主数据质量管理器Skill master-data-quality-manager

主数据质量管理器是一个专注于供应链领域的专业技能,用于监控、验证和改进物料、供应商、地点及BOM等主数据的质量。它通过自动化规则检查、重复项识别、完整性评分和趋势分析,确保供应链数据的准确性和可靠性,从而支持高效的运营决策、需求预测和库存优化。关键词:供应链主数据,数据质量监控,数据清洗,数据验证,BOM准确性,供应商数据,数据治理,数据完整性,ERP集成,MDM平台。

库存优化 0 次安装 7 次浏览 更新于 2/25/2026

name: master-data-quality-manager description: 供应链主数据质量监控与改进技能 allowed-tools:

  • Read
  • Write
  • Glob
  • Grep
  • Bash metadata: specialization: supply-chain domain: business category: cross-functional priority: future

主数据质量管理器

概述

主数据质量管理器提供供应链主数据质量监控、验证和改进能力。它确保物料、供应商、地点和物料清单(BOM)主数据的准确性,以支持可靠的供应链运营和分析。

能力

  • 物料主数据验证:产品数据完整性和准确性
  • 供应商主数据清洗:供应商数据质量改进
  • 地点/工厂数据验证:设施数据准确性
  • BOM准确性检查:物料清单验证
  • 提前期验证:提前期数据准确性评估
  • 数据完整性评分:缺失数据识别
  • 重复项检测:冗余记录识别
  • 数据质量趋势分析:质量指标随时间跟踪

输入模式

data_quality_request:
  data_domains:
    item_master: boolean
    supplier_master: boolean
    location_master: boolean
    bom_master: boolean
    lead_time: boolean
  validation_rules:
    completeness_rules: array
    accuracy_rules: array
    consistency_rules: array
    timeliness_rules: array
  data_sources:
    erp_system: string
    extract_files: array
  quality_thresholds:
    critical_fields: object
    acceptable_error_rate: float

输出模式

data_quality_output:
  quality_scorecard:
    overall_score: float
    by_domain: object
      item_master:
        completeness: float
        accuracy: float
        consistency: float
        timeliness: float
      supplier_master:
        completeness: float
        accuracy: float
        consistency: float
        timeliness: float
      location_master:
        completeness: float
        accuracy: float
      bom_master:
        completeness: float
        accuracy: float
      lead_time:
        accuracy: float
  issues_identified:
    critical: array
    high: array
    medium: array
    low: array
  duplicate_analysis:
    potential_duplicates: array
    merge_recommendations: array
  completeness_report:
    missing_fields: array
    missing_by_domain: object
  data_cleansing_actions:
    recommended_fixes: array
    automated_corrections: array
    manual_review_required: array
  trend_analysis:
    quality_over_time: object
    improvement_areas: array
    degradation_alerts: array

使用方式

综合数据质量评估

输入:主数据提取文件,验证规则
处理:根据质量规则进行验证
输出:包含问题的数据质量记分卡

重复项检测与解决

输入:供应商或物料主数据
处理:识别潜在重复项
输出:包含合并建议的重复项报告

提前期数据验证

输入:提前期主数据,历史收货数据
处理:比较声明与实际提前期
输出:提前期准确性报告

集成点

  • ERP系统:主数据提取
  • MDM平台:主数据管理集成
  • 数据质量工具:数据剖析和清洗平台
  • 工具/库:数据质量框架,MDM平台

流程依赖

  • 所有供应链流程(跨职能)
  • 需求预测与计划
  • 库存优化与细分

最佳实践

  1. 定义明确的数据所有权
  2. 建立数据质量指标和目标
  3. 实施预防性数据质量控制
  4. 安排定期数据质量审查
  5. 自动化数据质量监控
  6. 解决根本原因,而非仅处理表象