大数据|有效提高物料数据质量:我在项目经验中总结出了这八个步骤( 二 )


为了规范物料编码应用、提高物料数据质量、缩短物料代码提报和审核实践 , 需要组织编码审核人员结合业务实际 , 对物料的分类标准、描述标准以及填写物料条目提报时的注意事项进行详细的说明 。
同时 , 还要对审核过程中发现的问题进行归纳总结 , 编制《物料代码提报审核指南》 , 指导企业内所有涉及物料应用的单位和部门 。
四、搭建平台
制订了物料数据标准后 , 就要把物料数据标准内置到物料主数据管理平台 , 通过物料主数据管理平台实现物料数据的标准管理、数据清洗、物料主数据从创建、审核、发布、修改、冻结、归档的全生命周期管理、物料数据质量管理等 。
大数据|有效提高物料数据质量:我在项目经验中总结出了这八个步骤
五、清洗数据
搭建平台后 , 就能够根据制定的物料数据标准开展数据清洗工作 , 物料数据清洗是有效提高历史物料数据质量的基础性工作 。
1. 历史物料数据清洗的目的
历史物料数据清洗就是按照新发布的物料分类标准、描述标准进行梳理 , 形成标准、规范、准确的物料数据 。
下图说明了物料数据清洗的效果:
大数据|有效提高物料数据质量:我在项目经验中总结出了这八个步骤
2. 物料数据清洗的流程
一般来讲 , 工业企业物料数据量非常大 , 需要科学有序的组织 , 才能保障物料数据清洗质量 。
首先 , 明确人员分工 , 包干到户;然后 , 正确标定每一个物料的小类;再后 , 根据物料数据描述标准进行物料数据清洗;最后 , 由审核组长对清洗后的物料进行审核 。 最终 , 经过审核后的物料数据形成可供相应系统共享应用的物料代码 。 下图是物料数据清洗流程示例:
大数据|有效提高物料数据质量:我在项目经验中总结出了这八个步骤
3. 物料数据清洗的过程
物料数据清洗的过程主要包括:对收集的历史物料数据归类、物料数据有效性分析、识别需要清洗的物料、对物料数据进行规范、进行物料数据清洗、进行物料数据查重、进行物料数据转换、进行物料数据特征值调整、进行物料数据应用切换、对无效物料数据进行删除 。
下图是物料清洗过程的示例:
大数据|有效提高物料数据质量:我在项目经验中总结出了这八个步骤
4. 物料数据清洗的成果
清洗后的物料数据就能达到物料数据质量要求的唯一性、完整性、准确性等要求 , 同时在物料数据管理系统中生成了物料代码 , 可供需要使用物料数据的信息系统进行集成共享使用 。
下图是物料数据清洗后规范的物料主数据示例:
大数据|有效提高物料数据质量:我在项目经验中总结出了这八个步骤
六、服务集成
物料数据在清洗后 , 必须通过系统集成 , 保整物料主数据源头数据质量的基础上 , 各相关应用系统必须使用统一的物料数据 , 才能保证各系统中物料数据的一致性、准确性、及时性 。
1. 系统集成方案
企业通常采用通过ESB总线(数据集成平台)实现物料主数据与业务系统的集成 , 从而实现物料数据在各业务系统中的统一使用 。
大数据|有效提高物料数据质量:我在项目经验中总结出了这八个步骤
数据分发策略可以采用人工触发、定时触发、批量使用等模式 。
大数据|有效提高物料数据质量:我在项目经验中总结出了这八个步骤
2. 数据切换方案
制定合理的物料数据切换方案是物料数据在各系统应用落地的重要策略:
如何处理已建系统中物料数据和标准物料之间的关系;如何处理在建系统中物料数据和标准物料之间的关系;如何处理待建系统中物料数据和标准物料之间的关系 。 只有处理好三种关系 , 才能保障物料数据的真正落地 。
下图是物料数据切换方案策略示例:
大数据|有效提高物料数据质量:我在项目经验中总结出了这八个步骤
七、运维支持
建立标准化的运维团队是保障物料数据质量的坚实保障 。
通过物料数据运维团队 , 从物料专业化的角度审批提报的物料数据 , 保障物料数据的准确性;从审批效率的角度及时审批提报的物料 , 提高物料数据的及时性;从数据质量的角度对物料数据进行审查 , 保证物料数据的高质量 。
下图是物料数据运维过程的示例:
大数据|有效提高物料数据质量:我在项目经验中总结出了这八个步骤
八、优化提升
企业物料数据量大 , 很难一次性将质量提升到位 。 因此 , 就需要建立物料数据质量优化提升机制 , 采取PDCA的方法开展物料数据质量提升工作 。


推荐阅读