成熟的数据驱动型企业认识到，拥有一个可信赖的、涵盖企业核心实体（如客户、供应商、产品和材料）的企业级视图，能够全面描述重要标识符和属性，也就是所谓的主数据，具有重要的业务价值。主数据管理（MDM）是一种技术驱动的业务学科，其中业务和信息技术（IT）协作，以确保企业核心数据资产的一致性、准确性和治理。尽管已有一些改进，但数据和分析（D&A）领导者往往未能衡量他们的MDM计划的商业影响，这影响了该计划的感知价值和投资。
最近，生成式人工智能（GenAI）的关注使得数据治理的讨论上升到董事会层面，因为企业希望建立对数据及其使用的信任并减少风险。然而，当MDM计划仅被视为数据管理项目，且被认为更多关乎治理和信任，而非执行数据管理任务时，争取支持变得非常具有挑战性。这种MDM与业务价值之间的脱节，可能导致优先级下降和投资不足，尽管对可信主数据的需求不断增长。
D&A领导者应采取以下精简、灵活且结构化的方法，以便向利益相关者传达MDM的商业价值。
与战略目标对齐
在理想的情况下，MDM是更广泛的数据和分析战略的一部分，突出数据和分析如何支持企业的战略目标。该战略与这些目标对齐，优先考虑将要支持的业务结果，并详细说明为实现这些结果所需的内容。因此，领导者必须首先理解和优先考虑MDM将要支持的具体业务结果，然后再制定MDM战略。换句话说，“改善决策”并不够，“到2025年12月提升客户服务水平5%”才是所需的细节。
D&A领导者可能会意识到主数据正在导致问题或限制机会，这时他们会依赖MDM。如果是这种情况，这些D&A领导者应考虑一些问题，帮助识别问题、关键绩效指标（KPI）以及相关利益相关者。
这些问题有助于识别MDM可能支持的潜在业务结果。图1提供了一个工作表，用于构建这个初步的框架，并促进利益相关者的讨论。工作表将高层目标映射到“运行-增长-转型”框架，也可以通过风险、收入和成本这三个主要商业价值驱动因素来表示。
D&A领导者应使用度量框架，将高层次的业务结果与主数据相链接。企业必须建立或发展这样的框架，以连接业务与MDM度量标准的各个层级。每个企业需要自己的度量框架，其复杂性取决于企业的规模。D&A领导者必须将更高层次的目标与较低层次的度量标准和KPI联系起来，展示每一层次的度量如何与期望的业务结果和具体的主数据领域相关联。
在将业务结果与MDM联系的初期阶段，主要目标是：
- 建立与业务利益相关者的持续关系，以了解他们的优先事项。
- 基于高层指导，优先考虑业务结果、度量标准和KPI，特别是对于早期阶段的MDM项目或那些开始量化MDM收益的项目。
- 理解哪些主数据元素和KPI支持优先的业务KPI、度量标准和结果，以及它们之间的层级关系。
- 帮助D&A团队成员意识到，最终目标是推动业务结果，而不是单纯地提高数据质量。
模拟主数据的业务影响
衡量MDM商业收益的关键部分是构建模型，量化数据改进如何提升业务流程并实现期望的结果。
模拟估算表明，数据改进能够推动业务流程的增强。数据与业务结果之间的间接联系常常使D&A领导者错误地认为主数据的收益无法衡量。然而，这些模型揭示了一个可度量、可监控和可改进的联系。
在创建业务影响模型时，请考虑以下要点：
- 明确哪些业务结果是重要的。
- 持续与业务领导层合作，保持业务结果列表的优先级并确保其最新。
- 只有当您有明确的业务结果与“最少的数据、最大的业务影响”关联时，才激活角色和企业（如数据管理员等）。
- 每次专注于一个结果进行迭代。
- 为所有其他数据建立最小可行的治理（包括例外管理流程）。
聚合业务影响
将所有度量层级的影响聚合到更高层次的业务结果中，这些结果最初是在第一步中识别的。这些聚合的结果应该与具体的财务结果对齐。这一步作为一个检查点，在新增用例并增强信心时需要重新审视。
有效地传达MDM的商业价值对于将数据战略与整体业务目标对齐的企业至关重要。通过采取一种结构化的方法，将MDM纳入更广泛的数据框架中，企业能够弥合数据管理与实际商业结果之间的差距。优先考虑KPI，并将其与战略目标对齐，对于确保投资和支持至关重要。这反过来增强了业务表现，并促进了对数据驱动决策的更大信任，使MDM成为企业成功的关键组成部分。
