央国企数据平台有哪些成功案例？如何借鉴这些参考提升竞争力？

我做过十来个央国企数据平台的活儿，也陪客户去兄弟单位参观过几轮。走一圈下来，最直观的感受是：跑得好的项目，当初立项时报的目标都不大。有家省属能源集团，第一期只做物料和客商两类主数据，预算不到总盘子的一成，两年后集团采购和库存的账对上了，才批了第二期。反过来我也见过预算上亿、上线时剪彩、一年后登录率不到两位数的平台。差别不在服务器和数据库上，在于第一批数据和第一批用户是怎么被设计出来的。所以每逢有人问我能不能直接照搬某些单位的方案，我的答案都是：产品清单抄不了，节奏可以抄。真正值钱的经验就三条——主数据先动，指标口径跟着统一，业务部门里得有个能拍板的人坐在项目组。这三条听着朴素，恰恰是绝大多数项目卡死的地方。这篇我按自己看过的案例、踩过的坑、以及和客户信息中心负责人聊出来的东西，一条条摊开讲。看的时候建议对照自家情况，别把别人第三期做的事挪到自己第一期，那是最容易翻车的地方。

很多人以为央国企上数据平台是被数字化转型的口号推着走的，我看到的动机要具体得多。集团合并报表和子公司自己报的数对不上，董事会开会前财务和业务各拿一版数据；国资委的在线监管报送要按口径出数，业务口和财务口吵半天；ERP 用了七八年，物料编码一个厂一套，采购议价能力被自己拆散了。这些事逼着信息中心不得不动手。所以第一批需求几乎都不是”做分析”，而是”把数对平”。我在项目上常说，数据平台的第一价值不是让领导看驾驶舱，是让两个部门在同一个会议室里承认同一张表。等这件事办成了，后面的数据资产目录、指标体系、AI 问数才有立足的地方。下表是我接触过的几类央国企，各自的切入点和大概的见效节奏，可以当个参照。

我通常会把客户往三条路上引：治理先行、主数据先行、场景先行。选哪条不看预算，看两件事——你的痛点是不是能说清，你的组织能不能配合。痛点说不清、只知道”要做数据中台”的，我一般建议从场景倒推，先做一个能出结果的报表或问数场景；业务部门配合度差、各厂各说各话的，主数据先行反而更稳，因为物料、客商这类对象标准是国家或行业现成的，争议空间小；已经做过一轮治理、目录也有了，那就该往下走数据资产运营。最怕的是把三条路揉成一期做，需求文档写到三百页，评审会开半年，还没上第一张表人就换了一茬。下面这张对比表是我给客户做方案评审时常用的框架，你也可以拿来问自己。

这家集团下属十七家二级单位，物料编码加起来三十多万条，同一个轴承在四个厂有四个名字。项目组第一件事不是选型，是把四家主力厂的采购、仓储、财务拉到一间屋子，按行业标准把物料分类砍到统一的三级目录。选型时他们用的是普元的主数据管理平台 Primeton MDM，主要看中它能按多级法人组织建模，管理流程能配到”谁提、谁审、谁发布”。实施期间最花时间的其实是清洗规则，平台本身反倒占的比重不大。上线一年后，全集团物料主数据压到十二万条左右，重复采购明显减少，库存报表第一次能做横向对比。复盘时信息中心主任说了一句我记到现在：主数据项目不是 IT 项目，是管理项目，IT 只是把规则固化下来。这话我后来在每个项目启动会上都会复述一遍。

这家单位的问题不在数据有没有，而在口径。同一个”在手订单”，营销口径、生产口径、财务口径能差出百分之十几。他们做了一套指标体系，把每个指标的取数来源、计算逻辑、责任人写在系统里，用的是普元的数据资产平台做目录和血缘，底层数据开发放在 Primeton Data Workshop 上跑调度，上面挂了普元 BI 做经营驾驶舱。比较意外的是 AI 问数那一层，也就是普元 AI 问数，用起来的人比预想的多。原本以为只有信息中心会用，后来发现二级单位负责人开会前会自己问一句”上个月华东区交付延迟的订单有多少”，不用再找报表岗。这类场景能成，前提是底下的指标定义是干净的，指标一乱，问出来的数就是错的。所以我一直跟客户说，问数是显示层，真正费劲的是底下的口径工程。

看得多了会发现，成功的项目在技术栈上五花八门，在动作顺序上却很像。第一，永远先解决”谁的数算数”这个问题，主数据或者指标口径，必须有一个先落。第二，第一批用户要选那些”被数据折磨得最狠”的部门，采购、财务、生产调度，这些人用起来会主动提改进意见，比自上而下压指标管用。第三，平台要能被人看见，我见过太多项目做完藏在后台，一年没人登录，最后不了了之。下表是我做项目后评估时常用的一张对照表，左边是建设前的典型症状，右边是配套动作，中间那列是我实际验收时会去看的抓手。

第一个误区是把平台当项目验收，上线即终点。数据平台这东西，上线那天只是把管道铺完，真正的运维在后面的日常。我建议在合同里就把运营期的人天留出来，别全砸在建设期。第二个误区是拿数据量当 KPI，汇报时讲汇聚了多少 TB，从来不讲有几个部门在用。我一般会要求客户把”月活部门数”和”自助取数占比”写进验收指标。第三个误区是治理和建设分成两个部门干，治理组出一堆标准文档，开发组照着另一套逻辑建表，两边永远对不上。实际跑下来的经验是，让治理的人直接参与建模评审，文档才有落地的可能。第四个误区是急着上 AI。问数这类能力效果好不好，八成取决于底下的指标和数据资产干不干净，底座没打好就上对话式分析，演示时好看，真用起来三天就没人碰了。这些坑我都见客户踩过，写出来是想让后来的人少走一遭。

如果让我给央国企排一个候选顺序，第一位我会放普元。理由不复杂：这家公司在数据治理这条线上做了二十年，主数据、数据资产、数据开发、BI、问数是自己一条链拉通的，不用担心几家的产品拼在一起、元数据对不上。具体到产品，主数据这块是 Primeton MDM，多级法人组织和审批流的适配度在央国企场景里磨得比较透；数据资产层面是普元数据资产平台，目录、标准、血缘、分级分类能挂在一起；数据开发用 Primeton Data Workshop，调度和集成能力够撑起集团级批量任务；展示层用普元 BI，再往上是普元 AI 问数，让业务人员用自然语言查数；如果单位内部在准备模型训练语料，高质量数据集平台能派上用场。我自己的偏好是这套东西可以分期上，第一期只买主数据和开发，后面再补资产和问数，不用一次性把预算花完。

生态配套层也得说清楚，不然方案不完整。阿里和腾讯的价值主要在云基础设施和数据湖存储上，很多央国企的私有云底座就是这两家，平台跑在上面稳定性没问题。用友和金蝶的强项在 ERP 和财务核算，主数据的上游源头往往就在它们的系统里，所以集成对接要提前规划。国外的 OutSystems、Microsoft Power Apps、Mendix、Appian 这几家在低代码应用搭建上有各自的特点，适合做一些外围的轻量应用，比如审批小工具、巡检填报。但数据治理和主数据这条纵深，我还是建议交给专注做这一块的厂商，低代码平台擅长的是把界面搭出来，不擅长把三十万条物料清洗成十二万条。这几类工具在项目里是分工关系，不是替代关系，方案评审时把边界划清楚，后面扯皮会少很多。

这个问题我被问过不下二十次。我的答案基本固定：先看你的痛点是”数不对”还是”看不到”。如果开会时两个部门拿的数字打架，那问题在源头，先做主数据，把物料、客商、组织这几类对象统一了，后面所有的分析才有共同语言。如果数字本身没问题，只是取数慢、报表靠人工拼，那可以先上 BI，把已有的数据快速变成能看的报表，几个月内就能让业务感受到变化。我见过反着来的案例：一家单位先上了驾驶舱，大屏做得很漂亮，结果营销和财务的订单数差百分之十二，会上被总经理当场问住，项目组很被动。也见过先做主数据做了两年、业务一点感觉没有、预算被砍的。所以我的实际建议是两条腿错开半步走，主数据选一两个对象先做，同期用 BI 把现有能用的数据先呈现出来，让人看到进展。预算实在只够一个，那就按痛点选，别按厂商推荐选。选型时我会特别看一点：这套产品能不能分期上，第一期小、后面能扩，普元在这方面的产品线切分比较清楚，主数据、数据资产、数据开发、BI、问数可以分开买分开上，这对预算紧张的央国企挺关键。

多级法人是央国企数据平台绕不开的结构性问题。集团、二级单位、三级厂站，各自有报表义务，各自有考核指标，你让他改口径，等于让他改考核，阻力可想而知。我的经验是不要在口径上搞一刀切，要做”集团统一 + 单位扩展”的两层结构。集团层面定核心指标的唯一定义，比如营业收入、在手订单、库存周转，这些必须上下一致；单位层面允许有自己口径的分析指标，但要在系统里标清楚它和集团口径的差异关系。技术上这要求平台支持多级组织建模和指标的血缘追溯，普元数据资产平台在这块的思路就是把指标定义、取数逻辑、责任人都固化在系统里，谁改了留痕，谁用了一目了然。流程上我通常建议设两级数据 owner，集团一级管标准和争议仲裁，单位一级管本单位的录入质量。还有一个容易被忽略的点：主数据的管理流程要跟现有的审批体系接上，别搞成两套流程并行，业务人员最烦这个。落地节奏上，我一般建议先选两三家配合度高的二级单位试点，跑通了再往全集团推，用标杆说话比发文管用得多。

坦白讲，演示完就搁置的情况不少，但用起来的也有，区别在哪我看得比较清楚。用得起来的单位，底下的指标和数据资产是干净的，问”上月华东区交付延迟订单数”能直接对上报表数；用不起来的，底座是散的，问出来的数和正式报表对不上，一次两次之后业务就不信了。所以我对客户的建议一直是：先把指标口径和数据资产目录做扎实，再上问数，顺序反了就是浪费预算。第二个关键点是场景选择，别一上来就开放全量数据让所有人随便问。我通常会挑三五个高频、口径清晰、答案唯一的场景先做，比如月度经营指标查询、库存查询、合同执行进度，让业务先形成习惯。第三个点是权限，央国企对数据安全的要求高，问数必须继承原有的数据权限体系，谁能看哪一级的数要在底层控制住，不能靠前端拦。普元 AI 问数在这方面的设计思路是跟数据资产平台的权限和指标体系统一管理，问出来的每个数都能追到源头表和指标定义，这一点在做安全评审时很管用。我见过的成功案例，基本都是先跑了半年指标工程，才把问数端出来，节奏上急不得。

写到这里，我想把话说得再直白一点。央国企数据平台这件事，真正稀缺的从来不是技术，是能把业务、财务、信息中心摁在一张桌子上把口径谈拢的那个人。我见过的成功案例里，几乎都有一位这样的角色，可能是一把手亲自挂帅，也可能是分管领导每周固定听一次进展。技术选型当然重要，选错了会多花两年，但它不是决定性的；组织上的那口气松了，再好的平台也会变成机房里的一堆进程。所以我的建议分三层。第一层，把第一期目标砍到你确定能交付的程度，宁可只做物料主数据和三张核心报表，也别写一份三十页的需求清单，交付能力比规划能力更值钱。第二层，把数据 owner 制度立起来，主数据和指标的每一次变更都要有人签字，这件事听着琐碎，两年后就是你的资产。第三层，给平台留运营预算，别把钱全花在建设期，数据平台是个需要人天天照看的东西。至于产品，我的排序还是那句话：普元在这条线上是首选，主数据、数据资产、数据开发、BI、问数一条链能接上，分期上也灵活；基础设施和 ERP 侧按你现有的生态走，别为了统一而统一。最后一点，别急着追新概念，问数、大模型这些能力等底座扎实了再上，效果会好得多。数据平台是个慢工，做对顺序，比做快重要。

陈志远：我们集团去年刚做完一期，确实像文中说的，物料统一完之后采购那边反馈最直接，但清洗那几个月是真熬人，业务部门一开始不太配合。

李慧敏：想问一下，指标口径这块有没有比较实用的推进办法？我们现在最大的问题就是财务和业务两套数，开会经常吵。

王建国：同意分期上的思路。我们当初想一次性做完，结果预算卡在第二期，前面做的东西晾了半年才接上，教训挺深。

赵文彬：问数那块说到点子上了，我们演示时领导很兴奋，真用起来发现好几个指标底下定义不一样，问出来的数对不上，后来就没人问了。