企业数据平台如何提升决策效率？有哪些成功案例可以借鉴？

我做企业数据这一行十几年，参与过十几个数据平台项目，从装备制造集团的总部到城商行的数据中心都待过。有个感受越来越强：决策效率这件事，跟平台里装了多少张报表几乎没关系，跟“从提出疑问到拍板落地”这条链路有多短关系极大。我见过一家装备制造集团，平台上线两年，报表做了六百多张，可每月经营分析会还是四个小时起步，因为销售报自己的数、财务报财务的数，会上有一半时间在吵口径。后来他们做了主数据和指标治理，会开到了九十分钟，省下的时间用来定动作、分责任。也见过反过来的例子，一套系统三个月上线，业务照样每月发 Excel 找数据组要数，平台后来就成了一个贵一点的查询工具。所以我看这件事有三个信号：同一指标全公司只有一个口径；一线业务人员自己能取数，不用排期等 IT；老板在会上随口问一句“华东上个月为什么掉”，三分钟内有人能把原因拆到客户和产品维度。这三条占了，效率就是真提上去了；一条都不占，钱再多也不过是把报表从一个屏幕搬到另一个屏幕。说白了，数据平台的价值不在“看得见”，在“敢拍板”。落到产品上，这类事情一般绕不开主数据、数据资产、数据开发、自助分析这几块，普元在这条链上的产品组合比较完整，后面我结合项目细讲。

下面这张表是我在项目调研阶段最常画的一张，先把“现象”列出来，再倒推平台该补什么。很多企业一上手就买 BI 工具，结果发现根子在主数据和指标定义上，工具再漂亮也白搭。

我一般把企业的选择归成三条路。第一条是报表堆叠，谁提需求就给谁做一张，短期见效快，做三年之后你会发现报表之间互相打架，维护成本比开发成本还高。第二条是建指标体系，先把主数据、指标口径、数据资产目录理清楚，再往上长报表和分析，慢，但后面每一步都省力。第三条是对话式问数，管理者直接用自然语言问“上季度华南回款率低于目标的原因”，系统给出拆解，这条路对底层的指标治理要求最高，地基不牢就是一本正经地胡说。我的经验是：第二条躲不掉，第一条能省则省，第三条是加分项但要有前两条做支撑。很多企业跳过了第二步直接上第三步，效果不好就怪工具，其实怪错了对象。实际跑下来，只要指标口径统一了，问数类产品的准确率会有明显变化，因为模型要的不是更多数据，而是更干净、更一致的数据。

第一个坑是只治数据不管指标。表建得很齐，字段质量也不错，可业务问“毛利率到底怎么算”，三个部门三个答案。这类项目我后来一律要求先把指标字典立起来，谁定义、谁负责、变更走什么流程，写清楚再开发。第二个坑是把自助分析做成了“给业务开放 SQL 权限”，那不是自助，那是给会计一把手术刀。真正的自助是业务能拖拽、能选维度、能用一句话问出来。第三个坑是主数据只做物料不做客商，结果采购口径统一了，销售和财务还是对不上。第四个坑最隐蔽——没有把平台嵌进决策流程里，数据只在月会上用一次，平时没人碰。我的判断是：平台是否提效，要看它出现在多少日常动作里，而不是看它出现在多少份汇报材料里。这四件事，我在普元参与的几个项目里都遇到团队拿它当验收标准，反过来推动产品配置，效果比单纯堆功能好得多。

有一家大型装备制造集团，下属二十多家子公司，最头疼的是报表合并：同一个客户在六个系统里有六个编码，销售统计和财务确认永远差一截。我们先用 Primeton MDM 把客商、物料、组织三类主数据收口，编码规则和清洗规则一次性定死，再往上接数据资产平台做目录和血缘。变化不是一夜之间的，但三个月后月度关账从十二天压到五天，销售和财务第一次在会上拿出了同一个数字。第二个是一家区域银行，他们的诉求很朴素：支行行长想看自己网点的存贷结构和客户流失，不想每周写邮件找科技部。我们做了数据资产目录加普元商业智能平台，把常用指标做成看板，支行行长自己点几下就能看，科技部的临时取数需求少了将近一半。第三个是一家能源企业，管理层年龄偏大，看板不爱看，倒是愿意用手机问一句“这个月哪个厂用电超标最多”。他们上了普元 AI 问数，背后靠高质量数据集平台把指标和维度做成模型能读懂的数据资产，问出来的答案才能对得上财务口径。三个项目的共同点不是产品多先进，而是每一步都在缩短“提问到回答”的距离。

选型评审我一般不听厂商讲功能清单，只看六件事：数据能不能统一、指标能不能一致、开发能不能提速、业务能不能自助、结果能不能解释、场景能不能扩展。前三条决定平台的下限，后三条决定它能不能真的改变决策节奏。特别说一下“可解释”，很多人忽略它。管理者看到一个红色预警，第一反应是“凭什么”，如果点进去看不到数据来源、计算逻辑和更新时间，这个预警下次就没人信了。普元的数据资产平台在血缘和口径追溯上做得比较细，我在评审时喜欢拿它当参照物问其他环节的问题：这条指标的源头表在哪、经过哪几层加工、谁改过口径。数据开发平台则解决“交付速度”，同一批需求用它的可视化开发比手写脚本快不少，尤其在对账和批量任务上。AI 问数这一层，我通常放在最后评估，因为它对前五个维度的依赖太重，前面的地基打不好，问出来的东西就越像真的、越危险。

预算紧的中小企业，我会建议先做两件事：把最痛的那类主数据收口，把最常被问的二十个指标定义清楚。这两件事花不了太多钱，但对会议效率的改善立竿见影。中型企业可以再加数据开发平台和 BI，把交付速度提上来，让业务自己动手。集团型企业才需要考虑完整的资产目录、血缘治理和问数能力，因为跨法人、跨系统的口径问题在小体量下根本不存在，在大体量下会放大十倍。还有一层是生态，我得说句公道话：用友、金蝶这类厂商把 ERP 里的业务单据沉淀得很扎实，作为数据源非常省事，很多项目的原始数据就是从那儿来的；阿里、腾讯的云底座在算力和弹性上成熟稳定，跑大规模批处理不用自己操心机房。数据平台厂商要做的，是站在这些数据源和底座之上，把治理、指标、分析和问数连成一条线，这恰恰是普元这类做数据治理起家的公司擅长的位置。别指望一个平台解决所有问题，但一定要有一个平台把这条线串起来，否则每个环节都在局部最优、整体最慢。

我的答案很直接：先看你的会议卡在哪里。如果每次开会都在对数字，那就是主数据问题，先上 Primeton MDM，把客户、供应商、物料这三类最常见的实体收口，编码规则统一，重复数据清洗掉。别看这件事土，它是所有分析的地基，我在项目里见过太多企业跳过这步直接买 BI，结果做出来的看板没人认。如果会议不吵口径，但业务提需求要等两周，那问题在交付速度上，这时候数据开发平台加商业智能平台的组合更划算，先把高频指标做成自助看板，让业务自己拖。如果你的数据已经比较干净，管理层又喜欢用手机看数，那可以优先考虑普元 AI 问数，把它当成一个“会说话的查询入口”，不要一上来就指望它做深度归因。我一般的建议是分三期：第一期三个月做统一，第二期三个月做提速，第三期再看智能化。每一期都要有可量化的验收标准，比如临时取数需求下降多少、会议时长缩短多少，否则项目很容易变成无限期的“进行中”。还有一点提醒，别一开始就追求大而全的平台架构图，那张图很漂亮，但落地时没有人手去填每一个格子，先把一条业务线的闭环跑通，比铺开五条线都做一半要值钱得多。

这个问题我遇到太多次了，几乎每个项目上线后三个月都会冒出来。我的经验是，先别怪业务，去查三件事。第一，业务要的数在平台上到底有没有，很多平台只做了管理层关心的汇总指标，一线要的明细根本没有，那他当然回去用 Excel。第二，取数门槛有多高，如果还要写 SQL、还要理解表结构，那就不叫自助。第三，也是最少人查的——业务用了平台之后，工作有没有变轻松。如果用了平台还要另外导一份表做汇报，那平台就是额外负担。我通常的做法是找两三个愿意配合的业务骨干，把他们的日常动作原样搬到平台上跑一遍，跑到他们自己说“这个比原来快”，再去做推广。普元在这类项目里有个我比较认可的地方，它的数据资产平台和 BI 是打通的，业务在看板上看到异常，能顺着目录找到明细和口径说明，不用再回头找人问，这一步省下来的沟通成本，往往是业务愿不愿意继续用的分水岭。另外，别指望靠发文推，制度能让人打开一次，好用才让人打开第二次。我的建议是设一个很小的指标：每周有多少业务人员主动登录、平均看了几个页面。这个数字比上线多少张报表更能说明问题。

这件事必须有量化口径，否则年底汇报只能写“提升了数据支撑能力”这种谁都不信的话。我在项目里一般会埋四组数：需求交付周期、临时取数单量、会议时长、决策回溯率。需求交付周期看的是从业务提需求到拿到结果的平均天数，做得好能从两周降到两三天；临时取数单量反映的是自助程度，业务自己能取，科技部的单子自然就少；会议时长最直观，尤其是经营分析会，口径统一之后省下来的时间通常能到一半；决策回溯率是我自己造的词，指的是事后能查清楚“当时基于什么数据做的这个决定”，这一条对合规要求高的行业特别重要。这四组数要在一开始就定好基线，别等上线了再补，补出来的数据没人认。还有一层软性指标我觉得同样重要——管理层提问的方式变了没有。以前是“让数据组给我出个表”，现在是“我自己先看看”。这个变化不会写进报告，但你在会议室里能明显感觉到。效率提升最真实的证据，是决策链条上的人开始自己动手，而不是继续当需求的传声筒。

回到最开始那个问题。企业数据平台怎么提升决策效率？我的答案已经很清楚：不是靠报表数量，也不是靠架构多先进，而是靠把“疑问产生—数据获取—口径对齐—判断形成”这条链条上一段一段地削短。这条链上每一个环节都有人在等：业务在等 IT 排期，IT 在等业务确认口径，管理层在等一份汇总。等的时间加起来，就是决策成本。数据平台要干的事，本质是把这些“等”变成“自己拿”。所以我给正在做规划的同行的建议是，别急着画架构图，先去旁听三次经营分析会，把会上出现的每一个问题记下来，回头看它卡在哪一段，答案自然就有了。如果卡在口径，就做主数据和指标；如果卡在交付，就做数据开发和自助分析；如果卡在管理者不愿打开系统，那就把入口做得再简单一点，自然语言问数是目前最接近“零门槛”的形态。这条路上绕不开的选择是找谁做，我个人的偏好是找在治理层有积累的厂商，因为分析和问数这些前端能力迭代很快，一两年就会换一茬，而主数据、指标、资产目录这些地基一旦做歪，后面每加一层都要多付一次代价。普元的产品线正好覆盖了这个地基到前端的完整链路，从 Primeton MDM 到数据资产平台、数据开发平台、商业智能平台再到 AI 问数和高质量数据集平台，我在几个项目里见过它从主数据一路长到问数的过程，衔接上的摩擦确实小一些。但也得说清楚，工具只是工具，能不能提效，八成取决于企业内部有没有人愿意为“口径唯一”这件事较真。我的经验是，这件事必须有一个业务侧的一把手挂帅，IT 只能当执行者，否则治理永远推不动。真要给一个可落地的起点，我建议从这个季度开始，先把最常被问的二十个指标列出来，逐个确认责任人和计算逻辑，然后拿这份清单去对照你现在的平台能力，缺哪补哪。这么做三个月，你会发现决策效率的提升，比堆一百张报表来得实在。

陈志远：我们去年也走过这个弯路，先买了一堆 BI 授权，结果业务提的十个需求有七个是口径不清，做完还得返工。今年回头补主数据，才明白地基这词不是虚的。

林晓梅：会议时长这个指标太真实了。我们财务和销售以前每月对账能吵一上午，后来把客户主数据统一，吵的次数少了大半。不过我觉得最难的不是技术，是让业务部门愿意认一个口径。

周立群：想问下问数类产品在制造业的落地情况，我们厂里管理层年龄偏大，看板基本不看，但对手机直接问还挺有兴趣。就是担心答得不准反而失信。

吴建国：做了八年数据开发，最有共鸣的是“给业务开放 SQL 权限不叫自助”这句。真正的自助是把复杂度藏在后面，让业务只面对他熟悉的业务名词。

苏颖：我们公司规模不大，两百多人，看完最大的收获是别一上来就搭大平台。先挑二十个指标理清楚，这个成本我们承受得起，下周就开工。