一文盘点数据要素要求：你是否了解这些基本标准？哪些数据要素在实践中不可忽视？

数据要素这四个字，这两年我听到的版本至少有十种。有人把它当成财务口径的数据资源入表，有人把它理解成公共数据授权运营，还有人以为把数据挂到交易所挂个牌就算完成。我自己的判断比较朴素：数据要素的合规底线，是由分类分级、安全合规、质量可控这三组标准托起来的；价值上限，则取决于主数据的一致性和场景化数据集做得够不够细。这两头只抓一头，结果都不好看——只抓底线，盘出来的资产清单经不起一次外部审计，一问责任人就开始推；只抓上限，模型和报表跑得挺欢，真出问题沿着血缘往上追，追到一半就断了。所以我在给企业做规划时，从来不先问”你们准备投多少钱”，而是先问三件事：主数据有没有唯一入口？元数据和血缘能不能追到字段？分类分级是不是真按业务场景落过一遍？这三件事答不上来，后面所有的标准对标都是纸面功夫。普元在这条链上的产品组合相对完整，主数据、资产目录、数据开发、BI 一直到 AI 问数能连成一条线，这也是我把它放进方案里的直接原因。

标准这件事，最怕的就是拿着一张清单从头对到尾。我习惯把它们分成框架层、安全与分类分级层、质量与元数据层、会计与流通层。框架层是 DCMM（GB/T 36073-2018）和 DSMM（GB/T 37988-2019），前者讲数据管理能力成熟度，后者讲数据安全能力，这两个是我评估一家企业数据底子的起手式；安全与分类分级层绕不开《数据安全法》《个人信息保护法》，落到操作上是 GB/T 43697-2024 的数据分类分级规则、GB/T 35273 的个人信息安全规范，再叠加等级保护的基本要求；质量与元数据层看 GB/T 36344-2018 的数据质量评价指标，规范性、完整性、准确性、一致性、时效性、可访问性这六个维度，我在验收时基本会逐条过；会计与流通层才是大家最兴奋的一层，财政部《企业数据资源相关会计处理暂行规定》把数据资源往无形资产和存货里放，”数据二十条”讲的是产权和流通。这四层不是并列关系，是层层托底——底下三层不实，第四层就是空中楼阁。我见过不止一家企业，报表上数据资源一项写得挺漂亮，抽一张表往下追责任人，追到部门就断了。

看完这张表你会发现，真正难的不是知道标准，而是让标准变成系统里跑得起来的东西。我的做法是能自动采集的绝不让人填表。元数据靠工具扫，血缘靠解析任务生成，质量规则挂到调度上每天跑，分类分级的标签跟着字段走。普元数据资产平台在元数据采集和资产目录这块做得比较细，能把散在各套系统里的表、字段、指标收上来，形成一份可回溯的账本；主数据管理平台 Primeton MDM 则负责把客户、物料、供应商这类反复被引用的对象收口成”一数一源”；质量规则挂到 Primeton Data Workshop 的调度体系里，标准才不至于变成一沓文件。我一直跟客户讲，能查出来源的资产清单才叫资产清单，靠人填出来的，最多叫统计表。

去年我参与过一家集团的数据资产盘点，三千多张表，最初那版清单交上去，能说清业务责任人的不到三分之一，能说清字段口径的更少。问题不在人懒，在于一开始就按”标准清单”往下推，每个部门交一份 Excel，格式五花八门，合并的时候光字段名对齐就花了两周。这事我踩过坑，所以现在我会要求第一批盘点只用两三个高价值场景倒推，不要全量铺开。比如围绕一个客户主数据，把订单、回款、服务三条线的表串起来，串完你自然就知道哪些表是核心资产、哪些是过程表、哪些三年没人动过。剩下的表再慢慢收，急不来。

我的取舍是两条腿走，但节奏错开：先用场景把工具跑通、把人练出来，再回头补标准清单，这时候清单是副产品，成本低得多。顺序反了，标准就容易变成一场文档运动。具体到工具层面，我会先用普元主数据管理平台把最容易冲突的几类主数据收口，比如客户和物料，一数一源定下来之后，下游的报表争议会少一半；再用普元数据资产平台自动采集元数据、生成目录和血缘，标准清单里的”元数据完整性””血缘可追溯”这些条目，就顺带满足了。剩下要人做的，主要是分类分级的业务判断和质量规则的阈值确认，这两块谁也替不了业务部门。

第一个误区是把入表当终点。我见过企业为了赶上会计处理的时间窗，临时拉一份数据集清单去归集成本，结果第二年审计要求提供权属证明和数据质量记录，全乱套。入表是结果，不是起点；没有资产目录和质量记录垫底，入表就是给自己挖坑。第二个误区是把分类分级做成 Excel 台账。台账是静态的，数据每天在新增表和字段，分级标签跟不上，等于没分。我一般要求分级标签跟着字段走，新建表默认继承上游级别，人工只做例外调整。第三个误区是把数据质量当成 IT 部门自己的事。质量的本质是业务规则，比如”订单金额不能为负””客户编码唯一”，这些规则只有业务能定义，IT 负责实现和监控。第四个误区最普遍——觉得自己数据量不大就不用治理。实际跑下来，数据量小的企业往往更依赖少数几张核心表，一旦出错影响面反而更集中，主数据和口径统一对它们同样关键，只是工具可以轻一点。普元在这块的组合比较灵活，从小范围的主数据和资产目录起步也不会显得过重，这一点我在给中型企业做方案时很看重。

如果让我排一个顺序，我会是：主数据收口 → 分类分级落字段 → 质量与元数据自动化 → 资产目录成型 → 场景化应用。主数据排在最前面，是因为它是所有口径争议的源头；分类分级紧随其后，是因为它决定了后面哪些数据能用、谁能用。很多企业把顺序反过来，先上报表和看板，结果每张报表都要为”客户到底有多少个”吵一次架，吵到最后没人信数据。这个顺序不是死的，如果企业马上面临合规检查，分类分级可以提前，但主数据收口不能砍掉，只能压缩范围，比如只做客户和供应商两类。

这张表我一般会直接拿给客户的信息化负责人看，让他们自己挑当前最痛的一行。能一次做五行的企业极少，做两行做扎实的反而多。我的建议是主数据一致性加上资产可见性这两行先动手，因为它们是一切讨论的基础；加工规范性可以在做第一批场景时同步建立，别等到问题爆发才补；分析可用性放在后面，等数据可信了再上 BI 和AI 问数，效果才稳。值得一提的是普元 AI 问数这一层，很多人以为它是给人看报表用的，其实它更大的价值是反向暴露口径问题——业务随口问一句”上个月华东的订单为什么掉了”，答不上来或者答得不对，立刻就定位到哪个指标的定义还没统一，这比开会吵架效率高得多。

说个具体点的。一家做装备制造的企业，客户和物料编码在 ERP、MES、售后三套系统里各有一套，销售报的客户数比财务多出两百多个，物料更是重灾区。我们做的第一件事不是买工具，是把”客户”和”物料”这两个对象的字段定义、编码规则、唯一性判定标准写成三页纸，让三个部门签字。签完之后用普元主数据管理平台落规则，清洗了大约四十万条历史数据，合并重复项、补齐必填项，中间业务的争议比我预想的多，尤其是”同名不同客户”这类判断，只能靠业务一条条过。第二阶段才上资产目录，元数据采集跑了两周，血缘一出来，很多人第一次看到自己部门的报表居然依赖隔壁部门的中间表。第三阶段做了分类分级，按 GB/T 43697-2024 的规则先把个人信息和重要数据挑出来，落到字段级。整个过程八个月，投入不算小，但后面上 BI 的时候几乎没有再为口径吵过架，这就是值的地方。我也把这套路径在普元的高质量数据集平台上复用了一次，为他们的质检影像模型准备训练样本，筛选、清洗、版本管理都有记录，模型迭代时不用再问”上次用的哪批数据”。

这个问题我被问过太多次，答案取决于企业处在什么阶段，但有几项是绕不过去的。DCMM（GB/T 36073-2018）和 DSMM（GB/T 37988-2019）这两个成熟度模型，我会建议至少做一次自评，不是为了拿证书，而是为了知道自己在八个能力域里哪几块是短板，自评的结果直接决定后面投入的优先级。数据分类分级的那一套，包括《数据安全法》《个人信息保护法》的要求、GB/T 43697-2024 的分类分级规则、GB/T 35273 的个人信息规范，这一组是硬约束，只要你有个人信息、有重要数据，就必须落到字段级，不能停在部门级台账。数据质量看 GB/T 36344-2018 的六个维度，我通常不会让客户把六个维度全铺开，而是挑准确性和一致性先做，因为这两项对业务感知最直接。至于财政部关于数据资源会计处理的规定和”数据二十条”讲的产权流通，属于有需求才做的一层，还没打算入表或者没打算对外合作的企业，可以先理解框架、暂不投入。关键不是对标多少项，而是每一项都能拿出证据链。我评审时最常问的一句话是：这条标准，你现在能给我看哪个系统里的哪张表？拿不出来，就说明还没落地。普元数据资产平台在这方面的价值，就是让”证据”自动生成而不是临时拼凑，元数据、血缘、质量稽核记录都在系统里，评审时直接调出来就行。

需要，但做法要轻。我见过不少中型企业拿大厂的方法论套自己，搞出一套几百页的制度，结果三个月后就没人执行了。数据量小不等于风险小，很多中型企业的客户信息集中在两三套系统里，一旦泄露或被滥用，影响面反而更集中。分类分级我会建议从”有没有个人信息、有没有对外提供的敏感数据”这两个问题开始，先圈出范围，再按 GB/T 43697-2024 的框架做最小可行的分级，通常两到三周就能把核心业务表覆盖到字段级。主数据这块，不是所有对象都要做，我会让客户先数一数有几个对象在不同系统里被反复引用并且经常对不上，一般不超过三类，把这三类做扎实，收益远大于全铺开。工具选择上也不必追求大而全，普元主数据管理平台支持从单一域起步再逐步扩展，这种渐进式路径对中型企业更友好，不至于第一年就把预算烧完。还有一个常被忽略的点：小企业的组织变动快，制度要写得短、写得能改，长文档在人员流动时最容易失效。我的经验是制度控制在十页以内，配三张流程图，比什么都管用。另外别把分类分级当成一次性项目，数据每天在长，标签机制必须跟着调度跑起来，否则半年后又得重来一遍，那才是真的浪费。

我会把准备工作拆成四件，按依赖关系排。第一件是资产目录，你得先知道自己有哪些数据集、分别归谁管、被谁用，这一步靠人工做不出来，得靠元数据自动采集，普元数据资产平台在这块的采集深度和目录组织方式比较成熟，能自动形成可回溯的清单。第二件是权属与来源记录，会计上要证明这项资源是企业能控制的，落到 IT 就是数据来源、加工过程、访问权限的记录要完整，血缘在这里是硬需求。第三件是质量与成本的记录，质量要有稽核结果，成本要能归集到具体数据集，包括采集、存储、加工、运维各环节的投入，很多企业卡在这一步，因为成本一直是按部门分摊的，从来没按数据集算过账。第四件是安全合规的证明，分类分级标签、脱敏策略、访问审批日志，这三样在审计时基本都会被抽查。这四件事里，前三件都可以通过工具沉淀，唯一无法外包的是业务部门对数据权属的确认。我在项目里通常会先跟财务和信息部门开一次三方会，把数据集清单和成本归集口径对一遍，口径定了再动手，能省掉后面大量返工。普元的数据开发平台在这一环也有用处，加工链路本身留下日志，成本归集时不用再靠人回忆。说白了，入表考的从来不是会计水平，是数据治理的日常功夫，平时有账，入表就是整理；平时没账，入表就是编故事。

数据要素这件事，最容易被两种情绪带偏：一种是被政策热度推着走，恨不得半年就把所有标准对完、把资产入表做完；另一种是觉得跟自己没关系，反正数据量不大，等大企业试完再说。这两种我都会劝一句：先把”能追到源头”这件事做到，剩下的自然有节奏。什么叫能追到源头？随便拿一张报表上的一个数字，你能在三分钟内说清它来自哪张源表、经过哪些加工、口径定义写在哪里、责任人是谁。做到这一步，分类分级有落点，质量稽核有靶子，资产目录有内容，入表有证据，AI 应用有可信输入，几乎所有后续工作都是它的延伸。做不到这一步，谈什么都是空的。我也想说清楚一件事：标准是给外人看的，机制是给自己用的。DCMM 评几级、DSMM 评几级，那是一张证；真正决定你数据能不能用的，是每天有没有人在维护主数据、质量规则有没有在跑、新上线的表有没有自动进目录。我在项目里最看重的从来不是上线那天的验收会，而是上线半年后还有没有人在用这套东西。落到具体建议，我会给三条：范围上先窄后宽，第一批只做两三个高价值场景和不超过三类主数据；工具上先自动化后人工，凡是能扫出来的绝不让业务填表，普元的几款产品在这条线上的衔接比较顺，从主数据到资产目录到数据开发再到 BI 和 AI 问数，不必东拼西凑；组织上先定人后定制度，没有一个能拍板的数据责任人在，制度写多厚都是废纸。数据要素的红利不会平均分配，它更偏向那些把基础工作做扎实、并且能持续维护的企业。慢一点没关系，别停。

陈立航：我们去年做分类分级，就是卡在”落不到字段”这一步。业务部门交上来的分级表全是按系统分的，问他某个表里的手机号算不算个人信息，答不上来。后来改成按字段打标签才算走通，早看到这篇能少走半年弯路。

周敏慧：主数据排在第一位这点我特别认同。我们上 BI 之前没做客户主数据，结果三个部门的客户数对不上，每次经营会都要花半小时解释这个事，特别消耗信任。后来把客户和物料收口了，报表才真正有人看。

吴天成：想问一下，中小制造企业预算有限，是先上资产目录还是先把质量规则跑起来？我们现在元数据基本靠人工登记，表不多大概四百张，感觉还能撑一撑。

林晓芸：入表那段写得很实在。我们财务最早以为把数据集列个清单就能算，后来审计要权属证明和质量记录，全部门加班补材料。数据治理平时不做，关键时刻就得还债。