数据不通，穿透就是空话——国资数据治理的三道坎

穿透式监管系列 · 第5篇

前一篇讲架构，说"底座先行"。但真正动手建底座的时候，大多数央企撞上的第一堵墙，不是技术问题，是数据问题。

IDC的调研数据很扎心：82%的集团企业存在子公司之间数据标准不统一、集团层面报表编制周期长、跨组织业务协同依赖人工搬运等问题。数据孤岛每年造成的隐性管理成本，平均占集团IT总投入的25%-35%。

"数据治理"四个字，在央企里说了十几年，做了十几年，为什么穿透式监管来了之后，还是觉得数据不通？

因为穿透式监管对数据的要求，比过去任何一次信息化建设都要高。它要的不是"数据能看"，而是"数据能穿透、能对齐、能追溯、能实时"。这四个"能"，每一对应着一道坎。

第一道坎：数据标准统一——"同一个数字，三个人算出三个结果"

问题有多严重

一家央企集团内部，"营业收入"这个指标，财务部门按会计准则算一遍，经营管理部门按业务口径算一遍，考核部门按预算完成率再算一遍。三个结果，三个数字，年终开会时谁也说服不了谁。

这不是笑话，是央企的日常。

数据标准不统一，在央企里有三个典型表现：

一是主数据不统一。 同一个供应商，在采购系统里叫"中建八局"，在财务系统里叫"中建第八工程局"，在合同系统里叫"中国建筑第八工程局有限公司"。三个名字，三个编码，系统不知道它们是同一家。

二是指标口径不统一。 "资产负债率"的分母用哪个数？是含表外的还是不含表外的？是合并口径还是单体口径？不同子公司有不同的算法。"投资收益率"是按IRR算还是按ROIC算？没有统一标准。

三是科目体系不统一。 并购来的企业带着自己的科目体系，新设子公司用的是另一套科目，集团总部自己还有一套。二三十套科目体系并存，合并报表时靠人工做映射，一错全错。

为什么过去没人解决

不是不想解决，是动力不足。

过去，数据治理是IT部门的事。业务部门觉得"我的数据我用着没问题，为什么要改口径"，子公司觉得"我的科目体系用了十年了，改为集团的太麻烦"。没有业务驱动力，IT部门推不动。

穿透式监管改变了这个动力结构。国资委现场检查的问项里，有具体的一条："数据能否自动采集实时传输"——如果你的数据标准不统一，系统根本采不动、传不了。数据治理从"IT部门的活"变成了"被检查的硬指标"。

怎么过这道坎

实践表明，有效做法是"三层推进"：

集团统一主数据编码。 建立"一物一码"的主数据管理体系——客户、供应商、物料、组织架构、人员全覆盖。这是数据标准统一的地基，也是最苦最慢的一步。

定义统一指标矩阵。 把国资委监管要求的指标和集团内部管理需要的指标，合并成一套统一指标库。每个指标有唯一编码、唯一计算公式、唯一数据来源、唯一责任部门。指标库发布后，全集团所有系统统一调用。

统一科目体系。 以集团会计科目为标准，各子公司原有科目通过映射表对齐。存量用映射，增量直接采用集团标准，逐步统一。

关键是：标准统一不能等"全部准备好了"再推，而是边治理边用、边用边修。

第二道坎：数据质量治理——"采上来的数据，能信吗"

数据质量的三种"病"

数据标准统一之后，数据能汇聚了。但汇聚来的数据，质量往往惨不忍睹。

病一：缺。 三级以下子公司的数据大量缺失。有的子公司连银行账户台账都不全，有的境外SPV的财务数据根本没接入系统。某央企报送穿透式监管数据时发现，全集团上万个银行账户中，有15%的账户信息不完整——缺账户类型、缺币种、缺余额。

病二：脏。 数据有，但不对。同一笔交易在两个系统里金额不一致，供应商名称拼写错误，银行账号少一位，日期格式混乱——这些"脏数据"如果直接喂给风险模型，输出的预警结论根本不可用。

病三：假。 最隐蔽也最危险。不是技术层面的错误，而是人为修饰——收入提前确认、成本跨期结转、关联交易未穿透识别。数据"看起来合规"，实质上是加工过的。

传统数据质量管理的盲区

大多数央企有数据质量管理机制，但存在两个盲区：

一是"人工抽检"而非"规则校验"。 数据质量检查靠人工抽审，覆盖率低、频率低，等发现问题数据已经用了半年。正确做法是建立自动化数据质量规则引擎，在数据入库时实时校验——金额逻辑一致性、字段完整性、时间戳合理性、跨系统勾稽关系——不达标的数据直接拦截退回。

二是"只查数量，不查质量"。 很多企业的数据质量检查只关注"数据有没有上报"，不关注"上报的数据准不准"。但穿透式监管关注的是数据真实性——46号令的追责情形里，数据造假是独立追责项。

怎么过这道坎

建立"事前预防、事中校验、事后追溯"的三段式数据质量管理体系：

事前，在数据源头上设置录入规范和校验规则——该填的字段不填不让提交，该对齐的编码不对齐不让保存。

事中，数据接入数据底座时自动执行质量规则校验，不合格数据自动拦截并退回源头整改。

事后，保留全量数据变更日志，任何一条数据的修改可追溯到操作人、操作时间、修改前后值。这一步直接对接46号令的追责要求——数据造假？系统里有迹可循。

第三道坎：数据安全与权属——"穿透式监管的数据，谁能看、能看多少"

安全红线

穿透式监管要求打通全集团数据，但这带来了一个尖锐的矛盾：数据越集中，安全风险越大。

央企核心经营数据——投资定价策略、成本结构、客户清单、薪酬数据——都是高敏感信息。如果穿透式监管平台把这些数据集中到一个系统里，一旦泄露或被越权访问，后果比分散存储严重得多。

国资委2号文提到的"一朵云"，不只是技术部署方案，更是安全要求——它要求数据基础设施安全可控，适配信创环境，数据不出域。

三个安全难题

难题一：权限管理。 穿透式监管平台上，集团总部能看全集团数据，子公司只能看自己范围的数据，但跨子公司之间的关联交易需要跨域可见。这个权限矩阵怎么设计？简单做"能看/不能看"二元管理不够，需要做到字段级、行级、列级的细粒度权限控制。

难题二：信创适配。 央企信息系统要满足信创要求——国产CPU、国产操作系统、国产数据库、国产中间件。穿透式监管平台如果在信创环境下运行，性能、兼容性、稳定性都有挑战。特别是大数据量实时分析的AI模型，在纯国产化基础设施上跑起来，技术门槛很高。

难题三：出境合规。 2号文把"境外业务"列为十大穿透领域之一。但央企境外子企业的数据传回国内，涉及东道国数据出境法规——有些国家不允许数据直接出境，有些要求数据本地化存储。如何在合规的前提下实现境外数据穿透，是一个法律与技术交叉的复杂问题。

怎么过这道坎

安全策略上，坚持"三不原则"：

不出域。 全部组件私有化部署在企业内网，数据不出集团网络边界。涉及AI能力，优先采用本地化部署的模型，而非调用公网大模型API。

不越权。 建立基于角色的细粒度权限体系——不同层级的管理者看到不同范围的数据，同一份报表里不同的人看到不同的字段。配合完整的审计日志，谁看了什么数据、什么时候看的，全部留痕。

不裸跑。 信创适配不是可选项，是必选项。从底层操作系统到上层应用，全栈适配国产化环境。涉及敏感数据的场景，叠加加密传输和存储脱敏。

三道坎，一个逻辑

回看这三道坎，会发现一个共同的底层逻辑：

三道坎的本质，是穿透式监管把数据治理从"锦上添花的IT项目"变成了"不做就过不了检查的硬门槛"。

过去，数据治理是"有空就治一治，没空就算了"。现在，数据不通，穿透就是空话——系统采不到数据，模型跑不了分析，预警出不了结论，闭环无从谈起。

数据治理是穿透式监管的地基。地基这关过不了，上面的架构再漂亮，也只是空中楼阁。

下一篇预告：《先行一步的央企，穿透式监管到底做出了什么效果？》