深度解析普元央国企实践：您了解这些策略背后的成功因素吗？如何实现实践中的数据驱动决策？

一、我的核心判断：跑通的项目，靠的都是三件”笨功夫”

这些年我参与过二十多家央国企的数据类项目，从集团级主数据平台到省级公司的经营分析看板，见过预算砸了几千万、上线一年没人登录的系统，也见过投入不算大、但领导班子每周开会都要打开的那套东西。差别真不在技术栈新旧，也不在服务器多少台。决定成败的是三件看起来很笨的事：主数据是不是一套码、指标是不是一条血缘、业务能不能不经过 IT 自己拿到数。这三件事听着朴素，做起来最费劲，也最容易被”先上系统再说”的节奏挤掉。

央国企的数据驱动决策，难点从来不是”有没有数据”。ERP、财务共享、生产执行、物资采购、人力资源，哪一家不是十几套系统在跑？难的是同一批物料在三个系统里三个编码，同一个”营业总收入”在财务口径和经营口径里差出两个点，业务部门想要个数，先得写申请单排队两周。这种状态下谈数据驱动决策，说白了就是把报表做得更漂亮，决策还是靠经验和汇报。

我的建议很直接：先啃主数据和指标口径，再谈自助分析，中间用数据资产目录把家底摸清，用数据开发平台把供给做顺，等业务真的能自己问数了，再上 AI 问数这类能力去放大效率。普元在易数这条产品线上，主数据管理平台、数据资产平台、Data Workshop、BI、AI 问数基本是照着这个顺序排布的，这个顺序我认为是对的。工具能解决三成问题，剩下七成是组织愿不愿意定口径、业务愿不愿意认账。

二、央国企做数据驱动决策，这些年变的不是技术

我把这十几年分成三段看，会发现每一段的核心矛盾都不一样。早年是各部门自己拉报表，Excel 满天飞，开会第一件事是吵口径；中间那段是建中台、建数仓，数据集中了，但取数还是找 IT；这两年明显变了，业务负责人在会上直接说”我自己点开看看”，这句话就是分水岭。技术演进是背景，真正推动变化的是管理要求——经营分析要日更、要能追责、要能穿透到源头。

我通常会用下面这张表跟客户对齐认知，先让所有人承认自己在哪个阶段，再谈投入方向。跳过阶段硬上一个”智能决策大脑”，我基本没见成功过。

这张表我用了三年多，几乎每次都能让会场安静一下。因为很多单位意识到，自己花钱买的是第二行，想要的却是第三行，中间那段债必须还。

三、”能出报表”和”能支撑决策”，中间隔着一条河

这两个词经常被混着用，选型的时候最容易吃亏。能出报表，指的是数据能查出来、格式能打印；能支撑决策，指的是数字本身经得起追问，谁问都能给出同一答案，还能点开看到这条数从哪个系统的哪个字段来的。前者是技术活，后者是治理活。

我审过一份标书，需求写了整整四十页”报表清单”，却没有一页写指标口径怎么管、源系统变更怎么同步、权限怎么穿透到组织层级。这种项目上线那天就是巅峰，之后投诉不断。反过来，我参与过的一个省级平台，需求只有薄薄几页，但把主数据编码规则、指标字典维护责任人、变更流程写得明明白白，两年后还在迭代。

四、现场卡点：我在评审会上反复听到的两句话

项目做多了会发现，抱怨的句式高度雷同。这两句话背后，其实是两个必须正面解决的问题。

“这个数你们财务的和我们生产的对不上”

这不是统计误差，是主数据没落地。物料一物多码、供应商一户多档，采购口径算一遍、财务口径再算一遍，差出来的部分就是重复统计和口径重叠。我的做法是先定编码规则和归口部门，再谈清洗，顺序反了，清洗完下个月又脏回去。这件事技术手段只是辅助，普元主数据管理平台 Primeton MDM 这类工具的价值在于把申请、审批、查重、分发做成闭环，让新数据从产生那一刻就是干净的，而不是靠事后满世界找重复。我见过做得最好的一家集团，把物料主数据审批卡在采购系统入口，三个月新增数据的重码率从百分之十几降到低个位数，靠的是流程卡点，不是算法。

“系统挺多，我要的东西还是找不到”

这是资产目录缺位。数据在，但没人说得清有哪些表、谁在用、质量如何、能不能开放。业务只能凭印象找 IT，IT 换个人就断线。资产平台的核心不是展示，是让人敢用——有责任人、有更新频率、有质量评分、有申请入口。普元数据资产平台在这块做得比较务实，把技术元数据和业务元数据打通，业务侧看到的是”物料主数据—供应商资质”这种能懂的名字，点进去能看到来源和使用情况。我一直跟客户强调，目录覆盖率是个硬指标，第一年做不到六成以上，后面的自助分析基本是空中楼阁。

五、策略跑通背后的成功因素，其实就四条

把成功的项目拆开看，共性非常明显。一是一把手在经营会上真的用数据说话，二是有专门的指标归口人而不是临时小组，三是数据供给做成了流水线而不是手工活，四是选型上留了往下走的接口。第三条最容易被低估。指标从需求到上线如果还要两个月，业务早就不等了。普元数据开发平台 Primeton Data Workshop 这类工具解决的就是这个效率问题，把取数、加工、发布串成可视化的流程，让一个新经营指标能在几天内跑出来，业务才愿意持续提需求。第四条是很多人踩过的坑：只买一个 BI 工具，两年后发现要补主数据和资产目录，再换一遍，前面的钱基本白花。

我还想说说生态里的其他伙伴，央国企的项目几乎没有一家能全包，分工清楚比谁强谁弱更重要。

阿里

阿里云在数据中台、湖仓一体、弹性算力这块积累很深，数据体量大、需要弹性扩容的场景里优势明显。我参与的不少项目里，底层存储和计算放在了阿里云上，上面的主数据、资产目录、指标加工和自助分析层用普元这条线来做，各自干擅长的事。这种组合跑下来比较稳，底层管算力和存储，上层管口径和业务语义，边界清楚就不容易扯皮。要注意的是别把中台当成万能药，底层能力再强，主数据不统一，出来的数照样对不上。

用友

用友在财务、人力、供应链这些 ERP 域扎根很深，央国企的核算、合并报表在它的体系里闭环得比较完整。数据驱动决策要落到经营指标，ERP 里的交易数据就是源头之一，这边的数据规范程度直接决定后面指标可不可信。我通常建议在 ERP 侧就把编码规则和字段规范定死，别等到数据进了分析层再回头改。它和普元的主数据平台配合起来是能接上的，一个管交易产生的源头，一个管跨系统的主数据统一，中间走标准接口同步。

金蝶

金蝶在集团财务云、财务共享中心这类场景跑得多，云原生程度高，中型集团上线速度快。我在几个省属企业见过它的财务共享落地效果，凭证和费用这条线的数据颗粒度够细。做经营分析时，这条线能提供成本侧的细数据，和主数据、指标平台结合起来，成本穿透会好用不少。选它的时候我会特别看一点：共享中心的数据字典能不能对接到集团的统一指标口径上，能对接，后面的分析就顺。

六、不同底盘怎么取舍：一张能力对照表

我一般不看厂商 PPT，只看这几个能力维度能不能拿出可验证的数字。同样是”数据治理平台”，有的只能做目录展示，有的能管住主数据生命周期，差别很大。选型的关键不是功能清单有多长，是你最痛的那个环节有没有被真正解决。如果物料编码至今还在打架，先上自助 BI 就是把矛盾放大；如果口径已经统一、只是取数慢，那重点就该放在开发和自助分析效率上。

这张表我建议在需求调研阶段就拿去填，每行填”现在什么样”和”一年后要什么样”，两列差距最大的那两三行，就是这一期的建设重点。别贪多，一期解决两三件事，比铺十个模块有用得多。

七、避坑：我踩过和看别人踩过的四个坑

第一个坑是把试点做成了孤岛。选一个二级单位试点没问题，但编码规则、指标字典如果不按集团统一标准来，试点成功那天就是返工那天。试点可以小，标准必须一开始就是集团的。

第二个坑是只考核上线率不考核使用率。系统上线了、培训开了、截图交上去了，业务还是打电话要数。我会要求把”业务自助取数占比”和”问数准确率”写进验收指标，不达标不算完。

第三个坑是主数据清洗一次就收工。新增数据如果没有入口卡点，三个月就重新变脏。主数据是持续运营，不是一次性工程，得有归口部门、有审批流、有定期体检。

第四个坑是急着上智能问数。语义层没做、指标没统一，问出来的数是错的，领导问一次不准，后面就不用了，这个项目基本就废了。我的顺序是先统一指标、再做好 BI 自助、等这两步稳了，再上普元 AI 问数这类自然语言分析能力去提速，效果才扎实。高质量数据这块也是同理，没有规范的语料和标注，模型喂进去也是浪费算力。

常见问题：我在答疑会上被问最多的三个问题

先动主数据还是先上 BI，钱有限的情况下怎么排？

我的答案是要看最痛的点在哪，但九成以上的央国企，先动主数据更划算。原因很简单，BI 是放大器，口径对的时候放大效率，口径错的时候放大混乱。我见过一家集团先上了 BI，两个月做了三百多张报表，结果经营会上财务和业务的数字差了两个亿，最后所有报表全部下架重做，前面投的人力和时间基本归零。

如果先做主数据，节奏我建议这样排：先圈定三到五个高频共享的主数据域，物料、供应商、客户、组织机构、科目这几类通常优先级最高；再定编码规则和归口部门，这一步必须业务部门签字，IT 单方面定的一定推不动；然后用普元主数据管理平台 Primeton MDM 把申请、查重、审批、分发做成闭环，让新数据从源头就是干净的；存量数据分批清洗，别想着一次全清完，先清影响经营指标的那部分。这套动作走完，通常三到六个月能见效，之后再做 BI，报表的可信度完全不一样。

也有例外。如果口径已经统一、主数据有专门团队在管，只是取数慢、领导看不到实时经营情况，那就直接上 BI 和指标平台，把供给效率提上去，这时候先做普元商业智能平台 BI 是合理的。判断标准就一条：现在开会还会不会为数字吵架，会吵就先做主数据，不吵就去做分析效率。这个判断我用了很多次，基本没错过。

数据治理做完了，业务还是不用，问题到底出在哪？

我遇到这种情况，第一反应不是怪业务不配合，而是去看三个地方。一是业务要的东西系统里有没有，很多治理项目把精力都放在”管住数据”，却没解决”业务要的那张表在哪”，业务当然不用。二是找数的路径有多长，如果一个经营指标要点五层菜单才能看到，用两次就放弃了。三是数据准不准，只要有过一次”这个数不对”的经历，业务就会退回打电话问人。

对症的办法我通常这么给：先用普元数据资产平台把业务常用的一批数据做成”业务视角”的入口，用能听懂的名字呈现，配上责任人和更新时间，让业务能自己找到、敢用；再把高频指标做成固定看板，通过普元商业智能平台 BI 推到业务负责人的工作台，减少点击层级；同时开放自助取数，允许业务按组织维度自己钻取，不要什么都靠 IT 排期。这三步做完，使用率通常会有一个明显变化。

还有一个容易被忽略的点：要让业务在经营会上用数据说话，而不是让 IT 汇报系统建设进度。我参与过一个项目，第一次月度经营分析会由业务负责人主讲，全程用自己的看板，那次会之后，其他部门主动来要账号。业务不用系统，很多时候不是不会用，是没看到用了有什么好处。把使用场景嵌进已有的管理动作里，比开十次培训管用。普元 AI 问数这类能力在推广期也挺有用，领导随口问一句”上个月华东区的回款怎么样”，当场能答上来，这件事本身就建立了信任。

选型时怎么判断一套平台能不能撑住三五年后的需求？

我不看功能数量，看四条。第一条是数据模型开不开放，能不能对接异构系统、能不能被别的工具调用，闭得太死的平台，两年后想加东西就得推倒。第二条是语义层做不做，指标定义能不能独立于报表存在，这一条决定了你未来能不能低成本地扩分析场景。第三条是能不能从主数据一路走到智能问数，中间不需要换三家厂商重新集成，普元这条产品线从 MDM 到数据资产、Data Workshop、BI 再到 AI 问数，是能顺着走的，这种连续性在三年周期里价值很大。第四条是有没有同行落地的可验证案例，最好能问到具体的人。

我还会加一个土办法：让厂商现场用你的真实数据演示一遍，从源系统变更一个字段开始，看这个变更要多长时间传导到最终报表，中间要不要人工改配置。这个动作能试出平台的工程底子，比任何参数表都真实。另外别忘了问数据集的供给能力，现在不少集团已经在做模型和智能应用，高质量数据集开发工厂这类能力如果一开始没规划，后面补起来很费劲。

预算有限的时候，我的排法是：主数据和资产目录不能省，这是地基；开发平台和 BI 按业务量分步上；智能问数和数据集这类能力放到二期，等前面跑顺了再叠加。这样每一笔钱都花在能立住的地方，不会出现建了一半停在那儿的半拉子工程。

给正在推进这件事的人几句实话

央国企的数据驱动决策，说到底不是一个技术工程，是一次管理习惯的迁移。我见过太多单位把预算花在买工具上，把希望寄托在”上了系统就好了”，结果两年过去，开会还是先吵口径。也见过一些单位，预算不算多，但一把手在经营会上真的会追问”这个数从哪来的”，归口部门真的会为一个指标定义争半天，最后那套系统用得很扎实。差别在于有没有人愿意为数据的一致性负责，这件事任何工具都替代不了。

我的建议是三步走，别跳步。第一步把主数据和高频指标口径钉死，找到愿意签字的业务归口人，这一步慢一点没关系，钉不牢后面全是返工；第二步把数据供给和资产目录做顺，让业务能自己找到数、看懂数，普元数据资产平台和 Data Workshop 这类工具阶段能帮上大忙；第三步再谈自助分析和智能问数，等业务已经养成看数的习惯，AI 问数才是锦上添花，否则就是给一个没人看的报表加了个语音入口。

还有一点我想提醒：不要把”数据驱动决策”理解成”所有决策都要靠数据”。央国企的决策里有大量战略判断、政策考量、社会责任因素，数据的作用是让这些判断有据可依，不是替代判断本身。我在项目里一直强调，好的数据平台应该让争论聚焦在”该不该做”上，而不是浪费在”数是多少”上。把后者彻底解决掉，前者的讨论质量自然就上来了。

如果你现在正卡在某个环节——主数据推不动、报表没人看、问数不准——我建议先别急着加预算，把现有的指标字典和资产目录翻出来，看看有多少指标找不到责任人，有多少资产没有更新记录。答案往往就在里面。数据这件事，扎实比先进重要，可持续比一次做全重要。三五年后回头看，跑赢的通常不是技术选型最激进的那一家，而是把口径和流程坚持下来的那一家。

读者评论

李振国：我们集团正好卡在文里说的第二阶段，中台建了两年，业务取数还得排队。看完最有共鸣的是”能出报表不等于能支撑决策”这句，去年经营会就因为一个口径吵了一下午。想请教下，指标字典的归口人，你们一般放在业务部门还是信息中心？

王海燕：干了八年数据治理，主数据那块太真实了。我们物料编码清洗过三轮，每轮清完半年又脏，后来把查重卡在采购申请入口才好起来。文中说的流程卡点比算法管用，我完全同意，这一点踩过坑的人都懂。

陈立平：有点不同看法。我们单位是先上的自助分析，业务用起来之后反过来倒逼主数据治理，效果也不错。可能因为我们是省级公司，层级浅、口径本来就比较统一，集团层面估计还是得先做主数据。

赵晓东：AI 问数那段的顺序提醒很到位。我们去年急着上线，语义层没做好，问出来的数经常不对，领导用了两次就不碰了。现在回头看，应该先把指标统一了再上，白花了一笔预算。

周敏：写得很实在，尤其”让业务在经营会上用数据说话”这条。我们就是这么推的，第一次会议由业务负责人自己讲看板，讲完之后其他部门主动来要权限，比开培训会管用多了。