中国发展网讯先说一个年营收5000万的机械加工厂的真实事例:首先,采购部下单的是“螺栓M8×25”,而仓库收货时,标签写的是“六角螺栓”,入库时却又用了另一套物料编码。之后产线按BOM申请领料,仓库系统却提示无库存。多方核对后才发现,是同一种实物在系统里出现了两条独立记录。一个编码不一致的小问题,就这样让生产线生生停了两个小时。另一家精密零部件企业的情况更隐蔽:同一款“A型接头”,技术图纸上是“AJT-001”,生产工单上写的是“接头A型”,采购合同上又变成了“A型连接件”,分公司录入的又是“AJT-01”。七个编码其实都指向同一个物料,系统之间无法识别为同一实体,需求合并不了,库存调拨不了,最终以超百万的额外库存资金被占用收场。
以上这些事件并不是孤例,它们指向的是同一个底层问题:中小企业的数字化投入大多花在了“跑起来”上——ERP、MES、WMS一套接一套上线,但让这些系统真正能够对话的数据基础,却始终没有被认真对待。MDM(主数据管理)之所以不可忽视,恰恰因为它是所有业务系统共享的“语言层”。语言不通,系统上的越多,对不上账的地方就越多。
传统MDM的底层逻辑,为什么在中小企业容易失灵
主数据管理的目标并不复杂:让物料、客户、供应商、组织这几类核心实体,在全系统内保持唯一、准确、一致。传统MDM的落地路径也高度一致——先梳理标准,再清洗存量,最后靠一套表单和审批流把新增数据管起来。这套逻辑在大企业成立,因为有预算请咨询公司做标准,有专职团队做清洗和执行。但放到中小企业,第一步就可能会卡住。标准谁来定?一个没有专职数据团队、IT编制只有一两个人的工厂,谁有能力去啃几万条物料编码的分类规则和校验逻辑?即便勉强定出来,业务人员面对层层叠叠的字段和审批页面,用起来的意愿又有多少。结果是系统上线了,数据质量却没有实质变化,项目验收之日往往就是闲置的开始。
更深一层的矛盾在于规则驱动的天花板。物料描述里的简称、别写、大小写混用、供应商口径差异,靠人工配置规则永远写不完。
作为国内主数据与数据治理第一梯队的头部企业,中翰软件以数据质量与知识专家为定位。以中翰参与的某真实项目为例,该项目中装备制造企业的钢网规格描述,同一类物料里“MKQ”和“Mkq”同时存在,业务系统根本无法有效查重。规则型MDM能覆盖的是较为明显的错误,覆盖不了这种“看起来不一样、但实际上是同一个东西”的语义层问题。而这恰恰是中小企业历史欠账中最普遍、最耗人力的部分。
AI原生改变的,是“谁来做、怎么做”
“AI原生”在当下是一个容易被滥用的标签。区分的关键不在于有没有一个对话框,而在于AI是外挂在旧系统上的一个入口,还是从数据建模、查重匹配到质量巡检的整条链路上,本身就是系统运转的底层方式。中翰软件2025年完成产品重构后推出的AI原生MDM平台,走的是后一条路径:基于自研Navigate OS底座,将大模型、领域知识库、本体模型和智能体内嵌在内核中,而不是只在传统MDM上叠加一个“智能助手”。
这一架构差异落到中小企业的实际场景中,对应的是几个具体变化。
其一,标准的起点从“人定”转向“AI生成、人调优”。业务人员不需要先成为编码专家。在对话框中描述管理意图,或直接上传存量Excel,平台会基于行业标准库和语义分析输出分类体系、编码结构、校验规则的建议方案,再通过多轮对话逐步贴合企业实际。中翰在平台中预置了覆盖制造、零售、医药、能源(850101)等行业的千万级物资标准数据和数十套管理流程案例,对于没有历史标准积累的中小企业而言,这意味着不需要从一张白纸开始。
其二,存量清洗从“逐条比对”变成“语义匹配、人做决策”。传统方式下,一个数据管理员靠肉眼在几万条记录中判断“M5内六角螺丝”和“圆柱头内六角螺钉GB/T xxx”是不是同一个东西,几乎不可行。AI原生MDM依托本体模型和领域知识库理解业务名词背后的实体含义,自动完成批量相似匹配、疑似重复标记和合并方案生成,人工只需在关键节点复核和确认。对于“螺栓M8×25”与“六角螺栓”这类名称不同、实物相同的情况,查重的有效性不再取决于规则写得够不够细。
其三,管理动作从“人追数据”变为“系统推着人走”。传统MDM是被动校验:录入、报错、修改、再提交。AI原生平台的主动性体现在日常运转的细节里——开机推送数据质量简报和待处理清单,识别到疑似重复数据时直接附上清洗方案,分发失败时说明原因并给出建议,甚至基于近期积累的知识主动判断标准体系是否需要调整。对于没有专人盯着数据质量的中小企业,这种“系统找人”的机制,比任何制度文件都更有可能让治理动作持续发生。
底层逻辑重构之后,中小企业真正获得的是什么
回到文章开头那个停线两小时的工厂。它面临的问题不是缺一套软件,而是缺一种能力:让业务人员在不依赖外部专家、不经历漫长项目周期(883436)的情况下,自己把数据管起来,并且管得住、管得下去。中翰AI原生MDM在交付层面配套的“双轨带练”模式,指向的正是这个缺口——线下顾问精准驻场带业务人员实操,线上AI助手持续在线,项目目标从“系统上线”转为“能力移交”,周期(883436)和成本较传统模式有明显压缩。数据治理行业长期以来靠高人力驻场支撑交付,中小企业被挡在门外的从来不是“不知道主数据重要”,而是“养不起一套持续运转的治理机器”。当AI把建模、清洗、接口配置、日常运维的门槛逐层拆掉,MDM对中小企业的意义才从“大企业的奢侈品”回归为一项可操作的日常管理能力。
底层逻辑变了,选择产品的标准也应该跟着变:优先看AI是不是长在平台的骨架里,看业务人员能不能不经漫长培训就上手,看系统会不会主动干活而不是等人来喂数据。在这几个维度上,中翰软件的AI原生MDM提供了一个值得放入选型清单的参照。毕竟,中小企业的数据治理,从来不需要复制大厂的重型路径,需要的是一套让业务自己跑得起来的轻量底座。(马晓萱)
