中国信息通信研究院（中国信通院）在2023年12月发布的《主数据管理实践白皮书（2.0）》中对主数据的定义为：
主数据是指满足组织跨部门业务协同需要的、反映核心业务实体状态属性的基础信息。
该定义从原先的“企业（组织机构）”拓展到了更广泛的“组织”，鲜明体现了主数据管理的普适性，此外还进一步阐述了主数据的特征，包括权威性、全局性、共享性、稳定性、长期性、扩展性和高价值性等，强调了主数据在组织内的重要作用。
主数据是在两个或多个系统之间，需要共享的数据，才能定义为主数据，如图所示，是各个系统（包括操作型系统、事务型应用系统、分析型系统）间一致并共享的数据；是用来描述核心业务的实体，例如员工、组织机构、客户、供应商、会计科目等相关数据。
主数据与其他数据的区别
元数据：描述数据的数据，如字段、表名、约束等，为所有数据提供“格式定义”，主数据是从元数据中挑选出来的，是公司业务运行的关键、通用型数据，是一个相对主观的概念。它不仅仅只是表头信息，而是包括实例数据。
事务数据：也叫业务数据、交易数据，是对业务过程的记录，比如销售订单、采购单、发票、出库记录等，这类数据数量庞大、实时变动，是企业运营的“事件流”。相对于业务数据而言，主数据属性相对稳定，准确度要求更高，并且具有唯一识别性。
参考数据：主数据的“属性词典”，如地区、客户等级、计价方式等，通常以字典表、枚举值的形式存在，用来约束主数据的取值范围。
总的来说，主数据被誉为企业数据中的“黄金数据”，是业务应用、数据分析、系统集成的基础，是企业数据治理工作中的核心内容。
一、主数据识别方式
在一个拥有海量数据资产的企业中，并不是所有数据都值得“升格”为主数据，要判断一个数据是否应该纳入主数据管理，需从多个维度进行甄别。
除了主数据具备的几个典型特征作为判断依据以外，还有以下两种方式：
1、共享程度与业务影响评估法
从“共享程度”和“业务重要性”两个角度出发，构建一个二维判断矩阵，那么这两个维度该怎么理解？
一是系统共享程度，强调一条数据是否在多个系统、多个部门间复用？比如客户信息往往同时存在于CRM系统、订单系统、财务系统中，具备明显的跨系统共享属性；而某些审批字段、内部备注仅用于一个局部系统，通常不具备主数据的必要性。
二是业务流程的影响程度，关注这条数据在企业核心业务中的重要性。如果某项数据与企业的生产、销售、交付、财务等主干流程密切相关，其准确性直接影响分析结果和决策效率，就应被列入主数据范围，接受更严格的标准化管理。
通过将这两个维度结合起来，企业可以构建出一个“主数据纳管评估矩阵”，将候选数据划分为“强建议纳入主数据管理”“可选纳入主数据”“建议保留于原系统”等类型，帮助治理工作聚焦重点，避免资源分散。
2、数据流识别：U/C矩阵分析法
所谓 U/C，是“Use（使用者）”和“Create（创建者）”的缩写，矩阵的每一行代表一类主数据（如组织、人员、供应商等），每一列代表一个业务系统，通过在交叉点标注“C”或“U”，即可直观展现出每条主数据的生成与使用路径。
U/C矩阵的价值，不仅仅在于可视化，更在于为企业建立起清晰的数据治理边界，一方面，它可以作为主数据建模的重要参考，指导主数据从哪些系统抽取、推送到哪些系统；另一方面，它也是流程设计和权限控制的依据，确保主数据的创建流程、审批机制、变更规范都能围绕权责体系展开。
在主数据治理初期，企业往往存在“谁在维护主数据，谁在使用主数据”说不清、讲不明的情况，导致数据孤岛、标准冲突、质量不可控等一系列问题，通过构建U/C矩阵，不仅能帮助企业理清数据流，还能为后续的主数据接入、清洗、分发提供重要支撑。
可以说，U/C矩阵是主数据识别阶段的重要补充手段，也是推动数据全生命周期治理走向规范化、制度化的基础工具。
二、主数据分类方法
在完成主数据的识别与梳理之后，紧接着的关键一步，是对主数据进行系统分类。分类的目的是建立统一的认知体系，使企业在后续的数据标准制定、建模建库、权限管理、数据服务等环节中具备清晰的组织结构与管理边界。
分类方式并非一成不变，实际操作中，通常遵循以下几个基本原则：科学性、系统性、扩展性、兼容性、实用性。在分类方法上，企业常采用以下三种典型方式：线分类法、面分类法以及混合分类法。
1、线分类法
线分类是基于层级结构的纵向分类方式，类似于传统树状目录，它强调的是数据的上下级从属关系，常见于物料、组织结构等数据类型的管理中。例如，物料主数据可以按“产品大类 → 中类 → 小类 → 规格型号”的路径进行分类，形成清晰的层级编码与目录体系。
2、面分类法
面分类是以多维属性为基础的横向分类方式，常见于需从多个维度检索、组合的数据场景中。以产品为例，可能需要同时考虑其“用途”“材质”“生产工艺”等属性，通过属性组合来定义分类结果。
3、混合分类法
混合分类法则是当前主数据管理中最常采用的策略，企业通常以线分类作为基础分类框架，确保主数据结构具备逻辑统一性和可追溯性，同时引入面分类中的多属性标签体系，补充描述维度与业务语义。
例如，在电子元器件的主数据管理中，可以先按“类别—型号”的方式建立线分类，再通过“安装方式”“应用环境”等标签进行属性拓展，满足业务对精细化分类与多维检索的双重需求。
三、主数据管理两种模式
“共享模式”和“集中模式”是主数据管理的两种常见模式，成了当下企业主数据治理的两种主流路径，它们在数据源管理、流程控制、平台职责等方面差异明显，适配场景也各不相同。
共享模式
共享模式优点在于实施成本低、业务改动小、见效快，特别适用于主数据来源集中、业务系统之间集成路径明确的场景。例如，会计科目这种较为稳定、变更频率低的数据，往往集中维护于ERP系统，通过共享方式同步到其他业务系统即可满足管理需求。
但也正因为共享模式并不干预原有数据创建流程，它在数据质量控制、流程一致性、生命周期管理方面的能力相对有限。各业务系统对同一主数据的理解与操作可能存在差异，造成“看起来统一，实则各管一套”的治理困境。
集中模式
集中模式是一种更彻底的治理方式，在该模式下，主数据的唯一入口被强制收归于主数据管理平台，所有主数据的新增、变更、废弃等操作均需在平台上完成，业务系统不再拥有独立维护权限。平台统一建模、统一控制数据标准，并通过数据服务或接口向下游系统发布“主数据视图”，实现真正意义上的“源头唯一、口径一致”，尤其适合主数据来源复杂、业务系统冗杂、数据治理诉求强烈的组织环境。
当然，集中模式对企业的信息化治理能力提出了更高要求。一方面，业务系统需调整流程，将数据录入权限迁移至平台，可能涉及系统改造和角色调整；另一方面，主数据平台也需具备更强的建模能力、流程管理能力与权限管控能力。其建设周期较长、推广成本更高，对组织的协调机制和数据文化建设也有一定依赖。
总的来说，主数据管理的模式并无绝对优劣，关键在于结合企业的实际业务环境与发展阶段，制定分步推进、动态演进的策略，实现“从可用到好用，从好用到统一”的治理升级。
真正成功的主数据管理，从来不靠“一次性建设”完成，而是在认清主数据价值之后，建立一套能够持续演进的治理机制，只有当企业具备了系统性的识别能力、灵活的分类框架和可落地的管理模式，主数据才不再是“IT项目中的一个模块”，而是数字化转型中真正意义上的基础设施。