企业数据治理最难的是存量脏数据，清洗顺序与验收口径

数据治理项目做不动，多数不是卡在工具上，而是卡在存量数据。系统里躺着三万条客户记录，一万条是重复的，八千条缺联系方式，还有一批十年前的供应商早就注销了。新规则定得再漂亮，旧数据不清理，报表照样不能看。

先主数据，后交易数据

清洗顺序有讲究。先把主数据理顺——客户、供应商、物料、科目、人员，这五类决定了所有交易数据的归属。主数据乱，交易数据再干净也串不起来。

客户主数据的合并规则要提前定：按统一社会信用代码优先，没有代码的按名称加地址匹配，名称含"公司""有限"这类通用词的先做归一化处理。重复记录不要直接物理删除，标记为合并状态并保留关联关系，历史订单要能追溯到原始记录。

交易数据的清洗排在第二轮。重点不是逐条改，而是识别异常：金额为负的应收、跨期三年以上的挂账、同一张发票重复入账。这类问题往往需要业务部门确认后才能调整，技术团队自己做不了主。

验收口径要量化，不能只说"干净了"

治理效果必须能测。常用的三个指标：

• 唯一性：主数据重复率降到什么水平，一般要求核心客户、供应商重复率低于 1%
• 完整性：必填字段（联系方式、税号、银行账户、所属区域）覆盖率达到多少，通常设 95% 以上
• 准确性：抽样核对，抽 100—200 条与原始凭证或合同比对，错误率控制在可接受范围

抽样验收这一步最容易被跳过。不做抽样，治理成果就只是一句承诺。抽样还有个附带好处：能发现规则本身的问题——合并规则定错了，抽样时一眼就能看出来。

清洗完还得防反弹

数据清完不是终点。没有录入端的控制，半年后又会回到原样。几个有效的控制点：客户名称按工商数据校验后再保存，税号做格式和校验位检查，必填字段不填不让提交，新增供应商需要审批。

责任也要落到人。主数据的每个字段都应该有明确的维护责任人，出现错误知道找谁。客户信息归销售，供应商信息归采购，科目归财务，三者交叉的部分（比如客户同时也是供应商）单独约定归属。

涉及个人信息的数据还有一层要求。《个人信息保护法》第四十六条规定，个人发现其个人信息不准确或者不完整的，有权请求更正、补充。企业处理客户、员工个人信息时，更正通道和响应时限要留出来，这既是合规义务，也是数据质量的一个来源。

治理的投入产出不好精确计算。粗算口径下，主数据质量提升带来的直接收益主要是减少重复采购、减少错发错收、缩短对账时间，实际数值因企业规模和业务复杂度差异很大，只能作为决策参考，不能当作承诺。