來源:中翰軟件
1、數據管理體系架構方面
1) 風險
◇ 數據管理制度不嚴謹，未切合本企業實際；
◇ 沒有配套的組織架構，對違章者約束力不夠，無法強化執行力度；
◇ 數據管理流程層次不清晰，責任不明確；
◇ 數據管理流程過長，導致數據新增、變更週期不可控；
◇ 數據申請人、審覈人權限分配不合理。
2) 規避方法
◇ 結合本企業實際制定完善的數據管理制度，並配合相關組織結構分配執行，使數據管理的執行力最大化的加強；（可藉助外力學習、借鑑先進經驗）
◇ 結合本企業情況，制定完善、規範的數據管理流程，實現不同情況下的數據新增、變更的及時性，可操作性。（可藉助外力學習、借鑑先進經驗）
2、數據建模方面
1) 風險
◇ 由於類別的唯一性，導致制定這個主數據類別結構的週期過長，影響項目進度；
◇ 由於類別參與編碼導致後期主數據類別結構的調整難以實現，且主數據無法在類別間實現自由搬遷、挪移；
◇ 由於主數據類別制定的週期較長且只有一個類別結構樹，經常是最後將就訂之，導致後期數據新增時由於不符合操作習慣或者誤解而放錯位置，直接造成編碼重複的可控性降低；
◇ 主數據編碼屬性信息模板的不規範、不標準，隨意性太強或者太國標化，沒結合本企業、本行業相關標準，導致使用人員無法對應添加相關屬性值；
◇ 不重視元數據管理的規範和標準，難以實現數據新增、變更時的統一、規範的數據驗證實現，也難以保證數據查重的準確率；
◇ 不重視非編碼屬性模板和業務視圖的制定，導致數據傳輸到對應業務系統中後無法直接使用，再次維護信息增加工作繁瑣程度；
◇ 忽視數據模型版本的存檔工作，導致版本變更前的數據無法實現依據的追蹤；
◇ 數據模型建好後，沒有合適的系統工具實現落地，無法擺脫只建模不落地或者隨便找一工具落地的傳統思想；
◇ 數據模型建好後，沒有形成標準、規範的主數據管理手冊（含編碼手冊），無法實現數據新增、變更時的錄入規範，數據驗證標準等。
2) 規避方法
◇ 結合企業實際，允許主數據多類別結構樹的同時存在，且允許借用原有類別結構樹，以滿足不同操作人員的傳統習慣，減少錯誤的發生，同時縮短或者省去類別制定週期；
◇ 需要系統工具實現類別參與編碼和不參與編碼（都可模擬原有編碼結構）的不同管理方式，且允許一條主數據同時存在於多個類別結構樹上，允許主數據類別結構樹本身的自由調整和主數據在類別結構樹間的自由搬遷、挪移；
◇ 利用專業人員，結合國標、行標、企標制定出一套完全符合企業實際情況的編碼信息模型、非編碼信息模型以及業務視圖模型，並實現系統落地和手冊沉澱；（可藉助外力學習、借鑑先進經驗）
◇ 利用系統實現數據模型變更前後的存檔工作，使所有的數據都有據可依，有法可循；
◇ 重視元數據管理，制定規範、嚴謹的數據驗證標準，並實現系統落地和手冊沉澱；（可藉助外力學習、借鑑先進經驗）
◇ 從根本上轉變只建模不落地，或者隨意落地的傳統管理思想。
3、數據清洗方面
1) 風險
◇ 借用國外客戶數據、供應商數據、人員數據的清洗方法（ETL自動）來實現物資數據的清洗；
◇ 借用國外先查重後完善的思路進行物資數據的清洗，因爲僅憑數據信息片段的相似度很難確定是否爲重複數據，尤其是複雜的物資數據方面；
◇ 忽略主數據清洗的制度、流程的建立和相關權限的劃分，不重視數據清洗過程中的多人協同順序工作，使數據清洗工作無法保質保量按時完成；
◇ 不重視對老數據的和質量分析、清洗建模工作，導致好的清洗策略難以很好的發揮作用；
◇ 錯估數據清洗的工作量和繁瑣程度，嚴重影響參與人員的工作激情。
2) 規避方法
◇ 針對不同的主數據類型，尋找並利用專業的數據清洗工具，如物資數據清洗工具，客戶數據等清洗工具；
◇ 針對物資數據的清洗，一定要按照先完善信息再查重的自動+手動的數據清洗模式，千萬不要輕信國外全自動的數據清洗方法；
◇ 全面分析原有數據，本着逐步清洗的原則進行間斷性的質量模型的建立和調整，配合數據清洗人員的順序協同工作，最終實現老數據的模擬（完善信息）和映射（查重）工作；
◇ 不定期的召開清洗工作總結和動員會議，時刻給所有參與清洗工作的人員以心理準備，防止工作熱情的過早消退。
4、數據日常管理方面
1) 風險
◇ 數據新增、變更時的隨意性錄入，或者是故意錯誤輸入；
◇ 單人收集並添加相關數據新增信息，導致難以追溯錯誤的來源；
◇ 借用OA系統實現數據管理的流程化審覈過程，借用流程可以，但是OA系統本身沒有嚴格的數據驗證，無法有效杜絕數據的重複發生；
◇ 不同業務系統的視圖信息分散管理，不能實現數據的集中管理，就無法實現集團層面的數據的‘單一視圖’，也無法爲企業的數據中心建立奠定很好的基礎；
◇ 依然借用erp系統實現數據的查重和驗證，erp系統類似OA系統本身沒有嚴格的數據驗證，無法有效杜絕數據的重複發生；
◇ 依然沿用人工查重、手工添加新增數據到各業務系統中，殊不知手工的錯誤率和週期更難以把握。
2) 規避方法
◇ 利用落地系統建立完善的基礎參照數據庫，供錄入時參照或者選擇，可直接設置爲只能選擇，不能手動直接錄入，杜絕故意錯誤的發生；
◇ 利用專業系統，建立自身完善的數據申請、審覈、驗證等機制，全面杜絕重複數據的再次發生；
◇ 建立數據新增的協同完善機制，即實現多人協同、順序、補充完善數據申請單據（如供應商信息的外部增強），使責任明確化，減少信息錯誤的發生率；
◇ 建立健全全企業、全業務系統的數據視圖，全面集中管理管控整個企業的所有數據信息，實現集團層面的數據的‘單一視圖’，爲企業數據中心的建立奠定堅實的基礎；
5、數據交換方面
1) 風險
◇ 通過ERP或者其他業務系統實現數據的統一採集、分發服務，因爲ERP或者其他業務系統的數據視圖信息通用型不強，且無法相互包含，無法實現全面集中的數據管理；
◇ 數據傳輸的接口的模式和機制互不相同，單獨維護數據傳輸接口工作量巨大；
◇ 依然是部分數據信息分散在各業務系統中，無法實現全公司，全人員、權限範圍內的數據全面共享，如PDM中BOM設計人員和ERP中製造BOM的維護人員之間無法實現相關信息的全面共享，導致整個產品生命週期的BOM的不斷變化，直接影響生產週期，降低客戶忠誠度。
2) 規避方法
◇ 建立規範、標準的數據分發機制，實現企業內數據的統一、針對性採集、分發服務；
◇ 建立企業統一的數據交換平臺，標準各業務系統的分發方式、傳輸格式等，實現後期自由新增業務系統的數據傳輸；
◇ 利用系統實現全企業、全員元數據層面的數據共享，真正打通企業管理各環節數據共享的各種障礙。