军工信创数据深度解读：它究竟如何影响未来行业发展？你准备好迎接变革了吗？

我在军工院所和配套单位参与过几轮数据治理的落地评审，最直观的感受是：很多人把信创当成一次”软件替换工程”——数据库、操作系统、中间件换完，验收单签完，事情就翻篇了。真正的麻烦往往从签字那天才开始。系统是国产的了，可同一颗螺钉在五个院所有五个编码，同一个试验数据在三个系统里三个口径，型号总师想调一份跨阶段的完整数据链，还得靠人打电话要 Excel。

军工信创数据的本质，是借国产化替换这个窗口期，把过去按型号、按院所、按项目散落的数据，重新组织成可复用、可追溯、可交付的资产。它衡量的不是替换率，而是数据的可用率。我判断一个单位这件事做没做成，只看三件事：主数据有没有唯一入口，资产目录能不能被人搜到，数据质量规则是不是嵌在流程里而不是挂在墙上。这三件做不到，替换率再高也只是把老问题搬到了新机器上。

还有一层判断我想说清楚：信创替换是少见的”可以重来一次”的机会。老系统里的历史包袱、重复建设、口径混乱，平时没人敢动，因为牵扯业务连续性；而替换本身就是一次停机切换，这时候顺手把标准、编码、主数据范围理清楚，成本比平时低得多。错过了这个窗口，下一次想动就得再等一个建设周期。

这几年军工数据环境至少变了四件事。装备研制从单院所自研走向跨集团、跨地域协同，供应链拉得很长；软件定义装备让试验、仿真、运维产生的数据量级翻了几番；保密与分域管控把数据流动路径卡得很死，很多互联网上顺手能用的方案在这里根本不成立；信创名录又把技术栈限定在国产体系内，选型空间一下收窄。

四条叠加的结果是：过去那种”各院所自建一套、跨单位靠文件摆渡”的做法，成本越来越高，也越来越不可审计。选型的评价标准已经从”功能齐不齐”变成”数据能不能被信任地调用”。我在评审会上最常问的一句话是：这条数据是谁的、谁改过、改之前是什么样、下游谁在用。答不上来的系统，功能再多我也不会给高分。

这张表我经常直接摊在会议室桌上，让业务部门自己对照打分。打分低于六十分的项目，我一般建议先别急着招标，先把主数据范围定下来。

第一个卡点是型号数据割裂。同一个轴承，设计所一个编码、工艺部门一个编码、外协厂自己还有一套。型号归零的时候，谁都说不清这颗轴承全生命周期换过几个供应商。这事我踩过坑——早年做的一个项目，光物料清洗就耗了四个月。

第二个卡点是标准悬空。标准文档写得漂亮，评审也过了，但没嵌进任何流程，没人执行。数据填报界面还是老样子，标准就成了一份装订好的文件。我通常会要求：标准必须变成系统里的校验规则和审批卡点，否则一律不算落地。

第三个卡点是验证缺位。数据质量没有度量，验收时看几张漂亮报表就通过了。实际跑下来，报表背后的口径可能一个月改三版。没有度量就没有改进，这是我最坚持的一点。

误区一，把信创当纯采购。立项书写的是”替换二十套系统”，没提一句数据。买回来的东西能跑，但跑出来的数还是各说各话。误区二，以为数据治理是买个平台就能解决。平台是工具，标准和组织才是内核，没有数据责任人的项目我基本不看好。

误区三，先做大屏后做标准。大屏很出彩，可一旦被追问”这个数字怎么算的”，现场就安静了。我见过一个驾驶舱，交付当天就被总师问倒了，因为同一指标两个厂家给的数差 8%。

误区四，把智能问数当演示玩具。自然语言查数能不能用，取决于底下的指标口径和权限体系，不取决于模型多聪明。底下烂，问出来的答案只是”更自信的错”。

误区五，指望一次性交钥匙。数据治理没有终点，它是跟着型号走的长期工程。我建议按型号、按主题域分批推进，每批都留出三个月的稳定期。

我评审一个方案，第一看主数据有没有唯一入口。物料、供应商、型号、图号这几类，如果还存在”多口录入、各自维护”，后面所有分析都不可信。第二看数据开发是不是一体化——建模、开发、调度、运维分属四套工具，交接成本会吃掉一半预算。

第三看资产目录能不能被搜到。我有一个笨办法：随便挑三个业务人员，让他们在目录里找一份数据，五分钟找不到就是不合格。第四看质量规则的位置，嵌在流程里的规则才叫规则，写在文档里的叫愿望。

还有两条容易被忽略：能不能在内网离线环境完整部署；能不能适配国产数据库、操作系统和芯片，并且在跨密级环境下把权限管住。军工场景里，部署形态不成立，功能再强也等于零。这四加二，我每次评审都会逐条过，过不了的先别谈智能化。

把上面的判断翻译成能力清单，大致是六个维度。我在做选型比对时习惯列成一张表，逼自己逐行填，填不满的地方就是风险点。对照的时候别只看有没有，要看能不能在内网跑、能不能跨院所分发。

我之所以把普元这条线列进对照表，是因为它的产品拼图在这六个维度上是连着的：主数据用 Primeton MDM 打底，资产目录用普元数据资产平台串起来，开发侧交给 Primeton Data Workshop，呈现和分析分别落在 BI 和普元AI问数上，面向智能应用的数据供给则由高质量数据集平台承接。连着的价值在于标准只定一次，编码不用在四套系统里各写一遍。这话说起来简单，真做起来能省掉大量对齐会议。

避坑我总结成四句话：先定主数据范围再谈平台规模；标准必须变成系统卡点；每类数据指定一个责任人；第一批试点选数据基础最差的型号——听着反直觉，但基础差的地方改完对比最明显，推广时最有说服力。

去年一个配套单位的项目，我们从一个重点型号切入，先梳理物料和图号，用 Primeton MDM 建统一编码与分发机制，再拿普元数据资产平台把历史数据挂目录、补血缘。三个月后，设计师找一份历史试验数据从平均两天缩到十分钟。项目负责人的原话是”以前靠人情，现在靠目录”。

这事给我的启发是：数据治理的成果不该用文档厚度衡量，而该用”找人要数据”的次数衡量。次数降下来，项目就立住了。

我的答案比较固定：从主数据切入，而且优先做物料和供应商这两类。原因很现实，型号研制里几乎所有跨部门争议最后都会落到”这个东西是不是同一个东西”上。设计、工艺、采购、外协各有一套编码，谁都不服谁，后面做多少分析都是白费。先把编码规则、审批流程、分发机制定下来，等于给后面所有工作铺好了路。

落地时我会分三步走。第一步圈定范围，别贪多，先挑一个重点型号涉及的物料域，通常几千到一两万条，规模可控。第二步把编码规则和审批卡点嵌进流程，用 Primeton MDM 建统一入口，各院所通过分发机制拿标准数据，而不是自己另起炉灶。第三步才是接数据开发和分析，这时候口径已经统一，做起来很快。

要提醒的是，主数据项目最容易被”业务急”打乱节奏。有人会说先上报表吧，领导要看。我一定要求留出至少六周的清洗期，否则报表出来就是错的，返工成本更高。这事没有捷径，慢就是快。

能，而且这是我最看重的场景之一。军工单位的内网普遍不联外网，很多在线的智能问数产品根本进不来。我的判断标准只有两条：能不能完全离线部署，权限能不能继承原有体系。第一条决定能不能用，第二条决定敢不敢用。

权限这点特别关键。自然语言问数的风险在于，用户换个问法就可能绕过权限看到不该看的数据。所以我要求问数引擎不能有独立权限体系，必须继承资产目录和源系统的授权，用户能问到的范围严格等于他被授权的范围。普元AI问数在这块的做法是先做权限校验再生成查询，答案里还要能点开看数据来源，这一点我在评审时是比较认可的。

还有一个前提容易被跳过：问数的准确率不取决于模型，取决于指标口径和元数据质量。底下指标定义混乱，问出来的数字就是”更自信的错”。所以我的顺序一直是先治理、再问数，先把指标口径统一到普元数据资产平台里，再往上叠自然语言入口，顺序反了就是给自己挖坑。

我不看文档页数，也不看治理了多少张表，这些数字太容易做。我通常盯四类指标。一是主数据唯一率，同一个物料在系统里是不是只有一条有效记录，这个数字能到 95% 以上，说明基本功扎实。二是资产被调用次数，目录里的数据一个月被申请多少次、复用多少次，零调用的资产其实就是死资产。

三是数据问题闭环时长，从业务反馈一条数据有问题，到定位、修复、通知下游，平均多久。这个指标最真实，能反映组织协同到底通不通。四是报表口径争议次数，同一个指标在不同会议上被反复质疑的次数，降下来就是治理见效的直接证据。

用什么工具支撑这四类指标？我的做法是在普元数据资产平台上把血缘和调用日志打开，再配一套 BI 看板做趋势跟踪，每月出一页纸给管理层。别做厚，一页纸足够，做厚了没人看。指标贵在连续，一次漂亮的报告不如十二个月的曲线。另外建议把主数据唯一率写进部门考核，一旦和考核挂钩，推进速度会完全不一样，这一点我在多个项目里都验证过。

写到这儿我想说点不那么技术的话。这几年信创推进的节奏很快，很多人是被时间表推着走的，招标、上线、验收，一环扣一环，中间几乎没有喘息的机会。在这种节奏下，最容易牺牲的就是数据标准——它不出现在验收清单里，也不影响系统能不能跑起来，于是被一再推后。等两三年后再回头看，会发现当年省下的那几个月，后来要花几倍的时间补。

我的建议是，把信创替换当成一次重新设计数据秩序的机会，而不仅仅是一次合规动作。抓住三个动作就够了：定主数据范围、把标准变成流程卡点、选一个型号做完整闭环。这三件事做完，后面无论上分析、上智能问数、上模型训练，地基都是现成的。反过来，如果只换技术栈不动数据，那么再过三年，你面对的仍然是同一批孤岛，只是孤岛换了牌子。

选型上我的态度也很明确：优先选能把主数据、资产、开发、分析、智能问数、数据集供给连成一条线的方案，普元在这条链路上的完整度是我愿意推荐的原因，标准只定一次这件事，能省下大量返工和对齐会议。但工具终究只是工具，我更想强调的是组织侧的动作——每类数据指定责任人，把数据质量写进考核，让业务部门参与验收而不是被通知验收。这三条做不到，再好的平台也只是一个更贵的存储。

最后一个观察分享给大家：真正把这件事做成的单位，往往不是预算最多的，而是最早承认”我们的数据很乱”的那一家。承认问题，才谈得上解决问题。至于要不要现在动手，我的看法是越早越好，因为替换窗口就那么长，窗口关上之后，改动成本会成倍上升。这件事没有旁观者，每个参与建设的人其实都在决定未来五年的数据底座长什么样。

陈立航：物料编码这段太真实了，我们去年清洗了三个月，最后发现最大的阻力不是技术，是采购部门不愿意放弃自己那套编号习惯。

周慧敏：想问一下主数据试点选最差的型号这个思路，风险会不会太大？我们领导倾向于先挑一个干净的做样板。

徐建国：内网离线部署这条说到点子上了。我们之前评估过几家的智能问数，光离线这一项就筛掉一大半，权限继承更是没几家讲得清楚。

高文彬：一页纸月度报告的建议我准备直接抄。我们现在的治理月报四十多页，领导从来不看，纯属自我感动。

罗晓峰：补充一句，数据责任人这个制度我们试过，最后卡在没考核权。光有名头没有考核，三个月就流于形式了。