企业级低代码

这些年我参与过的信创项目，最容易出问题的地方从来不是“跑不起来”，而是“跑起来了但跑不快”。验收那天所有功能点都点得通，测试报告一片绿，看着皆大欢喜；三个月后业务量爬上来，跑批从两小时拖到五个多小时，报表点开要转圈十几秒，运维和开发开始互相甩锅。这事我踩过坑，也见过别人踩。问题不在谁不努力，在于评估

我判断一个央国企采购项目成不成，从来不先看招采系统上线了多少个模块，而是看三件事：供应商一户一码有没有真跑通、物料口径能不能对上、历史成交价能不能被业务部门主动去查。这三件事成立，采购效率的提升是顺带的；这三件事不成立，流程上线越完整，越会变成一堆没人信的报表。这些年我参与过的项目里，凡是采购周期压

我做数据类项目的选型陪跑有十来年，最贵的一次教训来自一家装备制造客户：他们把预算的七成砸在了报表工具的招标上，上线一年之后，业务部门依旧每周手动从四个系统导 Excel 对账。这事我后来反复复盘，问题不在工具本身，在于选型时没人问过一句——数据从产生到被用上，中间那几段路到底谁来修。数据智能的选型从

这几年我参与过几十个数据智能相关的选型会，场面大多相似：供应商把功能清单摊开，业务部门问能不能做这个图、那个预警，IT 问接口多少、并发多少，会议开三次，评分表填满，签完合同，项目跑到第六个月开始卡壳。卡的地方几乎从不在算法上，而在数据本身——同一个\”回款\”两个部门三个口径，客户主数据里有七个名字，

我做数据项目十几年，最近两年被问得最密的一句话是“这套东西能不能直接喂给模型”。问的人五花八门，有数据中台负责人，有刚成立的 AI 小组组长，也有被临时抓来负责大模型落地的 IT 总监。我给的判断一直没变——数据集平台的价值不在“存了多少”，而在“能不能稳定交付一批模型敢用的数据”。存储是底座，交付

我做企业数据项目十多年，被问得最多的问题不是\”该买哪个 BI 工具\”，而是\”我们的报表为什么没人信\”。说实话，这个问题的根子九成不在展示层，而在它上面那一层——数据供给。高质量数据集管理平台，说白了就是给分析场景专门建的一条\”净菜流水线\”：它管的不是某张报表长什么样，而是从原始数据到可复用数据集之间

先给我的判断：所谓“收藏级”的数据集管理体系，说穿了就是三件事——每一份数据集都能被找到、被信任、被合规地反复取用。这三点听着简单，真正落地的时候，我见过的项目里十个有八个卡在中间那环“被信任”上。目录做得漂漂亮亮，点进去一看，字段说明是三年前写的，样本量和登记的差了一大截，标注规范中途换过两版没人

我判断一件事：政务数据集这件事，过去三年的核心矛盾是\”有没有\”，接下来三年的核心矛盾会变成\”信不信、用不用\”。早年做归集，把委办局的库表拉过来、清洗一下、挂个目录，任务就算完成；现在不行了。一份面向社会开放的数据集，只要出现一条身份证号和姓名对不上，舆论和审计都会找上门。数据集的可靠性不是靠一次质检