数据治理问题是一个系统化的问题，它涉及到企业的管理问题、业务问题，还有信息化建设问题。对于系统化的问题要有系统化的解决方案，主数据的治理应遵循“数据标准化、标准制度化、制度流程化、流程自动化、运营持续化”的五化原则。

数据标准化是指对企业的每一个主数据建立起相应的数据标准。主数据标准包括主数据的定义标准，分类标准、编码标准和模型标准。

企业主数据问题主要原因有很大一部分与主数据定义不清晰有关。例如：什么是企业的客户？如果我们问企业很多的管理者，大家会发现这么一个基础的简单的问题，很多企业的内部都并没有达成共识。各业务部门、财务部门对有“客户”的定义是不同的，统计口径也不一样。这就导致企业想统计一下“客户”数量这样一个简单的指标都存在着巨大的挑战。

主数据的分类实际上与业务有着较大的关系，同一个主数据在不同的业务部门或业务场景下，其分类就会有着非常大的差异。例如：对于同一个“物料”在生产部门可能是“原材料”，到了销售部门就成为了“产成品”；对于同一个“客户”在A部门所属“战略型大客户”，而对于B部门也只是“C类客户”。因此，主数据分类标准设计应尽可能与其管理和业务属性分离，采用相对通用的自然属性作为其主数据分类划分的依据。

主数据编码一直存在“有意义的编码”和“无意义编码”两种方式之争。有意义的编码就是编码中赋有业务的含义，通过主数据编码即可业务人员即可进行主数据的识别。无意义编码即采用流水码或序列码的方式进行主数据编码，编码不带有任何业务含义，只用于数据的识别。两种编码方式各有优缺点，企业应根据自身情况选择合适的编码方案。

关于主数据模型设计业界也要两种截然不同的方法。

有人将主数据标准比喻为信息化系统中的一部“宪法”，我觉得这个并不为过且非常贴切。制定主数据标准出来，就是要让各异构系统执行该标准，目的是解决各异构系统中核心数据的不一致、不完整、不准确等问题。而要让各业务系统执行统一的主数据标准，最为直接和有效的方式就是将标准制度化。标准制定化，不仅是指将数据标准形成制度化文件在企业范围内进行宣贯和执行，更重要的是需要明确定义出主数据的归口部门/主责部门，确定出主数据的申请、审批和使用的相关流程、岗位角色、岗位职责、操作要求以及相应的考核措施。

管理大师迈克尔.哈默在《管理再造》一书中提到：“制度化管理中的制度，不是流程。流程是制度的落实节点，制度是指导流程操作的规范。制度是约束流程如何做，流程是制度由哪个岗位落实执行。”  主数据的标准和制度，用来描述实现主数据管理目标时，所应用到的操作、定义和约束，这些规则用来帮助企业更好的实现主数据管理的目标，而制度流程化就是要考虑如何把这些业务规则落地，以及落地的时候如何简化。

制度流程化的最高境界是将主数据标准和制度潜移默化的融入到了业务流程中，让相关人员知道怎么按主数据标准管理和使用主数据， 并按此执行。主数据制度的流程化，

流程自动化原则强调了在主数据管理中应尽量使用自动化程序，以提升主数据管理的效率。在企业的信息化系统中，不同的主数据可能产生的源头系统不相同，例如：组织、人员主数据的源头系统是人力资源系统，客户主数据来自于CRM系统，供应商主数据来自SCM系统。实现主数据管理目标的一个重要手段就是统一每一个主数据的入口，这就要求在主数据流程的落地过中，一定要根据企业的实际情况，确定好主数据的权威数据来源。 这里有一个企业经常遇到的误区：认为企业主数据管理一定要有一个专业的主数据管理平台，或者认为买了专业的主数据平台就能将主数据管好，这是典型的唯工具论！

实践证明，主数据管得好，绝对不仅仅是因为有了一个好的工具。即使主数据管理产品再强大，对于主数据管理流程的自动化落地也需要结合企业的实际情况而定。比如企业已经有了成熟的人力资源系统，那么对于组织和人员的主数据的管理流程就应该放到人力资源系统中进行管理，将对组织和人员主数据的管理融入企业人力资源的组织调整和人员的入转调离流程当中，而不是一定要在主数据平台中搭建组织和人员的管理流程。 所以，主数据管理更重要的是“管理”，首先是需要将主数据的标准、组织、制度、流程都梳理清楚了，然后才是通过相应的工具以实现其管理流程的自动化。

运营持续化强调的是主数据的治理的不是一劳永逸，它必须随着时间、条件的变化而不断丰富、发展和完善。 建立起企业数据治理的长效运营机制，才是企业数据治理之道。数据治理绝对不是一个纯粹的IT项目，而是解决业务上的当务之急要解决问题的一套完整的解决方案。数据治理本质上还是为了支撑业务目标的实现，应该由业务部门主导，IT部门执行，并且引入质量考核体系，将其与现有技术领域融合以实现更高的业务价值，保证主数据治理的“长治久安”。