Por qué un mismo material tiene tres códigos distintos entre plantas, qué tipo de MDM resuelve esto y cómo evitar comprar un Informatica para un problema que resuelve un registry.
📌 En resumen
Product MDM (o Material Master Data Management) es el caso de MDM más claro en manufacturing: un mismo componente tiene códigos distintos entre plantas, la BOM se rompe, el MRP falla y el coste real de producto es incalculable. La solución depende del contexto: con un único ERP SAP, SAP MDG Material es la opción natural; con ERPs heterogéneos, Stibo STEP o un registry sobre lakehouse son válidos.
En cualquier empresa manufacturing con más de una planta y algún año de historia, el maestro de materiales es un desastre controlado. Tres plantas, tres ERPs o el mismo ERP con tres instancias, y cada planta ha dado de alta los mismos materiales con códigos distintos. El equipo de compras lo sabe, el de producción lo sabe, y nadie ataca la raíz. Este post es sobre cómo se aborda Product MDM en la práctica: qué tecnología encaja según el contexto, qué tarda y qué ahorros aporta.
La pregunta que suele hacerse primero es "¿qué herramienta de MDM compramos?". Es la pregunta incorrecta. El problema de item master en manufacturing empieza mucho antes: no hay un procedimiento formal de alta de material consolidado ni un equipo responsable. Cuando un comprador de la planta B necesita dar de alta una pieza, nadie le obliga a verificar si ya existe en la planta A. El MDM técnico sin el MDM organizativo (data stewards, procedimiento escrito, responsable único del catálogo) resuelve poco.
La opción natural es SAP MDG Material. Reutiliza la estructura de datos del ERP (materiales SAP), se integra nativamente con MM, PP y FI y no requiere sincronización compleja. Licencias de 80-150 K€/año + implantación de 6-9 meses. Es la inversión de referencia para empresa industrial española con SAP ECC o S/4HANA.
Stibo Systems STEP o Informatica MDM son las opciones habituales. Ambas están diseñadas para consolidar datos desde N sistemas fuente con mapping configurable. Stibo destaca en manufacturing por su gestión de atributos técnicos (dimensiones, materiales, tolerancias) y por su integración con PLM y CAD. Licencia típica: 100-250 K€/año + implantación de 9-12 meses.
Si tienes <5.000 materiales activos, 1-2 plantas y no quieres proyecto enterprise, un registry sobre lakehouse (BigQuery, Snowflake o Databricks) con dbt y reglas de matching resuelve el 70% del problema por una inversión de 25-50 K€ en el primer año. No es MDM completo pero elimina duplicados activos, consolida reporting cross-planta y documenta el maestro. Alternativa más sencilla: Profisee sobre Azure o Semarchy para quien quiere producto sin el coste de enterprise.
Las fases 1-3 son condición previa. Saltar directamente a la 5 (implantar herramienta) sin haber hecho el trabajo organizativo es la receta clásica del proyecto que despliega tecnología pero no cambia nada en operaciones.
| Métrica | Antes (típico) | Después (proyecto maduro) |
|---|---|---|
| Tasa de duplicados en catálogo | 10-30% | < 5% |
| Tiempo medio de alta de material nuevo | 3-7 días | 1-2 días |
| Exactitud de inventario consolidado | 70-85% | >95% |
| Roturas de stock por error de código | Regulares | Residuales |
| Reutilización de componentes entre plantas | <30% | >60% |
No. PLM (Product Lifecycle Management, tipo Teamcenter, Windchill, Enovia) gestiona el diseño y la ingeniería del producto: CAD, BOM de ingeniería, cambios de diseño. MDM gestiona el dato maestro del producto ya industrializado: código, descripción, atributos operacionales. Los dos sistemas se integran pero cubren ciclos distintos.
En manufacturing puro, casi siempre Product MDM primero. La variabilidad del catálogo de materiales bloquea operaciones y producción. El maestro de cliente es secundario en manufacturing B2B, donde los clientes son pocos y se gestionan bien en el CRM.
Siguiente paso recomendado
Diseño del maestro de materiales y procesos de gobierno para empresas industriales con varias plantas.
Sin compromiso · Respuesta en < 24h
Autor
Fundador y Consultor de Datos e IA
David Aldomar es fundador y consultor principal de MERIDIAN Data & IA, consultora especializada en ayudar a pymes y empresas medianas en España a tomar mejores decisiones con sus datos. Su trabajo se centra en cuatro áreas: diseño e implantación de plataformas de datos (data warehouses, pipelines ETL con dbt, integración de ERPs y CRMs), reporting y dashboards ejecutivos en Power BI, automatización de procesos de negocio con herramientas como n8n, y desarrollo de soluciones de inteligencia artificial aplicada — desde modelos de forecasting de demanda hasta copilots internos basados en RAG con LangChain y FastAPI. Ha liderado proyectos en sectores como logística y transporte, retail y distribución, servicios financieros, manufacturing y construcción, siempre con un enfoque pragmático: diagnóstico corto, entregables concretos y transferencia de conocimiento al equipo del cliente para que sea autónomo desde el primer día. Antes de fundar MERIDIAN, acumuló experiencia en consultoría de datos y transformación digital trabajando con stacks variados — desde entornos Microsoft (SQL Server, Power BI, Azure) hasta ecosistemas open source (Python, dbt, BigQuery). Su filosofía es que un buen proyecto de datos no se mide por la tecnología que usa, sino por las decisiones de negocio que permite tomar. Escribe regularmente en el blog de MERIDIAN sobre reporting, gobierno del dato, automatización e IA aplicada, con guías prácticas orientadas a responsables de negocio y equipos técnicos de empresas que quieren sacar partido real a sus datos sin depender de grandes consultoras.
Fuentes
Visión general del MDM y cuándo merece la pena invertir en una herramienta dedicada.
Casos de uso de datos e IA aplicables a operaciones industriales.
Proyecto tipo de diagnóstico y roadmap de datos en empresa manufacturing multi-planta.
Base técnica donde apoya un MDM ligero tipo registry o consolidation.
Seguir leyendo
10 min lectura
11 min lectura
10 min lectura
7 min lectura
18 min lectura
Última revisión: