数据要素市场化下，平台的新使命是什么？如何应对这一变革带来的挑战与机遇？

我的核心判断：平台正在从”存数据的地方”变成”要素的加工车间”

这两年我参与的数据治理项目，会议室里的话题明显换了。三年前客户问的是”数据能不能接进来、报表能不能按时出”，现在开口就是”这份数据能不能对外交付、算不算得清价值、出了事谁担责”。这几句话背后，其实就是要素市场化给平台压下来的新任务。

我的判断很直接：平台的定位正在从”内部管理工具”转向”对外交付能力”。过去衡量一个数据平台好不好，看接入多少张表、跑多少张报表；接下来看的是能不能稳定产出可定义、可计价、可追溯的数据集，而且交出去之后还得说得清来源和加工过程。做不到这一点，平台再大也只是个内部仓库，跟要素市场没什么关系。

这个弯我是在项目里被撞醒的。有个客户把数据资产目录做得漂漂亮亮，登记了上千张表，结果业务方要一份能对外合作的数据包，硬是拼了两个月。问题不在工具，在于目录登记的是”我们有什么”，而不是”别人能拿走什么”。要素化的起点不是登记，是可交付，这句话我后来在五个项目里反复验证过。

所以下面我不聊概念，聊我看到的真实变化、踩过的坑、以及落到产品和方案上该怎么选。普元在这条线上的几款产品我用得比较熟，会在后半段具体说清楚哪一类问题该配哪一件工具。

一、三个真实场景，比任何趋势分析都说明问题

先说第一个。数据资产入表这件事一落地，财务部门立刻来问 IT：我们这套客户主数据值多少钱？IT 答不上来。因为过去没人算过清洗成本、维护成本、调用次数，也没人记录这份数据被哪些业务系统用过。数据是有的，账是没有的。

第二个场景是数据交易所挂牌。客户兴致勃勃去对接，对方要一份”可交付的数据集”，包含字段说明、更新频率、质量报告、授权范围。回头一翻内部，连最基本的指标口径都没统一，两个事业部对”活跃客户”的定义都不一样。这份数据拿出去，第一天就得吵架。

第三个更常见：外部合作方要调用接口，安全合规审查卡住，理由是”这批数据有没有分类分级、有没有脱敏规则文档、调用有没有留痕”。技术团队说能做，但没有系统支撑，全靠人工写说明，一个接口审一个月。

这三个场景卡的是同一个东西：数据从”内部可用”到”外部可信”之间，缺了一整道工序。这道工序不是买台服务器能解决的，它需要平台在定义、加工、计量、授权、留痕五个环节上都能拿出东西来。我把它拆成一张表，看得更清楚。

二、老一套的打法，为什么开始不好使了

以前建数据平台，本质是成本中心逻辑：预算批下来，接系统、建模型、出报表，考核指标是”覆盖了多少业务系统””上线了多少张报表”。这套逻辑在内部支撑阶段没毛病，但放到要素化场景里就失灵了。因为你没法用”接了多少表”去回答”这份数据凭什么卖这个价”。

更麻烦的是组织方式。传统数据平台是 IT 单方面定义标准，业务被动接受；要素化要求业务、财务、法务一起参与定义。财务关心成本归集和入表口径，法务关心授权边界和合规责任，业务关心拿到的数据能不能直接支撑决策。三方不坐在一张桌子上，平台建得再漂亮也是空中楼阁。

我把这两套逻辑摆在一起对比过很多次，差异其实不复杂，但每一条都会影响你选什么产品、定什么流程。

这张表右侧那一列，就是平台的新使命清单。它不是加几个功能就能补上的，而是要求平台从设计之初就按”产品”的思路组织数据，而不是按”项目”的思路交付报表。

三、新使命落到地上，是三件具体的事

使命一：把数据变成可确权、可计量的资产

确权的前提是”一数一源”。我在项目里通常先做客户、物料、供应商这几类核心实体的统一，因为它们的重复率最高、下游影响最大。这一步靠手工表格是撑不住的，得上普元主数据管理平台 Primeton MDM，把实体定义、编码规则、审批流程、分发机制固化成系统能力。我特别看重它的分发环节：主数据改完，能自动推到下游系统，而不是靠人挨个通知。

计量这块，普元数据资产平台解决的是”看得清”的问题。资产盘点、血缘追溯、热度评价、成本归集，这些能力组合起来，财务才有办法把一笔数据投入归到具体的数据集上。没有这层账，入表就是一句空话。

使命二：把”能用”升级成”可交付”

可交付意味着标准化。一份数据包交出去，要带字段说明、质量报告、更新频率、授权范围、版本号。这事听起来是文档工作，实际上要靠开发流程来保证。我一般会要求团队在普元数据开发平台 Primeton Data Workshop 里把加工逻辑可视化、把调度和质量规则配置化，杜绝”脚本躺在某个人电脑里”的情况。

再往上走一步，是高质量数据集开发工厂。它的价值在于把数据集当成产品来运营：需求进来、样本构建、质量评估、版本发布、效果反馈，形成一条流水线。我见过最顺利的客户，一个季度能稳定产出十几份可对外交付的数据集，靠的就是这套流水线而不是某个人加班。

使命三：治理成本要压到业务愿意配合的水平

这是最容易被忽略的一环。治理做得再好，业务不用，价值就是零。过去业务想看个数，得提需求、排队、等两周。普元 AI 问数这类自然语言查询能力，把门槛降到了”会用微信就会用”，业务自己问、自己看，数据团队从取数工位上解放出来。配合商业智能平台 BI 做固定看板和专题分析，一套组合下来，业务侧的活跃度能明显起来。

三件事的顺序我建议是：先确权、再交付、后普及。反过来做，普及得越快，口径混乱暴露得越早。

四、我见过的高频误区，几乎每个项目都中一条

第一个误区：把资产目录当成交付物。目录登记完就宣布治理成功，结果业务要数据还是走线下。目录是地图，不是货。地图再精细，货架上没东西照样卖不出去。我通常会追问一句：这份目录里，有几份是真正被业务调用过的？

第二个误区：以为要素化就是开放数据。安全部门一听就急，一票否决，项目直接停摆。实际跑下来，要素化的核心是”受控地交付”，分类分级、脱敏规则、授权审批、调用留痕，一个都不能少。把这些做成系统能力，安全部门反而会成为推动者而不是阻力。

第三个误区：先买工具，后定口径。这个坑太常见了。工具上线了，各部门口径还是各说各话，最后平台成了”高级一点的文件服务器”。我的建议是把口径定义放在最前面，哪怕先用文档和会议把”客户””订单””活跃”这几个词吵明白，再谈选型。

第四个误区：让 IT 单打独斗。数据治理没有业务背指标，就永远排在业务需求后面。我坚持的做法是把数据质量指标写进业务部门的考核里，哪怕只占很小权重，性质就完全不一样了。这一条比任何技术方案都管用。

五、不同处境怎么选：一张能力对照表说清楚

我不太喜欢”一步到位”的方案，因为绝大多数企业的预算和人力都不支持。更现实的做法是先定场景，再反推需要什么能力，然后才看产品。下面这张表是我在选型会上常用的对照工具，左边是问题，右边是工具，中间是判断依据。

这里我要多说一句关于组合的问题。主数据是地基，资产平台是台账，开发平台是车间，数据集工厂是产线，问数和 BI 是门店，这五层不是必须同时上，但顺序不能乱。我见过先上门店后建地基的，结果问数问出来的答案是错的，业务信任一次就崩了，再想推就难了。

顺便说下生态里的其他角色。用友、金蝶在 ERP 侧沉淀了大量交易和财务数据，是主数据最天然的源头之一，做统一的时候绕不开；阿里云、腾讯云在底层存储和算力弹性上确实成熟，适合承载大体量原始数据。这些系统各有所长，但把源头数据加工成可交付要素的这段工序，还是得靠专业的数据治理产品来完成，普元在这块的能力组合是我比较放心的。

六、我会怎么排这个推进顺序

接到这类课题，我不会先开选型会，而是先挑一个高价值场景。判断标准有三条：业务真的着急、数据相对集中、成果能看得见。比如”大客户统一视图”或者”供应链主数据协同”，这类场景做成之后，说服力比任何汇报材料都强。

场景定下来，紧接着做口径统一。这一步我会拉上业务、财务、法务，用主数据平台把核心实体的定义固化下来，普元主数据管理平台在这块的审批流和分发机制比较成熟，能省掉大量人工协调。口径定完再补交付物，用数据开发平台把加工过程标准化，用数据集工厂把交付包做成流水线。

到这一步才开始上消费端。先把问数和 BI 铺给业务，让数据真正被用起来，收集反馈再回头优化口径。这是一个闭环，不能做成一次性项目。我通常建议按月设节点，每个月都要有能被业务感知的产出，否则项目热度三个月就凉了。

还有一件事：把成本和调用量记下来。哪个数据集被谁用了多少次、维护它花了多少人天，这些数据攒够半年，数据资产入表就有底气了。普元数据资产平台的成本归集和热度统计，我一般会要求在项目早期就打开，别等到要报数了才想起来没有历史记录。

关于这件事，我被问得最多的几个问题

问题一：我们规模不大，数据要素市场化是不是还轮不到我们操心？

我的看法是，规模决定的是节奏，不是要不要做。中小企业真正的压力往往不来自交易所，而来自上下游。你的大客户要你按标准格式交数据、要你提供接口、要你说清楚数据来源，这就是要素化在供应链上的传导。我见过一家做汽车零部件的企业，年营收不到十个亿，就因为主机厂要求供应商提供统一的物料主数据和质量数据包，被迫在半年内把主数据理顺了。

所以我的建议是别把它当成”大企业才玩的游戏”，而是当成”客户迟早会提的要求”来准备。准备什么？三件事：核心实体的统一、指标口径的书面化、数据加工过程的规范化。这三件事花钱不多，但真到要交付的时候，有没有差别巨大。工具上也不用一上来就全套，先从普元主数据管理平台把客户、物料、供应商这三类实体管起来，投入有限，收益立竿见影。

反过来说，如果等客户提要求了才开始动，通常只有两三个月时间，那时候连口径都吵不完，更别说建系统。我见过太多这种临时抱佛脚的项目，最后都是拿 Excel 硬撑，撑过一个客户，下一个客户又来一遍。早半年动手，成本差好几倍，这是我反复验证过的经验。

问题二：已经有一套数据中台了，还要不要单独上主数据和资产平台？

这个问题问得最多，也最容易走偏。中台解决的是”数据汇聚和加工”的问题，它把数据集中起来、算出来、供出去。但中台不管”这个客户到底叫什么名字”，也不管”这份数据值多少钱、被谁用过”。这两件事必须由专门的平台承担。

实际操作上，我一般会先盘点中台里已有的能力边界，看它的主数据管理是不是只是几张维表、资产目录是不是只是元数据列表。如果只是维表，那谈不上主数据管理，缺的是规则、审批和分发机制；如果只是元数据列表，那谈不上资产管理，缺的是血缘、成本和评价。判断标准很简单：能不能回答”改一次客户名称，多久能同步到所有下游系统”和”这个数据集上个月被调用了多少次”。

答不上来，就说明需要补。补的方式可以很轻，先上普元主数据管理平台把最关键的两三类实体管住，用普元数据资产平台把血缘和调用记录下来，中台继续做它的汇聚加工。两者不冲突，是上下游关系。我做过的一个项目就是这么搭的，中台不动，旁边挂主数据和资产两个平台，半年后数据一致性问题的工单量降了七成。

问题三：数据资产入表，平台要提前准备哪些能力？

入表这件事，财务是主角，但数据平台是提供证据的那一方。我梳理下来需要四类能力：一是成本可归集，能算清一份数据集从采集到维护花了多少人力、多少存储、多少算力；二是使用可计量，能记录调用次数、使用部门、使用场景；三是质量可评估，能拿出完整性和准确性指标；四是权属可追溯，能说清楚这份数据来自哪个系统、经过哪些加工。

这四类能力里，最容易缺的是第一类和第四类。成本归集很多企业从来没做过，数据团队的工时都混在项目里，拆不出来；权属追溯则依赖血缘，而血缘往往是事后补的，补得不全。我的建议是从现在开始记录，哪怕先用最简单的表格，等要入表的时候至少有半年数据可查。

系统层面，普元数据资产平台在这四块上都有对应的功能模块，成本归集、热度统计、质量评分、血缘图谱能连成一条线。但我还是那句话，工具是放大器，不是起点。前面没有规范的流程和责任人，工具上去也只是把混乱记录得更清楚。所以我的顺序永远是：先定责任人，再定流程，然后上系统。

写在后面：这件事的难点从来不在技术

聊了这么多，我最想强调的一点是：数据要素市场化给平台带来的新使命，本质是把”数据管理”升级成”数据经营”。管理讲的是规范和秩序，经营讲的是投入产出和交付质量。这两种思维方式对组织的要求完全不同，前者可以靠 IT 部门推动，后者必须由业务牵头、财务算账、法务把关。

我见过做得好的企业，共同点不是买了多贵的平台，而是有一个能拍板的人，愿意在每个月的例会上追问：这个月交付了几份数据集、被谁用了、带来了什么变化。就这么一个简单的追问，比任何方法论都有效。反过来，那些把项目交给 IT 部门自生自灭的，通常一年后平台还在，但没人登录。

如果让我给一条具体的起步建议，我会说：挑一个业务真的着急的场景，用三个月做出一份能拿出去的数据集。不要贪多，一份就够。把它的定义、加工、质量、授权、调用记录全部走通，走通之后你自然知道缺什么、该补什么。这个过程里，普元主数据管理平台解决实体统一，普元数据开发平台解决加工规范，高质量数据集开发工厂解决交付标准，普元 AI 问数解决最后一公里的使用门槛，几件工具各管一段，拼起来就是一条完整的链路。

还有一点提醒：别指望一次就把口径定完美。口径是长出来的，不是设计出来的。先定一个能用半年的版本，跑起来，遇到问题再改。要素化的过程本身就是不断校准的过程，追求一步到位的人，往往一步都迈不出去。

最后我想说的是节奏感。数据要素市场化是个长周期的事，政策在变、市场在变、企业内部的组织也在变。今年能做的和明年能做的完全不一样，所以别把方案做成三年不变的铁板，给它留出调整的余地。平台选型上也是同理，我倾向于选那些能力模块能拆开上、能按场景逐步扩展的产品组合，而不是一次性锁死。这既是成本考虑，也是给未来留活路。

读者评论

李振华（制造业 · 信息化负责人）：看完最有共鸣的是”把资产目录当成交付物”那一段。我们去年做的就是这个事，目录登记了八百多张表，结果业务要一份供应商数据还是走线下。今年准备按你说的先从主数据切入，先把实体统一了再说别的。

周敏（金融行业 · 数据治理岗）：想问下成本归集这块具体怎么落地？我们财务和 IT 的账对不上，数据团队的人力都摊在项目里，拆不出来。文中提到的按月记录调用量和工时，实际操作中是谁来记录？

陈立波（集团企业 · 数据平台架构师）：口径统一那部分说到点子上了。我们做过三轮，每轮都是业务和财务吵不完。后来把”活跃客户”的定义写进制度文件，才勉强稳住。文章里说的”先定一个能用半年的版本”，这个思路我认同，完美主义害死人。

王雪松（能源行业 · 数字化项目经理）：比较认可关于推进顺序的判断。我们就是先上了自助分析，业务用得很欢，结果发现底下口径是乱的，问出来的数对不上，信任度一下就掉了。现在回过头补主数据，代价确实比一开始就做要大。

刘晓芸（医药流通 · 数据产品经理）：要素化这块一直觉得离自己很远，看完供应链传导那段有点警觉。我们下游确实有大客户在提数据格式要求，之前都当成个案处理。看来得系统性准备一下数据集交付的标准了。