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道坎核心矛盾穿透式监管的要求数据标准统一各级企业各搞各的标准统一口径才能横向对齐数据质量治理数据缺、脏、假可信数据才能驱动风险模型数据安全权属数据越集中风险越大安全前提下实现穿透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》