根据众多行业（制造业，房地产行业，零售业等）的研究得出，其实在我们很多项目实施的过程中，或者说很多ERP上线不算很成功的案例中，有非常大一部分的项目都有一个共同的直接原因，那就是在数据上出了问题。

曾经有客户跟我说，ERP不难，只是很麻烦。我认为这里所说的麻烦，指的就是整理ERP基础数据的过程，整理ERP的基础数据的确很繁琐，特别是经历过很长一段时间，再回过头来梳理之前的历史数据，这个过程并不比开发一套新系统上线要轻松。

过程是痛苦的，但是说它难也并非如此，只要坚持，固化流程，就一定能够实现。很多项目的实施成功考的也是三分技术，七分管理，十二分的数据。可见，不管是任何行业，任何系统，基础数据整理的重要性。

一、什么是基础数据？

相信大家都知道秦始皇作为中国第一位皇帝，地位不言而喻，而他的丰功伟绩除了统一六国，还有书同文，车同轨，行同伦。通过规范化的统一文字、单位、规则，最终形成了华夏五千年的大一统，继而传承了中华民族的优秀文化传统。

同样，如果把一家企业信息化比喻为一个珍珠项链，那么主数据就是将散落在各处的业务系统珍珠串在一起的绳子。为了达成这一目标，就需要进行我们所说的主数据管理。

需要注意的是，主数据不是企业内所有的业务数据，只是有必要在各个系统间共享的数据才是主数据。比如大部分的交易数据、帐单数据等都不是主数据，而像描述核心业务实体的数据，而像客户、供应商、帐户、项目、分期、楼栋、产品、房间信息等都是主数据，主数据是企业内能够跨业务重复使用的高价值的数据。

图示一：房地产行业企业主数据

二、基础数据整理的工作重点

1. 确定工作范围

首先我们需要根据自身行业性质，以及需要范围确定哪些是属性我们的基础数据，这就是我们所说的主数据识别。这里再次明确的是基础数据都有三个共性：

1. 具有高业务价值；
2. 跨多个业务系统应用；
3. 具有生命周期（贴合实际业务流程）。

例如我们在做房地产项目主数据的过程中，可以识别的主数据分别为：地块-项目-分期-楼栋等等，但是作为每个房间的销售订单则是为业务数据，无需通过主数据进行管理。

接下来我们确认数据来源涉及到的参与部门和人员配备，进而确定工作计划，切记不可将所有工作只交给一个部门甚至是一个人做。必须对此项工作的艰难程度有充分的认识，工作计划还需要注意安排周会月会定期的会议，以方便工作人员之间的沟通。

2. 建立必要的编码规则

ERP软件对于数据的管理是通过编码实现的，编码可以对数据进行唯一的标识，并且贯穿以后的查询和应用，建立编码原则是为了使以后的工作有一个可以遵循的原则，也为庞大繁杂的数据定了数据库可以唯一标示的方法。

注意：编码原则的制定属于企业级标准的建立，尤其对于重要量大的基础数据（如分期名称分期数据产品名称等）必须要由多个部门共同确认方案，防止意见不统一出现扯皮的情况。

3. 收集第一手资料，将原来离散数据从不同部门集中

由于之前的数据是呈现离散状态的，例如销售部门，成本部门，投资管理部门对于项目分期的概念，存在各部门交叉流转，并且在项目的生命周期内，也会发生名称数据的变化。

举个例子，同样是在房地产行业，投资部门是按照拿地的地块名称进行统计业务数据，而成本部门是按照合同的案名进行录入数据，而销售部门会按照销售推广名称进行统一，这就导致了三个部门对同一个项目分期的叫法不一致的情况发生。

所以，建议在收集的过程中，让各部门与自己相关的重要数据再次进行核对，完成后按照业务流转，传递给其他部门确认。

以此类推，直到完成此步工作，在工作中应注意各部门的协作安排，传递路径需要提前确认。

4. 数据检查

（1）完整性检查

完整性即记录数量名称是否完整，可以让部门项目的负责人复查或者计算一下总数，甚至可以将历史的台账对比，同时还要检查一些字段的完整性必输性，如果缺失则无法继续业务流转，例如产品的成本业态名称，产品楼栋的建立等。

（2）正确性检查

可以由企业安排自检工作，有些错误比方说楼栋对应分期关系，由于人为对应错误导致数据错误等。这样的错误必须在系统上线前发现并且改正。

（3）唯一性检查

数据的唯一性应该从两个角度检查，常见的错误是多个数据一个编码，例如产品住宅，产品商铺都是同一编码，如果录入系统，系统自然会拒绝接受。同时一个实物对应多个编码的现象也要拒绝，这种错误很多系统是无法发现，必须要人工核对检查，否则上线后会出现错误数据。

5. 将数据录入系统并再次核验

录入系统应该首先先将收集的【基础数据原始档案归档】，对于电子文档同样应该将数据备份好，并且注明整理人员，整理时间等。

通常录入系统的方式有两种，手工录入或者利用工具导入这两种方式，各有利弊。

按照手工录入可以从一定程度上保证数据的灵活性，并且对于一些前期无规则的数据，可以通过业务人员手工录入进行重新梳理。缺点就是录入人员的抗性较大，且工作量大；

而通过工具导入则恰恰相反，工作量低，效率高。但是对于数据规则梳理要求较高，且需要保证数据前期的准确性，完整性。

本文由@成于念 原创发布于人人都是产品经理，未经作者许可，禁止转载。

题图来自Unsplash，基于CC0协议。