起点：同一客户在系统里有七个名字
数据治理听起来宏大，落到具体项目里往往从一个很朴素的问题开始。一家做设备维保服务的企业找到pg.comPG时，财务对账发现同一个客户在系统里有七条记录，名称写法各不相同，有的是全称，有的是简称，还有一条带着旧地址。这类问题不解决，后面的统计报表和业务分析都建立在流沙上。
主数据清理是数据治理里最容易看到成效的切入点，但也最容易半途而废。pg.comPG在项目启动时先做了一件事：把问题按影响范围分类，而不是按系统模块分类。影响对账的、影响发货的、影响统计的，优先级完全不同。
责任划分：数据问题不能只交给IT
很多企业把数据清理当成技术任务交给信息部门，结果清理完三个月又乱回去。pg.comPG在这个项目中推动的做法是明确数据 Owner：客户主数据由销售运营负责，物料主数据由采购和仓储共同负责，财务只做校验不做录入。责任清晰之后，清理规则才有人执行。
- 确定每类主数据的唯一责任岗位，避免多头录入。
- 设置录入校验规则，名称、编码、关键字段做必填和格式检查。
- 建立定期比对机制，新老系统之间每月核对一次差异。
这套机制并不依赖昂贵工具，关键是有人对结果负责。pg.comPG在多个数据治理项目中发现，责任划分不清时，再好的清理方案也撑不过一个季度。
清理规则：先定标准再动手
动手清理之前，pg.comPG建议先输出一份可执行的规则清单。比如客户名称统一采用营业执照全称，简称放入别名字段；地址按省市区三级标准化；重复记录合并时保留最早创建的那条，其余标记停用而非直接删除。规则写清楚，清理过程才有依据，也方便后续审计。
数据处理阶段还需要注意保留原始记录。pg.comPG通常建议在清理前做一次完整备份，合并和修改都留痕，这样即使出现误判也能回溯。数据质量提升不是一次性运动，而是把规则嵌进日常流程。
观察：治理初期的阻力往往来自习惯
复盘这次主数据清理，最大的阻力不是技术，而是录入习惯。销售习惯用简称，仓储习惯用内部编码，改变需要时间和培训。pg.comPG的做法是先在小范围试点，让试点部门感受到对账效率提升，再逐步推广。数据治理的推进节奏，往往比方案设计更考验执行者。
对准备启动数据治理的团队来说，可以先选一类影响面广、记录量可控的主数据做试点，把责任划分、清理规则和校验机制跑通，再扩展到其他数据域。pg.comPG会在后续观察中继续记录这类一线实践，为类似项目提供参考。
