← 返回博客列表
数字化转型数据治理企业AI数据中台

系统上线那天最热闹:企业数字化沦为摆设的四个断点

花几百万上 ERP、上千万建数据平台,半年后还是 Excel 加微信群。结合王自如与帆软陈炎、沈涛的对谈,拆四个断点,附立项判断、指标治理与上线后的运营清单。

鲸码研发团队10 分钟阅读

先说结论

我们的体感是:验收会上最好看的那套东西,往往就是之后最没人用的那套。

花几百万上 ERP,上千万建数据平台,再拉一块大屏做经营看板。验收那天功能齐全、页面漂亮、材料齐整。半年后回头看,员工还在导出 Excel 统计,部门之间还在微信群传文件,老板要一份经营分析,还得临时找人取数。

系统就这么变成了两件事:领导来了打开,验收时汇报。

王自如和帆软 CEO 陈炎、FDE 专家沈涛聊过这个话题。他们说的那些问题,跟我们做项目时踩过的坑基本对得上:毛病多半不在技术和软件,而在业务、数据、组织这三件事从开头就没搭上。下面四个断点,是我们见得最多的。

流程图上的五段:立项选型、系统上线、业务执行、数据看板、持续运营,中间四处红色断点

图 1:五个环节,四处接不上。

一、把买系统当成了做数字化

一提数字化,第一反应是列采购清单:财务上 ERP,生产上 MES,办公上 OA,分析上 BI。系统一年比一年多,预算一年比一年大。

然后你会发现:上了 ERP,各科室照样导 Excel 二次加工;上了经营分析平台,月度数据还是财务手工拼;上了生产管理系统,计划员排产还是在自己的 Excel 里调。

这不全是员工不配合。多数时候,系统里根本走不通他手上那件事。

王自如举的例子是排产。一张 Excel 计划表搬进系统,看着是“线上化了”,可排产背后是设备状态、订单优先级、物料到货时间、换型成本,还有老师傅的经验。这些规则没梳理清楚,软件换几套都一样,无非是把原来的操作方式搬进浏览器。

所以立项之前,三个问题绕不过去:

  • 现在最疼的业务问题是哪一个,疼在哪个环节、谁在疼?
  • 系统上线后,哪几个动作会变,谁的动作要变?
  • 三个月后,拿什么判断它有用?

第三个问题最容易被跳过。答不上来,验收标准就只剩“功能清单打勾”。

二、审批搬上线了,业务还在线下

第二个断点更隐蔽:系统不少,链路是断的。

销售用 CRM,采购用 ERP,生产用 MES,仓库用 WMS。每个部门都有自己的系统,部门之间还是靠人传。

一张客户订单进来,正常要经过库存核查、生产排期、采购备料、生产执行、发货结算。听起来是一条线,实际是:销售把订单信息发到群里,计划员复制进 Excel,采购重新核对一遍物料,仓管再问一次货什么时候到。

王自如在访谈里说得很直接:“只要我的审批流在线上了,我就已经完成了业务的数字化,其实并不完全是这样。”

批在线上走完,活儿在线下干。系统记下了“谁同意了”,没记下“事情是怎么发生的”。

对比图:上半部分订单在 CRM、ERP、MES、WMS 之间正常流转,下半部分同样的节点之间靠截图发群、Excel 重录、电话确认、单据补录连接

图 2:上半截是流程图,下半截是实际动作。

这里还有个容易漏掉的点:过程。排产因为设备停机、客户插单改过三次,如果系统只留最后下发那一版,前面两次为什么改、改完影响了什么,就全没了。他特别强调过,每一次变更的上一个版本都是过程数据,应该被保留、被追溯。

对制造企业来说,这些“改来改去”的记录,后面做交期预测、算插单损失,都是原料。

三、数据收上来了,口径没统一

第三个断点,钱花得最多,效果最不明显。

数仓建了,中台建了,BI 也上了,报表几百张。可真要跨部门看一个数,还是对不上。

常见场景:季度利润下滑,管理层问原因。财务说成本涨了,销售说产品结构变了,生产说效率掉了,采购说原料涨价。四套数、四个说法,看着都有道理,会开两小时,结论是没有结论。

不是数据没采,是没治。同一个指标各部门口径不同,同一个客户在不同系统里编号不同,系统之间的数据对不上号。

王自如讲过他推指标管理的做法:组织各部门写指标管理白皮书,把定义统一下来。他对指标字典的定位挺有意思:“这个字典的价值是什么呢?不是大家每天做业务的时候翻这个字典,而是当大家吵架的时候,靠这个字典来解决。”

这话说到根子上了。统一口径表面是统一字段和算法,实际是统一各部门对同一件事的理解。

落到动作上,一般是四件事:

  • 数据集成:ERP、MES、CRM、WMS 之间的数据真正接通,不再靠导出文件
  • 指标治理:收入、成本、利润、库存这些核心指标只有一个定义
  • 数据建模:客户、订单、产品、物料之间能关联起来
  • 数据质量:数据准确、完整、连续,出了问题能追到源头

数据怎么被用起来

治理完还有一层:业务人员怎么拿到数据。

过去主要靠固定报表和 BI 看板。管理层看经营报表,业务看指标看板,临时有个问题,找数据员取数、做表、发邮件,一来一回两天。

AI 进来之后,这块在变。沈涛提到,数据消费不必止于报表和看板,还可以是 HTML 报告、千人千面的呈现,甚至直接自然语言问数。

帆软的产品按这个思路铺。面向大型企业的本地化 Data Agent 平台 Dora,前面用 FineDataLink 做集成,后面靠 FineBI 的指标中心和语义层托底,指标中心正在升级到 2.0。面向中小微企业的云产品走“以用促治”,直连电商平台标准 API,接入账号就能出经营分析和归因。标准化场景下,一两天能看到初步结果。用沈涛的话说,这是围绕新的数据消费方式,把过去积累的治理和再生产能力放大。

不过企业级 Agent 和个人用的 Agent 不是一回事。个人 Agent 出错,用户自己兜着;企业 Agent 后面连着公司数据库,要管权限、管安全、管结果准不准。王自如那句话我记得很清楚:“企业的数据 Agent 如果 mess up 整个公司的数据库,这是个巨大的事故。”

示意图:上层是报表看板、HTML 报告、自然语言问数、企业级 Data Agent,下层是指标中心与语义层、数据模型与主数据、数据集成与质量权限

图 3:换的是出口,底座还是那三层。

四、上线即终点,之后没人负责

最后一个断点,不少公司到现在还没意识到:建设责任很清楚,使用责任没人认领。

立项时,IT 管选型,业务提需求,供应商交付,领导批预算,链条清清楚楚。

上线之后呢?谁持续优化?谁推动业务部门真用起来?谁查数据质量?出了问题找谁?这几个问题,多数项目没有答案。

沈涛讲过一个制造业客户的例子。那家企业做经营分析,难的其实不是把数据整出来,而是分析会开完之后:谁跟踪问题、谁推动整改、整改怎么考核。

所以除了建设机制,还得有一套运营机制:

  • 每套系统有明确的业务负责人和管理责任人
  • 数据质量和指标维护有固定的人、固定的频率
  • 定期收业务部门的使用反馈,别等到年底调研
  • 系统使用和经营分析、业务改善绑在一起
  • 发现的问题有人、有措施、有时限

几点补充

原文的分析就到这儿,我们补三条自己的看法。

验收即终点,是机制问题,不是认识问题。 项目制预算奖励交付,不奖励使用:钱按节点拨、按验收付、按上线剪彩,没人因为“第三年还有多少人在用”拿奖金。所以光喊“要建运营机制”没用。真要改,得让付款节奏跟使用效果挂钩,把使用率和数据质量写进业务部门的考核,再给数字化团队一个常设编制。项目制不动,下一个项目还是同一个结局。

指标之争,本质是考核之争。 口径为什么统一不了?因为口径背后是排名和奖金。指标白皮书如果没有一把手或财务负责人签发、不进考核,它就只是一份文档。数据治理动的是权限和利益的分配,这也是它推不动、只能靠外部顾问顶着的真正原因。

“以用促治”对中小企业是对的,但有天花板。 从一个高频场景切进去,快速见效,解决的是没人愿意为治理付费的冷启动。可一旦要跨业务线合并口径、做集团报表,前面省下的治理债会连本带利还回来。稳一点的做法是:以用促治起步,同时把指标定义和主数据编码一开始就做对。这两件事前期便宜,返工极贵。

最后说句最不技术的。经营分析会本身就是失效的:汇报、点评、散会,没人跟进。这样的会,配再好的 BI 和大屏,也只是把无效会议开得更快更漂亮。先跑通“问题—责任人—措施—时限—复盘”这个循环,用 Excel 都行,跑顺了再上系统,才不至于又买一套摆设。

FAQ

Q:预算有限,先做治理还是先上 BI?
A:先挑一个能算清账的场景,把它的指标口径定死,再做看板。反过来做,看板越漂亮,争议越大。

Q:数据中台一定要建吗?
A:不一定。接口不多、口径清楚的企业,数仓加一层指标层就够了。中台的价值在跨系统复用,没到那个量级,它就是负担。

Q:上了 AI 问数,是不是就不用治理了?
A:正好相反。自然语言问数会把口径问题放大,因为提问的人不会替你解释“这个利润含不含税”。

相关阅读

文中案例与观点引自王自如与帆软 CEO 陈炎、FDE 专家沈涛的对谈,其余为我们自己项目中的观察。有数字化立项、数据治理、企业 AI 落地方面的需求,可以看项目案例或联系我们。

关于作者

鲸码研发团队,长期做企业级系统、AI 知识库、数据中台与信创环境交付。文中命令与配置均来自实际项目,版本不同请先在测试环境验证。

有类似的技术需求?聊聊 →

继续阅读