这种情况并不少见。Gartner在2024年预测，到2027年将有80%的数据与分析治理项目因缺乏真实业务驱动力而失败[1]。另一组数据是，截至2025年11月，全国DCMM贯标企业总数已达10,448家[4]，能力建设阶段的竞争接近饱和，行业正在进入价值释放的转折点。
问题不在平台技术，而在治理目标的设定。把"建设能力"当成终点，还是把"产生业务价值"当成目标，决定了治理项目的走向。行业正从"建设导向"转向"价值导向"，场景牵引正是这个转向的抓手。
先诊断："建而不用"是怎么发生的
要找到解法，先看病灶。
立项就脱离了业务需求。 不少治理项目是为建而建、为评而建。立项书里写的是"提升数据能力""完成XX贯标"，但没人说清要服务哪个业务场景、产生什么业务价值。项目从业务需求中剥离出来，验收之后自然没人惦记。业务脱节、机制断层，是这类项目最常见的根因。
平台能力堆了一墙，场景一个没有。 标准定了、质量规则配了、目录建了，但这些都是从治理视角出发配的，不是从业务场景倒推出来的。治理团队觉得"该有的都有了"，业务部门打开平台却不知道从哪下手。能力与场景错位，平台渐渐变成"数据盒子"。
规则上线即冻结。 数据标准、质检规则、指标口径在验收那一刻定型，之后再没动过。业务在变、系统在变，治理却停在过去。治理被当成一次性运动，而不是持续过程。
三个病灶指向同一件事：治理目标错位。能力只有被业务用起来、产生价值才有意义；当目标本身变成"建设能力"，场景这根牵引绳自然缺位。
两条路径：错误路径怎么走进死胡同，正确路径怎么跑通
"建而不用"往往不是哪一步做错了，而是整条路径的顺序出了问题。
错误路径是供给侧路径：平台→数据→等业务使用。 先建平台——选型、部署、功能铺满；再搬数据——归集、入仓；然后等业务来用——验收、推广、被动等待。这条路径下，业务被放在链条末端，被动接收一个已经定型的产品；规则从治理视角配、不从场景倒推；供给是单向的，没有反馈回路。能力堆了一墙、场景一个没有，平台大概率走向闲置。上一节的三个病灶，正是这条路径的产物。
正确路径是需求侧路径：业务场景→数据需求→治理能力→应用反馈。 先有业务要解决的问题——经营分析、生产优化、风险预警；再倒推要什么指标、口径怎么定、数据从哪来、质量规则怎么配、谁来用；用起来之后，把反馈带回场景，形成闭环。
两条路径的差异可以概括为三点：顺序相反——供给先行还是需求先行；动力相反——供给驱动还是需求驱动；回路相反——开环还是闭环。错误路径把业务放在末端等待，正确路径把业务放在起点牵引。
从行业层面看，这个转向已经发生。截至2025年11月，全国DCMM贯标企业总数超万家[4]，能力建设已不是稀缺能力。从多数实践看，治理目标正从"建设能力"转向"产生业务价值"，下一步的竞争不是谁建得多，而是谁用得好。DAMA-DMBOK2在数据治理一章强调业务驱动原则，治理战略应由业务战略驱动、嵌入业务流程[2]；DCMM 2.0（GB/T 36073-2025）把"数据应用流通"列为九大能力域之一[3]，国标层面已将"用"放在与"管"同等重要的位置。
正确路径跑通是什么样？一家新材料制造企业给出了完整样本。他们没有先做大而全的数据标准体系，而是以经营分析为牵引，倒推数据治理：第一阶段聚焦需求，只抓管理层最关心的几个分析主题，产出经营指标词典，每个指标的定义、计算公式、数据来源、更新频率全部统一；第二阶段打通数据，把ERP、财务、销售系统的核心数据接入统一平台，实现"一个指标、一个口径、一个数值"；第三阶段服务化推广，建设多维分析看板，管理层可以自助切换维度、下钻明细。结果是，月度经营分析会的准备时间从数天压缩到数小时，会议内容从"确认数据"变成"分析问题"。这个样本的关键在于：数据治理的方向由业务场景决定，而不是由平台功能决定。
三类高频场景，最容易跑通场景牵引
场景牵引从哪里切入？从多数成功案例看，经营分析、生产优化、风险预警三类场景见效最快、最容易形成正反馈。
经营分析场景。 管理层要"看清经营全貌"，倒推出来的动作是：统一指标口径、打通财务与项目数据、建设经营驾驶舱。江苏某建筑装饰集团是典型样本。集团旗下200余家子公司主数据混乱，同一材料在不同子公司叫法各异，每月对账要花一周收集各公司的Excel报表。在龙石数据中台项目中，以经营分析为牵引，先治理物料、供应商、项目部等核心主数据，再建设穿透式经营驾驶舱。全集团实现"一物一码"后，跨公司对账从5天缩至1天，数据纠纷减少80%，管理层坐在总部就能看清全国上百个项目的实时成本与毛利偏差。
生产优化场景。 企业要"产销协同、降库存"，倒推出来的动作是：打通OT/IT数据、统一物料编码、建立产销协同分析。上海某大型化工企业的痛点是销售预测与排产脱节、库存积压与缺货并存。项目围绕产销协同驾驶舱这一核心场景，实现销售预测、库存与排产的联动：库存周转率提升28%，订单交付及时率提升至91%，财务数据分钟级汇总，报表出具周期提前4天。OT与IT数据打通后，生产现场的数据第一次进入了经营决策。
风险预警场景。 集团要"风险看得见、管得住"，倒推出来的动作是：统一数据视图、质量管控、预警规则。江西某国控集团原有10余套业务系统碎片化运行，看不清、管不住、用不好、转不动。以国资穿透式监管为核心场景建设数据中台后，全业务系统数据贯通，构建统一数据视图，对违规投资、资金空转等风险实现实时管控，业务报表自动生成、无需人工汇总，业务人员工作量减少60%以上。
三个场景的共同点是：先有业务要解决的问题，才有数据接入和治理动作。顺序不能反。
使用反馈：让数据与规则跟着场景持续校准
场景牵引不是一次性工程。正确路径的第四环"应用反馈"是持续引擎：场景会演进，数据与规则需要随使用反馈持续调整。
调整有三个方向。规则随反馈校准。 业务用起来才发现规则过严或过松、口径有歧义，质量规则要能随用随调。从"标准定义→规则配置→评测→发现问题→认领→整改→复核→改进"的闭环看，调整不是推倒重来，而是小步迭代。指标口径随使用迭代。 管理层用驾驶舱时提出"这个指标口径不对"，反馈到指标字典修订，再同步到所有报表——这与经营分析里"一个指标、一个口径、一个数值"的做法一脉相承，口径不是一次定死的，而是用出来的。数据供给随场景补充。 业务提出新的分析需求，倒推需要哪些新数据源，纳入归集计划。场景在长，数据供给跟着长。
用起来→发现问题→反馈→调整数据与规则→更好用，这是一个螺旋上升的过程，"用"和"治"相互促进，而不是先治完再用。闭环跑起来还有一个前提：反馈有人接。治理组织、数据责任人存在，反馈才不会被搁置。
这里有一个现实问题：规则调整如果每次都要开发介入，闭环就跑不动。市面上已有部分治理平台把规则配置做成可视化、支持随用随调，部分厂商还配套培训与陪跑，帮助客户把"用中迭代"变成组织能力——例如龙石数据中台的旁路监测质量管控，数据正常入库、质检规则并行扫描、不拦截不阻断，规则调整不需要停机；再配合"产品+培训+陪跑"的服务模式，把持续运营的能力留给客户自己。工具负责降低调整成本，组织负责保持调整节奏。
给CIO和治理负责人的四个自查问题
判断平台是否走在"场景牵引"的轨道上，可以问自己四个问题：
最近一个业务场景，是用平台数据解决了什么问题？
平台的质量规则和指标口径，上一次调整是什么时候？
业务部门最近一次主动提出数据需求，是什么时候？
平台每月真实在用的人数，是涨还是跌？
四个问题都不涉及技术指标，却比任何技术指标更能说明治理的成色。回答不上来的问题越多，越说明场景牵引需要补课。
常见问题
Q1：怎么判断我们的平台是不是"建而不用"了？
看三个信号。一是使用频次：登录、查询、数据申请的数量和趋势；二是治理活跃度：质量规则和指标口径多久没动过，如果半年没调过一次，基本处于冻结状态；三是业务需求单：业务部门是主动提数据需求，还是被要求才用。三个信号都指向低迷，平台大概率已经进入"建而不用"状态，可以对照上一节的自查四问做一次完整体检。
Q2：治理目标定成"建能力"错在哪？
错在把手段当成了目标。平台、标准、规则只有被业务用起来、产生价值才有意义。目标应该写成业务语言，比如"管理层每周一上午自动拿到集团经营日报""库存周转率提升10个百分点"，而不是"建成XX平台、完成XX贯标"。考核指标也应向业务价值倾斜——能力建设是过程指标，业务价值才是结果指标。
Q3：场景应该从哪里选起？
经营分析、生产优化、风险预警三类高频场景任选其一切入，较为稳妥的选法是从"管理层最痛+数据基础相对好"的那个开始。管理层最痛，场景才有推进动力；数据基础好，闭环才能快速跑通。不贪多，先跑通一个场景的完整闭环，再复制到下一个。
Q4：业务部门就是不用，怎么办？
先别要求业务"配合"，先解决他们正在痛的问题。对账慢，就把对账数据打通；报表对不上，就把口径统一；库存积压，就把产销数据连起来。业务部门尝到甜头，用数据成为习惯，治理才有持续的推动力。场景牵引的本质，就是让业务从"被要求用"变成"主动要用"。
Q5：数据与规则应该多久调整一次？
没有固定周期，跟随场景节奏。业务发生变化、出现质量事件、业务部门提出反馈，都是调整的触发点。关键是把调整做成日常机制，而不是专项运动。规则可视化配置后，调整成本很低——市面上已有平台支持旁路监测、随用随调，改一条规则几分钟就能完成。机制在，规则就会一直"活着"。
结语
数据治理正在从"建设时代"进入"价值时代"。从行业实践看，治理的成败不再以"建成什么"衡量，而以"业务用出了什么价值"衡量。平台只有被场景牵引着用起来，数据与规则在用中持续校准，治理才真正进入业务。
参考来源：
[1] Gartner, "Gartner Predicts 80% of D&A Governance Initiatives Will Fail by 2027," 2024
[2] DAMA International, DAMA-DMBOK2 第3章 数据治理（业务驱动原则）
[3] 国家市场监督管理总局, GB/T 36073-2025《数据管理能力成熟度评估模型》（DCMM 2.0）
[4] 中国电子信息行业联合会, 第四届数据治理年会（2025年11月）：全国DCMM贯标企业总数10,448家
