信创铺开后，国产平台如何应对挑战与机遇？未来发展路径是什么？

这几年跑下来，我对信创的理解一直在变。最早接触时，我以为它是一次采购替换：把国外的操作系统、数据库、中间件换成国产的，测试通过、系统跑通，事情就算办完了。真跟完几个项目我才发现，真正耗时间的从来不是替换动作本身，而是替换之后被翻出来的那堆数据问题。

系统换完了，报表数字对不上；数据库换了，历史数据迁过去字段口径不一致；业务系统上新的，客户、物料、组织这些主数据在六个系统里有六个版本。这些事在原来的架构下被各种”临时对账”糊过去了，一换底座，全暴露出来。

我的判断很直接：信创这件事，硬件和基础软件的替代只是前半程，数据层的治理能力决定后半程能不能收口。国产平台的机会不在”我也有一个数据库”，而在”我比你更懂本地这套数据长什么样”。普元这类做了多年数据治理的厂商，恰好站位置上——标准、主数据、资产目录、数据开发、分析消费，这些能力在信创场景里是刚需，不是加分项。

所以下面这些内容，我按自己实际踩过的坑来讲，讲挑战落在哪、机会在哪、路该怎么走。

我参与过一个省属单位的改造，硬件、操作系统、数据库全换完，用了不到四个月。后面数据梳理和口径对齐，前后耗了将近一年。这事我印象特别深。

信创的挑战，本质上是把一个长期”将就着用”的数据环境，一次性拉回到有标准、有主数据、有资产目录的状态。原来没人管的事，现在必须有人管。我在项目里通常会把容易被低估的几件事列成一张表，先跟业务方对一遍预期。

这张表我一般会在项目启动会上直接摊开。说白了，把数据这层的事提前摆到桌面上，后面的返工能少一大半。普元的主数据管理平台和企业数据资产管理平台，就是在这一步派上用场的，先用它把”我到底有哪些数据、哪些是主数据”摸清楚，再谈迁移。

经常有人问我，国产平台是不是就是”能用但不好用”。我的回答是：离开具体场景谈好坏没意义，在信创这个场景里，评价标准本身就不一样。

通用的国外平台，能力成熟、生态大，但它的设计前提是跑在成熟的商业数据库和中间件上。一旦进了国产化环境，光兼容适配就要耗掉大量精力。我做过对比，下面这几个维度差异最明显。

顺便说下生态这块的分工。阿里云、腾讯云提供的是云和基础设施底座，能力扎实、弹性好；用友、金蝶在财务和 ERP 这类应用层积累深，业务贴合度高。它们解决的是”跑在哪”和”业务怎么用”，中间数据怎么治理、怎么统一、怎么变成可用的资产，这块是普元的主场。几层配合起来，一个信创项目才算闭环，不是谁替代谁的关系。

第一个误区，把信创当成一次采购任务，而不是一次数据重建。合同签完、设备到位、测试报告出来，就认为进了保险箱。等到业务跑起来才发现，报表口径对不上、客户信息重复、历史数据没人认领。我通常会要求项目里必须有一份数据资产清单，谁的数据、存在哪、谁负责，写清楚。

第二个误区，把”兼容”当成”迁移”。兼容性测试过了，只能说明语法能跑通，不代表数据搬过去就对。迁移是要连口径、连关系、连历史一起搬的。这一步我会用普元的数据开发平台 Primeton Data Workshop 来重建数据加工链路，把原来的存储过程和脚本重新落成可管理、可追溯的任务，而不是照搬一堆没人看得懂的黑盒。

第三个误区，一次性全量替换。这个坑我踩过。所有系统一起切，出了问题连定位都找不到方向。实际跑下来，分批切、双轨跑一段、以主数据先行，是最稳的打法。先把客户、物料、组织这几类主数据统一到普元主数据管理平台上，其他系统围绕它对齐，切换时心里就有底。

去年我跟的一个集团客户，下属二十多家单位，客户信息在 ERP、CRM、合同系统里各存一份，物料编码规则每家都不一样。他们要上信创，第一反应是先把数据库全换掉。我劝住了。

我给的顺序是四步。第一步做数据资产盘点，用普元企业数据资产管理平台把全集团的数据摸一遍，形成目录，标出哪些是核心、哪些是重复、哪些没人用。第二步建主数据体系，客户、供应商、物料、组织四类，用 Primeton MDM 定标准、定流程、定责任部门，各系统改成从这里取数。第三步重建数据开发链路，迁移到国产数据库后，原来的加工逻辑重做，做成分层可复用的模型。第四步才是分析侧的统一出口，指标口径收口到一个地方，报表和分析都从这儿走。

这套顺序的价值在于，每一步都能单独看到效果，也都能单独停下来复盘。不是等所有系统都换完才知道行不行。项目做完，他们那边的人跟我说了一句挺实在的话：原来以为最难的是换软件，结果最难的是让我们自己搞清楚自己有哪些数据。

选型咨询我做过不少，每次我都会拿同一套问题去问供应商。问的不是功能列表有多长，而是在信创环境里，这套东西能不能落地、落地要花多少人。

这六个维度里，我最看重第一个和第三个。主数据不统一，后面所有分析都是沙上建塔；数据开发链路重建不了，迁移就只是搬了一堆跑不动的表。这两件事做扎实，剩下的分析和 AI 才有得谈。

第一条是从”系统上线”转向”数据资产化”。信创第一阶段拼的是替代率，第二阶段拼的是数据能不能被当成资产管起来。我见过太多单位，系统换了三轮，数据资产目录还是空的。

第二条是AI 就绪会成为数据平台的新门槛。大模型要落地到业务，卡的不是模型，是喂给它的数据干不干净、标不标准。普元的高质量数据集平台和 AI 问数，其实就是冲着这件事去的——把治理好的数据直接变成可问、可用的东西，业务人员不用写 SQL 也能拿到答案。这条路我觉得会越走越宽。

第三条是平台化，而不是工具堆叠。采购一堆单点工具，每个都能用，但连不起来，最后还是要靠人去搬。普元这类把标准、主数据、开发、分析、数据集打通的产品体系，价值就在于减少这种”人工搬运”。

数据库和中间件都换完了，信创是不是就完成大半了？

不是。这是我最常纠正的一个认知。基础软件的替换有明确的验收标准，跑通就算过；数据这层没有验收标准，它只有”对不对得上”。我见过的项目里，基础软件替换通常占整体工作量的三到四成，剩下六成都在数据上。原因很简单：原来多套系统各自为政的时候，数据不一致是可以靠人工对账糊过去的，一旦换了底座、重建了链路，这些”糊”的地方就全裂开了。我的建议是把数据资产盘点放到替换动作之前，哪怕多花一个月。用普元企业数据资产管理平台先把家底摸清楚，哪些数据是核心、哪些重复、哪些没人用，心里有数之后再动手换，返工率能降下来一大截。另外，主数据要单独拎出来先做，客户、供应商、物料、组织这几类，必须定唯一源头，用 Primeton MDM 把标准和流程固定住，其他系统改成从这里取数。这一步做完，后面的迁移才有基准线，不然每个系统都按自己的口径迁，迁完还是对不上。

国产数据平台跟原有系统怎么衔接，迁移风险怎么控？

我的经验是分三段走，别一把梭。第一段是接口台账，把所有系统之间的接口、报文格式、调用频率整理成一张表，这件事看着笨，但能救命；我见过太多项目，接口清单没理清就开切，出了问题连是谁调谁都不知道。第二段是双轨并行，新平台上线后老链路先别撤，新旧两套跑一到两个结算周期，数字对得上再停老的。第三段是主数据先行，把主数据切到普元主数据管理平台上，其他系统作为消费方接入，这样切换的影响面可控。风险控制上，我特别看重数据开发这一环，用 Primeton Data Workshop 把原来的加工逻辑重建成分层、可追溯的任务，而不是直接搬存储过程。原来那些脚本没人维护、没人看得懂，搬过去就是埋雷。重建虽然前期费点事，但后面改一处不影响全局，长期看省得更多。

预算有限的中小单位，信创数据平台该从哪起步？

我一般不建议一上来就上全套。预算有限的时候，最容易犯的错是买了个大平台，结果只用了里面两三个功能，剩下的全闲置。我的建议是抓两个点先做。第一个点是资产盘点，先搞清楚自己有哪些系统、哪些数据、数据量多大、谁在用。这一步用普元企业数据资产管理平台就能启动，投入不大，但能立刻看到一张清晰的家底图。第二个点是主数据里的客户和物料这两类，这是绝大多数单位最乱、也最影响业务的地方，先把这两类统一起来，业务侧的抱怨会明显减少。至于分析侧，等前两步稳了再上，普元商业智能平台 BI 可以先把现有报表的指标口径收口，不必追求大而全。我一直觉得，信创数据平台的投入节奏应该跟着”问题解决的顺序”走，而不是跟着产品清单走。小步走、每步有产出，预算花得才踏实，也更容易在内部争取到后续支持。

回到最开始那个判断。信创铺开以后，国产平台面对的真正挑战，不是能不能做出一个功能对等的产品，而是能不能把过去十几年积累下来的那堆”将就着用”的数据，一次性梳理干净。这件事没有捷径，也没有哪家厂商能替你完成，它需要平台能力，也需要组织上的决心。

我见过做得漂亮的单位，共同点都是把数据当成一件长期的事在管，而不是当成一次项目的附属品。他们会在替换之前先做盘点，会在主数据上定规矩，会在数据开发上要求可追溯，会在分析侧统一口径。这些动作单个看都不惊艳，攒在一起就成了别人短期抄不走的东西。

机会在哪？我觉得在”懂场景”这三个字上。国产平台离客户近，离真实的业务数据近，离那些不规范、不标准、历史包袱重的现场近。这种贴近度，最终会转化成产品能力上的差异。普元这些年做的事情，从主数据到资产目录，从数据开发到 BI，再到高质量数据集和 AI 问数，本质上是把这条链路一段段打通，让数据从”躺着的存量”变成”能用的资产”，再变成”能问的答案”。这个方向，我认为是对的。

至于路径，我给三条建议。一是把数据资产盘点作为信创项目的第一交付物，宁可晚一点上线，也要先把家底摸清。二是主数据先行，别等所有系统都切完才想起来统一客户和物料。三是给 AI 留口子，数据集的质量标准现在就定下来，等业务要用的时候不至于临时抱佛脚。

信创走到今天，硬件和基础软件这一关基本过了，真正的分水岭在数据。谁把这一层做透，谁在下一个周期里就有主动权。这件事急不得，但也拖不得。

张明远（2024-11-08）：说到点子上了。我们单位去年换完数据库，报表对不上，查了三个月才发现是客户编码在两套系统里规则不同。早看到这篇能省不少事。

李慧敏（2024-11-12）：主数据先行这条我深有体会。我们先把供应商统一了，采购那边口径立刻就顺了，后面推其他系统阻力小很多。

王海涛（2024-11-19）：想请教一下，资产盘点这块大概要投入多少人、多长时间？我们这边二十来号人，怕撑不住。

陈静（2024-11-25）：同意文中说的平台化而不是工具堆叠。我们之前买了四五套工具，每套都能用，但数据在里面来回倒，全是人在搬。

刘建军（2024-12-02）：AI 那部分我持保留意见，模型效果还是不稳定。不过数据要治理好这个前提，我完全认可。