一组图详解元数据、主数据与参考数据
转自一组图详解元数据、主数据与参考数据
在数据资产管理领域，有着许多相似的概念和词汇。譬如说“数据管理”和“数据治理”，像孪生兄弟一样让人纠结不已。上周，与一个朋友聊起元数据、主数据和参考数据的关系是什么。这个话题我们足足聊了二十分钟。这三个概念我在一开始做数据管理相关工作的时候也纠结了挺久，于是我根据聊起来的内容稍稍总结了一下，就有了这篇文章，希望能给读者减少些许疑惑。
1、假设场景
我们的假设场景先是这样的，现在正在为中国地理协会设计一个中国地理信息系统（当然真实的地理信息系统不会是这样，都说只是假设一下）。我现在正设计到“地市”这个对象。常说“千言万语不及一图”，这三者的关系咱们先上图。
2、元数据--数据的数据
元数据（meta-data）是描述企业数据的相关数据，指在IT系统建设过程中所产生的有关数据定义，目标定义，转换规则等相关的关键数据，包括对数据的业务、结构、定义、存储、安全等各方面对数据的描述。
例如在假设场景中，我们设计了地市表的数据模型（如上图红色框里面表示），地市表这个实体的数据模型如何进行定义正是元数据所关心的范畴。
元数据可以说是企业的数据地图，它直接反映了企业中有什么样的数据，数据是如何存放的，例如，数据结构是什么样子，数据与业务之间的关系是怎么样，数据与数据之间的关系是怎么样，数据有什么样的安全需求，数据有什么样的存储需求。
针对元数据的管理，对于传统企业数据而言是非常重要的一项管理挑战。因为传统企业技术和管理观念上有所缺失，从而导致了许多问题。因此，我们在进行许多传统企业数据治理或者数据管理项目，也就是元数据管理方面时，常常会先从数据模型梳理着手。
3、主数据--企业黄金数据记录
主数据（main data）主要是指经实例化的企业关键数据。
还是回到我们的假设场景，我们在上面设计完成数据模型设计的“城市表”中填写了相应的城市数据，例如，北京、上海、广州、南宁等等。这些在城市表中填充的数据，正是组织中国地理协会的主数据，因为这些数据是中国地理协会这个组织的关键业务实体，它为组织的业务开展提供关联环境，而且它可能在企业业务开展过程中被反复引用。针对这些核心关键数据，组织和企业无论从数据的质量、一致性、可用性、管理规范等方面都应该有着最严格的数据要求。
那么一般而言，以下涉及企业经营的人、财、物的数据最有可能纳入企业主数据管理的范畴，例如
- 企业产品及其相关信息：包括企业相关产品、服务、版本、价格、标准操作等等
- 企业财务信息：包括业务、预算、利润、合同、财务科目等等
- 企业相关利益相关者：如客户、供应商、合作伙伴、竞争对手等
- 企业组织架构：如员工、部门等
可见，主数据就是企业被不同运营场合反复引用关键的状态数据，它需要在企业范围内保持高度一致。它可以随着企业的经营活动而改变，例如，客户的增加，组织架构的调整，产品下线等；但是，主数据的变化频率应该是较低的。所以，企业运营过程产生过程数据，如生产过程产生各种如订购记录、消费记录等，一般不会纳入主数据的范围。当然，在不同行业，不同企业对主数据有不同的看法和做法，正如我们与国内大型航空企业的实施相关数据项目时，也在为航班动态是不是主数据而纠结不已。
因此，有鉴于主数据对于企业的重要性，企业和组织需要对其主数据进行有效的管理：包括理解主数据应用需求，识别主数据来源及源头，梳理主数据上下游关系，数据整合和发布，提升主数据的数据质量等。
4、参考数据--数据的字典
在本文引用的假设案例中，我们将会注意到刚才填写的地市这类数据有些列，如省份、城市类型等。如果没有缺少上下文的环境，我们是无法理解其具体含义，这时候我们往往引入参考数据（reference
data）加以解释和理解，如下图红色标注所示。
参考数据是增加数据可读性、可维护性以及后续应用的重要数据。例如，你看到“性别”的这个字段，很可能是1代表男性、2代表女性。在许多企业中有这样的约定俗成，而更多的参考数据可能记录在开发人员和运营人员的大脑当中。但问题是一旦这些人离开，您系统里面的数据就成了一堆没有注释的天书。
大家可能觉得，这所谓参考数据不就是数据字典吗？对，我们在很多系统里面都会有这样和那样的数据字典。但是正是由于这些数据字典局仅限于个别系统而没有统一标准，从一个侧面间接造就了大量的数据孤岛。企业为了进行更有效率的数据整合、数据共享和数据分析应用，开始尝试对参考数据进行企业或者部门层面的整合和管理，利用参考数据集记录系统尝试为范围内的IT系统中的数据库提供统一的参考数据。
5、小结
主数据则是真实的企业业务数据，是企业的关键业务数据。
参考数据则是对数据的解释，针对一些数据范围和取值的数据解释，让人们容易读取相关的数据。
元数据是对数据的描述，用于描述企业数据的所有信息和数据，如结构、关系、安全需求等，除增加数据可读性外，也是后续数据管理的基础。
一般而言，企业中这三类数据与其它数据的数据量、质量需求，更新频率、数据生命周期的关系大致如下图：