数据接进来了，报表跑出来了，大屏也亮了。但业务部门依然在微信群里要 Excel。更扎心的是——中台上线时间越长，使用率反而越低。Gartner 在 2024 年的报告中预测，到 2027 年 80% 的数据与治理项目将因缺乏真实业务驱动力而失败[1]。
去年，一家建筑装饰集团的 CDO 找到龙石，说了一句很扎心的话："数据中台上线一年半了，业务部门还是来要 Excel。"
这不是技术问题。核心问题是：中台只做了技术堆砌，业务价值没有闭环。
五个根因：为什么中台变成了"摆设"
原因一：价值无法验证，中台永远是个成本项。
这是最致命的。很多中台项目立项时说"提升数据能力""支撑数字化转型"——目标都对，但无法验证。怎么知道数据能力提升了？怎么知道转型被支撑了？没有一个可量化的业务数字来验证中台的价值，中台就永远是 IT 部门自证清白的"成本中心"。
上海某化工企业在龙石数据中台项目上线之前，传感器数据仅用于报警，没有形成可分析的数据资产。上了中台之后，他们把设备运行数据和工艺参数结合起来做预测性维护，设备非计划停机减少了 37%。
根因：没有价值验证，中台就没有存在感。只有当价值可以用业务数字说话，平台才能从"摆设"变成"必需品"。
原因二：战略上建了中台，战术上还在用 Excel。
2022 年 12 月，中共中央、国务院发布"数据二十条"[2]，提出数据资源持有权、数据加工使用权、数据产品经营权"三权分置"框架。政策层面把数据推到了生产要素的位置，但到了企业执行层，业务部门没有感受到中台和自己有什么关系。中台在他们眼里是"IT 部门的事"，不是"我的事"。中国信通院《数据要素白皮书（2023 年）》[3]也指出，企业数据面临的关键问题是"如何认定数据的业务贡献，促进数据价值显性化"。
根因：战略在天上，执行在地上，中间缺一根从数据到业务的连接线。
原因三：平台建好了，治理没人管。
DAMA International 对数据管理的定义很明确——"围绕数据全生命周期开展的规划、制度、组织、流程与实践活动，目标是持续提升数据资产价值"[4]。但很多项目做到"数据接进来"就收工了。元数据没人维护，数据标准没人定，质量规则没人配。DCMM 国标（GB/T 36073-2018）[5]将数据治理列为核心能力域——治理首先是组织问题，然后才是技术问题。
那家建筑装饰集团的 CDO 后来做了一件事：成立数据治理委员会，由业务副总裁挂帅，IT 负责执行。半年之后，业务部门的平台使用率翻了三倍。
根因：没有治理的数据平台，跟一个装满了文件的硬盘没有区别——数据在里面，但没人敢用。
原因四：地基不牢，每一层都在沙子上盖楼。
数据集成没做透就急着建数仓，数仓没稳定就急着上 BI，BI 没跑顺就急着做大屏。结果报表出来的数对不上，不同部门看到的同一指标不一样，每次开会都在争论"谁的数据是对的"。DAMA-DMBOK2 的 11 个知识领域[6]中，数据质量、元数据管理、主数据管理都属于基础能力建设，跳过这些直接上应用层，就是在沙子上盖楼。
根因：急于求成，每一层的债最后都会在业务部门那本账上兑现。
原因五：数据有目录，但没人找得到。
很多企业把几百张表列出来就算"资产化"了。但业务人员不知道去哪找、找到了不知道能不能用、想用不知道找谁申请。Fox 等人的研究[7]提出了数据集元数据成熟度模型，指出数据资产的价值不仅在于存储，更在于可发现、可评估与可使用——包含内容、质量信息、血缘关系等七个维度的元数据，才是让数据目录从"存着"变成"用着"的关键。
根因：目录如果只是 IT 部门的内部文档，它就是这个组织最昂贵的摆设。
从"建平台"转向"建能力"
很多团队把"理采存管用"理解成五个串行步骤——先理完、再采完、再存完……做完一步才进下一步。这是最大的误解。
正确的逻辑是五步一个闭环，每一步都要有业务产出。
龙石数据在大量项目实践中验证了这套方法论的可行性——"理采存管用"不是一个串行清单，而是一个闭环：每个阶段都有产出，每个产出都直接面向业务。
理不是把所有资产梳理完才往下走。先理一个核心业务域，理完之后，业务人员就能通过数据目录检索数据资源，知道"我有什么数据可用"。
采不是把所有系统都接进来。先接高价值的几个源系统，跑通一条数据链。采集完成后，通过数据服务快速生成业务分析报表，让业务部门第一时间看到"数据确实能用"。
存不是建一个完美的模型。先建一个够用的分层模型，边用边迭代——业务部门用起来了，自然会反馈哪里需要调整。
管不是等所有标准定好才动手。先建立关键指标的质量监测机制，通过评测规则持续跟踪质量变化。质量从"事后救火"变成"持续监控"，业务部门对数据的信任度逐步建立。
用是最容易被低估的环节。数据资产管理不只是编目出报表，而是让业务人员能自助查数据、申请权限、看到质量评分、一键生成分析结果。
某 211 大学的数据中台项目也是龙石数据深度参与的典型案例：没有等所有系统接完、所有标准定好——先挑教务和学生两个核心域，理完资产、打通关键系统后，第一时间上线了数据超市。跨部门数据申请从"天/周级"缩短到"分钟级"，师生自助申请率从不到 10% 提升到 70% 以上。
给 CDO 的三个诊断问题
第一，最近一次业务部门主动到中台上查数据是什么时候？ 如果答案是"不记得了"，问题不在平台，在平台和业务的连接。
第二，有没有一个业务指标是因为用了中台才改善的？ 如果一个都没有，中台就只是"IT 项目"不是"业务能力"。
第三，数据质量的投诉是增加了还是减少了？ 中台上线后如果还在抱怨，说明平台只是数据搬了个家。
常见问题
Q：中台上线多久能看到业务价值？ 选择一个高价值业务域聚焦，3-6 个月能看到初步效果。前提是不能只做技术集成，必须同步做数据治理和业务场景落地。
Q：业务部门不配合怎么办？ 用业务价值去吸引他们，而不是用"数据治理规范"去要求他们。比如"如果用中台的数据做客户画像，营销响应率能提升多少"。业务部门只对结果感兴趣。
Q：中台要不要做大屏？ 要，但大屏的意义是让管理层看到数据在流动，从而愿意持续投入。但如果大屏背后的数据是脏的，大屏就是自欺欺人。
Q：小企业有必要建数据中台吗？ 看数据复杂度。如果跨部门数据口径已经不一致，治理需求就产生了，可以考虑轻量化方案。两三个系统几十张表的话，Excel + BI 可能就够了。
Q：数据中台和数据资产化是什么关系？ 数据资产化不是在中台之外另建一套系统，而是在中台完成数据汇聚、治理、标准化和质量管理的基础上，实现从数据资源到数据资产的转化。没有治理能力，数据难以形成资产；没有资产化目标，中台容易停留在技术平台阶段。越来越多企业正在将数据中台视为数据资产化建设的重要基础设施。
Q：中台和 AI 智能体的关系是什么？ AI 智能体是中台"用"这一环节的加速器。中台把数据治理好了，AI 智能体才能用自然语言帮业务人员查数据、做分析。中台是地基，AI 智能体是应用层。
参考来源
[1] Gartner, "Gartner Predicts 80% of D&A Governance Initiatives Will Fail by 2027," February 2024 — gartner.com
[2] 中共中央、国务院，《关于构建数据基础制度更好发挥数据要素作用的意见》（"数据二十条"），2022年12月 — gov.cn
[3] 中国信息通信研究院，《数据要素白皮书（2023年）》，2023年9月 — caict.ac.cn
[4] DAMA International, "What is Data Management?" — dama.org
[5] 国家市场监督管理总局，《数据管理能力成熟度评估模型》（GB/T 36073-2018）— openstd.samr.gov.cn
[6] DAMA International, "DAMA-DMBOK2R," 2nd ed., revised. Technics Publications, 2024 — dama.org
[7] Fox et al., "A Capability Maturity Model for Urban Dataset Meta-data," arXiv:2402.05211, 2024 — arxiv.org
