供应链主数据管理全景图：从数据建模到数据治理的完整体系

引言

在数字化转型的浪潮中，数据已成为企业最重要的资产。然而，许多企业面临着严重的数据质量问题：同一个商品在不同系统有不同的编码，同一个供应商在ERP、SRM、财务系统中信息不一致，客户数据分散在各个业务系统无法整合……这些问题的根源在于缺乏统一的主数据管理。

本文将系统化介绍供应链主数据管理（Master Data Management, MDM）的完整体系，帮助你构建高质量的主数据管理能力。

一、什么是主数据管理

1.1 主数据的定义

**主数据（Master Data）**是企业核心业务实体的基础数据，具有以下特征：

共享性：被多个业务系统共同使用
稳定性：相对稳定，变化频率低
权威性：是业务运营的权威数据源
一致性：在各系统间保持一致

常见的供应链主数据包括：

商品主数据（Product Master Data）
客户主数据（Customer Master Data）
供应商主数据（Supplier Master Data）
仓库主数据（Warehouse Master Data）
物料主数据（Material Master Data）
员工主数据（Employee Master Data）

1.2 主数据 vs 参考数据 vs 交易数据

数据类型	定义	示例	变化频率
主数据	核心业务实体的基础数据	商品、客户、供应商	低（月/季度）
参考数据	用于分类和标准化的数据	国家代码、币种、单位	极低（年）
交易数据	业务交易产生的数据	订单、库存、物流单	高（秒/分钟）

举例说明：

主数据：iPhone 15 Pro Max（SKU: IP15PM256GB-BLK）
参考数据：商品品类（手机）、单位（台）、币种（CNY）
交易数据：2025-11-22下单购买1台iPhone 15 Pro Max

1.3 主数据管理的价值

业务价值

提升运营效率：统一数据标准，减少重复录入，降低30-50%数据维护成本
支撑决策分析：高质量数据是BI分析的基础，提升决策准确性
改善客户体验：360度客户视图，提供个性化服务
降低合规风险：满足GDPR、SOX等法规要求

技术价值

消除信息孤岛：实现跨系统数据共享
保障数据质量：建立数据质量标准和监控机制
提升系统集成效率：统一数据接口，降低集成复杂度
支撑数字化转型：为大数据、AI等新技术提供高质量数据基础

二、供应链主数据分类

2.1 商品主数据

核心属性：

基本信息:
  - SKU编码（唯一标识）
  - 商品名称
  - 品牌
  - 型号
  - 规格
  - 条形码/EAN码
  
分类信息:
  - 品类（一级/二级/三级）
  - 品牌
  - 系列
  
物理属性:
  - 长/宽/高（cm）
  - 毛重/净重（kg）
  - 体积（m³）
  - 颜色/尺码
  
商业属性:
  - 采购价
  - 销售价
  - 成本价
  - 税率
  - 供应商
  
库存属性:
  - 是否可销售
  - 是否可采购
  - 安全库存
  - 最小订货量

SPU vs SKU：

SPU（Standard Product Unit）：标准产品单元，如"iPhone 15 Pro Max"
SKU（Stock Keeping Unit）：库存量单位，如"iPhone 15 Pro Max 256GB 黑色"

一个SPU可以有多个SKU。

2.2 客户主数据

核心属性：

基本信息:
  - 客户编码
  - 客户名称
  - 客户类型（企业/个人）
  - 联系人
  - 联系电话
  - Email
  
企业客户特有:
  - 统一社会信用代码
  - 法人代表
  - 注册资本
  - 经营范围
  
财务信息:
  - 信用等级（AAA/AA/A/B/C）
  - 信用额度
  - 账期（30天/60天/90天）
  - 开票信息
  
业务信息:
  - 客户分级（VIP/普通）
  - 所属销售
  - 所属区域
  - 客户标签

2.3 供应商主数据

核心属性：

基本信息:
  - 供应商编码
  - 供应商名称
  - 供应商类型（生产商/经销商/服务商）
  - 联系人/电话/Email
  
资质信息:
  - 营业执照号
  - 税务登记证
  - 开户行/账号
  - 资质证书
  
业务信息:
  - 供应商分级（A/B/C/D）
  - 合作开始日期
  - 合同编号
  - 主营品类
  - 服务区域
  
绩效信息:
  - 质量合格率
  - 准时交付率
  - 价格竞争力
  - 服务响应速度

2.4 仓库主数据

核心属性：

基本信息:
  - 仓库编码
  - 仓库名称
  - 仓库类型（自营/第三方）
  - 仓库地址
  - 负责人/电话
  
能力信息:
  - 仓库面积（m²）
  - 存储容量（m³）
  - 库位数量
  - 作业能力（件/天）
  
服务信息:
  - 服务区域
  - 服务品类
  - 是否支持冷链
  - 是否支持危险品

三、主数据建模实践

3.1 商品主数据数据模型

-- 商品主数据表
CREATE TABLE product_master (
  id BIGINT PRIMARY KEY AUTO_INCREMENT,
  sku VARCHAR(64) UNIQUE NOT NULL COMMENT 'SKU编码',
  spu VARCHAR(64) NOT NULL COMMENT 'SPU编码',
  product_name VARCHAR(200) NOT NULL COMMENT '商品名称',
  brand_id BIGINT COMMENT '品牌ID',
  category_id BIGINT COMMENT '品类ID',
  
  -- 规格属性
  specification JSON COMMENT '规格属性（颜色、尺码等）',
  barcode VARCHAR(50) COMMENT '条形码',
  
  -- 物理属性
  length DECIMAL(10,2) COMMENT '长度(cm)',
  width DECIMAL(10,2) COMMENT '宽度(cm)',
  height DECIMAL(10,2) COMMENT '高度(cm)',
  gross_weight DECIMAL(10,3) COMMENT '毛重(kg)',
  net_weight DECIMAL(10,3) COMMENT '净重(kg)',
  volume DECIMAL(10,4) COMMENT '体积(m³)',
  
  -- 商业属性
  purchase_price DECIMAL(10,2) COMMENT '采购价',
  sale_price DECIMAL(10,2) COMMENT '销售价',
  cost_price DECIMAL(10,2) COMMENT '成本价',
  tax_rate DECIMAL(5,4) COMMENT '税率',
  
  -- 库存属性
  is_saleable TINYINT(1) DEFAULT 1 COMMENT '是否可销售',
  is_purchasable TINYINT(1) DEFAULT 1 COMMENT '是否可采购',
  safety_stock INT COMMENT '安全库存',
  min_order_qty INT COMMENT '最小订货量',
  
  -- 审计字段
  status VARCHAR(20) DEFAULT 'ACTIVE' COMMENT '状态：ACTIVE/INACTIVE/DELETED',
  created_by VARCHAR(50),
  created_time DATETIME DEFAULT CURRENT_TIMESTAMP,
  updated_by VARCHAR(50),
  updated_time DATETIME DEFAULT CURRENT_TIMESTAMP ON UPDATE CURRENT_TIMESTAMP,
  version INT DEFAULT 1 COMMENT '数据版本号',
  
  INDEX idx_spu (spu),
  INDEX idx_brand_category (brand_id, category_id),
  INDEX idx_barcode (barcode)
) ENGINE=InnoDB DEFAULT CHARSET=utf8mb4 COMMENT='商品主数据表';

-- 品牌主数据表
CREATE TABLE brand_master (
  id BIGINT PRIMARY KEY AUTO_INCREMENT,
  brand_code VARCHAR(50) UNIQUE NOT NULL,
  brand_name VARCHAR(100) NOT NULL,
  brand_name_en VARCHAR(100),
  country VARCHAR(50) COMMENT '品牌国家',
  logo_url VARCHAR(500),
  status VARCHAR(20) DEFAULT 'ACTIVE',
  created_time DATETIME DEFAULT CURRENT_TIMESTAMP,
  updated_time DATETIME DEFAULT CURRENT_TIMESTAMP ON UPDATE CURRENT_TIMESTAMP
) ENGINE=InnoDB DEFAULT CHARSET=utf8mb4 COMMENT='品牌主数据表';

-- 品类主数据表（三级分类）
CREATE TABLE category_master (
  id BIGINT PRIMARY KEY AUTO_INCREMENT,
  category_code VARCHAR(50) UNIQUE NOT NULL,
  category_name VARCHAR(100) NOT NULL,
  parent_id BIGINT COMMENT '父品类ID',
  level TINYINT COMMENT '层级：1/2/3',
  sort_order INT COMMENT '排序',
  status VARCHAR(20) DEFAULT 'ACTIVE',
  created_time DATETIME DEFAULT CURRENT_TIMESTAMP,
  updated_time DATETIME DEFAULT CURRENT_TIMESTAMP ON UPDATE CURRENT_TIMESTAMP,
  INDEX idx_parent (parent_id)
) ENGINE=InnoDB DEFAULT CHARSET=utf8mb4 COMMENT='品类主数据表';

3.2 客户主数据数据模型

-- 客户主数据表
CREATE TABLE customer_master (
  id BIGINT PRIMARY KEY AUTO_INCREMENT,
  customer_code VARCHAR(50) UNIQUE NOT NULL COMMENT '客户编码',
  customer_name VARCHAR(200) NOT NULL COMMENT '客户名称',
  customer_type VARCHAR(20) NOT NULL COMMENT '客户类型：ENTERPRISE/INDIVIDUAL',
  
  -- 联系信息
  contact_person VARCHAR(50) COMMENT '联系人',
  contact_phone VARCHAR(20) COMMENT '联系电话',
  contact_email VARCHAR(100) COMMENT 'Email',
  address VARCHAR(500) COMMENT '地址',
  
  -- 企业客户特有字段
  unified_social_credit_code VARCHAR(50) COMMENT '统一社会信用代码',
  legal_representative VARCHAR(50) COMMENT '法人代表',
  registered_capital DECIMAL(15,2) COMMENT '注册资本',
  business_scope TEXT COMMENT '经营范围',
  
  -- 财务信息
  credit_level VARCHAR(10) COMMENT '信用等级：AAA/AA/A/B/C',
  credit_limit DECIMAL(15,2) COMMENT '信用额度',
  payment_term INT COMMENT '账期(天)',
  
  -- 发票信息（JSON存储）
  invoice_info JSON COMMENT '开票信息',
  
  -- 业务信息
  customer_level VARCHAR(20) COMMENT '客户分级：VIP/GOLD/SILVER/NORMAL',
  sales_id BIGINT COMMENT '所属销售ID',
  region_id BIGINT COMMENT '所属区域ID',
  customer_tags JSON COMMENT '客户标签',
  
  -- 审计字段
  status VARCHAR(20) DEFAULT 'ACTIVE',
  created_by VARCHAR(50),
  created_time DATETIME DEFAULT CURRENT_TIMESTAMP,
  updated_by VARCHAR(50),
  updated_time DATETIME DEFAULT CURRENT_TIMESTAMP ON UPDATE CURRENT_TIMESTAMP,
  version INT DEFAULT 1,
  
  INDEX idx_type_level (customer_type, customer_level),
  INDEX idx_credit_code (unified_social_credit_code)
) ENGINE=InnoDB DEFAULT CHARSET=utf8mb4 COMMENT='客户主数据表';

3.3 供应商主数据数据模型

-- 供应商主数据表
CREATE TABLE supplier_master (
  id BIGINT PRIMARY KEY AUTO_INCREMENT,
  supplier_code VARCHAR(50) UNIQUE NOT NULL COMMENT '供应商编码',
  supplier_name VARCHAR(200) NOT NULL COMMENT '供应商名称',
  supplier_type VARCHAR(20) NOT NULL COMMENT '供应商类型：MANUFACTURER/DISTRIBUTOR/SERVICE_PROVIDER',
  
  -- 联系信息
  contact_person VARCHAR(50),
  contact_phone VARCHAR(20),
  contact_email VARCHAR(100),
  address VARCHAR(500),
  
  -- 资质信息
  business_license VARCHAR(50) COMMENT '营业执照号',
  tax_registration VARCHAR(50) COMMENT '税务登记证',
  bank_name VARCHAR(100) COMMENT '开户行',
  bank_account VARCHAR(50) COMMENT '银行账号',
  certificates JSON COMMENT '资质证书',
  
  -- 业务信息
  supplier_level VARCHAR(10) COMMENT '供应商分级：A/B/C/D',
  cooperation_start_date DATE COMMENT '合作开始日期',
  contract_no VARCHAR(50) COMMENT '合同编号',
  main_categories JSON COMMENT '主营品类',
  service_regions JSON COMMENT '服务区域',
  
  -- 绩效信息
  quality_pass_rate DECIMAL(5,2) COMMENT '质量合格率(%)',
  on_time_delivery_rate DECIMAL(5,2) COMMENT '准时交付率(%)',
  price_competitiveness DECIMAL(3,2) COMMENT '价格竞争力(1-5分)',
  service_response_score DECIMAL(3,2) COMMENT '服务响应速度(1-5分)',
  
  -- 审计字段
  status VARCHAR(20) DEFAULT 'ACTIVE',
  created_by VARCHAR(50),
  created_time DATETIME DEFAULT CURRENT_TIMESTAMP,
  updated_by VARCHAR(50),
  updated_time DATETIME DEFAULT CURRENT_TIMESTAMP ON UPDATE CURRENT_TIMESTAMP,
  version INT DEFAULT 1,
  
  INDEX idx_type_level (supplier_type, supplier_level),
  INDEX idx_license (business_license)
) ENGINE=InnoDB DEFAULT CHARSET=utf8mb4 COMMENT='供应商主数据表';

四、主数据管理架构

4.1 MDM系统架构

┌─────────────────────────────────────────────────────────┐
│                     业务系统层                            │
│   ERP  │ OMS │ WMS │ TMS │ CRM │ SRM │ 财务系统          │
└────────────────┬────────────────────────────────────────┘
                 │ API/MQ
┌────────────────┴────────────────────────────────────────┐
│                   MDM主数据平台                           │
│  ┌──────────┬──────────┬──────────┬──────────────────┐  │
│  │ 数据采集 │ 数据清洗 │ 数据整合 │ 数据分发         │  │
│  └──────────┴──────────┴──────────┴──────────────────┘  │
│  ┌──────────┬──────────┬──────────┬──────────────────┐  │
│  │ 数据建模 │ 数据质量 │ 数据治理 │ 数据服务         │  │
│  └──────────┴──────────┴──────────┴──────────────────┘  │
│  ┌──────────┬──────────┬──────────┬──────────────────┐  │
│  │ 商品主数据│ 客户主数据│ 供应商   │ 仓库主数据       │  │
│  └──────────┴──────────┴──────────┴──────────────────┘  │
└─────────────────────────────────────────────────────────┘
                 │
┌────────────────┴────────────────────────────────────────┐
│                    数据存储层                             │
│     MySQL主从    │   Redis缓存   │   Elasticsearch      │
└─────────────────────────────────────────────────────────┘

4.2 核心功能模块

1. 数据采集模块

功能：从各业务系统采集主数据 技术方案：

API推送：业务系统主动推送数据到MDM
定时拉取：MDM定时从业务系统拉取数据
CDC同步：通过Canal监听数据库binlog实时同步

2. 数据清洗模块

功能：清洗、标准化、去重主数据 处理规则：

public class DataCleansingService {
    
    // 数据标准化
    public ProductMaster standardize(ProductMaster product) {
        // 1. 去除空格
        product.setProductName(product.getProductName().trim());
        
        // 2. 统一大小写
        product.setSku(product.getSku().toUpperCase());
        
        // 3. 格式化电话号码
        product.setContactPhone(formatPhone(product.getContactPhone()));
        
        // 4. 标准化地址
        product.setAddress(standardizeAddress(product.getAddress()));
        
        return product;
    }
    
    // 数据去重
    public List<ProductMaster> deduplicate(List<ProductMaster> products) {
        // 基于SKU去重
        return products.stream()
            .collect(Collectors.toMap(
                ProductMaster::getSku,
                p -> p,
                (existing, replacement) -> {
                    // 冲突解决：保留最新数据
                    return replacement.getUpdatedTime().after(existing.getUpdatedTime()) 
                        ? replacement : existing;
                }
            ))
            .values()
            .stream()
            .collect(Collectors.toList());
    }
}

3. 数据整合模块

功能：合并多源数据，形成黄金记录（Golden Record） 匹配规则：

public class DataMatchingService {
    
    // 客户数据匹配
    public Customer matchCustomer(List<Customer> candidates) {
        // 匹配规则优先级
        // 1. 统一社会信用代码完全匹配 -> 100%
        // 2. 客户名称+联系电话完全匹配 -> 90%
        // 3. 客户名称模糊匹配 -> 70%
        
        for (Customer candidate : candidates) {
            double matchScore = calculateMatchScore(candidate);
            if (matchScore >= 0.9) {
                return candidate; // 高置信度匹配
            }
        }
        
        return null; // 无匹配，需要人工审核
    }
    
    // 计算匹配分数
    private double calculateMatchScore(Customer customer) {
        double score = 0.0;
        
        // 统一社会信用代码匹配
        if (creditCodeMatch(customer)) {
            score += 1.0;
        }
        
        // 客户名称匹配
        score += nameMatchScore(customer) * 0.5;
        
        // 联系电话匹配
        score += phoneMatchScore(customer) * 0.3;
        
        // 地址匹配
        score += addressMatchScore(customer) * 0.2;
        
        return score;
    }
}

4. 数据分发模块

功能：将主数据分发到各业务系统 分发策略：

public class DataDistributionService {
    
    @Autowired
    private RocketMQTemplate rocketMQTemplate;
    
    // 发布主数据变更事件
    public void publishProductChange(ProductMaster product, ChangeType changeType) {
        ProductChangeEvent event = ProductChangeEvent.builder()
            .sku(product.getSku())
            .changeType(changeType) // CREATE/UPDATE/DELETE
            .productData(product)
            .timestamp(System.currentTimeMillis())
            .build();
        
        // 发送到MQ，各系统订阅消费
        rocketMQTemplate.convertAndSend(
            "TOPIC_PRODUCT_CHANGE",
            "TAG_" + changeType.name(),
            event
        );
    }
    
    // 主数据查询接口
    @GetMapping("/api/mdm/product/{sku}")
    public Result<ProductMaster> getProduct(@PathVariable String sku) {
        // 1. 先查Redis缓存
        ProductMaster product = redisTemplate.opsForValue().get("product:" + sku);
        
        if (product == null) {
            // 2. 查数据库
            product = productMasterMapper.selectBySku(sku);
            
            if (product != null) {
                // 3. 写入缓存，过期时间1小时
                redisTemplate.opsForValue().set(
                    "product:" + sku, 
                    product, 
                    1, 
                    TimeUnit.HOURS
                );
            }
        }
        
        return Result.success(product);
    }
}

五、数据质量管理

5.1 数据质量维度

维度	定义	评估方法	目标值
完整性	数据是否完整，必填字段是否都有值	必填字段非空比例	≥ 99%
准确性	数据是否准确，是否符合业务规则	数据验证通过率	≥ 95%
一致性	数据在各系统间是否一致	跨系统数据一致性比例	≥ 98%
及时性	数据是否及时更新	数据同步延迟时间	≤ 5分钟
唯一性	数据是否存在重复	重复数据比例	≤ 1%

5.2 数据质量检查规则

public class DataQualityChecker {
    
    // 完整性检查
    public List<String> checkCompleteness(ProductMaster product) {
        List<String> errors = new ArrayList<>();
        
        if (StringUtils.isEmpty(product.getSku())) {
            errors.add("SKU不能为空");
        }
        if (StringUtils.isEmpty(product.getProductName())) {
            errors.add("商品名称不能为空");
        }
        if (product.getBrandId() == null) {
            errors.add("品牌不能为空");
        }
        if (product.getCategoryId() == null) {
            errors.add("品类不能为空");
        }
        
        return errors;
    }
    
    // 准确性检查
    public List<String> checkAccuracy(ProductMaster product) {
        List<String> errors = new ArrayList<>();
        
        // 价格合理性
        if (product.getSalePrice() != null && product.getSalePrice().compareTo(BigDecimal.ZERO) <= 0) {
            errors.add("销售价必须大于0");
        }
        
        // 重量合理性
        if (product.getGrossWeight() != null && product.getNetWeight() != null) {
            if (product.getGrossWeight().compareTo(product.getNetWeight()) < 0) {
                errors.add("毛重不能小于净重");
            }
        }
        
        // 库存合理性
        if (product.getSafetyStock() != null && product.getSafetyStock() < 0) {
            errors.add("安全库存不能为负数");
        }
        
        return errors;
    }
    
    // 一致性检查
    public List<String> checkConsistency(ProductMaster mdmProduct, ProductMaster erpProduct) {
        List<String> errors = new ArrayList<>();
        
        if (!mdmProduct.getProductName().equals(erpProduct.getProductName())) {
            errors.add("商品名称不一致");
        }
        
        if (!mdmProduct.getSalePrice().equals(erpProduct.getSalePrice())) {
            errors.add("销售价不一致");
        }
        
        return errors;
    }
}

5.3 数据质量监控

@Service
public class DataQualityMonitorService {
    
    @Scheduled(cron = "0 0 2 * * ?") // 每天凌晨2点执行
    public void dailyQualityCheck() {
        // 1. 统计数据质量指标
        QualityMetrics metrics = new QualityMetrics();
        
        // 完整性
        metrics.setCompleteness(calculateCompleteness());
        
        // 准确性
        metrics.setAccuracy(calculateAccuracy());
        
        // 一致性
        metrics.setConsistency(calculateConsistency());
        
        // 及时性
        metrics.setTimeliness(calculateTimeliness());
        
        // 唯一性
        metrics.setUniqueness(calculateUniqueness());
        
        // 2. 保存质量报告
        qualityReportMapper.insert(metrics);
        
        // 3. 质量告警
        if (metrics.getCompleteness() < 0.99) {
            sendAlert("数据完整性低于99%，当前：" + metrics.getCompleteness());
        }
        
        if (metrics.getConsistency() < 0.98) {
            sendAlert("数据一致性低于98%，当前：" + metrics.getConsistency());
        }
    }
    
    // 计算完整性
    private double calculateCompleteness() {
        long totalCount = productMasterMapper.count();
        long completeCount = productMasterMapper.countComplete();
        return (double) completeCount / totalCount;
    }
}

六、数据治理体系

6.1 数据治理组织架构

┌─────────────────────────────────────┐
│        数据治理委员会                 │
│    (Chief Data Officer领导)         │
└──────────┬──────────────────────────┘
           │
    ┌──────┴──────┬──────────┬────────┐
    │             │          │        │
┌───┴────┐  ┌────┴───┐  ┌──┴───┐  ┌─┴────┐
│数据架构 │  │数据质量│  │数据安全│  │数据运营│
│  小组   │  │  小组  │  │  小组  │  │  小组  │
└────────┘  └────────┘  └────────┘  └───────┘

职责分工：

数据治理委员会：制定数据战略、审批数据标准、监督执行
数据架构小组：设计数据模型、制定数据标准、规划数据架构
数据质量小组：制定质量规则、监控数据质量、处理质量问题
数据安全小组：制定安全策略、管理数据权限、审计数据访问
数据运营小组：日常数据维护、培训用户、优化流程

6.2 数据生命周期管理

┌──────┐  ┌──────┐  ┌──────┐  ┌──────┐  ┌──────┐
│ 创建 │→ │ 使用 │→ │ 更新 │→ │ 归档 │→ │ 销毁 │
└──────┘  └──────┘  └──────┘  └──────┘  └──────┘

各阶段要求：

阶段	要求	责任人
创建	通过数据质量检查，录入审批流程	数据录入员
使用	按权限访问，记录访问日志	业务人员
更新	通过变更审批，保留变更历史	数据管理员
归档	超过保留期限，迁移到归档库	系统自动
销毁	超过归档期限，符合法规要求后销毁	数据管理员

6.3 数据权限管理

public class DataPermissionService {
    
    // 数据权限定义
    public enum DataPermission {
        VIEW,    // 查看
        CREATE,  // 创建
        UPDATE,  // 更新
        DELETE,  // 删除
        EXPORT,  // 导出
        APPROVE  // 审批
    }
    
    // 检查权限
    public boolean hasPermission(User user, String dataType, DataPermission permission) {
        // 1. 查询用户角色
        List<Role> roles = userRoleMapper.selectByUserId(user.getId());
        
        // 2. 查询角色权限
        for (Role role : roles) {
            List<Permission> permissions = rolePermissionMapper.selectByRoleId(role.getId());
            
            for (Permission p : permissions) {
                if (p.getDataType().equals(dataType) && 
                    p.getPermission().equals(permission)) {
                    return true;
                }
            }
        }
        
        return false;
    }
    
    // 数据脱敏
    public ProductMaster maskSensitiveData(ProductMaster product, User user) {
        // 如果用户没有查看价格权限，脱敏价格信息
        if (!hasPermission(user, "PRODUCT", DataPermission.VIEW_PRICE)) {
            product.setPurchasePrice(null);
            product.setCostPrice(null);
        }
        
        return product;
    }
}

七、主数据同步策略

7.1 同步模式

1. 实时同步

适用场景：数据变更频繁，对实时性要求高 技术方案：

@Service
public class RealtimeSyncService {
    
    @Autowired
    private RocketMQTemplate rocketMQTemplate;
    
    // 商品主数据变更时，实时推送
    @Transactional
    public void updateProduct(ProductMaster product) {
        // 1. 更新MDM数据库
        productMasterMapper.updateById(product);
        
        // 2. 发送MQ消息
        ProductChangeEvent event = ProductChangeEvent.builder()
            .sku(product.getSku())
            .changeType(ChangeType.UPDATE)
            .productData(product)
            .timestamp(System.currentTimeMillis())
            .build();
        
        rocketMQTemplate.syncSend(
            "TOPIC_PRODUCT_CHANGE",
            MessageBuilder.withPayload(event).build()
        );
        
        // 3. 清除缓存
        redisTemplate.delete("product:" + product.getSku());
    }
}

2. 批量同步

适用场景：数据量大，对实时性要求不高 技术方案：

@Service
public class BatchSyncService {
    
    @Scheduled(cron = "0 */10 * * * ?") // 每10分钟执行一次
    public void syncToERP() {
        // 1. 查询10分钟内变更的商品
        LocalDateTime since = LocalDateTime.now().minusMinutes(10);
        List<ProductMaster> changedProducts = productMasterMapper.selectChangedSince(since);
        
        if (changedProducts.isEmpty()) {
            return;
        }
        
        // 2. 批量推送到ERP
        BatchSyncRequest request = BatchSyncRequest.builder()
            .products(changedProducts)
            .syncTime(LocalDateTime.now())
            .build();
        
        erpApiClient.batchSync(request);
        
        log.info("批量同步完成，共{}条记录", changedProducts.size());
    }
}

3. CDC同步

适用场景：最小侵入，实时性高 技术方案：

# Canal配置
canal.instance.mysql.slaveId: 1234
canal.instance.master.address: 127.0.0.1:3306
canal.instance.dbUsername: canal
canal.instance.dbPassword: canal
canal.instance.filter.regex: mdm_db.product_master,mdm_db.customer_master

@Component
public class CanalDataSyncListener {
    
    @CanalListener(destination = "mdm", schema = "mdm_db", table = "product_master")
    public void onProductChange(CanalEntry.RowChange rowChange) {
        for (CanalEntry.RowData rowData : rowChange.getRowDatasList()) {
            if (rowChange.getEventType() == CanalEntry.EventType.UPDATE) {
                // 解析变更数据
                ProductMaster product = parseRowData(rowData);
                
                // 同步到其他系统
                syncToOtherSystems(product);
            }
        }
    }
}

7.2 冲突解决策略

public class ConflictResolutionService {
    
    // 冲突解决策略
    public enum ConflictStrategy {
        SOURCE_WINS,      // 源系统优先
        TARGET_WINS,      // 目标系统优先
        LATEST_WINS,      // 最新时间优先
        MANUAL_RESOLUTION // 人工解决
    }
    
    // 解决冲突
    public ProductMaster resolveConflict(
        ProductMaster mdmProduct,    // MDM数据
        ProductMaster erpProduct,    // ERP数据
        ConflictStrategy strategy
    ) {
        switch (strategy) {
            case SOURCE_WINS:
                return mdmProduct; // MDM作为源系统
                
            case TARGET_WINS:
                return erpProduct; // ERP作为目标系统
                
            case LATEST_WINS:
                // 比较更新时间
                return mdmProduct.getUpdatedTime().after(erpProduct.getUpdatedTime())
                    ? mdmProduct : erpProduct;
                
            case MANUAL_RESOLUTION:
                // 记录冲突，等待人工处理
                recordConflict(mdmProduct, erpProduct);
                return null;
                
            default:
                throw new IllegalArgumentException("未知的冲突解决策略");
        }
    }
}

八、主数据平台技术选型

8.1 技术栈推荐

技术层	推荐方案	说明
应用框架	Spring Boot 2.7+	微服务架构基础
数据库	MySQL 8.0 主从	主数据存储
缓存	Redis Cluster	提升查询性能
搜索引擎	Elasticsearch 7.x	全文检索、数据分析
消息队列	RocketMQ	数据同步、事件通知
任务调度	XXL-Job	定时同步、质量检查
数据同步	Canal	CDC数据采集
工作流	Flowable	审批流程
API网关	Spring Cloud Gateway	统一接口入口
配置中心	Nacos	配置管理

8.2 性能优化策略

1. 读性能优化

@Service
public class ProductQueryService {
    
    // 三级缓存策略
    public ProductMaster getProduct(String sku) {
        // 1. 本地缓存（Caffeine）
        ProductMaster product = localCache.getIfPresent(sku);
        if (product != null) {
            return product;
        }
        
        // 2. Redis缓存
        product = redisTemplate.opsForValue().get("product:" + sku);
        if (product != null) {
            localCache.put(sku, product);
            return product;
        }
        
        // 3. 数据库
        product = productMasterMapper.selectBySku(sku);
        if (product != null) {
            // 写入缓存
            redisTemplate.opsForValue().set("product:" + sku, product, 1, TimeUnit.HOURS);
            localCache.put(sku, product);
        }
        
        return product;
    }
}

2. 写性能优化

@Service
public class ProductUpdateService {
    
    // 异步更新策略
    @Async
    public CompletableFuture<Void> asyncUpdate(ProductMaster product) {
        return CompletableFuture.runAsync(() -> {
            // 1. 更新数据库
            productMasterMapper.updateById(product);
            
            // 2. 删除缓存（延迟双删）
            redisTemplate.delete("product:" + product.getSku());
            
            // 3. 发送变更事件
            publishChangeEvent(product);
        }, executorService);
    }
}

九、行业最佳实践

9.1 SAP MDG（Master Data Governance）

核心特点：

集中式管理：统一管理所有主数据
流程驱动：内置审批工作流
数据质量：强大的数据质量检查
版本管理：支持数据版本和历史追溯

适用场景：大型企业，预算充足，需要开箱即用的方案

9.2 阿里数据中台

核心特点：

OneData体系：统一数据标准、统一数据模型
数据资产化：数据即资产，可盘点、可流通
智能数据治理：AI辅助数据质量管理
数据服务化：数据API化，按需取用

适用场景：互联网企业，数据量大，技术能力强

9.3 京东供应链主数据管理

实践经验：

商品主数据：200万+SKU，99.9%准确率
供应商主数据：20万+供应商，分级管理
仓库主数据：1000+仓库，全国覆盖
数据质量：自动化质量检查，准确率>99%
同步性能：5分钟内同步到各系统

十、总结与展望

10.1 主数据管理关键要素

统一标准：制定统一的数据标准和编码规则
集中管理：建立主数据平台，集中管理核心主数据
数据质量：建立数据质量监控体系，持续改进
流程治理：建立数据治理组织和流程
技术保障：选择合适的技术架构，确保性能和可靠性

10.2 实施建议

阶段1：规划阶段（1-2个月）

梳理主数据分类
设计数据模型
制定数据标准
建立治理组织

阶段2：试点阶段（2-3个月）

选择1-2个主数据试点（如商品、客户）
搭建MDM平台
数据清洗和迁移
与1-2个业务系统集成

阶段3：推广阶段（3-6个月）

扩展到其他主数据
与更多业务系统集成
数据质量持续改进
用户培训和推广

阶段4：优化阶段（持续）

数据质量监控
流程优化
技术升级
能力提升

10.3 未来趋势

AI驱动的数据质量管理：利用AI自动检测和修复数据质量问题
实时主数据管理：从批量同步到实时同步，降低数据延迟
数据中台融合：主数据管理与数据中台深度融合
区块链溯源：利用区块链技术实现主数据全程溯源
知识图谱：构建主数据知识图谱，支持智能决策

下一篇预告：《商品主数据建模：SKU、SPU、品类层级的设计与实践》，我们将深入探讨商品主数据的建模方法和实战技巧。

参考资料：

《数据治理：如何设计、部署和维护有效的数据治理计划》
《主数据管理：企业数字化转型的基石》
SAP MDG官方文档
阿里数据中台实践白皮书

引言#

一、什么是主数据管理#

1.1 主数据的定义#

1.2 主数据 vs 参考数据 vs 交易数据#

1.3 主数据管理的价值#

业务价值#

技术价值#

二、供应链主数据分类#

2.1 商品主数据#

2.2 客户主数据#

2.3 供应商主数据#

2.4 仓库主数据#

三、主数据建模实践#

3.1 商品主数据数据模型#

3.2 客户主数据数据模型#

3.3 供应商主数据数据模型#

四、主数据管理架构#

4.1 MDM系统架构#

4.2 核心功能模块#

1. 数据采集模块#

2. 数据清洗模块#

3. 数据整合模块#

4. 数据分发模块#

五、数据质量管理#

5.1 数据质量维度#

5.2 数据质量检查规则#

5.3 数据质量监控#

六、数据治理体系#

6.1 数据治理组织架构#

6.2 数据生命周期管理#

6.3 数据权限管理#

七、主数据同步策略#

7.1 同步模式#

1. 实时同步#

2. 批量同步#

3. CDC同步#

7.2 冲突解决策略#

八、主数据平台技术选型#

8.1 技术栈推荐#

8.2 性能优化策略#

1. 读性能优化#

2. 写性能优化#

九、行业最佳实践#

9.1 SAP MDG（Master Data Governance）#

9.2 阿里数据中台#

9.3 京东供应链主数据管理#

十、总结与展望#

10.1 主数据管理关键要素#

10.2 实施建议#

10.3 未来趋势#

引言

一、什么是主数据管理

1.1 主数据的定义

1.2 主数据 vs 参考数据 vs 交易数据

1.3 主数据管理的价值

业务价值

技术价值

二、供应链主数据分类

2.1 商品主数据

2.2 客户主数据

2.3 供应商主数据

2.4 仓库主数据

三、主数据建模实践

3.1 商品主数据数据模型

3.2 客户主数据数据模型

3.3 供应商主数据数据模型

四、主数据管理架构

4.1 MDM系统架构

4.2 核心功能模块

1. 数据采集模块

2. 数据清洗模块

3. 数据整合模块

4. 数据分发模块

五、数据质量管理

5.1 数据质量维度

5.2 数据质量检查规则

5.3 数据质量监控

六、数据治理体系

6.1 数据治理组织架构

6.2 数据生命周期管理

6.3 数据权限管理

七、主数据同步策略

7.1 同步模式

1. 实时同步

2. 批量同步

3. CDC同步

7.2 冲突解决策略

八、主数据平台技术选型

8.1 技术栈推荐

8.2 性能优化策略

1. 读性能优化

2. 写性能优化

九、行业最佳实践

9.1 SAP MDG（Master Data Governance）

9.2 阿里数据中台

9.3 京东供应链主数据管理

十、总结与展望

10.1 主数据管理关键要素

10.2 实施建议

10.3 未来趋势