企业官网建设流程全解析

主数据管理（MDM）正迎来一个关键时期，特别体现在对AI发展的重要性上。多年来，主数据管理一直是企业被迫执行的任务，其项目往往由合规要求驱动，而非业务需求。这些项目耗时漫长、成本超出预算、成果远低于预期。治理层被作为控制手段附加进来，导致它成为了一种额外负担，而非真正为了创造价值，也让许多数据专业人员与整个数据治理领域的关系变得复杂。而随着人工智能的到来，对主数据管理的需求变的更加紧迫，不再是未来需要规划的任务。

好消息是，SAP 已为此积极布局，SAP BDC 中 SAP MDG 与 SAP Reltio 的联合路线图为数据从业者提供了一个真正值得关注的方向。

主数据作为独立的数据产品：不仅仅是对实体的解析

当人们问SAP Reltio在SAP BDC内部具体做什么时，他们得到的回答往往以“实体识别”开头和结尾。这虽然准确，但并不完整。更核心的思路在于实体识别之后会发生什么。

原理很简单。主数据存在于您的整个系统中，可能在SAP应用程序、Salesforce、仍在运行核心业务流程的Oracle或JDE实例，或那个你始终无法摆脱的旧系统中。SAP MDG负责在SAP核心层面进行创建和校验。SAP Reltio从所有源端提取数据，解决重复项，并跨域进行整合。最终得到的是一种属于您数据战略核心的可靠主数据记录，其他业务部门都可以信赖它。

SAP BDC负责MDM产品的Fabian Hartje如此描述道：“我们在主数据管理这一层所做的任何工作，最终构建了统一数据产品 Unified Data Products。而这些从主数据管理中构建出的统一数据产品，属于一种特殊类型的数据产品。” 它们之所以特殊，是因为能够跨来源进行整合；也因为它们反映的是业务所了解的信息，而非某一系统自身的认知。

SAP BDC中的数据产品是一种共享、受管控且可重复使用的资产。这一原则同样适用于主数据。SAP MDG与SAP Reltio共同生成的干净整合记录，并非仅由MDM团队独立管理，而是可供更广泛的SAP BDC生态系统使用。您可以在SAP Analytics Cloud中消费这些数据，也可将其用于构建在SAP上运行的业务应用。此外，您还可以通过SAP BDC Connect将数据暴露给Databricks、Snowflake或其他支持的数据平台，供数据工程师使用。原本存在于MDM孤岛中的记录，如今已成为下游所有用户共享的资源，包括SAP Joule以及您的AI Agents。

AI原生并非一项功能，而是一种设计哲学

SAP Reltio 自称是“AI原生”。如果你曾花时间关注过AI功能，或看到企业将 AI 技术直接集成到现有产品中，就会明白这种设计哲学在实际应用中的巨大差异。

这就是数据管理员视角下，AI 原生能力的具体表现。
数据一经载入，AI 便立刻启动匹配流程。平台会在不同数据源中寻找代表现实世界同一实体的记录，并标记为待整合。这一步已经大幅减少人工审核工作量。
随后智能代理执行数据富集工作流，拉取第三方数据补齐信息缺口，并将更新后的记录再次送入匹配流程，判断补充后的记录是否能识别出更多重复项。
最后由决策智能代理处理答案明确的匹配案例，数据管理员只需处理真正存在歧义的记录。

SAP Reltio产品管理副总裁Mike Frasca简单地描述了这一成果：“他们的工作量显著减少，而重点转向真正重要的事情——那些真正非常棘手的问题。” 这是一次有意义的转变。管理者不再花费四个小时进行“是/是/否/是”的决策，而是将时间用于处理真正需要判断的案例，其余的工作则由系统自动完成。

AI 原生还有一个常被忽视的维度：交付速度。
SAP Reltio 采用 API 优先架构，从诞生之初就面向实时业务场景设计。这一点十分关键，因为大多数企业过往使用主数据管理（MDM）的模式都是基于批处理。数据经过处理、清洗后，要等待数小时甚至数天才能就绪。
倘若数据的使用者是需要即时行动的 AI 智能体，这套模式就不再适用。不能用批处理型主数据管理，等到两天后才把数据供给分析系统。数据交付速度，必须匹配 AI 的即时需求。

SAP Reltio 在人工智能领域的下一步规划，是将 AI 能力直接嵌入租户配置与运维流程。让新增实体类型的配置更加简便，提升数据加载的智能化水平，降低实施阻力 —— 而正是这类阻力，长期以来让主数据管理（MDM）项目成本高昂、落地缓慢。

SAP MDG 也正朝着有趣的方向发展

当你听到 “自主型主数据管理（autonomous MDM）”，这听起来或许只是未来愿景。但对 SAP MDG 来说，这是一个正在落地的设计方向。

传统治理工作流是这样运作的：数据进入流程，由本地税务专员审核，区域数据负责人审批，随后流转至下一环节。每一步都由人工配置、人工执行。这套模式可以正常运转，但效率偏低。而人工参的这些审批环节，本质上都可以提炼成规则和策略。

SAP MDG 团队正在探索这样一个构想：如果用这些策略来训练智能体，由智能体处理那些答案明确的审核环节，会怎么样？能不能让人工介入专注于例外情况，而不是所有工作流的所有审批环节？

SAP MDG 产品管理负责人 René Kirchhoff 这样概括道：“由智能体主导的运行模式，辅以人工监督与异常处理。”这并非意味着要将人完全排除在业务流程之外。这里所说的自主，指的是：除非出现异常情况，否则业务闭环可无需人工介入，实现自主运转。

该构想的短期版本已经在推进落地。借助 SAP Joule，不光是应用技术专家，业务用户也能够直接在 SAP MDG 中操作主数据。长远目标则是实现自主式治理，只有当场景确实需要人工处置时，才有人员介入。

系统落地集成概览

如果你是 SAP MDG 的现有客户，或是为客户提供咨询的顾问，那么问题或许不在于这个方向是否具备吸引力，而在于它在你的系统架构中会如何落地。

SAP Reltio 现已纳入 SAP BDC 商业化交付，部署方式和其他 BDC 组件相同。客户可根据场景在 SAP MDG、SAP Reltio 之间分配 BDC 容量，无需二选一，架构同时支持两者。

SAP MDG 借助统一客户层 UCL 与构形管理集成进 SAP BDC 底层基座，2026年底将全面开放数据产品能力。SAP 核心经由 MDG 治理产出的优质主数据，会汇入统一数据产品底座，供 SAP Reltio 及所有 SAP BDC 组件使用。

职责划分是经过精心设计的，有必要清晰说明。SAP MDG 的职责，是在数据录入 SAP 系统的源头保证数据合规准确。它执行各类策略规则，驱动校验工作流，确保在 ERP 系统中创建的数据从一开始就符合企业标准。这份经过治理的记录，就是下游所有应用所依赖的基础。

SAP Reltio 的职责，则覆盖整个企业全域场景。同一个供应商，可能同时存在于 ERP、采购平台以及并购的历史系统中，在 SAP Reltio 完成合并之前，它们是三条相互独立的记录。SAP Reltio 所提供的能力，就是完成这类记录合并，并持续维护覆盖全部主数据域（客户、供应商、物料、资产）的 360° 全景视图。

二者结合，既能在数据创建的源头实现治理管控，又能为系统环境中已有的全部数据提供可信的统一视图。

还有一个值得提及的维度：规模。财富 500 强企业面对的并非几百万条客户记录，而是覆盖客户、供应商、产品与交易数据的数十亿条记录。SAP Reltio 如今已具备该量级的处理能力。同时，SAP 现有产品已经深度覆盖企业系统环境，接入非 SAP 数据无需从零重建，只需在现有运行体系上做扩展。

这种扩展还体现在横向能力上：随着智能体降低了新增主数据域的接入成本，数据治理范围能够突破客户、供应商、产品这类传统核心对象，延伸至对业务有价值的任意数据。这并非 “锦上添花” 的可选能力，而是企业实现规模化数据管理、突破传统数据域限制，释放自主企业全部潜能的必备条件。

知识核心 Knowledge Core 中的主数据管理：为何它不仅仅关于数据质量

SAP 业务数据云（SAP BDC）围绕知识核心这一理念构建。在这里，业务语义、知识图谱、标准模型以及经过治理的数据产品汇聚在一起，形成一套统一的认知体系。其设计思想是：业务上下文应当持续保留、一致复用，而不是为每一个 AI 应用场景或业务职能从零创建。

试想如果缺少这套体系会发生什么：企业内部部署多个 AI 智能体，采购侧以成本最优为目标，财务侧优化现金流，合规侧管控风险。每一项决策在各自领域内都是合理的。但如果这些智能体无法基于同一套共享的优先级、约束条件与实体关联关系做推理，它们的决策就会开始相互冲突。执行效率下降，业务协同失效。

知识核心正是为了解决这个问题，让所有智能体都基于统一的业务认知开展工作。而这正是主数据从操作层面能力升级为战略资产的关键所在。

主数据代表着企业所有业务所关联的实体：客户、供应商、物料、员工。知识图谱中的每一个节点、每一条语义定义，以及所有在 SAP BDC 中流转的数据产品，最终都会指向这类实体。倘若这些实体在各个系统中存在碎片化、重复、定义不一致的问题，知识核心的底层根基就会出现结构性缺陷。同一个现实业务实体，在图谱里存在相互矛盾的节点；语义定义无法对齐；智能体获取的业务上下文也就谈不上真正共享。

这就是放大到 AI 规模下的主数据管理（MDM）难题。

SAP MDG 与 SAP Reltio 从两个维度解决该问题。SAP MDG 在 SAP 核心系统完成数据治理（依托 SAP S/4HANA 标准模型），保障进入系统的实体数据从源头就干净合规、经过校验并符合策略要求。SAP Reltio 则在企业全域完成实体层的数据调和，解决企业系统环境随业务自然增长所带来的数据碎片化问题。二者协同，为知识核心提供运转所需的基础：在所有系统与业务线之间，形成一套单一可信、持续维护的统一认知，清晰定义客户、供应商以及物料的真实信息。

这正是分析师口中的融合数据管理平台（CDMP），也叫现代数据与 AI 平台。它代表着一种转变：从独立工具解决独立问题，转向单一开放平台，将数据管理、语义能力与 AI 推理相互连通，而非彼此孤立。SAP BDC 正是基于该模型搭建。而经过治理与统一整合的主数据管理，保障了该平台实体层的一致性。

主数据管理为何再度焕发活力

在 AI 席卷所有技术讨论之前的大约 5 至 8 年间，主数据管理算不上热门议题。企业开展这项工作只是出于业务刚需，它一直默默处于后台支持的位置。

如今发生改变的，是这件事的重要程度。AI 智能体在执行账单流程、处理供应商发票，或是回答销售团队提问时，不会停下来校验底层数据是否可靠。它会直接基于现有数据执行操作。倘若这些数据碎片化、存在重复或者已经过时，智能体就会在高速、大规模的场景下做出错误操作。

正是这种变化，让 MDM 重新回到讨论的核心，也凸显了 SAP 在该领域投入的重大意义。这不只是一项技术收购，而是搭建一套完整连贯的架构：将 SAP 核心内经过治理的主数据、企业全域统一主数据，以及规模化的数据质量能力，共同作为 SAP BDC 内部的单一能力层协同运转。

三大支柱：源头治理、企业全域统一、规模化保障数据质量。SAP MDG 负责第一项，SAP Reltio 承担第二项与第三项。二者协同产出可信、一致的主数据，供分析系统、AI 智能体以及 SAP Joule 稳定使用。

产品团队预判，三年之后，MDM 将会呈现根本性的变化：配置工作由 AI 辅助完成，治理流程依托智能体自动运行，人工只需处理异常场景，数据管理员则专注于需要深度判断的决策。由此产出的干净可信主数据，将成为企业所有 AI 驱动流程默认依赖的业务上下文。

这并非单纯的预测，而是产品团队正在全力落地的建设方向。如果你当下正在从事数据质量、数据治理或主数据相关工作，很有必要理解这套架构所能释放的能力。