工业数据治理的概念和范围正持续拓宽。所谓“治理”，系指针对工业数据在其整个生命周期内所面临的各种问题进行的系统诊断与处理。本文将会围绕主数据治理这一阶段进一步深化数据治理的探讨。
企业数据资产分类
主数据
特征：描述业务对象的特征，在业务发生中相对静止不变，比较稳定，具有唯一、准确、权威的数据源；具有高业务价值、可以在企业内部跨流程跨系统被重复使用的数据。
业务数据
特征：描述企业的运作状态和行为，在日常业务活动产生的业务数据，本质是主数据活动产生的数据；交易数据建立在主数据基础之上的，无法脱离主数据独立存在，有较强的时效性，且通常是一次性的。
分析数据
特征：按不同维度统计分析业务活动的数据，辅助绩效评估和经营管理决策，对数据加工处理后的数据；通常需要将不同来源的数据进行清洗、转换、整合，形成维度、指标，以便更好地进行分析。
主数据管理现状
仓库：
缺乏统一标准，出现一物多码现象，不利于科学的采购决策，导致库存积压；
不利于系统间的集成、数据分析。
人员：
多个数据入口，数据质量依赖于一个系统；
维护人员的信息获取程度少录、错录；
接口繁多，开发成本、维护成本高；
业务系统繁多，系统之间信息流通不畅；
缺少集团统一视图，不利于统一管理和决策分析。
主数据解决方案架构
主数据治理6个步骤
在数据治理的实际操作中，只有先发现数据，对数据进行有效分类，才能避免一刀切的控制方式，也才能对数据的安全管理采用更加精细的措施，使数据在共享使用和安全使用之间获得平衡。
1. 数据盘点：
调研梳理所有系统，盘点物资主数据相关的系统、表及字段信息，形成主数据资产目录。
2. 绘制泳道图：
调研物资主数据生命周期及流转情况，绘制泳道图，理清数据生产、发布、修改的整个链路。
3. 数据标准：
契合物资主数据业务流程，构建物料编码、命名、阈值的规则，构建一套物资主数据的数据标准规范。
4. 数据服务：
根据业务需求和系统权限，开发标准化的数据接口，开展主数据的集中化管理和数据服务。
5. 数据标准化：
依托主数据管理系统，通过数据集成、映射匹配、规则构建等，生成一套完整的、准确的物资主数据，实现自动化计算和匹配。
6. 数据来源：
结合现有业务系统功能，梳理并确认主数据每个属性的数据来源、系统职能和维护流程。
