询新易物料编码