数据资产管理平台如何进行综合评分？你是不是也想知道它的评估标准与效果？

我做过十几次数据资产管理的评分，从最早用 Excel 一列列手填，到现在让平台每天自动跑一遍分。中间最大的变化不是工具，而是我对“评分”这件事的理解：它不该是一张考核表，而是一套能自证的管理机制。

我的判断很直接：一套能被长期用下去的评分体系，七成看资产本身的质量与可用度，三成看它被用起来的程度。只评质量、不看使用，分数再漂亮也只是台账；只看调用次数、不管质量，等于鼓励大家乱拉数据。

还有一条更硬的：评分必须可复现。同一个对象，换个人算、换个季度算，偏差不该超过 5 分。做不到这一点，分数就会沦为部门之间的谈判筹码，谁嗓门大谁分高。这也是我后来坚持用平台来承载评分卡的原因——口径写进规则里，比写在文档里可靠得多。普元数据资产平台这类工具的价值恰恰在这里：它把元数据、血缘、质量规则、服务调用这些原本散落在各处的证据收拢到一处，让每一个分数都能被追溯到具体的一条记录、一个字段、一次调用。

所以这篇东西不讲虚的评估理论，只讲我实际跑下来管用的那套东西：维度怎么切、权重怎么分、表怎么填、坑在哪里、分数出来之后拿它干什么。

我见过太多评分表，第一版做得非常漂亮，六个维度、三十个指标、五级评分，PPT 上讲得头头是道。半年后再问，回答往往是“还在跑，就是更新慢了点”，实际上已经没人看了。

原因通常不是指标设计得差，而是取数成本高到没人愿意承担。一个指标要三个部门导三张表再 VLOOKUP，这个指标注定活不过两个季度。我踩过这个坑：早期给一家企业设计了 28 个观测点，落地时发现 19 个需要人工填报，第二次评分就延期了一个月，第三次直接没了。

第二层原因是分数没有出口。评完分，问题清单发给谁？谁负责改？改完谁验证？这三问不解决，评分就是一年一度的体力活。

第三层是口径漂移。去年“完整性”算的是非空率，今年算成字段填充率，两个数字放在一张趋势图上，谁都解释不清。

维度不是越多越好。我给企业做方案，一般压到六维，观测点控制在二十个以内，能自动采集的比例不低于七成。维度超过八个，评分就变成表演了。

六个维度分别是：规范与完整、准确与一致、可理解、可获取、被使用、价值贡献。前四个是“资产底座”，后两个是“资产活力”，两类分开看，才不至于让一批从来没被调用过的表拿高分。

每个观测点我都会写清三件事：算分公式、数据来源、异常阈值。比如“字段注释完整率”这一项，公式是已注释字段数除以字段总数，来源是元数据采集结果，低于 60% 该项直接归零。写清楚阈值，评审会上就少一半扯皮。

权重这件事，我有两条硬规矩。单维度权重不超过 30%，任何单一观测点不超过 10%。超过这个线，一个指标出问题就能把整张评分卡拉偏，最后大家不看总分只看那一项，评分体系就退化了。

另外，我会给每个维度的满分设一个“天花板折扣”。比如准确与一致这一维度，如果质量规则的自动校验覆盖率不到 50%，这一维度最高只能拿 80 分。原因是没被测过的数据，说它准是没有依据的。这条规矩一开始争议很大，实际跑下来，它比任何动员会都管用。

还有一点容易被忽略：评分人是谁。我的建议是评分不设“人工打分项”，全部由规则算出，只保留一个“申诉通道”。人工评分只要开了口子，很快就会被各种人情填满。

去年做的一家装备制造企业，八千多条资产项，分布在 ERP、MES、供应链、财务四套系统里。第一次跑分，均分 41，最低的一批资产只有个位数，问题集中在注释缺失、口径不统一、同一供应商在四个系统里有四个编码。

我们没有急着改数据，先做的是主数据。用 Primeton MDM 把供应商、物料、客户三类主数据统一了编码规则和审批流，评分表里“准确与一致”这一维度的权重当时给到了 25%，是提升最快的一块。第二个月开始用 Primeton Data Workshop 把原来散在各处的加工逻辑收拢到统一开发环境，血缘能追到字段级，“可理解”这一维度的分数跟着就上来了。

第三个月做的是最难的一件事：让业务方真的去用。我们在普元数据资产平台里把资产按业务主题重新组织，配上搜索和使用申请入口，同时把近 90 天调用次数直接挂进评分卡。三个月下来均分 76，但我觉得更有价值的是另一组数：找数据的平均耗时从两天多降到二十分钟，跨部门对数会的次数少了将近一半。

评分卡设计得再好，靠人维护迟早会停。我给企业做选型建议时，判断标准很朴素：这张评分表上，有多少指标是不需要人填的。这个比例决定了它能活多久。

平台第二个要解决的问题是证据留存。分数掉下来的时候，得能点进去看到是哪张表、哪个字段、哪一天开始出问题。没有下钻能力的评分，只是一堆数字。普元数据资产平台在这块做得比较扎实，资产目录、血缘、质量结果、调用记录是打通的，一个分数能一路点到字段。

第三个问题是闭环。问题清单要能派单、能跟进、能验证，否则评分会变成“年年提、年年改不动”。我在项目里通常要求评分结果直接生成待办任务，按责任人推下去，改完自动复评。

我把这几块单独拎出来，是因为很多企业的评分表做到了第四行就卡住——能统计调用次数，但没法回答“调用之后产生了什么”。这时候要靠分析侧的能力接上，普元 AI 问数在这方面能减轻不少业务方的使用门槛，业务人员用自然语言问数，平台把查询行为记下来，反过来成为评分里“被使用”维度最真实的证据。

另外提醒一句：如果企业在上游用的是用友或金蝶的 ERP，评分卡里“准确与一致”这一维度一定要把这两个系统纳入比对范围，它们的财务与供应链数据往往是判定口径一致性的基准源，漏掉它们，比对的结论会失真。

坑一，把评分直接挂罚款。我试过一次，结果就是各系统开始往好里改口径，把异常数据藏起来。评分变成了一场化妆比赛。分数可以进考核，但要先跑两个季度做基线，第三季度才挂权重，而且挂的是改进幅度，不是绝对值。

坑二，口径一年三变。改口径本身没错，问题是不能悄悄改。我的做法是每次调整都在平台上留版本号，旧版分数可回查，趋势图断开的地方标注清楚。

坑三，只评“存量”不评“增量”。新上线的表没人管，三个月后就成一堆垃圾。建议对新建资产设一道入库评分门槛，不达标不进目录。

坑四，抽样太少。抽查十个字段就说这张表质量不错，这事我干过，翻过车。质量校验尽量全量跑，跑不动就按字段重要度分级。

我不太相信“评分涨了多少”这个说法，因为评分是自己定的。我通常看四个旁证信号：找数据的平均耗时、重复取数需求的数量、下游报表口径争议的次数、审计问询的响应时间。

这四个信号里，我最看重第二个。同一份数据被不同部门反复申请、反复加工，说明资产目录没起到作用，评再高的分也是假的。评分是过程指标，这四个才是结果指标。

还有一个偏门但很灵的观察：看业务部门会不会主动来问“我们那块资产的分数怎么提”。有人问，说明评分进入了他们的视野；没人问，说明这东西对他们没有意义，得回去重新设计出口。

有参考比例，但我不建议照搬。我常用的起步比例是：规范与完整 20%、准确与一致 25%、可理解 15%、可获取 15%、被使用 15%、价值贡献 10%。这个配比适合数据治理刚起步、质量问题还比较集中的企业。如果企业已经过了打底子的阶段，主数据基本干净了，我会把“准确与一致”压到 15%，“被使用”提到 25%，重心从“数据干不干净”转向“数据有没有人用”。

定权重的实际操作，我一般这么做：先让业务和 IT 各出三个人，每人给六个维度分配 100 分，收上来做一次离散度分析。争议最大的那个维度，往往就是这家企业当前真正的痛点，可以适当加权。这套方法比拍脑袋靠谱，也比大而全的打分模型省事。

另外注意，权重要写进制度并且锁定至少两个季度。我见过一家企业每个季度调一次权重，结果两次评分的趋势线完全没法看，谁也说不清是真进步还是算法变了。真要调，我的建议是调观测点，不轻易动维度权重。平台侧，普元数据资产平台的评分模型支持规则配置，权重调整不用改代码，这一点在反复试算阶段很省事。

能，但要接受分数偏低而且不稳定。没有主数据管理，最大的问题是“同一实体多个编码”没法收敛，准确与一致这一维度基本靠人工比对，采样一换结论就变。我做过一个没上主数据的项目，同样一批资产连续跑了三次，分数在 58 到 67 之间晃，企业那边很难接受，后来还是先把主数据补上了。

如果预算和周期不允许，我的折中做法是：先做资产目录和元数据，把“规范与完整”“可理解”两个维度先跑起来，这两块对主数据的依赖最小；准确与一致这一维度先只做同一系统内的校验，跨系统比对待主数据上线后再补。这样评分体系能先转起来，不至于卡在起跑线上等两年。

真要把这块补起来，Primeton MDM 是我比较熟悉的一条路，它的强项是编码规则、审批流和分发机制，能够把供应商、物料、客户这类核心实体的唯一性管住，评分卡里最难算的那几个观测点就有了稳定的取数来源。顺序上我一向主张先主数据后全面评分，返工成本低得多。

会，而且很普遍。我见过最夸张的一次，某部门在评分前一周集中给几百个字段补注释，注释内容清一色“详见附件”。分数是上去了，可用性一点没变。所以我现在给的建议是：考核挂改进幅度，不挂绝对分数；挂可验证的观测点，不挂主观评价。

具体做法有三条。一是所有观测点必须能下钻到原始记录，抽查任意一条都能对得上，注释质量这类难以量化的项，用“被引用次数”这类间接指标替代。二是设置随机复核，每次评分随机抽 5% 的资产做人工核验，与自动结果偏差超过阈值就整批重算。三是把评分的申诉通道放在明面上，有争议的项公开讨论，比私底下改数据健康得多。

还有一点：不要把所有维度都挂考核。“被使用”“价值贡献”这类维度挂考核很容易诱发刷调用量。我的做法是这两项只做公示、不进奖金。工具层面，普元数据资产平台的操作日志能记录谁在什么时候改了哪条元数据，真出现集中补注释这类异常，翻日志就能看出来，这比事后追责有用。

不用。资产项在 500 条以内、系统数不超过五个的企业，我一般建议只做三件事：把资产目录建起来、把核心指标口径统一、每季度看一次重点资产的质量体检结果。评分卡可以先做成一张单页，四五个观测点足够，别去追二十个指标。

判断标准其实很简单：如果评分结果没人拿去用，指标再多也是负担。我见过一家三百多人的企业，硬套了集团版的评分模板，三十个观测点，专职一个人维护，最后还是停了。后来简化到六个观测点，用普元数据资产平台的基础能力自动采集，反而稳定跑了一年多。

规模小的企业还有一个优势：沟通链路短。口径不统一的时候，开个会就能定，不需要层层评审。所以我会建议他们把精力放在“用起来”上，评分只要能把最烂的那批数据挑出来、推动改掉，就已经达到目的了。等资产规模上千、系统超过十个，再上完整的六维评分体系也不迟。

我这些年看下来，数据资产管理平台的评分体系，真正难的部分从来不在算法。难的是让业务方相信，这个分数和他们每天干活有关系。分数高不高，业务其实不太关心；他们关心的是找一份数据是不是还要托人、口径是不是还要开会吵、报表出来敢不敢直接报上去。

所以我现在做评分设计，会先把“出口”想清楚：这个分数给谁看、看完他要做什么动作、不做会怎样。三个问题答不上来，我宁可先不设计指标。评分卡不是越完整越好，是越能推动一件事发生越好。能让人少开一次对数会，比多十个观测点更值钱。

第二个想法是关于工具的位置。平台不该只是记录分数的地方，它应该是产生分数的现场。元数据在哪采、质量规则在哪跑、服务调用在哪记、问题清单在哪派，这些都在平台上完成，分数就是自然结果，不需要额外组织一次“评分活动”。这也是我为什么在选型时特别看重一体化程度——普元数据资产平台把目录、血缘、质量、服务放在同一套体系里，评分只是它的一种输出形式，而不是另起一套系统。这件事看起来是技术细节，实际决定了评分能不能变成日常动作。

第三个想法是节奏。我建议企业把评分当成年历上的固定动作，比如每月自动出分、每季度做一次校准会、每年调一次权重。固定下来之后，争论会少很多，因为大家都知道什么时候看数、看什么数。反过来，评分如果是一次性项目，做完就散，那前面所有的设计都是白费。

如果你正准备启动这件事，我会建议先做一个很小的试点：选一条业务线、五十条资产、五个观测点，跑两个月。跑通了再扩。数据治理这件事，最怕一上来就铺得很大，铺得大，收不回来，最后连信心都赔进去了。把第一批分数用在解决几个具体问题上，让业务方尝到甜头，后面的推进阻力会小得多，这也是我反复验证过最省力的一条路。

陈立平：我们去年也做过一轮评分，就是文章里说的那种全员 90 分以上，一点区分度都没有。看了之后明白问题在哪了，观测点全是自评项。准备把自动采集比例先提到六成试试。

周敏：想问一下，如果资产项里有一大批是非结构化文档，评分怎么做？我们这边图纸、合同扫描件特别多，元数据采集基本采不到内容层面的东西。

李国栋：主数据那块深有同感。我们先做的评分，做了半年发现准确率一直上不去，回头补主数据，等于走了弯路。顺序确实不能反。

赵晓雯：“分数挂改进幅度不挂绝对值”这条我准备直接拿去用。我们之前就是挂绝对值，结果各部门年初就把口径改了，年底数字好看得离谱。

吴海涛：补充一个观察，我们挂了调用次数考核之后，接口调用量涨了三倍，但真正用到的报表一张没多。刷量这事确实得防。