数字化工作需要先明确对象、口径与责任，目录不能只列名称。这次讨论围绕身份标识的匹配，放在数字化治理与业务协同的范围内，先保留能核对的线索，再判断它们能支持多大的结论。
名称熟悉，条件仍要重看
关于身份标识的匹配，容易忽略的是适用范围。不同系统的对象标识可能不一致，匹配需要明确依据与冲突处理方式。在数据盘点时，先前经验可以提出问题，但不能自动补齐当前缺少的信息。
一个片段不能覆盖整个过程
区分确定匹配与概率匹配，保留无法确认的对象及人工核对入口。数字化工作需要先明确对象、口径与责任，目录不能只列名称。若只留下最突出的瞬间，就可能忽略准备、限制或后续变化。对数据治理、系统协同与流程管理尤其需要把局部与完整任务连起来看。
哪些推断应当暂时停下
不能仅凭相似名称就自动合并涉及重要权益的数据。当来源没有给出关键条件时，较稳妥的做法是注明未知，而不是为叙述顺畅补上一个未经证实的原因。
用核对问题代替笼统判断
为关键数据补充来源、用途和负责人。可以把笔记改写为目前能确认什么、还需要验证什么。对于身份标识的匹配，这样的记录更容易在新资料出现后修正，也能减少把个别情况扩大到全部场景的误解。
常见问题
理解身份标识的匹配，先确认什么？
不同系统的对象标识可能不一致，匹配需要明确依据与冲突处理方式。
在数据盘点时怎样开始？
为关键数据补充来源、用途和负责人。区分确定匹配与概率匹配，保留无法确认的对象及人工核对入口。
什么情况下不宜直接套用结论？
不能仅凭相似名称就自动合并涉及重要权益的数据。