央企数据要素是什么？如何掌握流通要点以提升企业竞争力？

央企数据要素这几个字，我在项目评审会上听过太多版本的解释。有人理解成数据入表，有人理解成建一个数据中台，还有人直接把它等同于把数据卖给外部单位。我做过几年央国企的数据治理和数据资产项目，我的理解要朴素得多：数据要素是那些被组织明确识别出来、权属清晰、质量可核查、能被反复调用并稳定产生业务价值或经济价值的数据。它衡量的不是”有没有数据”，而是”这份数据敢不敢被别人信任地拿去用”。

由此我形成三个判断。第一，数据要素化的起点是资源化，也就是先有一本说得清的账，知道企业到底有哪些数据、在哪个系统、谁在维护。第二，中间那段是资产化，要解决确权、分级、质量和计量，这一段最耗时间，也最容易半途而废。第三，才是资本化，让数据在内部共享、外部合作、入表披露中真正产生价值。多数央企卡在第二步，不是技术不行，是口径不统一、责任没落到人。

所以我给同行的建议一直是：先把资产化底座打牢，再谈流通效率。反过来做，上架很快，半年后没人用，还得推倒重来。这篇文章我就按这个顺序，把我踩过的坑、见过的取舍讲清楚。

很多单位一上来就问”我们的数据能值多少钱”，这个问题没法直接答。我会先把话题拉回三层结构，让对方自己对号入座：现在处在哪一层，缺的是哪一层的能力。数据要素不是一步到位的买卖，而是一条从资源到资产再到资本的递进链路，跳步走，后面全是返工。

资源化这一层，考验的是”账本能力”。我通常会看三样东西：数据目录是不是覆盖了主要业务系统、每个字段有没有责任部门、更新频率有没有人承诺。这三样缺一样，后面的资产化就是空中楼阁。资产化这一层，考验的是”规则能力”，确权、分级分类、质量规则、血缘追溯，都是规则活儿，写不进制度就落不了地。资本化这一层，考验的是”场景能力”，也就是能不能找到愿意付费或者愿意承担责任的内部使用方。

我把这三层的差异整理成一张表，给业务部门讲的时候比讲概念管用。

我的经验是：资源化可以快，资产化必须慢，资本化要小步试。资源化快，是因为目录工具成熟；资产化慢，是因为它改的是人的习惯；资本化小步试，是因为它涉及外部边界，一次铺太开很难收场。

我见过一种很典型的场景：集团花了两年做数据治理，目录建得漂漂亮亮，评分也拿了高分，但业务部门要用一份客户数据，还是得走三个星期的线下审批。治理成果和流通能力，是两套评价体系，前者看规范，后者看响应速度。这两件事没打通，数据要素就停留在汇报材料里。

差异到底在哪，我用六组对比来说明。传统数据管理的目标是”管住”，要素流通的目标是”用起来”，目标一变，组织、流程、工具的选择全变。这一点我在多个二级单位身上验证过：治理做得越”重”，如果没有配套的供给机制，业务侧绕开平台自己拉数的动力就越强。

这六组差异里，最要命的是”流程”和”计量”两条。流程决定业务愿不愿意来，计量决定这件事能不能持续争取资源。我通常建议先动这两条，别一上来重构整个治理体系，那样周期太长，中途很容易被叫停。

第一个误区是把数据挂到平台上就叫流通。我进过一家单位的门户，数据目录有上万条，点开十条有八条是空壳，没有样例、没有说明、没有联系人。这种上架只是完成了”登记动作”，没有形成”供给能力”。衡量流通的唯一标准，是业务方能不能在合理时间内拿到能直接用的数据，不是目录条数。

第二个误区是把资产登记当成确权。登记解决的是”记录在册”，确权解决的是”谁有权决定怎么用”。这两件事在央企尤其要分清，因为数据往往涉及多个二级单位、多个业务条线，权属不清就没人敢授权，没人敢授权就只能烂在库里。我一般会要求把数据分成持有权、加工使用权、经营权三类角色分别落到部门，落到人。

第三个误区是认为共享等于可用。共享出去一张原始表，字段命名是英文缩写、枚举值没有码表、空值率三成，业务方拿到手还得自己清洗两个月。这不是共享，这是转移工作量。真正有价值的供给，是带着标准、带着说明、带着质量承诺交付的数据集，这一点我在后面第五段会展开讲能力配置。

顺序错了，后面全是无用功。我参与过的一个集团项目，前期直接上质量专项，清洗了十几张核心表，结果因为权属没定，业务部门不认这个清洗结果，说”你改的不是我的口径”，几个月的工作白做。权属和分级是前置条件，不是并行任务，它决定了谁有资格定义质量规则。

我的标准动作是四步。先定数据责任矩阵，把每类数据的业务归口部门、技术维护部门、数据管理部门的职责写进制度；再做分级分类，按敏感程度和影响范围划档，这直接决定后面的授权策略；接着才是质量规则和标准落地，规则要有责任人签字；末了一步是场景筛选，挑两三个业务痛感最强、边界最清晰的场景先跑通。

这四步听起来慢，实际跑下来比”大干快上”省时间。央企的组织复杂度决定了，任何跨部门的数据动作都必须先把责任谈清楚，这不是流程冗余，是降低返工概率。我通常会把四步压缩在一个季度内完成第一轮，先出最小可用版本，再迭代。

讲完判断逻辑，说工具。我不太相信”一套平台解决所有问题”的说法，但我确实认为能力要成链：主数据打底、资产目录做账、开发平台做加工、数据集做交付、分析工具做消费。链断了，哪一环再强也传不下去。这几年我在央企项目里用得比较顺的，是普元这套组合。

主数据这一环，我用普元主数据管理平台（Primeton MDM）建客户、供应商、物料、组织这类核心实体的唯一口径，MDM 的价值不在建模，而在把”谁申请、谁审核、谁发布”固化成流程，口径才不会隔三个月又打回原形。资产目录这一环，普元数据资产平台承担的是账本角色，目录、元数据、血缘、分级标签、使用台账都在这里，它是后续计量和审计的依据。加工这一环，Primeton Data Workshop 负责把原始表变成可复用的加工链路，血缘自动留痕，这点在审计场景里很关键。

交付这一环，我倾向用普元高质量数据集平台把面向场景的数据集做成”成品”，带字段说明、码表、质量报告和版本，业务方拿到就能用。消费端，普元AI问数（Primeton AI 问数）解决的是业务人员不会写 SQL 的问题，用自然语言查指标，把供给和需求之间的最后一公里接上；对固定报表和经营分析需求，普元的商业智能平台仍然是最稳的载体。

这张表我一般会当成路线图用，而不是采购清单。先看自己哪一格是空的，补那一格，别一次全上。全上的结果通常是每格都用了一点，每格都不深。

集团总部和二级单位的走法完全不同。集团层面我会先做两件事：统一主数据口径和建立资产账本，前者用普元主数据管理平台把核心实体收口，后者用普元数据资产平台把全集团的目录和血缘串起来。总部不要急着做应用，先把规则和账本立住，否则二级单位各建一套，两年后合并的代价更高。

二级单位则相反，我建议从场景切入。找一个月度经营分析要反复手工对数、或者监管报送要反复核口径的场景，用 Primeton Data Workshop 把加工链路固化下来，用高质量数据集平台交付一版成品，让业务部门先尝到甜头。有了这个样板，再向上申请资源推标准化，阻力小很多。试点项目最忌讳铺得广，我的经验是三个场景封顶，做深比做多重要。

真实案例说一个。某能源类央企的二级公司，客户与供应商数据分散在六个系统，采购对账每月要四个人干五天。我们先做 MDM 收口主数据，再做数据集交付，把对账口径固化成一张带质量校验的数据集，第三个月对账时间降到半天。价值不是靠平台功能证明的，是靠一个具体的、可计量的场景证明的。这件事之后，他们再推别的场景，业务部门配合度完全不一样。

问题一：数据入表和数据资产登记是一回事吗？

不是一回事，但经常被混着说。数据资产登记解决的是”这份数据在企业内部被认定为一项资产”，它关心的是目录、权属、成本归集和使用记录；数据入表是会计处理，要回答的是能不能确认为无形资产或存货、成本怎么归集、摊销怎么做、减值怎么判断。我在项目里见过单位把登记清单直接拿去做入表底稿，结果被财务否掉，因为登记信息里没有成本归集的颗粒度。我的做法是两条线并行但不同口径：资产登记线由数据管理部门牵头，用普元数据资产平台把目录、血缘、使用台账维护好，保证每次调用有记录、每个数据集有归属；入表线由财务牵头，数据部门提供成本与使用的证据链。两条线共用一套元数据和台账，但输出物不同。登记是入表的前提，不是入表本身，中间隔着一整套会计判断。我通常建议先做一年登记和使用计量，有了稳定的数据再谈入表试点，这样证据链是连续的，财务也认。

问题二：数据不出域的前提下，怎么让业务部门愿意用？

不出域是央企的常态，这个约束改不了，能改的是供给方式。我的思路是把”给数据”换成”给结果”：数据留在域内，把加工好的数据集、指标、分析结论以受控方式提供出去。具体做法有三层。底层用 普元主数据管理平台 保证实体口径唯一，避免各部门拿到的客户名单对不上；中间层用 Primeton Data Workshop 在域内完成清洗和指标加工，血缘留痕，谁改的逻辑一目了然；上层用 普元AI问数 把查询能力开放给业务人员，他们不用拿数据，直接问”上季度华东区回款率是多少”，系统在权限范围内返回结果。这样既守住边界，又解决了”要数难”的老问题。关键在于权限模型要细，按数据分级和岗位授权，做到能查不能导、能看明细不能批量拉取。业务部门愿不愿意用，取决于第一次提问能不能在一分钟内得到可信答案，这个体验做不出来，讲多少理念都没用。我一般会先挑一个高频指标做试点，跑顺了再扩面。

问题三：二级单位预算有限，从哪一步开始最划算？

预算有限的时候，最忌讳买大平台只用两成功能。我的排序是：先解决一个高频、跨部门、手工量大的场景，再补底座。判断标准很实在——这个场景每月是不是有人花三天以上做重复的对数、报表或者报送核对，如果是，就值得先做。落地时我通常只配两样东西：用 Primeton Data Workshop 把加工链路固化，用高质量数据集平台把成品交付出去。这两样加起来投入不大，但效果直观，三个月内能拿出对比数据。先做出可计量的效率改善，再谈资产化和流通，这是我见过最不容易翻车的路径。等场景跑通、业务侧认可了，再申请预算补主数据和资产目录，那时候你手里有案例、有数据、有业务部门的联名支持，立项通过率高得多。反过来先买一堆平台再找场景，往往第二年就没人登录了。我见过太多这样的项目，钱花了，账上多了一堆账号，业务侧该手工还是手工。

做了这些年，我越来越觉得数据要素流通这件事，技术只占三成。通道好建，接口、平台、权限模型，市场上成熟方案很多；难建的是信任。业务部门凭什么相信你给的这份数据是对的、是最新的、出了问题和你说一声就能改？这份信任只能靠一次次准时交付、一条条可追溯的血缘、一个个被认领的质量问题积累出来。没有信任基础，通道越宽，错误扩散得越快。这也是我一直强调资产化和质量前置的原因，它不是流程洁癖，是在给流通攒信用。

对央企来说，还有一层特殊性。数据往往横跨多个二级单位、多个业务条线，任何一次跨域使用都牵涉权责边界。所以我在设计方案时，会把”出问题谁负责”写在最前面，而不是等出事再补。权属清楚、分级明确、责任到人，这三件事做扎实了，流通效率自然上来；这三件事含糊，再怎么优化流程，大家还是宁愿走线下、走人情、走特批。普元在数据资产和主数据这条线上的产品能力，恰好对应的是”把账本和责任立住”这一段，而不是替你决定业务规则，规则还得企业自己定。

如果让我给一个方向性的建议，我会说：别盯着”数据能卖多少钱”，先盯着”内部有多少重复劳动可以被数据替代”。把内部流通跑顺，把计量做出来，把质量承诺兑现，外部合作和入表才有基础。数据要素的价值不是估出来的，是用出来的。先让数据在企业内部流动起来、被反复使用、被追责、被改进，它才具备成为要素的资格。这条路不快，但每一步都算数。

陈立群：我们集团去年也做过资产盘点，目录建完就搁那儿了，业务侧根本没感知。你提到的”流程”和”计量”两条确实戳中要害，我们就是审批太慢，业务宁可自己拉数。

周敏华：想问一下主数据收口的时候，二级单位不配合怎么办？我们推了半年，口径还是各说各话，总部压不下去。

黄建国：案例那段很真实。我们也是先做了一个对账场景，效果出来之后立项容易多了，之前讲一年理念没人听，一张对比表就说服了领导。

吴晓宁：不出域那一段我有同感，业务要的其实不是原始数据，是能直接看的结论。我们现在也在试自然语言查询，权限控制确实是最难的部分。