数据治理之主数据管理

这是一篇关于数据治理之主数据管理的思维导图，主要内容包括：主数据管理实施，主数据管理工具，主数据管理最佳实践，主数据管理技术，主数据管理方法，主数据管理概述。

数据治理之主数据管理

• 主数据管理概述
  • 什么是主数据
    • 主数据（Master Data） 是具有共享性的基础数据， 可以在企业内跨越各个业务部门被重复使用， 比如， 可以是与客户、 供应商、 账户及组织单位相关的数据， 因此通常长期存在且应用于多个系统。 ” 主数据具有高价值、高共享、相对稳定的特性。
  • 什么是主数据管理
    • 主数据管理是集方法、 标准、 流程、 制度、 技术和工具为一体的解决方案。 方法是指主数据梳理、 识别、 定义、 管理、 清洗、 集成和共享所需要的一系列咨询和管理方法。 标准涵盖了主数据的分类、 编码、 建模、 清洗、 集成、 管理、 运营等的相关标准和规范。 流程是指规范主数据生产、 管理和使用的相关流程， 例如主数据新增流程、 主数据变更流程、 主数据冻结流程等。 制度确保主数据的一致性、 正确性、 完整性， 规范主数据的管理、 维护、运营的相关管理办法、 规定和考核手段。 技术和工具是实现主数据管理和集成所涉及的技术平台与工具， 如MDM系统、 ESB、 ETL等。
      • ETL，是英文Extract-Transform-Load的缩写，用来描述将数据从来源端经过抽取（extract）、转换（transform）、加载（load）至目的端的过程。
  • 主数据管理的意义
    • 打破孤岛， 提升数据质量
      • 建立统一的主数据标准， 规范数据的输入和输出， 打通各部门、 各系统之间的信息孤岛， 实现企业核心数据的共享， 提升数据质量。
    • 统一认知， 提升业务效率
      • 在企业的业务执行中， 主数据的数据重复、 数据不完整、 数据不正确等问题是造成业务效率低下、 沟通协作困难的重要因素。
      • 例如， “一物多码”问题常常让企业的采购部门、 库房管理、 财务部门头痛不已。 实施主数据计划， 对主数据进行标准化定义、 规范化管理， 可以建立起企业对主数据标准的共同认知， 提升业务效率， 降低沟通成本。
    • 集中管控， 提升管理效能
      • 当企业的核心数据分散在各单位、 各部门的应用系统中时， 缺乏统一的数据标准约束， 缺乏管理流程和制度的保障对于企业的集约化管理是非常不利的， 因为无法实现跨单位、 跨部门的信息共享。 企业希望加强集团管控， 实现人、 财、 物的集约化管理， 如统一财务共享中心， 共享人力资源， 集中采购等， 而部署和实施统一集中的主数据管理是其重要前提。
    • 数据驱动， 提升决策水平
      • 数字化时代， 企业的管理决策正在从经验驱动向数据驱动转型。 主数据作为企业业务运营和管理的基础， 如果存在问题将直接影响企业的决策， 甚至误导决策。 实施有效的主数据计划， 统一主数据标准， 提高数据质量， 打通部门、 系统壁垒， 实现信息集成与共享， 是企业实现数据驱动、 智能决策的重要基础。
• 主数据管理方法
  • 摸家底
    • 摸清企业现状，梳理企业现有主数据和数据管理程度。
  • 建体系
    • 建立主数据组织体系、数据标准体系、制度与流程体系、主数据技术体系、主数据安全体系。
  • 接数据
    • 主数据管理实操阶段。
    • 包含数据接入、数据清洗和数据应用三个阶段。
      • 数据接入
        • 主数据接入是将主数据从数据源系统接入并汇集到主数据平台的过程。 该过程用到的技术有很多， 常见的有ETL抽取、 文件传输、 消息推送、 接口推送 等。
      • 数据清洗
        • 主数据清洗规范
          • 主数据清洗工作包含期初数据的收集整理和遗留系统历史数据的处理， 需要提前制定主数据清洗方案， 以指导主数据的清洗工作。
          • 主数据清洗方案主要涵盖以下内容：
            • 主数据清洗的原则；
            • 主数据清洗范围和目标；
            • 主数据清洗的计划；
            • 主数据清洗的组织和角色分工；
            • 主数据清洗的流程、 要求和注意事项；
            • 主数据清洗的模板， 定义每个主数据数据元素的质量规则和填报规范；
            • 遗留系统历史数据处理策略。
        • 主数据清洗操作
          • 主数据清洗操作包括主数据归类、 主数据去重、 缺失值处理、 规范性描述等。
          • 主数据归类： 根据定义好的主数据分类体系将清洗范围内的数据逐一归类到相应的分类中。
          • 主数据去重： 利用工具+人工识别的方式， 找到重复或疑似重复的数据， 并进行剔除或合并。 执行这一过程时， 强烈建议先去除关键属性中的空格，因为多了空格就会导致工具误判， 比如认为“张 三”与“张三”不是一个人。
          • 缺失值处理： 由于主数据的唯一性属性是不允许为空的， 因此需要通过工具找到有唯一性属性为空的数据并进行填补。 对于其他附加的且可以为空的属性不作特殊要求。
          • 规范性描述： 主数据的属性填写得不规范是造成主数据质量低下的主要原因， 不规范问题包括字母大小写、 全半角、 特殊字符书写、 空格等问题。例如： 表示直径的符号Φ不可以写成φ、 ∮ 、 Ψ或ф。
      • 数据分发
        • 主数据分发即将标准化的主数据分发给下游业务系统使用的过程。 主数据分发过程的各系统厂商都应按照《主数据集成规范》 约定的集成方式、 接口标准、 注意事项进行对接。
        • 在企业实施主数据分发的过程中， 需要根据不同场景选择不同的集成方式。
        • 定期数据共享： 一般采用ETL或接口方式定期将主数据抽取到业务系统指定的数据表中。
        • 实时数据共享： 一般采用消息订阅的方式， 通过数据接口将主数据推送给业务系统。
        • 主数据分发对消费系统的要求如下。
          • 对于新建系统， 要求新建的系统不能创建主数据， 必须接入主数据系统， 使用与主数据系统同步的标准数据。
          • **对于历史遗留系统， 要求能改造的必须完成改造， 以满足主数据统一管理的要求； 对于不能改造的系统， 必须手动建立与标准主数据的映射关系， 以保证数据集成与分析过程中主数据的唯一性和一致性。 **
      • 抓运营
        • 对主数据的日常管理、质量管理等进行管理。
• 主数据管理技术
  • 主数据分类
    • 数据分类是指出于某种目的， 在指定范围内， 以一定的分类原则和方法为指导， 按照信息的内容、 性质及管理者的使用要求等， 将信息按一定的结构体系分门别类地组织起来， 并建立起一定的分类体系和排列顺序。
    • 主数据的基本分类方法有三种， 即线分类法、 面分类法和混合分类法， 其中线分类法又称层级分类法， 面分类法又称组配分类法。
    • 线分类法
      • 分类法将要分类的对象按其所选择的若干个属性或特征， 按最稳定本质属性逐次分成若干层类目， 并排列成一个层次逐级展开的分类体系。
      • 优点： 分类层次性好， 不重复， 不交叉， 能较好地反映类目之间的逻辑关系， 它既符合手工处理信息的传统习惯， 又便于计算机处理。
      • 缺点： 揭示事物特性的能力差， 具有一定的局限性， 不便于根据需要随时改变， 也不适合多维度的信息检索。
    • 面分类法
      • 面分类法是指将所选定分类对象的若干标志视为若干个面， 将这些面划分为彼此独立的若干个类目， 排列成一个由若干个面构成的平行分类体系。
      • 优点： 具有一定的伸缩性， 易于添加和修改类目， 一个面中的类目改变，不会影响到其他的面， 而且可以对面进行增删。 适应性强， 可根据任意面的组合方式进行分类的检索， 有利于计算机的信息处理。
      • 缺点： 不能充分利用编码空间， 编码的组配方式很多， 但实际应用到的组配类目不多。
    • 混合分类法
      • 混合分类法是在已有的分类中， 同时使用线分类和面分类两种方法进行分类， 以满足业务的需要。 混合分类一般以一种分类方法为主， 将另一种作为补充。 例如： 在上面的示例中， 我们可以用线分类法作为企业电子元器件的主分类， 将面分类中的“安装工艺”和“可靠性”作为电子元器件的辅助分类属性进行管理， 以满足信息查询和业务使用的需要。
  • 主数据编码
    • 主数据编码方法
      • 主数据编码是为了方便主数据的标识、 存储、 检索和使用， 在进行主数据处理时赋予具有一定规律、 易于计算机和人识别处理的符号。
      • 编码是个技术活。《GB/T 7027—2002信息分类和编码的基本原则与方法》 给出了两种编码方法， 分别是有含义的代码和无含义的代码。
      • 在实际的主数据编码中， 通常会将两者结合起来。 基于大、 中、 小类的层次码进行编码很有必要， 这样便于归类和检索， 但一般不建议分得太细， 例如把物料、 规格、 型号等都考虑进去就没有太大的意义。
      • 基于分类的主数据编码规则如下：
    • 主数据编码颗粒度
      • 主数据编码颗粒度主要是指主数据管理的属性数量及管理属性值的大小程度， 它决定了主数据编码量的多少。
      • 核心特征属性： 反映主数据核心或本质特征的属性， 是用来识别事物的特有属性， 例如电子元器件的名称、 型号和规格。
      • 普通特征属性： 用于对事物进行更细颗粒度的识别和管理， 例如电子元器件的封装方式、 安装工艺、 可靠性等。
      • 附加属性： 根据管理需要为事物附加的属性， 例如电子元器件的价格、 是否批次管理、 采购周期等。
      • 一般来说， 主数据编码必须包含核心特征属性， 而普通特征属性和附加特征属性可根据管理的目的进行取舍。 选择的普通特征属性越多， 则主数据编码的颗粒度就越细， 编码量就越大。 而选择几个、 选择哪些特征属性与主数据编码绑定， 这涉及企业的销售管理、 成本管理、 生产管理等业务， 应根据企业的业务需求和目的而定。
  • 主数据集成
    • 主数据集成主要包括两个方面：
      • 第一， 主数据平台与权威数据源系统的集成， 实现主数据从权威数据源的采集并装载到主数据平台中；
      • 第二， 主数据平台与主数据消费系统的集成， 将标准的主数据代码按照约定的集成方式分发到主数据的消费系统中。
    • 与源系统集成
      • 可以通过API采集、库表拉取的方式。
    • 与消费系统集成
      • 可以通过API发布、库表推送的方式。
• 主数据管理工具
  • 系统架构
    • 主数据管理工具用来整合来自不同来源的数据， 使企业能够为重要数据创建单一数据源， 统一数据视图， 从而提供标准、 准确、 一致的核心数据， 帮助企业做出明智的决策。 在应用层面， 主数据管理工具自下而上可分为业务系统层、 主数据集成层、 主数据管理层和主数据应用层四层架构，
  • 主数据建模
    • 主数据建模功能是主数据管理的基础， 主数据的申请、 审核、 质量、 安全、 集成共享等功能都是围绕主数据模型展开的。
    • 主数据建模包括主数据分类、 主数据编码、 主数据属性模型、 主数据界面模型及主数据审批模型。
      • 主数据分类： 按照一定的维度和特征对某主数据进行划分， 以方便主数据的管理和使用， 例如客户分类、 供应商分类、 产品分类等。
      • 主数据编码： 主数据的唯一识别属性。 主数据管理工具提供多种编码方式， 可以灵活设置码段、 码位、 步长， 以支持不同主数据编码的业务需求。 常见的编码方式有特征值编码、 固定值编码、 日期码、 流水码、 组合码、 层级码、 随机码等。
      • 主数据属性模型： 用于对主数据所有属性进行定义， 包括中文名称、 英文名称、 字段类型、 字段长度、 唯一性约束、 校验规则等。
      • 主数据界面模型： 也叫主数据管理模板， 提供了主数据管理视图配置功能， 在主数据模型的基础之上， 为不同分类主数据分配不同的属性。
      • 主数据审核模型： 基于主数据管理工具提供的工作流引擎， 为主数据的新增申请、 变更申请提供流程配置， 支持对每个审批节点进行设置， 如流程ID、 流程描述、 操作类型、 审批人、 通知模式等。
  • 主数据管理
    • 数据管理工具提供创建、 使用、 管理和监控主数据功能， 使用健全的工作流和审批功能， 支持企业范围的数据治理政策和流程， 并通过严格的管理流程， 实现主数据申请、 审核、 变更、 冻结和归档等全生命周期管理， 让业务用户能够访问统一、 可靠的主数据。
    • 需要制定相应的主数据申请流程、审核节点、变更流程、冻结流程和归档流程。
  • 主数据质量
    • 主数据管理工具提供主数据质量规则设计、 主数据质量稽核、 主数据质量报告、 主数据问题处理等功能， 实现主数据质量从问题发现到问题处理的闭环管理。
  • 主数据安全
    • 主数据管理工具提供用户身份认证、 细颗粒度的权限控制、 分级授权、 安全审计、 数据签名、 敏感数据脱敏/加密等功能， 以保证主数据管理的应用安全、 接口安全和数据安全。
  • 主数据集成
    • 主数据管理工具提供数据库集成、 消息集成、 Web服务集成等多种主数据集成方式， 可灵活实现全量/增量数据与异构系统的交互， 实现主数据整合和分发。
    • 数据库集成： 数据源系统开放数据库接口， 供其他系统调用， 实现主数据集成共享。
    • 消息集成： 基于消息中间件， 通过消息队列的方式实现主数据的集成共享。
    • Web服务集成： 基于标准的Web接口服务实现主数据的集成共享， 常用的主数据Web接口支持SOAP、 REST两种接口协议。
• 主数据管理最佳实践
  • 大目标，小步骤
    • 定好目标，对目标进行拆分，一个一个的完成。
    • 总结：总体规划、分步实施
  • 业务驱动，技术引领
    • 主数据管理绝对不是为了做主数据而做主数据， 而是为了服务于企业的业务目标。 主数据项目建设不是一个部门的任务， 也不只是IT部门的事情， 需要技术和业务协同， 为实现企业的业务目标而服务。 主数据项目建设需要业务驱动和技术引领的双引擎。
  • 重视主数据编码设计
    • 主数据编码是保证数据的唯一性、 一致性的关键属性。 编码的目的在于将数据编码化繁为简， 便于主数据的管理， 如果编码过于繁杂， 则违反了编码的目的。 通常情况下， 会使用系统自动生成的流水码来作为主数据的编码， 用于机器识别， 重点解决的是异构系统之间的数据映射问题。
  • 重视数据清洗
    • 数据清洗， 从字面上理解就是把脏数据洗掉， 这里“脏数据”是指重复、 不一致、 不完整、 不正确的数据。 数据清洗是发现并纠正数据集中数据质量问题的过程， 包括检查数据唯一性、 一致性， 处理重复数据和缺失值等。
• 主数据管理实施
  • 主数据管理实施共分为项目规划、现状分析、治理保障、平台建设、存量清晰、数据集成、外围变更及运营分析七个阶段，涉及25个实施步骤
  • 1. 项目规划
    • （1）获得高层支持
      • 对于公司的大多数主数据，虽然可能存在不一致，但大多时候问题并不严重，因为如果不一致问题已经严重影响到了生产，业务肯定是要强力介入并进行解决的，比如立个项，主数据的大多数问题在业务从0到1的建设过程中就已经基本解决了。
      • 因此，很多主数据问题是业务当前还能容忍，但长远来讲成本可能很高的问题，也就是重要而不紧急的事情，考虑到各个部门屁股决定脑袋的特点，主数据存在着天然的驱动力不足的问题。那么谁最会考虑这种重要而不紧急的事情呢，谁又会考虑这种全局和局部的问题呢，显然是公司的高层。因此，主数据的业务驱动一定首先来自公司高层，只要高层不觉得痛，跨领域的长期积累的主数据问题就很难实质性解决，获得高层支持是主数据管理实施的第一推动。
    • （2）确定项目范围
      • 一个企业主数据会有很多，如果一次把所有主数据都管起来，工作量会很大，周期会很长，通常主数据会分2-3年去完成，并持续优化。这时候，主数据范围确定就很重要，给每个主数据排个优先级，企业最需要统一的、标准化程度高，基础好的、数据一致性好的、数据量可控的都是排序依据，最终根据优先级，我们分步建设主数据，这样可按期看到阶段性效果，便于项目推进。
    • （3）组建项目团队
      • 一般会设置公司领导小组，组长由管理层担任，副组长由各部门的数据责任人担任，领导小组负责主数据项目总体工作推进，制定总体工作思路和目标，协调各部门间项目推进过程中遇到的问题，确保项目的顺利执行。
      • 领导小组一般会下设工作小组，工作小组组长一般由企业数据管理组织的相关负责人担任，成员包括企业数据管理组织人员及各领域的数据专员，负责主数据项目的具体实施，开展相关能力建设和运营。根据自己的经验，一般会设置几个专业组协同推进，以下是一个示例供你参考：
      • 业务需求组：负责主数据相关业务流程梳理和业务管理规范的制定，明确主数据需求
      • 系统架构组：负责主数据系统整体架构的设计，确保架构合理、满足各域生产应用需要
      • 平台建设组：负责推进主数据系统建设工作，实现主数据库、对外数据服务、数据稽核等关键能力
      • 数据架构组：负责推进各领域系统现有主数据的整合，形成一份统一的公司标准主数据
      • 各领域改造组：负责本领域系统的改造工作，确保与主数据系统的顺利对接
    • （4）制定项目计划
      • 主数据项目由于涉及到多部门协同，进度控制比较难，因此一定要通过项目启动会等形式明确项目计划，大量的主数据项目由于前期缺乏承诺导致后期扯皮的产生，除了事前的项目计划，事中也要采取通报等形式进行过程控制，及时发现问题并升级。
  • 2、现状分析
    • （1）沟通需求痛点
      • 第一、调研业务需求，包括哪些业务需要主数据支撑，对主数据有什么要求和期望，第二、了解业务流程，包括业务如何办理（如填表，工单），如何流转（如是否需要审批），第三、了解业务应用，基于主数据有哪些业务场景。下图显示了家宽业务受理流程中涉及的地址主数据查询和录入情况。
    • （2）评估系统数据
      • 第一、调研主数据目前分布在哪些系统中，未来使用主数据的系统有哪些，第二、主数据有哪些属性字段，数据关系如何，数据质量怎样，第三、当前系统改造难易度，支撑哪种方式对接。下图显示了地址主数据查询和录入涉及的相关系统。
    • （3）确定改造内容
      • 基于现状分析，可以确定存在的问题和改进点，分析出用户对主数据建设的需求，包括管理体系、系统架构、业务流程、数据标准、数据质量、数据平台等方面。
  • 3. 治理保障
    • （1）制定标准体系
      • 主数据标准是主数据管理工作的核心内容。通过主数据标准，才能实现跨组织、跨部门、跨流程、跨系统的数据集成和共享。主数据标准也是打通企业横向产业链和纵向管控的数据基础。
      • 主数据标准一般分为三类：
        • 数据标准
          • ：主要明确主数据的编码规则、分类标准、命名规范、编码颗粒度、属性规范、主数据模型标准等，下图示例了物料主数据模型和属性描述规则。
        • 管理标准
          • ：主要明确组织、制度、流程、应用等管理规范及标准，比如明确各方职责，规范主数据的申请、变更及修改流程。
        • 服务标准
          • ：明确主数据集成服务接口规范，包括集成技术规范、开发规范、外围系统接入规范等。
    • （2）建立组织保障
      • 主数据管理组织目标是：统筹规划企业的数据战略；建立主数据标准规范体系、数据管理制主度和流程体系、数据运营和维护体系；依托主数据管理平台，实施主数据标准化落地、推广和运营。在明确了组织机构的同时，还要明确主数据管理岗位，主数据管理岗位可以兼职，也可以全职，根据企业实际情况而定。
    • （3）设计制度流程
      • 制度章程是确保对主数据管理进行有效实施的认责制度。建立主数据管理制度和流程体系是需要明确主数据的归口部门和岗位，明确岗位职责，明确每个主数据的申请、审批、变更、共享的流程。
  • 4、存量清洗
    • （1）明确清洗方法
      • 基于主数据标准，对各来源历史数据进行分析，明确数据采集、标准化、内容清洗及合并等方法，比如采用空间聚类、地址相似度等方法来实现相同地址合并。
    • （2）进行数据清洗
      • 归集历史数据并实施数据清洗，通过数据清洗保证主数据的唯一性、准确性、完整性、一致性和有效性，然后通过系统校验、查重及人工比对、筛查、核实等多种手段对主数据代码的质量进行检查，最终形成一份高质量的主数据代码库。
    • （3）完成数据发布
      • 完成主数据代码库评审并发布到生产环境，同时做好主数据代码库与源数据的映射，为外围割接做好准备。
  • 5、平台建设
    • （1）架构模式
      • 主数据管理平台有多种架构类型，包括集中式架构、分布式架构、注册中心架构及混合架构，在选择主数据管理架构时，需要考虑企业的业务需求、技术基础设施、数据质量和安全性等因素。通常，一个好的MDM解决方案应该支持多种架构类型，并允许企业根据实际情况进行灵活配置和调整。
      • 集中式架构（Centralized Architecture）：
        • 在集中式架构中，所有的主数据都存储在一个中心数据库中。企业各个业务系统通过API或其他集成技术访问和更新这个中心数据库。这种架构便于实现数据的一致性和标准化，但可能存在性能瓶颈和单点故障的风险。
      • 分布式架构（Distributed Architecture）：
        • 在分布式架构中，主数据分布在多个数据库或系统中，这些数据库或系统可能位于不同的地理位置。数据通过数据集成技术（如ETL或消息队列）在各个节点之间同步。这种架构具有较高的可扩展性和容错能力，但实现数据的一致性和标准化较为复杂。
      • 注册中心架构（Registry Architecture）：
        • 在注册中心架构中，主数据依然存储在各个业务系统中，而MDM平台只维护一个包含数据索引和映射关系的注册中心。这种架构避免了数据迁移和同步的复杂性，但需要实时查询和整合多个数据源，可能影响数据访问的性能。
      • 混合架构（Hybrid Architecture）：
        • 混合架构结合了集中式、分布式和注册中心架构的优点，以满足企业的不同需求和场景。例如，对于关键和公共的主数据，可以采用集中式存储和管理；而对于分散和敏感的主数据，可以采用分布式存储和注册中心管理。
    • （2）管理数据模型
      • 指基于主数据标准，提供主数据的结构、属性、关系、约束和规则的建模能力。
    • （3）进行数据整合
      • 固化数据清洗方法，包括对接入的数据进行汇聚、清洗、转换、映射、去重、合并及加载，通过一系列的数据加工和处理形成标准统一的主数据。
    • （4）提供数据服务
      • 指对外提供主数据的变更、订阅、查询、同步、分发、通知等服务。
    • （5）构建数据管理
      • 指构建主数据管理流程，实现主数据的创建、变更、审核等运维功能。
  • 6、外围集成
    • （1）变更业务流程
      • 主数据建立后，各业务系统需要基于主数据的管理要求变更主数据录入、变更、查询等流程，重新明确相关角色和职责，并对相关人员进行培训，确保查询和录入的规范性
    • （2）进行数据集成
      • 需要将主数据管理平台与各个目标业务系统进行集成，以实现主数据的申请、审核、分发等交互操作，从而最终实现主数据在多个系统之间的共享和统一。集成可以通过企业服务总线（ESB）方式，也可以通过Web Service和XML方式。
      • 由于每个业务系统复杂性不一样，改造难度不一样，并不是每个系统都要按照一个标准去集成，比如历史数据各自如何清理、数据对照在哪里做、数据是主动推送还是订阅方式，最终往往通过多种集成方式，最终逐渐解决企业系统间的数据不一致问题。
  • 7、运营闭环
    • 主数据管理项目的实施能够帮助企业初步建立起主数据的管理体系，但做好持续的运营工作，是发挥主数据价值的关键。有些项目实施过程很成功，但系统运行一段时间，比如半年、一年后，突然发现，主数据的质量已经回到了“解放前”。所以，实施主数据项目，只是数据治理的一个开始，企业要保持高质量的数据，必须持续的运营和不断的优化。
    • （1）确保标准执行
      • 要建立主数据的运营管理团队，推动主数据管理相关制度的落地和优化，做到定岗定责、责任到人，对主数据新增、变更、使用等的流程进行监督和改进，确保规范执行到位。
    • （2）提升数据质量
      • 主数据作为“黄金数据”是企业的核心数据资产，主数据质量的好坏决定了数据价值的高低，因此要建立一套主数据质量的运维体系，确保及时发现主数据的质量问题并闭环解决，如下示例了地址主数据的自动稽核流程：
    • （3）加强运营推广
      • 主数据的应用接入无法一蹴而就，特别是对于集团型企业有很大难度，需要制定周密的推广计划，逐步推广到相关的业务系统中。