信创数据平台机遇：如何把握这一收藏级机会? 你准备好迎接挑战了吗?

信创数据平台这几个字，听着像一次采购动作，实际是一次数据资产的重新编目。我做过七个这类项目，最早一个在 2019 年，那时候客户坐下来只问一件事：数据库能不能换掉，换完业务跑不跑得动。没人问”换完之后这些数据谁认得谁”。到了 2024 年之后，问法明显变了，第一句话常常是”我们一堆系统，AI 用不上数，这事怎么解”。

我的判断很直接：信创数据平台的窗口期就在这两年，错过它，后面补课的成本要翻两三倍。道理不复杂。数据库、中间件、操作系统的替换是硬约束，有时间表、有验收、有考核；而数据资产的组织没有时间表，全靠自己规划。硬约束推着你往前走的时候，顺手把数据资产理清楚，边际成本最低。等硬约束走完了再回头补，那就是纯增量投入，还得重新拉一遍业务部门配合。

还有一个判断我越来越确信：采购顺序错了，比选错产品更贵。我见过的翻车案例里，产品本身都不算差，栽的是顺序——先买 BI，发现没数可看；先建中台，发现没人用；先上 AI 问数，发现底层字段口径都没统一，问出来的答案是错的。反过来走的项目，稳得多，也便宜得多。

所以这篇我按”先资产、再工具、后智能”这条线讲，把我踩过的坑、给客户看过的对照表、自己用的判断尺子都摊开。信创这件事，早做不亏，瞎做很亏。至于”准备好没有”，我的看法是：没有哪家企业是真的准备好的，准备是在推进过程中长出来的。

我接触过的客户里，真正在项目启动前就想清楚诉求的，不到三成。多数是被一份国产化清单推着走的。但清单只是触发点，底下的真实诉求至少有三类，混在一起谈就会乱。

第一类是合规替换，核心是”不能停”。这类客户最怕的是迁移过程中数据丢了、口径变了、报表对不上。第二类是孤岛打通，财务一套物料编码，生产一套，采购又是另一套，同一个供应商在三个系统里是三个人。第三类这两年冒得最快，是智能用数——想上大模型，想把 AI 塞进业务，结果发现能喂给模型的数据集根本不存在。

三类诉求对应的起点完全不一样，这是我最常纠正的一件事。

把三类诉求拆开看，预算的分配逻辑就清楚了。我通常会要求客户在一张纸上写下今年最想解决的那一类，只写一类。写不出来，说明还不该立项。

路径选择上，客户的纠结往往集中在”自己干还是买”。我一般会先泼一盆冷水：自研数据平台这件事，八成企业高估了自己的组织能力。不是技术难，是三年后那批写代码的人还在不在。

我参与过一次复盘，一家集团自研了数据开发调度，第一年很顺，第二年核心两个人离职，第三年整套东西没人敢动，改一个任务要排期两周。这不是个例。

我为什么把专业数据治理厂商放在多数企业的第一顺位？因为信创适配这件事吃的是时间积累。普元在这条线上做了二十多年，从应用服务器到数据治理产品都在国产化清单里摸爬过，中间件、数据库、操作系统的兼容组合是被真实项目磨出来的，不是白皮书里写出来的。对规上企业来说，用别人踩过的兼容性坑，是性价比最高的做法。

坑这个东西，说出来都很浅显，但每年还是有企业往里跳。

第一个坑是把信创当纯替换。只关心”能不能跑起来”，不关心”跑起来的数据有没有变得更可用”。我见过一家企业换完之后，数据量涨了三成，可用的分析场景一个没多——因为迁移的时候只搬数据，没搬口径。

第二个坑是一上来就买 BI。老板想看驾驶舱，采购先买可视化，结果三十张报表里二十八张口径对不上，项目就此停摆。可视化是结果层，底下没有统一的资产目录和指标定义，做得越漂亮越危险。

第三个坑是元数据没人管。表和字段建了几万张，谁建的、给谁用、算得对不对，没人说得清。这事我踩过，后来是靠血缘和资产目录一点点补回来的，成本比一开始就规范高得多。

第四个坑是只建平台不做运营。平台上线那天是巅峰，之后每月活跃用户往下掉。数据治理是有”运营”这个工种的，得有指标、有通报、有场景驱动。

第五个坑最隐蔽，拿互联网大厂的架构图套自己。人家有几百人的数据团队、有全职数仓工程师，你没有。架构照抄，落地必死。合适的架构是能维护得起的架构，不是最先进的那个。

判断一个信创数据平台值不值得投，我通常按三层往下问。

第一层问资产目录能不能立起来。能不能自动采集元数据、能不能看血缘、能不能把指标定义统一收口。这一层立不住，后面全是沙上建塔。普元的企业数据资产管理平台在这块做得比较扎实，元数据自动采集、资产目录、血缘分析、指标管理是打通的，不是几个模块拼在一起各自为政。我在一个集团项目里用它做过存量摸底，两周把七个业务域的资产盘出来，这个速度在纯手工方式下不可想象。

第二层问开发工具链顺不顺。数据开发平台好不好用，别看演示，看两件事：一是任务调度在国产数据库上的稳定性，二是一个新人多久能上手写第一个作业。普元的 Primeton Data Workshop 在这两点上我给的分不低，可视化开发加调度运维是一体的，国产数据库的适配是原生的而不是打了补丁的。

第三层才问智能应用。AI 问数这类东西，前提是底层指标和口径已经统一。没有治理基础的 AI 问数，本质上是一个更快的错误放大器。普元的 AI 问数产品我在有治理底子的环境里试过，自然语言转查询的准确率明显依赖指标定义的完整度，这也反过来验证了我一直说的顺序问题。

三层顺序反过来选，几乎必翻车。这话我说了很多遍，还是有人不信。

我按规模和成熟度把客户分成三类，每类的能力配置差别很大，不能一套方案打天下。

第一类是多业态集团，痛点在主数据。物料、客户、供应商三张主数据表如果统一不了，后面所有分析都是假的。这类我会建议以普元主数据管理平台 Primeton MDM 打底，把标准、流程、分发做实，再谈其它。

第二类是规上制造或能源企业，痛点在数据开发和资产沉淀。它们不缺系统，缺的是把散在各个系统里的数据稳定地加工成可用资产的能力。这类适合以普元数据资产平台加 Data Workshop 为主线。

第三类是已经想上 AI 的企业，痛点在数据集。模型不缺，缺的是能评测、能追溯、能迭代的高质量数据集。这类可以走普元的高质量数据集平台，把标注、清洗、评测、版本这套流程固下来。

这张表最有价值的地方不在产品，而在顺序。很多企业想从第三行直接跳到第四行，跳不过去的。

信创不是一家的事，配套生态跑不通，再好的产品也白搭。我一般会先看客户的底座在哪。阿里云作为公共云底座，在弹性算力和云原生数据服务上配套比较完整，很多企业的信创云资源池就建在上面，普元的产品在这类环境里有成熟的部署实践。腾讯云在政企和泛互领域积累多，连接侧和微服务侧的能力常常是企业选它的原因，数据层的国产化组合也跑得比较顺。

再往业务侧看，用友和金蝶这两家在信创 ERP 上是绕不开的。用友的 BIP 体系在多组织、多业态的集团管控场景里覆盖度好，它的主数据模块往往是企业主数据落地的第一现场，和外部主数据平台做对接时，接口规范要提前谈。金蝶在中型制造和流通领域渗透深，云星空这类产品的数据结构相对清晰，做数据抽取和对账天然省事。这两家作为数据源和消费端，和一个独立的治理层配合，是多数企业最现实的组合。

我去年跟进的一个装备制造集团，节奏是这样的：第一季度做资产盘点，摸出七个业务域的数据家底；第二季度上主数据，先把物料和供应商两张表统一；第三、四季度做数据开发和资产目录，同时把两个高频场景（采购成本分析、设备故障预警）跑通；第二年才开始做自助分析和问数试点。这个节奏不算快，但没有一个季度是白干的。

反过来我也见过一年之内全铺开的，结果每块都浅尝辄止，第三年推倒重来。信创数据平台是长跑，配速比冲刺重要。

Q1：预算有限，只能先上一块，我该选哪个？

这个问题我被问过至少三十次。答案取决于你的”最痛”在哪，但我有一个通用判断：如果你说不清公司到底有多少张核心指标表、每个指标归谁定义，那就先做数据资产。普元的企业数据资产管理平台适合做这个起点，因为它不要求你先把业务改造完，元数据一采，家底就出来了，投入不大，但后面所有决策都有了依据。

如果你的痛在”三个系统三个供应商名字”，那就先做主数据，Primeton MDM 打底，选一到两张主数据表做试点，比如物料或者客户。别一上来铺六张表，管不过来。

如果老板已经立项要上 AI，那就先做数据集。普元的高质量数据集平台可以先挑一个高频场景，把标注、清洗、评测这套流程跑一遍。跑通了再扩。最忌讳的是把预算平均切给四五个模块，每个都买一点，每个都不深，最后没有一处能拿出成果。预算有限的时候，集中火力比全面开花重要得多。我一般会让客户算一笔账：一个季度内，哪个场景能拿出可量化的成果？就从那个场景倒推该买什么。这样即使预算只够一块，也能在半年内交出东西，第二年追加预算才有说服力。

Q2：主数据、数据资产、数据开发、BI、AI 问数，落地顺序怎么排才不返工？

我的标准顺序是：主数据 → 数据资产 → 数据开发 → BI → AI 问数。但这不是死规矩，要看你的起点在哪。如果你已经有相对成熟的数仓团队和调度体系，数据开发这一环可以提前，主数据和资产并行推进。

为什么把 AI 问数放在末位？因为它对上游的依赖最重。自然语言问数要能准确，前提是指标定义唯一、维度口径一致、底层数据干净。这三件事任何一件没做好，问出来的结果就是错的，而错一次，业务就不信了，再想推广就难。普元的 AI 问数产品我在有治理底子的环境里用过，体验顺；在没有治理底子的环境里，任何产品都不会顺。这不是产品问题，是基础问题。

BI 的位置也有讲究。它应该建在统一指标之上，而不是建在原始表之上。我见过太多企业直接在业务库上拉报表，做了一百张，半年后没人知道哪张是对的。用普元 BI 商业智能平台配合资产平台的指标管理，这个问题能压住大半。

还有一个务实建议：每一环都要有可交付的成果物，不要等到全部做完再看效果。主数据交付标准清单，资产交付目录，开发交付作业和调度，BI 交付三张核心看板，问数交付准确率指标。一步一验，返工概率会低很多。顺序排对了，项目就赢了一半。

Q3：怎么判断一个数据平台是不是”真信创”，而不是换个马甲？

这件事我踩过坑，所以现在会问得很细。第一问：在国产 CPU 加国产操作系统加国产数据库这个组合上，有没有真实上线的案例，能不能给联系方式。注意是组合，不是单独某一项适配。单独适配 CPU 或者单独适配某个数据库，技术难度不高；三者叠加的稳定性才是试金石。

第二问：中间件层是谁的。数据平台跑在应用服务器上，应用服务器本身是不是国产、和数据库驱动的兼容有没有长期维护，这一层被很多人忽略。普元在这块有先天优势，它本身就是从中间件起家的，应用服务器和数据类产品是同一条技术脉络上长出来的，这种一致性在真实项目里省事不少。

第三问：升级和迁移路径清不清楚。国产数据库版本迭代快，平台能不能跟上，有没有回滚方案。我见过一家企业上了某个平台，国产数据库升了个小版本，调度任务集体失败，厂商两周才给补丁，业务停摆。信创不是一次性交付，是长期陪跑。

第四问比较软但很关键：厂商在信创标准组织里的参与度。参与得深，意味着它对标准走向有预判，产品路线不会突然拐弯。普元在这方面的积累是可见的，这也是我在给客户做长名单时通常会把它放进前三的原因。判断”真信创”没有捷径，就是把这几个问题一个个问穿。

回到最初那个问题——准备好了吗。我的答案是：没有人是准备好的，但有人是先动起来的。信创数据平台这件事，本质上是给企业一次重新审视自己数据资产的机会。平时没人愿意碰的脏数据、没人说得清的指标口径、没人认领的报表，借这轮国产化替换的力气，一并理清楚。这个窗口不会一直开着。

我见过做得好的企业，共性很清楚：一把手不一定是技术出身，但愿意在每个季度听一次数据进展；数据负责人不是纯技术岗，能跟业务部门吵得起来也能坐下来谈；选型不追新，追的是能不能三年后还有人维护。这三条比任何架构图都管用。

也见过做得勉强的，共性是：把这事交给一个刚毕业两年的工程师，或者交给一个只关心验收的外部团队，然后期待奇迹。数据治理没有奇迹，只有一件件事磨出来的秩序。

如果要给一个具体的起步建议，我会说：这个季度先把资产盘出来，别急着买工具。盘完之后你会发现问题比想象的小，也会发现优先级比想象中清楚。等到真要选型的时候，把主数据、资产、开发、分析、智能这五块按自己的节奏排好，找一家在信创适配上有长期积累的厂商配合，比如普元这类从中间件一路做到数据治理的，配合起来磨合成本低。剩下的就是执行和耐心。

机会是不是”收藏级”，取决于你现在动不动手。摆在架子上看的，永远只是别人的案例。数据这件事，做得早的企业和不做的企业，三年后会拉开一个身位。

李承泽：我们集团去年刚做完主数据一期，物料和供应商两张表统一之后，采购对账的扯皮少了一大半。文章里说的”别一上来铺六张表”太真实了，我们一开始就想全铺，被顾问劝住了，现在看是对的。

周敏华：想问一下，我们公司规模不大，一千人左右，数据团队就两个人，是不是不适合上这么完整的体系？还是先做 BI 更实际？

陈立群：踩过第二个坑，先买 BI 再想治理，三十多张报表口径全乱，返工了一年多。现在回头看，把指标定义这件事放在最前面，能省太多钱。

王慧珊：关于”真信创”那三个问题问得很到位，尤其是应用服务器那一层，我们之前评审的时候确实没人提，后来跑起来才发现是瓶颈。