有一天，一個年輕人到美術館看到一幅很美的畫，不禁脫口而出：“這幅畫真美。”一位老人走過來說：“年輕人且慢，我叫蘇格拉底，你說這幅畫真美，代表你知道”美“的意義是什么，我這把年紀了還不知道”美“的意義，請你啟發我，告訴我什么是美？”年輕人覺得這個問題太簡單了，可真要開口，卻不知道從何說起。簡單來說，美是客觀的，還是主觀的？如果說美是客觀的，任何畫只要滿足某種條件（如布局、背景、色調滿足一定標準）就可以稱為美的，但天下沒有這樣的畫；如果說美是主觀的，只代表個人的審美品位，則不能用“美”來形容以求取別人的認同。年輕人本以為自己懂得了什么是美，追問之下發現其實不懂，心里十分沮喪。過了幾天，年輕人又去美術館，發現蘇格拉底先到一步，站在一幅畫前贊嘆“這幅畫真美！”年輕人心想機會來了，上次被問到說不出話，今天倒要看他怎么回答：”請問，你所謂的‘美’的意義是什么？”蘇格拉底說：“很好，你問我‘美’的意義，請先告訴我‘’意義‘是什么意義？”天啊，這是什么問題！但千萬不要認為這個問題不能成立。以上的故事雖然是虛構的，但絕對不是抬杠。一位西方學者出版了一本書叫《意義》，對“意義”一詞給出了26種不同的含義。這說明進行邏輯思考首先應澄清概念，清楚分辨概念的主觀意象與客觀意義，盡可能排除主觀的意象成分，而用客觀的意義進行溝通，思考從起步就要非常謹慎。數據治理涉及公司組織、機制、流程、文化的變革，需要有人能把數據治理的概念普及到公司的每個人，特別是老板。但數據治理的概念很多，要理解清楚這些概念的本質不容易，把這些概念跟別人講清楚就更不容易了，想當年光一個元數據的概念就把我繞暈了，什么技術、業務、管理元數據，元模型啥的。今天就來講講主數據，為什么要講它呢，因為有次老板問什么是主數據，當時感覺沒解釋清楚，倒并不是說自己不懂主數據，而是缺乏有效的詮釋方法，這也是寫這篇文章的原因。那么，如果老板問你主數據是什么，假如只有15秒的時間，怎么才能言簡意賅的把這個概念說清楚？按照我自身的經驗，專業人士在對外解釋專業概念的時候，容易犯二個錯誤：第一，把自身的背景知識等同于別人，比如會認為某個概念的基本定義就是常識，常識有什么好解釋的呢，我去解釋常識，顯示水平低嗎？第二，把實踐經驗當成真知，雖然實踐得到的經驗可貴，但容易以偏概全，這也是我們要去學習理論和規范的原因，做數據治理做到一定程度，還是要去讀讀DAMA等書籍，這可以讓我們開闊視野，對數據治理的理解能上一個層次，經驗抽象成了定義以后，不僅適用的范圍廣了，而且更容易讓別人理解。很多人雖然干了主數據很多年，但也許真的不知道主數據是怎么定義的，老板一問，直覺反應就是把自己干的主數據的具體事情說一遍，什么物料編碼啥的，什么一致性啥的，這對于外人的理解門檻是比較高的，特別是對于愛學習的老板，再往下溝通就比較難了，沒有基本概念這個“1”托底，后面有再多的“0”，似乎也缺失了意義。那么，主數據的基本定義是什么呢？DCMM定義：組織中需要跨系統、跨部門進行共享的核心業務實體數據。DAMA定義：主數據是關于關鍵業務實體的權威的、最準確的數據，可用于建立交易數據的關聯環境，主數據值被認為是“黃金”數據。《數據治理-工業企業數字化轉型之道》定義：指滿足跨部門業務協同需要的、反映核心業務實體狀態屬性的基礎信息。主數據是用來描述企業核心業務實體的數據，是企業核心業務對象、交易業務的執行主體，是在整個價值鏈上被重復或共享應用于多個業務流程、跨越多個業務部門和系統、高價值的基礎數據，也是各業務應用和各系統之間進行數據交易的基礎。從業務角度看，主數據是相對固定、變化緩慢的，但它是企業信息系統的神經中樞，是業務運行和決策分析的基礎。《華為數據之道》定義：具有高業務價值的、可以在企業內跨流程跨系統被重復實用過的數據，具有唯一、準確、權威的數據源。主數據通常是業務事件的參與方，取值不受限于預定義的數據范圍，在業務事件發生之前就客觀存在，比較穩定。因此，當老板問你主數據是什么的時候，首先要回答的就是“主數據是企業內核心業務實體數據”這個解釋，老板也許很難一下子理解主數據能帶來什么業務價值，但肯定能理解“核心業務實體”這種業務概念。如果能做到這一步，那么就算起了一個好頭，雖然我們不能死讀書，但超越經驗，牢記一些基本定義是需要的，這不僅是加深理解的需要，更是高效溝通的需要，因為老板給你的時間也許只有15秒，啰里啰嗦抓不到重點是很多專業人士的毛病。其次，有些概念的定義是比較抽象的，這個時候，結合定義舉些公司的主數據實例也是必要的，比如客戶、用戶、員工、合同、物資、策劃、設備、地址等等，這樣讓老板有更感性的認識。再次，即使老板當時已經大致理解了主數據的概念，也許仍然不夠，因為孤零零的一個沒有任何聯系的新概念很容易被忘掉，下次老板碰到你還會問，而讓別人理解一個概念最好的方法就是能夠與其已有的知識體系聯系起來，讓其感到既熟悉又意外。我們都知道，主數據是一種數據類型，按照《華為數據之道》和《 數據治理-工業企業數字化轉型之道 》等書籍對結構化數據的分類方法，一般可以分為參考數據（又叫維度數據）、主數據、事務數據（又叫交易數據）、統計數據、觀測數據（又叫時序數據）等五種類型。

（1）參考數據指對其他數據進行分類和規范的數據，如國家、地區、貨幣、品牌、產品類型等通用的數據，具有相對穩定、靜態的數據，基本不會變化，往往通過系統配置文件給予規范并固化在信息管理系統中。

（2）主數據主數據是用來描述企業核心業務實體的數據，是企業交易業務的執行主體，是在整個價值鏈上被重復或共享應用于多個業務流程、跨越多個業務部門和系統、高價值的基礎數據。

（3）事務數據指在業務活動過程中產生的數據，是企業日常經營活動的直接體現，也是圍繞主數據實體產生的業務行為和結果型數據，業務活動數據存在于聯機事務處理系統中，就有瞬間生成和動態的特點，比如用戶詳單、訂單等

（4）統計數據是組織在經營分析過程中衡量某一個目標或事物的數據，一般由指標名稱、時間和數值等組成。

（5）觀測數據指時間序列數據，它是按時間順序記錄的數據列，在同一個數據列中的各個數據必須是同口徑的，要求具有可比性。在工業企業中，實時數據是時序數據的一種，如設備運行監測類數據、安全類監測類數據、環境監測類數據。可以看到，通過數據分類體系的引入，可以將主數據跟老板已知的統計數據聯系起來，這就比較容易讓人理解和記住。而從一個概念帶出一個體系，也是老板喜歡看到的，因為如果咬文嚼字一下，就會問，既然有主數據，那么有沒有次數據呢？知其所以然對較真的人很重要，當然要能達到這種解釋水平，需要有點做學問的精神。最后，老板信不信還源于解釋的權威性，權威性一方面來自于人的權威性，這個沒辦法，只能慢慢積累，另一方面來自引用資料的權威性，假如有華為為你背書，比如《華為數據之道》，那可信度就大增了，即使有瑕疵，老板的容忍度也會高一點。解釋清楚了主數據是什么，我們就可以跟老板匯報主數據的具體工作了，比如供應鏈的問題，由于各系統對物料的定義、編碼不一致，導致無法對物料的流轉過程（包括采購、物流、入庫、出庫、安裝、入網、轉資到運維等環節）進行跟蹤分析，從而無法對供應鏈的流程進行優化，因此需要新建物料主數據管理系統。企業數據治理很難，很多時候的挑戰不在于技術，而在于要讓別人理解你做這個事情的價值很難，其中解釋清楚基本概念是比較基礎的工作，這是數據治理專家當仁不讓的責任。