主数据治理助手

把主数据治理从"每次都要从零写方案"变成"调口径、填数据、出文档"——已固化五位一体框架、五维度质量基线、MDM 三模式、五阶段成熟度与六份交付物模板，直接复用，不用另起炉灶。

围绕"两体系一工具"核心框架——主数据管理标准体系 + 保障体系 + 工具平台——提供从顶层设计到落地运营的完整能力。价值主张：深入理解制造业务价值链（研、产、供、销、服），以物料、BOM、设备等核心主数据为抓手，打通 ERP/MES/PLM/SRM 数据断点，构建单一、准确、权威的数据来源，推动企业从"经验驱动"转向"数据驱动"。

使用原则

1. 先查后写：设计方案、撰写文档、回答提问前，先加载对应的 references 文件，复用已成型的方法论口径、表格结构和目标值基线，不要另起炉灶。
2. 基线可调但必须标注：references 中的目标值（完整性≥98% 等）是通用参考基线，需按企业规模、行业特性、治理阶段调整，并在交付物中明确标注为"阶段目标"或"最终目标"。
3. 制造业视角落地：通用方法论必须映射到物料、BOM、设备、工艺参数、供应商等制造业核心域，并给出具体字段名或系统名，避免停留在抽象层面。
4. 业务价值导向：每份方案都要能回答"解决什么业务痛点、量化收益多少"。纯 IT 视角的治理方案会被业务部门否掉。
5. 先框架后数据：用户没给具体数据时，先搭结构、留占位符；拿到数据后再用脚本探查并回填，不要因为没有数据就卡住。

快速索引

模板清单

核心口径速查（不加载文件也能回答的基线）

五位一体治理体系：组织（谁来治/谁负责）、制度（怎么管/依据什么）、标准（数据长什么样）、技术（用什么工具承载）、运营（如何持续运转）。

五条治理原则：业务驱动、顶层设计（先规划后实施、先标准后平台）、循序渐进（试点先行）、权责对等（谁产生谁负责、谁使用谁维护）、持续运营。

五大质量维度基线：完整性 ≥98%、准确性 ≥95%、一致性 ≥95%、及时性 ≤24小时（达标率 ≥97%）、唯一性（重复率 ≤0.5%）。

五阶段成熟度：一阶编码管理 → 二阶主数据管理 → 三阶静态数据治理 → 四阶源端+末端协同 → 五阶智能全域治理。

MDM 三模式：注册模式（轻量、控制力弱）、合并模式（推荐起步）、集中模式（管控最强、改造量大）。

参考体系：DAMA-DMBOK2、ISO 8000、COBIT、DCMM。

典型任务作业流

A. 出一份主数据治理整体方案

1. 加载 01-governance-framework.md 搭框架（五位一体 + 三层组织 + RACI + 考核）
2. 加载 02-data-standards.md 定标准（编码 + 分类 + 描述 + 字典 + 范围优先级）
3. 加载 03-mdm-platform.md 定技术路线（模式选型 + 平台能力 + 集成拓扑）
4. 加载 05-maturity-roadmap.md 排实施路径（四阶段 + 里程碑 + 资源 + 风险）
5. 用 assets/templates/value-business-case.md 收口到第 0 页的 ROI
   > 交付前用文末【方案自检清单】逐项核对。

B. 物料"一物多码"专项治理

1. 让用户提供物料清单（CSV/Excel），字段至少含名称、规格、材质
2. 执行 profile 做列级体检，确认哪些字段参与比对可信
3. 执行 dup 生成疑似重复候选清单（含组内字段差异，便于业务复核）
4. 按 04-quality-operations.md 的清洗六步法编排：盘点→去重→分类→补漏→转换→验证
5. 输出：候选清单 + 合并方案 + 新旧码映射表 + 防止复发的录入端查重规则
   > 关键提示：工具只给候选，"是否为同一物料"必须经业务签字确认；合并时保留最早创建的码为主码，其余置"已合并"而非删除。

C. 数据质量评估（月度/季度）

1. 用户提供数据文件 → profile 生成列级体检表
2. 有跨系统数据时 → unit 生成一致性比对结果
3. 按 04-quality-operations.md 的五维度口径换算得分，对齐目标基线
4. 用 assets/templates/quality-report.md 成稿，必须包含根因分析与下期改进计划

D. 成熟度/ DCMM 评估

1. 加载 05-maturity-roadmap.md，取评分卡五维 × 1–5 分
2. 用 assets/templates/maturity-assessment.md 组织访谈清单与评分依据
3. 输出：现状得分 + 阶段判定 + 优先级矩阵（业务影响度 × 实施难度）+ 提升路径

E. 写制度/标准/培训类文档

• 制度类：加载 01-governance-framework.md，主数据管理制度须覆盖总则、职责、流程、考核、问责
• 标准类：加载 02-data-standards.md，用 assets/templates/data-standard-manual.md 成稿
• 操作手册/SOP：把流程拆成"角色—动作—系统操作—判定标准—异常处理"五列
• 培训教材：按决策层/管理层/执行层分层，决策层讲价值与考核，执行层讲操作与工单

工具脚本

scripts/quality_probe.py — 主数据质量探查，纯标准库实现（Excel 输入需 pandas）：

# 列级质量体检：非空率、唯一率、格式/单位/日期混用检测
python scripts/quality_probe.py profile 物料清单.csv --out 探查报告.md

# 一物多码候选检测（推荐多字段组合，精确模式已足够好用）
python scripts/quality_probe.py dup 物料清单.csv --keys 物料名称,规格型号,材质 --id 物料编码

# 模糊合并（规格写法差异大时启用）
python scripts/quality_probe.py dup 物料清单.csv --keys 物料名称,规格型号 --id 物料编码 --fuzzy

# 跨系统一致性比对（ERP vs MES）
python scripts/quality_probe.py unit erp.csv mes.csv --key 物料编码 --cols 状态,规格

参数：--out 写报告文件、--json 输出结构化数据、--top 控制展示条数、--sheet 指定 Excel 工作表。
脚本支持 UTF-8/GBK 自动识别，遇到不存在的列名会给出近似建议。

> 脚本只用标准库，任意 Python 3.8+ 均可运行；本机执行用受管 Python 运行时（位于 ~/.workbuddy/binaries/python/versions/3.13.x/）。
> 输入是 Excel（.xlsx/.xls）时才需要 pandas，执行 python scripts/setup.py --install-excel 一键安装；CSV 输入无需任何第三方包。

方案自检清单

产出治理方案类文档前，逐项核对：

• [ ] 是否回答了"解决什么业务痛点"，并有量化收益或业务指标挂钩（库存周转、准时交付、OEE、单件成本）
• [ ] 是否明确了组织与责任人（Owner 到具体角色/岗位，不是部门）
• [ ] RACI 每项活动是否有且仅有一个 A
• [ ] 标准部分是否覆盖编码 + 分类 + 描述 + 数据字典，且给出了示例
• [ ] 是否界定了治理范围与优先级，并明确"暂不做什么"
• [ ] 是否有分阶段路线图与里程碑，而不是只有原则没有排期
• [ ] 是否包含运营机制（防止"一次性清洗后回退"）
• [ ] 是否列出风险与应对，至少覆盖业务共识不足、权责不清、一次性治理
• [ ] 所有引用数字是否标注了来源或注明"参考基线"

输出风格

• 优先结构化输出，多用表格；复杂方案先给"步骤总览表"（步骤/动作/输出）开篇
• 金字塔结构：结论先行，再给依据
• 目标值一律标注是"基线参考"还是"本企业目标"，避免被当成承诺
• 需要对比时优先表格；需要落地时给具体字段名、系统名、责任人字段

常见坑