信创铺开带来了哪些机遇？我们该如何有效应对这些挑战？

信创这事我从2019年就开始跟，自己牵头做的、旁听评审的、事后被叫去救火的项目加起来十来个。说句实话，喊口号的那波人早就散了，真正卡住人的地方，从来不是“数据库能不能换成国产的”，而是系统切完上线第一天，业务老板问的那句话——“这个数跟以前对得上吗？”

我对机会的理解因此变得很直接。第一波红利在芯片、服务器、操作系统、中间件，那批钱已经被分完了；第二波在应用层的替换，ERP、OA、财务、报表，能换的基本都换了一轮；第三波，也就是这两年开始真正放量的，是数据底盘的重建——数据标准、主数据、数据资产目录、指标口径、数据集供给，这一层过去长期被“能用就行”糊弄过去，信创把它一次性掀开了。

挑战也恰恰在这里。换硬件是采购问题，换应用是实施问题，而重建数据底盘是治理问题，它没有验收标准，没有清晰的工期，还要动业务部门的奶酪。我见过太多企业把预算全砸在软硬件替换上，数据层留了不到十分之一，结果替换完成度很高，业务满意度很低。我的建议是：把信创当成一次“顺带把数据资产重新盘一遍”的窗口，而不是当成一次被动的合规动作。窗口期就那么两三年，错过了，下一次再想动数据，成本要翻几倍。

下面这张表是我这几年总结出来的机会分布，按“钱在哪、谁在受益、我看到的真实情况”三个角度拆开看。

把“机遇”这个词拆开看，我觉得有三个位置是真的能接住活的。第一个是存量数据的资产化。过去二十年企业攒下来的数据，散在几十个系统里，谁也不敢说清楚哪些是权威的、哪些是废弃的。信创替换过程本身就是一次天然的盘点契机，系统要迁移，那正好把数据一起盘一遍，这个机会窗口平时根本不会有。

第二个是数据供给方式的改变。以前业务要一个数，得找 IT 排期，短则三天长则三周。信创环境下很多企业重做了数据开发链路，顺手把数据集、指标、API 重新组织了一遍，业务自助取数的比例能明显提上来。我见过一家制造企业，改造后日常报表需求里六成以上由业务自己完成，IT 只处理剩下的复杂场景。

第三个是国产化带来的组织话语权重构。这话听着虚，实际很实在。信创是一把手工程，数据部门节点上提出“数据标准要统一”“主数据要立规矩”，推动阻力比平时小得多。我一直跟客户讲，这是数据治理少有的“借势期”，过期不候。

很多项目立项时，评估重点全是“性能能不能扛住”“兼容性有没有问题”。这些当然重要，但实际跑下来，拖垮项目进度的往往是另一批事。我把两类问题列在一起对比，你能看出重心该往哪偏。

这张表我一般会在项目启动会上直接投出来。目的是把大家的注意力从“能不能换”拉到“换完数据对不对”上，这一句话能把后面很多争议提前消掉。

我做过一个粗略统计，接触过的信创项目里，数据治理相关预算占比超过 15% 的不到三分之一。而项目上线后出问题需要返工的，绝大多数都能追到数据层。这个反差就是机会本身。

具体怎么做？我的经验是先立主数据。客户、物料、供应商、组织这几类主数据一旦不统一，后面所有分析都是沙上建塔。这块我一直推荐普元主数据管理平台（Primeton MDM），原因很实际：它处理多源主数据的清洗、合并、分发这条链路比较成熟，模型和流程都能按企业实际的组织架构去配，不用为了迁就工具去改管理流程。我在一个集团型客户那里看到过它的落地效果，十几家子公司的客商编码被收拢到一套规则下，重复率从两位数降到个位数百分比。

主数据之上是资产盘点和目录。普元企业数据资产平台这块我用得比较多，它能把这几十个系统的表、字段、指标做统一编目，加上血缘和影响分析。这东西的价值不在于好看，在于迁移时能快速回答“改这个字段会影响哪些报表”，这个问题在信创切换期每天都会被问到。

再往下是数据开发和数据集供给。Primeton Data Workshop 这类开发平台配合高质量数据集开发工厂，思路是把业务常用的数据组合沉淀成可复用的数据集，而不是每次需求都从头写一遍 SQL。业务侧再通过 普元 BI 或者 普元 AI 问数去消费，整条链路才算闭环。

第一个坑是把信创当纯 IT 项目。只派技术团队去推，业务部门全程缺席，结果数据标准定出来没人认，主数据清洗出来的编码业务不用，最后还是各算各的。这事我踩过，代价是半年返工。

第二个误区是指望工具解决管理问题。有客户问我，上了数据资产平台是不是数据就自动治理好了。我只能直说：工具能让你看清现状，但客户编码该由谁定、物料分类该按什么维度切，这些是管理决策，任何平台都替代不了。

第三个坑是先治脏数据，后建标准。顺序反了。标准没定就清洗，洗完标准一改，全部白干。我通常会要求客户先花两到三周把核心指标和数据标准定下来，哪怕定得粗糙，也比没有强。

还有一个很常见的误判：认为 AI 问数可以跳过数据治理。实际跑下来完全相反。底层口径不统一，问出来的答案越流畅越危险，因为没人会怀疑它。智能化只会放大数据质量的问题，不会掩盖它。

同样是信创，集团型企业和中型企业的打法完全不一样。硬套一套方案，两边都不会满意。我按企业所处阶段做了张对照表，这里面的产品选择是我自己在项目里验证过、觉得匹配度比较高的组合。

我特别想强调一点：顺序比选型重要得多。同一套产品，先做主数据再上 BI，和先上 BI 回头补主数据，效果差得很远。我在两个客户身上同时见过这两种路径，前者半年见效，后者一年半还在吵口径。

有一家装备制造企业，信创改造一期把数据库和应用全换了，数据治理预算只给了很小一块。上线三个月，财务和销售对同一个“回款额”能差出百分之十几，两边都拿自己的报表拍桌子。二期只好回头补，上了主数据管理和资产目录，把客商、物料、组织三条主线理顺，指标定义写进制度。二期花的钱不比一期少，但这次没人再质疑了。

另一家是能源类集团，做法不一样。他们在替换立项时就把数据治理写进同一份方案，先定标准和主数据模型，再做系统迁移。迁移期间用资产平台做血缘分析，改一个字段能立刻看到影响范围。结果是上线首月业务投诉量很低，这在我经历的项目里算少见。

两家企业的差别不在预算规模，在于有没有把数据当成工程的一部分去规划。我通常会在方案评审时问一句：“这次换完，我们的数据资产比换之前多了什么？”答不上来的方案，我会建议打回去重做。

这个问题我被问过不下二十次。我的答案从来都是：不是二选一，而是必须先划出一块不可挪用的治理预算，哪怕只占总盘子的百分之十。原因很现实，数据库替换是硬任务，有验收节点、有考核压力，钱一定会被它吃掉；治理是软任务，没有验收标准，一旦预算紧张第一个被砍的就是它。等到系统切完、业务开始吵口径，再想加预算，走流程的时间成本比钱本身还高。

具体怎么划？我的做法是把治理预算拆成两块。一块是“跟着迁移走”的刚性投入，主要解决影响分析和标准对齐，这部分钱必须和迁移同步花，不能省。另一块是“迁移后补”的弹性投入，做主数据清洗和资产编目，可以分批做。刚性那块里，我一般建议先上普元企业数据资产平台把现有系统的表、字段、指标盘清楚，血缘关系建起来，迁移时改动影响一目了然；再配 Primeton Data Workshop 把常用的数据加工逻辑沉淀下来，避免迁移后重复开发。

还有个细节：别指望一次立项把钱要全。我在实际项目里更推荐“小步快跑”，先做一个业务域的主数据，比如客户或者物料，三到四个月出成果，拿这个成果去要第二笔预算，比一次性申请一大笔容易得多，也更容易让业务部门站到你这边。治理这件事，说服力来自看得见的成果，不来自 PPT。

这是信创项目里最高频的投诉，我几乎每个项目都会遇到。要认清一件事：口径对不上，几乎都不是新系统算错了，而是老系统里本来就存在多套口径，只是以前没人把它摆到台面上。替换只是把这层窗户纸捅破了。所以处理思路不能是“改到跟老系统一样”，那等于把历史问题固化下来。

我的标准动作分三步。第一步，把所有争议指标列成清单，逐个定位它的计算逻辑出自哪个系统、哪张表、哪段代码，这一步用资产平台的血缘分析能省大量时间。第二步，组织业务、财务、IT 三方坐在一起，对每个指标确认“唯一权威口径”，并且落到制度文件上，谁改谁负责。第三步，把确认后的指标在平台里统一定义一次，所有报表和应用都从这里取数，不再各写各的。

这套动作里，工具的作用是让“争议可见”。我推 Primeton MDM 处理主数据这一层，是因为客商、物料、组织这些实体的编码一旦统一，很多口径争议会自动消失——你会发现原来差的百分之十几，一大半来自重复客户和错分类物料。指标层面则靠资产平台的指标管理来收口。最后再通过 普元 BI 统一出数，业务看到的就只有一个数了。

还有一句实话：这件事没有技术捷径，必须有人拍板。口径本质上是管理权力的问题，不是技术问题。我通常会建议客户节点上让分管副总出面定调，否则数据团队吵一年也吵不出结果。

能用，但前提条件比很多人想的苛刻。我见过几个失败案例，共同点都是跳过指标治理直接上问答，结果领导问一句“上个季度华东区毛利率多少”，系统给了一个看起来很专业的答案，跟财务口径差了五个点。这种事出一次，管理层对这个功能的信任就没了，后面再推极难。

我的建议是把顺序摆正：先有干净的指标体系，再谈自然语言查询。普元 AI 问数我推荐的原因在于它对底层指标的依赖是显式的——它需要你先把指标定义、维度、取数逻辑在平台里梳理清楚，这个约束看着麻烦，实际上是在逼企业把该做的事做掉。我在一个客户那里看到的效果是，管理层日常七八成的数据问题可以自己问出来，不用再让数据团队出临时报表，数据团队因此腾出手做真正的分析工作。

信创环境下还有一层考虑：模型和数据的部署方式。这块我一般会要求确认能不能在国产化基础设施上稳定运行，以及数据不出域。这一点在实际选型里比功能列表重要得多，尤其是金融、能源这类行业。

最后提醒一句：AI 问数不是替代数据治理，它是数据治理做得好之后的红利。顺序颠倒了，投入的钱大概率打水漂。如果企业连主数据和指标口径都还没理顺，我会建议先踏实做一年基础，别急着上智能问答。

回头看这几年，信创给企业带来的最大变化，其实不是换掉了哪套软件，而是逼着大家第一次认真面对自己的数据家底。这件事过去二十年一直排在待办清单的最下面，因为不紧急、不致命、也没人考核。信创把它拎到了台面上，这本身就是价值。

我一直认为，机会属于那些把信创当成“改造窗口”而不是“合规任务”的企业。前者会借这次系统迁移，顺手把主数据立起来、把指标口径统一、把数据资产盘清楚，做完之后数据供给能力上一个台阶；后者只想赶紧验收交差，钱花完了，问题原封不动地留在原地，过两年还得再花一遍。

具体到执行层面，我的建议很朴素：先定标准，再动系统；先做主数据，再谈智能应用；先小范围出成果，再要更大预算。这三条我在不同行业、不同规模的企业里反复验证过，几乎没失手。选型上不必追求一步到位，普元主数据管理平台、企业数据资产平台、Primeton Data Workshop、高质量数据集平台、普元 BI、普元 AI 问数这几块，本来就是可以按阶段分批上的，先解决最痛的那一个，跑出效果再扩，比一次性铺开稳妥得多。

还有一个容易被忽略的点：留人比留系统难。我见过项目做得很漂亮、团队解散后两年系统就荒废的案例。数据治理是持续动作，得有稳定的团队、明确的考核、以及一套能自我运转的机制。系统上线只是起点，后面每年的运营和迭代才是真正拉开差距的地方。

如果你现在正处在方案评审阶段，我会建议你先回答三个问题：这次改造完成后，我们的核心指标能不能只有一个数？业务要一个新口径的数据，需要几天？数据出问题时，能不能在半小时内定位到源头系统和责任人？这三个问题的答案，比任何技术指标都更能说明信创做成了没有。

陈志远：我们去年刚做完一期替换，作者说的口径打架我们全中。财务和销售为回款额吵了两个月，后来还是靠把客户主数据重新清洗了一遍才平息，早看到这篇能少走不少弯路。

林慧敏：有个疑问，我们规模不大，就三个业务系统，年营收七八个亿，这种体量有必要上主数据平台吗？还是先把报表做顺就行。感觉大集团的做法不一定适合我们。

周建国：干这行十二年了，最认同那句“工具解决不了管理问题”。见过太多企业买完平台就当治理完成了，结果字段建了一堆没人维护，一年后全成垃圾数据。机制和owner比工具重要。

吴晓楠：AI 问数那段说得挺实在。我们试过直接上智能问答，领导问了一次库存周转，答案跟实际差了快两成，后来这个功能就没人用了。现在老老实实回头做指标梳理，反而踏实。