感 · 通 · 算 · 用 数据中台
一个指标，
从提出到可信可用，要几天？
不谈接了多少个源，只谈这一件事。
因为中台的产出不是表，是时间。
0四类客户现状中位数 · 最长 27 天
0改造后稳态值 · 改善 80%—91%
0AI 让错口径的传播放大倍数
不谈接了多少个源，只谈这一件事。
因为中台的产出不是表，是时间。
验收报告里的前三个数字，通常很好看，也通常不预测任何结果。
接入是供给动作，价值发生在需求侧。一个源接进来一年没人查，对业务价值为零，对成本为负——存储、计算、运维、安全评估都要钱。
“活跃客户”在财务是近 12 个月有交易、在运营是近 90 天登录、在电商是近 90 天下单。四个口径都合理，但没有一处被写下来。
“累计调用 5000 亿次”度量的是接口吞吐，不是需求满足。一个高频核验接口能把总量推得很高，而一个关键需求可能等了 40 天。
城市燃气集团的算例：审批链短，但对数长。真正让人意外的是那根最短的柱子。
这意味着一个不太好听但很有用的结论：再买一套更快的引擎，改善上限也就是一成多。剩下八成在治理和流程里。
2026 年 4 月 28 日中央政治局会议提出加强“六张网”建设；2026 年相关投资规模超 7 万亿元。它们各自的数字化都不弱，缺的是同一套语言。
算电协同里两边都叫“用电量”：算力侧按 PUE 折算，电力侧按关口表计量，差 3%—8%。放到 100 万千瓦集群上就是 5 万千瓦——不能解释这个差，调度指令就下不去。
数据从左边进来，从右边出去。中间那道虚线是“质量前置”——它是门，不是镜子。
红色的点被闸门挡回去了——这就是“质量前置”。它会挡住业务，所以需要组织授权，不只是技术能力。多数厂商不敢做，因为他们不想在验收时被投诉。
多数影响分析只能发现“会报错”的，发现不了“不报错但结果变了”的。后者才是生产事故的主要来源。
dwd_order.amount
这不是把数字改小，是把“怎么算”写下来、签字、锁住。同一组四要素（原子指标、修饰词、时间周期、维度），只能对应一个指标 ID。
差 15 万，会议开了 40 分钟，前 30 分钟在争哪个数对，最后用“以财务口径为准”结束——但没人知道财务口径到底是什么。
同一个问题，两条路径。直连明细看起来更强，但答错了没人知道；走指标层看起来“能力有限”，但每个答案都能被复核。
护栏的目标不是把错误降到零，是让错误可被发现。所以顺序必须是先指标层、后智能体——反过来做，等于给错误装了涡轮增压。
不用形容词，只用乘法。四笔账分别回答：钱花在哪、债有多重、AI 有多险、何时该停。
换快 10 倍的引擎，改善 15.0%；不动引擎只做治理，改善 56.7%。这就是“买了最好的湖仓，业务还是不用”的算术原因。
系统从 12 个增到 30 个，待对齐的“系统对”从 66 增到 435。单指标一年的对数成本约 2,304 人时；十个指标约 288 万元/年。
人工时代一个错口径每月被引用约 10 次；接入问数后是每月 9,000 次。加护栏降到 3%，仍是 180 倍。
单点自建 8 人天/需求；中台底座 60 人天＋2 人天/需求。一年同类需求不到 10 个，建中台在人力账上不划算。
投资顺序由四笔账叠加：指标收敛 → 血缘 → 服务化与授权 → 质量前置 → 接入扩容 → 智能体。前四项用一半的钱拿到 78% 的改善；后两项用另一半的钱拿到 7% 的改善，却承担几乎全部的风险敞口。
差异化的标准不是“别人没有”，而是“别人做不到，或者做到了但不敢承诺”。
一处定义、六处复用：API／报表／大屏／标签／智能体工具／对外产品，改一次同步六处。
口径版本化与历史复现：谁能改、为什么改、何时生效都留痕；历史报表按“当时口径”重算。
字段级血缘与秒级影响分析：3 秒列出 47 张报表、12 个 API、3 个智能体，并区分“报错”与“静默出错”。
质量前置：不通过不进目录、不发布服务。质量从“事后告警”变成“准入闸门”。
一次授权、多次复用：授权跟数据产品走，不跟表走；一次审批，复用一年。
原始数据不出域：隐私计算＋可信数据空间，只出结果不出明细。
指标层护栏：唯一的取数路径，答案可下钻、可复核。
组合效果：财务在月度会前一天发现“华东区毛利率异常”，从提问到出结论 9 分钟——问数 1.2 秒、下钻 3 秒、血缘 3 秒、口径变更记录 8 秒、导出。同一件事在多数单位是 6.5 个工作日。
中台项目失败，八成不是做不出来，是推不动。所以第一个场景必须阻力最小、见效最快。
只做一把手在经营会上必问的十个，附一份“关停清单”。
一个业务域、10—20 个指标；不能答的转“新建指标”工单，不硬答。
建监管口径到内部指标的映射表，报送前自动跑勾稽校验。
订单状态、库存水位、对账明细三类共享，原始数据不出域。
提供“核验结果”而不是“原始数据”，阻力立刻降一个量级。
施工许可、开挖备案、管线走向、历史事故对齐到同一套网格。
资源登记、产品目录、定价与计费、年度披露，四件事都要能跑通。
三条硬依赖：无①不做②（没指标层，问数就是查库）· 无①不做③（监管与内部口径冲突无法解释）· 无④不做⑦（没有跨法人授权与台账，产品上架无法披露）。
把“什么时候不该做”写在方案里，比任何承诺都更能建立信任。
30—50 源、10—30 指标、1—2 场景；6—8 个月；回收约 2.8 年。
80—150 源、50—80 指标、3—5 场景；9—12 个月；回收约 2.8 年。
200+ 源、150—200 指标、含可信空间；12—18 个月；回收约 5.4 年。
① 一年同类需求 ＜10 个——建数据集市，投入约三分之一。
② 三类主数据未统一——先做 MDM，否则聚合全错。
③ 没有专职数据 Owner——先建口径共治机制。
④ 目标只是要一块大屏——买 BI，成本约 1/20。
① 技术投资回本不快，2.5—4 年是常态，重档超 5 年。
② 真正的收益来自“因为数据快而多做的决策”，这部分不可承诺。
③ 政务客户不该按回收期算，收益是合规、效率与可审计。
说明：本页所有量化指标均为行业经验参考值或算例推演，实际成效以试点实测为准；政策条款以正式发布文本为准。
这句话可以被检验，也值得被检验。
下一步建议：4 周交数体检 —— 抽 30—50 个历史需求，逐条还原五段耗时，出《交数体检报告》与投资优先级建议。