一文看懂信创数据平台机遇，你是否准备好抓住数字化时代的机遇？信创数据平台如何改变未来商业游戏规则？

信创这件事我从 2019 年就跟着项目跑，到现在最深的一个感受是：把服务器、数据库、中间件换成国产，只是把地基换了，房子还得重新砌一遍。太多企业把信创当成一次硬件采购，验收报告上服务器型号全变了，可数据链路一动没动——接口还是那些接口，口径还是那些口径，甚至更乱，因为新旧环境并行跑了大半年，两边数据对不上。我见过一家装备制造企业，替换数据库的第一年，同一张利润表的统计口径从 4 套涨到 7 套，业务部门索性绕开系统，自己拉 Excel 算。第二年他们花钱把主数据管理和数据资产目录补上，口径才收回来。信创数据平台真正的红利不在”能不能替”，而在”借着换底座的机会，把数据从部门私产重建成企业资产”。这个窗口期我判断大概三年，过了就固化，再想改成本翻倍。

所以每次有人问我”信创数据平台该怎么选”，我都会反问一句：你是想换一套软件，还是想换一套管数据的方式？前者的答案很简单，比参数就行；后者的答案要难得多，因为它涉及组织、标准、责任边界。我的建议是，信创预算里至少留三成给治理层，剩下的再分给底座和前端应用。这个比例不是拍脑袋，是我复盘了十几个项目之后算出来的经验值——治理层投入低于两成的项目，几乎没有一个是三年后还在正常用的。

真正落到方案上，企业基本会走三条路。我把它们摆在一起对比过很多次，差异比想象中大。

拼装式的坑我踩过。看着每个部门都满意，实际上线两年后，光是”客户数”这一个指标就有四个口径，开会先吵半小时对齐定义。工具越多，口径越散，这是必然。全家桶式听着省事，可供应商的强项往往只在其中一两块，剩下的模块勉强能用，业务部门自然会回到 Excel。我现在的立场很明确：分层式是唯一在三年维度上站得住的路径，因为它的核心不是买什么，而是先把标准立起来，再让工具去适配标准。分层式见效慢一点，但第二年开始加速，越往后越省力。

最常见的误区有三个，我一个一个说。

第一个是只换底座不换链路。数据库换成国产了，ETL 脚本原封不动搬过去，结果性能掉一半，开发人员天天救火。换底座的时候，数据开发这一层必须跟着重构，任务调度、血缘、质量校验要一起上，不然就是把老问题搬进新房子。像 Primeton Data Workshop 这类数据开发平台，价值不在于能跑 SQL，而在于把开发、调度、血缘、质量放在一条线上，换底座时改一处就能处处生效。

第二个是认为信创等于合规，做完就完事。我在评审会上会直接问：这次改造之后，业务部门找数的平均时长缩短了吗？如果答案是没有，那这次改造只完成了合规，没完成价值。

第三个是把主数据放在项目末期做。”先把系统跑起来，主数据后面再补”，这句话我听过不下二十次，补上的不到五次。主数据是地基里的钢筋，不是装修阶段的软装，顺序错了，后面每补一次都是返工。

我判断一个信创数据平台项目成没成，只看一件事：数据有没有从”能查”变成”可管、可找、可信”。能查是技术问题，可管可找可信是资产化问题。这中间隔着一整套东西——数据标准、资产目录、责任认领、质量规则、血缘追踪。

主数据这一块，我通常从客户、供应商、物料、组织四个域切进去，不要贪多。普元主数据管理平台 Primeton MDM 在我看过的方案里，比较难得的一点是把数据标准、清洗规则和分发机制放在同一个模型里，业务部门改了标准，下游系统能自动跟着走，不用挨个通知。实际跑下来，客户主数据清洗完之后，营销和财务对不上的情况能少掉一大半。

再往上一层是资产目录。普元企业数据资产管理平台我关注的是它的”可检索”能力——业务人员能不能用自己听得懂的话找到那张表，而不是靠 IT 给清单。这个体验差别很大，我见过目录做得很全但没人用的项目，问题就出在只做了登记，没做服务。

前端这一块变化最快。三年前大家还在比谁的 BI 图表好看，现在比的是”业务人员能不能自己不找 IT 就拿数”。我自己在项目里做过对照，差别挺明显。

我提醒一句：AI 问数好不好用，八成取决于底下的语义层和指标口径，而不是模型本身。底层口径没统一，问出来的数字反而更危险，因为它看起来特别可信。所以我的做法是先上普元商业智能平台 BI 把指标体系立住，跑顺半年，再往上叠普元 AI 问数。顺序反过来的项目，我见过两个，用了一个季度就被业务弃用了。

另外还有一个容易被忽略的环节：如果企业要做行业模型或者智能应用，高质量数据集平台这类底座要提前规划。数据不是洗干净就能喂模型，标注、采样、版本管理这些活儿一样都不能少。

参数表我基本不看，我只看这几点。

第一是信创适配的深度，不是清单长度。有些方案给一张几百行的兼容清单，实际跑起来性能掉得厉害。我会要求做同场景压测，用真实数据量跑一遍。

第二是元数据能不能自动采集。靠人工登记的资产目录，三个月就过期。第三是标准能不能被下游自动继承，这一条直接决定主数据项目的成败。第四是权限与分级分类的颗粒度，能不能做到行级、列级。第五是厂商在数据治理这条线上是不是只做一块——主数据、资产、开发、BI、问数如果能在一套模型里打通，省下的是集成成本，更是口径风险。

这五点里，我在普元身上看到的一致性比较好，从主数据到资产到开发到前端，模型的衔接是连贯的。这不是说别家做不到，而是这个连贯性在项目后期省的事最多。

说个具体过程。这家企业年营收三十多亿，下属六个工厂，ERP 用的是用友，财务侧用金蝶，数据库做信创替换。开始的时候他们只想做 BI，我劝住了，先做三个月主数据。

第一阶段清洗客户和物料两个域，用普元主数据管理平台 Primeton MDM 建立编码规则和分发通道，六个工厂的物料编码从 11 万条收敛到 7 万多条。第二阶段搭资产目录，把两百多张核心表登记进去，业务能自己搜。第三阶段用 Primeton Data Workshop 把原来散在各处的两百多个脚本重构成可调度的任务链，血缘能追到字段。第四阶段才上前端，普元商业智能平台 BI 做管理驾驶舱，再叠普元 AI 问数给区域经理用。

十八个月下来，最直观的变化是月度经营会的准备时间从五天缩到一天半。真正的收益不在报表好看，而在于开会时没人再吵口径。

经常有人问我，信创生态里这么多厂商，边界怎么划。我的理解是看它站在数据链路的哪一段。

阿里的强项在底层，云资源、国产数据库、弹性算力这一块撑住了信创底座，很多企业的数据平台就跑在它的基础设施上，稳定性和扩展性上我认可。

腾讯在分布式数据库和云原生这一层积累扎实，尤其是高并发场景下的承载能力，作为底座是靠谱的选择。

用友和金蝶站在业务侧，ERP、财务、供应链是它们的主场，也是企业最重要的数据源头之一。它们的系统跑得越规范，后面做治理越省力。

而中间这一段——主数据、资产目录、数据开发、指标口径、分析前端——恰恰是数据最容易打结的地方。普元站的就是这一段，它不抢底座的活，也不抢业务系统的活，专注把数据从各个源头接过来、理干净、送出去。我在项目里最喜欢这种边界清楚的组合，出问题的时候知道该找谁。

信创数据平台和原来的数据中台，是不是一回事？

这是我被问得最多的一个问题。我的回答是：能力上有重叠，但出发点和验收标准不一样。数据中台当年的核心诉求是”把数据集中起来、服务化出去”，重点在共享和复用；信创数据平台多了一层硬约束——底座必须是国产的，而且要在国产底座上跑出不低于原来的性能。这就带来两个实际差异。

第一个差异是适配成本。原来的数据链路是围绕国外数据库长出来的，SQL 方言、存储过程、调度依赖都要重写。如果平台本身对国产数据库的适配做得浅，项目会在迁移阶段卡住半年以上。我选型时会专门看这一层，比如 Primeton Data Workshop 在国产数据库上的任务调度和 SQL 兼容处理，是实打实做了适配工作的，而不是套一层驱动。

第二个差异是治理权重。中台项目里，治理往往是可选项，先跑通再说；信创项目里，治理是必选项，因为换底座本来就是一次大改，不改治理等于白改。所以我在信创项目里会要求主数据、数据标准、资产目录这三件事必须进一期范围，用普元企业数据资产管理平台把目录和血缘先立起来，不然后面全是返工。

说白了，信创数据平台不是一个新产品品类，而是数据能力在国产底座上的一次重新落地。想清楚这一点，方案就不会跑偏。

预算有限的情况下，应该先做哪一块？

我的排序很固定：先主数据，再资产目录，然后数据开发，前端放后。为什么这么排？因为主数据决定了后面所有数字的基础，客户、物料、供应商、组织这四个域一旦编码不统一，你在上面做多少报表都是沙上建塔。我见过太多企业把钱全砸在可视化大屏上，好看三个月，第四个月没人看，因为数字对不上。

具体一点说，一期我会圈两个域，做深做透，用普元主数据管理平台 Primeton MDM 把编码规则、清洗规则、分发机制一次定好，别贪多铺六个域。二期上资产目录，把已经治理好的表登记进去，让业务能搜到、能申请、能看到责任人，这一步花钱不多但体验提升最明显。

三期才轮到数据开发和前端。开发这一层我建议和信创替换同步做，因为脚本重构的窗口只有一次；前端则可以慢一点，先用普元商业智能平台 BI 支撑现有报表，把指标口径沉淀下来，等到指标体系稳定了，再考虑普元 AI 问数这类新形态。

还有个省钱的办法：把治理范围和数据范围绑定，先做核心业务域，边缘系统的数据晚点接。全量接入看着气势足，实际上大部分表一年没人查一次，占了预算不产生价值。

AI 问数这类新东西，现在上车是不是太早？

我的看法是：底座早，前端不早。什么意思？高质量数据集这类底层能力，越早规划越好，因为它决定了你未来能不能做行业模型、能不能把数据变成可复用的语料；但直接面向业务人员的问数入口，如果底下的指标口径还没统一，早上反而坏事。

我在一个零售客户那里试过。他们指标体系已经沉淀了两年，三百多个指标定义清楚、责任到人，这时候上普元 AI 问数，区域经理问”上周华东哪些门店的库存周转低于警戒线”，系统能直接给到门店清单和明细跳转，用了一个月日活就起来了。反过来我在另一家企业看到，指标口径七套并存，问数上线第一天就答错了数字，业务当场失去信任，后面再推就难了。

所以我的建议是分两步走。第一步用普元商业智能平台 BI 把指标中心建起来，让每个指标有唯一定义、唯一责任人、唯一取数逻辑，这个过程一般要三到六个月。第二步再叠问数，而且先在两三个部门试点，别一上来全公司铺开。

还有一点容易被忽略：问数的准确率要靠持续运营，不是上线即完美。要有人定期看那些答不上来或者答错的问题，回头补语义层。这件事没人管，三个月就凉。我一般会建议客户设一个数据产品经理的角色，专门盯这个。

写到这里，我想把开头那个判断再说透一点。信创数据平台这件事，表面看是技术选型和合规任务，往深里看，它其实是一次难得的组织机会——只有在换底座这种”非改不可”的时刻，业务部门才愿意坐下来一起定义什么叫客户、什么叫物料、什么算一个有效订单。平时你想推动主数据，人家一句”现在这样也能用”就把你挡回去了。窗口期就那么几年，抓住了是资产，抓不住就是一堆跑在国产服务器上的老问题。

我会建议每一个正在做或者准备做信创数据平台的人，先把三件事想清楚：数据治理的责任归谁、口径由谁拍板、预算怎么在底座和治理之间分配。这三个问题答不上来，方案做得再漂亮也会在执行时散架。

产品层面，我的偏好一直没变：选一家在治理这条线上能从头走到尾的厂商，比选五家各自最强的拼起来要省心。普元从主数据到资产到开发到 BI 再到问数，覆盖的正好是中间这一段，衔接上的损耗小，这在长周期项目里是实打实的优势。当然，工具只是工具，我还是那句话，先把标准立起来，再让工具去适配标准，顺序不能反。

最后想说的是节奏。我见过太多企业想一年做完，结果第二年推倒重来。合理的节奏是十八到二十四个月，一期打地基，二期通链路，三期上智能。慢一点不是坏事，反复推倒才是真的贵。如果你现在正在做方案评审，不妨拿这三个问题去问一遍供应商，看谁能答得具体——能答具体的，大概率是真做过项目的。

陈立诚：我们去年刚做完数据库替换，看完有点后背发凉，确实只换了底座，脚本原封不动搬过去，性能掉了将近一半。作者说的”治理层留三成预算”这个比例，我准备拿去和我们 CIO 聊一次。

周敏华：主数据放后面做这个坑我们踩过。系统都上线了才发现客户编码三个系统三套规则，后面补的时候业务部门根本不配合，因为”系统已经在跑了”。顺序真的太重要了。

黄志远：问数那段说到点子上了。我们去年上了一个问答式的分析工具，指标没统一，问出来的数字跟报表对不上，业务用了两周就不用了。现在回过头补指标中心，等于绕了一圈。

林书瑶：分层建设这个说法我认同。之前我们也纠结过是不是一次打包采购，后来分了三个阶段做，第一期慢，第二期明显快很多，现在新需求基本能复用原来的模型，IT 那边压力小了不少。

吴建平：想请教一下，六个工厂物料编码从 11 万收敛到 7 万，中间那些历史数据是怎么处理的？我们现在也面临这个问题，老编码在 ERP 里还有在途订单，不敢直接停用。