元数据管理，如何解决多源异构数据的语义一致性难题.docxVIP

元数据管理，如何解决多源异构数据的语义一致性难题

让数据说同一种语言，前提是让组织先说同一种语言。

前段时间跟一个做公司负责信息化的哥们儿聊天，他随手给我看了一张表。公司有八个系统，每个系统里都有一个字段叫“用户”。CRM里用户是签过合同的客户。埋点系统里，用户是装了App的一台设备。订单系统里，用户是完成过支付的自然人。客服系统里，用户是提过工单的联系人。八张表，八个“用户”，连id的类型都不一样，有的是varchar(32)，有的是bigint。想拼出一张“用户全景视图”，第一步压根不是建模，是先吵吵。吵吵“用户”这两个字，到底指谁。这不是段子。这是几乎所有数据治理、数据中台项目做到一定深度之后，都会撞上的那堵墙。CRM·签了合同的客户埋点·一台匿名设备订单·支付过的自然人客服·提过工单的联系人财务·一个结算账户风控·一个实名主体统一语义用户=谁？

八个系统，八种“用户”，收敛成一个能被全公司引用的定义，就是语义一致性要干的事。

这堵墙有个名字，叫语义一致性。

先说一个我自己的感受。语法和结构的差异是「形」，可以用工程抹平。语义的差异是「神」，只能靠共识收敛。形的问题好办，神的问题才要命。

01多源异构，到底「异」在哪

「多源异构」这个词被用滥了。拆开看，这个「异」其实分三层，而且难度是往上叠的。第一层?语法层异构。字段名、类型、编码、