# Golden record w MDM - dopasowanie rekordów, pierwszeństwo wartości i opiekun danych > Golden record w MDM od strony data quality i data governance: dopasowanie rekordów, pierwszeństwo wartości, opiekun danych i historia zmian obok SAP. - Source: https://snok.ai/pl/aktualnosci/blog/golden-record-mdm-rekord-wzorcowy/ - Author: Michał Korzeń - Published: 2026-10-28 --- Definicje golden record kończą się zwykle na efekcie: jeden wiarygodny rekord dla każdego kontrahenta, materiału albo pracownika. To prawda, ale niewiele z niej wynika dla zespołu, który ma taki rekord zbudować obok SAP S/4HANA, CRM i systemu kadrowego. W praktyce rekord wzorcowy jest wynikiem trzech odrębnych decyzji, a każda ma własne reguły i własnego właściciela. Które rekordy opisują ten sam obiekt? Która wartość wygrywa, gdy źródła się różnią? Kto zatwierdza wynik, zanim trafi do systemów, które z niego korzystają? Błąd w którejkolwiek z nich sprawia, że „jedna wersja prawdy” staje się kolejną wersją. Każdą z tych decyzji podejmujemy w projektach SNOK MDM według osobnych reguł. ![Trzy decyzje, z których powstaje golden record: dopasowanie rekordów, pierwszeństwo wartości i zatwierdzenie przez opiekuna danych](https://snok.ai/images/blog/golden-record-trzy-decyzje-pl.webp) ## Dopasowanie rekordów - kiedy dwa zapisy opisują ten sam obiekt Ta sama spółka występuje w ERP pod nazwą rejestrową, w CRM pod skrótem handlowym, a w systemie zakupowym bez numeru NIP. Materiał ma jeden opis w magazynie i inny w katalogu zakupowym. Zanim cokolwiek zostanie połączone, warstwa danych podstawowych musi ustalić, które z tych rekordów wskazują ten sam obiekt. Reguły deterministyczne rozstrzygają przypadki, w których decyduje identyfikator: zgodny NIP, numer KRS albo numer katalogowy producenta. Przypadki niejednoznaczne, obejmujące różnice w zapisie nazw, skróty, przestawiony szyk wyrazów i różne zapisy formy prawnej, SNOK MDM kieruje do oceny opiekuna danych (data steward). Scalenia nie wykonujemy automatycznie z dwóch powodów. Błędne scalenie dwóch odrębnych podmiotów bywa trudniejsze do wykrycia i droższe w naprawie niż pozostawiony duplikat, bo może prowadzić do przypisania transakcji niewłaściwemu podmiotowi. Przy danych osobowych ocena opiekuna ogranicza z kolei ryzyko błędnego powiązania rekordów dotyczących różnych osób. Identyfikator nie zwalnia z tej ostrożności. Dyrektor Krajowej Informacji Skarbowej w interpretacji z 24 marca 2026 roku (sygn. 0114-KDIP1-3.4012.44.2026.1.AMA) potwierdził, że KSeF sprawdza zgodność faktury ze schematem, a nie to, czy NIP nabywcy należy do właściwej firmy. Faktura z poprawnym formalnie NIP-em innego podmiotu dostanie numer KSeF i trafi do tego innego podmiotu. Dwie karty kontrahenta, które wyglądają na jedną firmę, mogą więc skończyć się fakturą wysłaną do niewłaściwego podmiotu. ## Pierwszeństwo wartości - którą wartość przyjąć w danym polu Gdy grupa rekordów zostaje potwierdzona jako jeden obiekt, rekord wzorcowy trzeba z nich złożyć. Źródła rzadko są zgodne: w jednym jest aktualny adres, w drugim właściwy rachunek bankowy, w trzecim jedyny poprawny kontakt do faktur. Reguły pierwszeństwa wartości (w literaturze MDM: survivorship) rozstrzygają pole po polu, które źródło jest wiążące. Typowe kryteria to wiarygodność źródła dla konkretnego pola, data ostatniego potwierdzenia wartości i wynik walidacji. NIP może pochodzić z systemu, który sprawdza go w rejestrze urzędowym, adres dostawy z logistyki, a warunki płatności z finansów. ![Przykład rekordu wzorcowego składanego pole po polu z wartości wybranych z różnych systemów źródłowych według reguł pierwszeństwa](https://snok.ai/images/blog/golden-record-pole-po-polu-pl.gif) Te reguły należą do modelu rekordu wzorcowego. Dokumentujemy je i wersjonujemy, żeby rozstrzygnięcia nie zależały od osób, które porządkują dane przed każdym zamknięciem miesiąca. Na tym polega różnica między jednorazowym czyszczeniem a warstwą danych podstawowych. Czyszczenie naprawia kartotekę w dniu migracji. Reguły walidacji stosowane przy wprowadzaniu każdego nowego rekordu ograniczają powrót błędów, które obejmują. W raporcie [Dane podstawowe w polskich przedsiębiorstwach](https://snok.ai/pl/materialy/raport-dane-podstawowe-2026/) opisujemy to jako jeden z czterech antywzorców programów porządkowania danych: czyszczenie bez reguł przy wejściu. ## Opiekun danych - data governance w praktyce Rekord wzorcowy bez właściciela starzeje się w tym samym tempie co źródła, z których powstał. Zasady nadzoru (data governance) definiujemy więc osobno dla każdej domeny: kto jest właścicielem danych, kto zatwierdza zmianę, które pola podlegają kontroli dostępu i maskowaniu oraz jak mierzymy jakość danych (data quality). Procedura organizacji określa, kto zatwierdza zmianę w danej domenie. SNOK MDM zapisuje historię zmian rekordu wzorcowego i powód każdej zmiany. Art. 5 ust. 1 lit. d RODO wymaga, żeby dane osobowe były prawidłowe i w razie potrzeby uaktualniane, a osoby reprezentujące kontrahentów też są podmiotami danych. Spór o to, czy dwa zapisy opisują ten sam podmiot, jest sporem biznesowym. Bez opiekuna danych z mandatem do rozstrzygnięcia każda taka decyzja czeka na kolejne spotkanie komitetu. ## Golden record obok SAP, bez wymiany ERP W firmach pracujących na SAP pierwsze pytanie dotyczy zwykle SAP Master Data Governance. Gdy dane powstają i są utrzymywane głównie w SAP, SAP MDG jest rozsądnym wyborem. Sprawa się komplikuje, gdy dane z istotnych domen są utrzymywane poza SAP (w CRM, w systemie kadrowym, w systemach przejętych spółek) albo gdy warstwa danych podstawowych ma przetrwać przyszłą wymianę ERP. Kryteria wyboru narzędzia opisaliśmy w porównaniu [SAP MDG, Reltio i SNOK MDM](https://snok.ai/pl/aktualnosci/blog/sap-mdg-czy-reltio-snok-mdm/). Warstwę danych wzorcowych projektujemy jako niezależną od ERP i CRM, do współpracy z SAP S/4HANA i ECC, Microsoft Dynamics 365, Salesforce, Oracle Cloud ERP, Workday i źródłami niestandardowymi. Zakres integracji i kierunki przepływu danych ustalamy dla konkretnego wdrożenia, a systemy źródłowe zachowują swoją rolę operacyjną. Rekord wzorcowy i jego reguły pozostają w warstwie danych podstawowych, więc wymiana systemu źródłowego oznacza przede wszystkim zmianę integracji. Moment na tę pracę wyznacza często konwersja do SAP S/4HANA. Model Business Partner jest tam obowiązkowy, a Customer Vendor Integration przenosi na niego kartoteki klientów i dostawców. CVI przenosi dane do nowego modelu, ale nie poprawia ich jakości: duplikaty i braki w polach obowiązkowych przechodzą do systemu docelowego albo zatrzymują konwersję na liście wyjątków. Kolejność prac opisaliśmy we wpisie o [Business Partner w SAP S/4HANA](https://snok.ai/pl/aktualnosci/blog/business-partner-sap-s4hana-dane-kontrahentow-rise/). Rekord wzorcowy kontrahentów zbudowany przed konwersją oznacza, że projekt startuje z danymi już dopasowanymi i zatwierdzonymi. ## Pierwszy wynik w jednej domenie Zbyt szeroki zakres na start to pierwszy z czterech powtarzalnych wzorców, które obserwujemy w nieudanych programach porządkowania danych. Gartner prognozował w grudniu 2021 roku, że ponad 75 procent programów zarządzania danymi podstawowymi nie osiągnie zakładanych celów biznesowych w horyzoncie 2025 roku (Magic Quadrant for MDM Solutions). W pilotażu zaczynamy od jednej domeny i jednego mierzalnego kryterium sukcesu, na przykład udziału duplikatów w kartotece kontrahentów albo liczby rekordów z brakami w polach krytycznych. Pilotaż jednej domeny kończymy zwykle w ciągu czterech do ośmiu tygodni, zależnie od stanu danych i liczby systemów do zasilenia. To czas do pierwszego mierzalnego wyniku, po którym dochodzą kolejne domeny. Tak pracujemy między innymi z Medicoverem w domenie danych pracowniczych: 18 krajów, około 45 tysięcy pracowników i około 100 tysięcy zdarzeń na danych rocznie, z walidacją, obiegiem akceptacji i pełną historią zmian. Skalę problemu w jednej domenie możecie oszacować sami, zanim zapadnie decyzja o jakimkolwiek projekcie. Wystarczy wyciąg z kartoteki kontrahentów i kilka pytań: ile rekordów ma ten sam NIP przy różnych nazwach albo adresach, ile ma braki w polach, które procesy uznają za krytyczne, ile pozycji różni się między ERP a CRM dla tych samych podmiotów. Metodę pomiaru, mierniki pilotażu i dane rynkowe o danych podstawowych w polskich firmach zebraliśmy w raporcie [Dane podstawowe w polskich przedsiębiorstwach](https://snok.ai/pl/materialy/raport-dane-podstawowe-2026/). Raport jest bezpłatny i pobierzecie go bez formularza. Zakres prac, rezultaty pilotażu i formularz pomiaru duplikatów na próbce z jednej domeny opisujemy na stronie [Master Data Management](https://snok.ai/pl/oferta/master-data-management/). Produkt, na którym budujemy rekord wzorcowy, przedstawiamy na stronie [SNOK MDM](https://snok.ai/pl/produkty/snok-mdm/).