第六个错误：在MDM平台外面清理数据

    数据清理包括：名称纠正、地址标准化和数据转换。虽然许多RFP提到数清理和数据质量，但它们没有提到数据如何清理、在何处清理――在MDM系统外面还是在里面，这个区别很重要。 

    通常而言，为部门级客户数据集成（Customer Data Integration，CDI）或者产品信息管理（Product Information Management，PIM）解决方案提供参考数据的源应用其数量很少。在这种情况下，可以使用常用的数据质量工具，在源应用处对数据进行有效清理。不过，对企业范围部署的MDM而言，源应用的数量可能涉及多个部门，由数十个甚至数百个系统组成。这种情况下，在源系统处清理数据是行不通的。而是需要在MDM系统里面集中清理数据。 

    如果贵公司已经统一采用标准化的清理工具，那么确保MDM解决方案直接能与清理工具集成就很重要。另外，要是CIO不知道自己数据的完整“家系”，那么等到审查及法规遵从检验的时候，就会面临一大堆头痛问题。

第七个错误：以为单单“概率性”匹配就够了 

    别害怕，概率性匹配（Probabilistic Matching）并不如你想象的来得复杂。“匹配”只是意味着MDM系统对数据进行调和的技术。如果你看一下MDM中心，就会发现系统的关键正是匹配。事实上，CIO们并没有认识到这一点：他们采用的只是各自心目中的某一种匹配技术。 

    举例说，如今人们常常使用几种匹配技术，如确定性匹配、概率性匹配和经验性匹配。他说“没有哪一种技术抵消得了主数据可能出现的各种数据错误和差异。 

    为了获得最可靠、最全面的视图以了解主数据， MDM平台应当支持这些匹配技术的组合，各自能够负责某一类数据匹配――打个比方说，就是支持混合型技术。单单一种技术如概率性匹配可能找不到全部有效的潜在匹配对象；或者更糟糕的是，可能会生成错误匹配。

第八个错误：低估了创建黄金记录的重要性 

    所谓的黄金记录（Golden Record）是指单一版本的事实，这也是大家所追求的。除非你有黄金记录，否则就没有MDM。为了适合所有流程，MDM就需要单一版本的事实。所以MDM要取得成功，单单使用注册库方法（Registry Style）来关联相同的数据还不够，因为这解决不了数据之间的不一致性。相反，来自不同源应用的主数据应当加以调和，然后集中存放到主数据中心里面。考虑到公司内部的潜在源应用数量之多、主数据的量之大，MDM系统能够为任何主数据类型（如客户、产品或者资产）自动创建黄金记录就很重要。 

    他指出，另外，MDM系统应当提供成熟可靠的“取消合并”功能，以便回退（roll back）任何人为的错误或者异常――这在好几个数据管理员负责管理主数据的大公司里面是一种常见活动。

第九个错误：忽视支持法规遵从的历史和家系特性 

    如今，公司用户不但要求干净、可靠的数据，还要求确认数据确确实实是可靠的，这是比较新的趋势。考虑到事务在处理时，以及主数据与主数据中心里面的其他相似数据结合时，主数据因源系统实时出现的变动而不断变化，这是一项颇具挑战性的艰难工作。 

    记录主数据所有变化的历史和表明数据变化的家系需要作为元数据捕获下来，这为审查奠定了基础，也是数据治理和法规遵从报告工作的一个关键部分。举例说，即使CIO们认为自己不需要这些财务功能，营销部门也需要跟踪那些决定参加或者退出营销活动的客户，这可能具有重要意义。

第十个错误：单单为一种操作模式实施MDM――分析型MDM或者操作型MDM 

    MDM不能只着眼于一种用途，无论是操作型还是分析型报告或者营销活动管理。企业的MDM平台需要主数据与操作型应用和分析型应用实现同步，这样才能充分地支持多个部门之间的实时业务流程和法规遵从报告。要是主数据与操作型应用和分析型应用无法实现同步，CIO跨公司扩展MDM平台的能力就会受到限制，维护成本也会增加。谁都不希望这样。