传统ERP扛不住大数据？某控股集团的数据治理实战复盘

在数字化转型浪潮中，集团型企业普遍面临数据分散、系统耦合度高、应用效率低等挑战。尤其当核心ERP系统难以支撑日益复杂的数据处理需求时，如何系统性构建数据治理体系，成为企业能否实现科技赋能的关键。

本文基于某控股集团在供应链与房地产双主业背景下的数据治理实践，梳理出一套从咨询规划到平台落地、从架构设计到场景驱动的完整路径。

该案例已收录于《数据治理行业实践白皮书》，为同类企业提供可参考的实施框架与落地经验。

一、集团案例背景

该控股集团是一家以供应链运营和房地产开发为主业的现代服务型企业，供应链运营板块包含的贸易模式有大宗供应链贸易及服务、4S店销售、与零售贸易，是本次项目的主要服务范围。集团下属包含不同的板块集团，不同的板块集团经营不同的大宗商品贸易，包括浆纸、钢铁、农产品等，是典型的集团管控型企业。

集团的整体系统体系主要围绕核心ERP系统，股份总部的IT人员很多是ERP的开发、运维人员，基于股份集团的业务管理，ERP大量自研模块。ERP作为核心系统，各大系统从ERP接入所需数据，同时将关键数据回流到ERP。另外ERP作为核心应用系统，大量的报表数据通过ERP计算、展现。随着业务的扩展，股份集团对外服务平台越来越多，数据的类型越来越复杂，需求越来越多样，数据资产管理的问题逐渐突出，主要表现在：

ERP作为整个架构中的核心系统底层，在大数据的汇集、存储、计算的效率上，无法及时、准确满足数据使用需求，导致整个系统性能较慢缺少大数据平台工具，无法很好地对数据及数据处理过程进行管理，数据缺乏管理是数据应用覆盖率不高，以单点数据应用为主，目前的模式数据应用满足效率较差

在数字化转型是大时代背景下，为了实现集团科技赋能战略，促进核心业务的数据分析和运用，推动股份集团数据资产建设，项目从整体规划、架构设计、平台工具建设三大层面，构建股份集团的数据资产体系。

二、具体如何解决

为了全局性、统筹性地进行数据资产规划，梳理数据资产管理模式，开展数据治理，项目整体分为以下三大阶段。

第一阶段：咨询规划，选模式，定方向

这个阶段，主要是通过咨询规划，初步确定数据治理模式，确定落地方向。集团由信息化模式转向大数据模式，从治理模式、管理模式、未来的场景的方向看，对企业都存在不确定性，因此集团选择优先咨询规划，明确治理模式，然后再逐步展开。

1.调研诊断，全面盘点现有数据、业务现状，定位目前问题。

现有源系统及现状盘点，包括内部系统、对外服务平台、外部数据盘点数据架构的现状－数据流转过程盘点，以ERP为核心系统与对外服务平台、内部业务系统和外部数据进行数据交互的过程分析数据应用的现状盘点，面向集团管理层、行业板块中层管理等不同层级的数据应用现状盘点，整体以散点式基础统计为主，覆盖率不高数据权限管理，目前尚未建立权限管理，需求盘点数据质量及管理情况盘点

2.数据治理模式选择

集团总部数据部门统筹规划集团的数字化建设工作，作为集团整体系统建设、数据应用建设的核心实施部门，板块集团承接小部分数据需求，数据团队主要集中在股份总部。核心数据管理团队在集团内拥有10年以上工作经验，对集团各板块业务内容非常了解，数据架构师具备集团架构设计及整体规划的能力。基于集团的现状及组织团队的现状，选择自下而上的数据治理模式。

3.架构规划设计

集团整体升级大数据架构，打破数据孤岛，统一规划数据治理体系。架构规划整体采用中台的数据体系，即在全域原始数据的基础上，进行标准定义及分层建模，数据体系建设最终呈现的结果是一套完整、规范、准确的数据体系，可以支撑数据应用。以此将数据资产全面汇集、建设、管理起来。针对股份集团而言，基于业务模式不同、管控权限差异，在架构设计上，设置集团通用模块、板块业务独立模块，满足不同的数据应用需求。

数据架构整体框架示意图

4.大数据平台规划

搭建集团大数据平台体系，满足集团大数据汇集、存储、加工、服务的需求，为股份集团数据治理提供管理平台及工具。在平台内，股份、各业务板块单独开具租户，租户与租户计算资源隔离。集团与上级集团大数据平台形成集团的大数据平台建设雏形。

集团整体大数据平台雏形示意图

第二阶段：架构规划，理框架，定目录

这个阶段，主要基于数据治理模式，自下而上开展数据治理，整体规划数据架构，理清集团的数据资产框架，初步框定股份集团数据资产目录体系。

1.调研诊断

全面调研方向系统使用现状及痛点、业务现状、业务流程、需求方向、未来期望等层面，调研覆盖信息部总负责人、信息部副总、总数据架构师、数据架构师，以及各业务单元涉及业务单元总负责人、骨干负责人等。详细梳理业务领域、数据内容，进一步明确架构设计思路。

2.架构设计

以波特价值链分析模型为理论基础，全面梳理企业的业务领域及模式，包括企业决策层、管理层及运营层的业务活动，同时结合数据的生产管理过程，划分架构框架，覆盖业务、管理、数据进行分类分域。架构设计整体考虑扩展性、通用性，数据不冗余，便于管理等层面。整体包含三个层级，如下图所示。

架构框架示意图

3.数据资产目录建设

以架构框架为基础，在大数据平台中，采集数据，并按照架构框架进行分类整理，建立数据资产目录，将数据分类分级管理，详细描述数据的生产方式、业务信息、技术信息、管理信息等基础内容。不断梳理数据资产，构建数据资产地图，通过平台进行管理，逐步沉淀集团整体的数据资产。

数据资产目录示意图

第三阶段：实施落地，搭平台，建资产

这个阶段，在整体框架下，明确应用场景，搭建大数据平台，开始数据资产建设。

1.搭建平台

搭建大数据开发平台，补充大数据实时、离线计算能力，测试平台实现路径，迁移原有数据应用。

2.场景建设

以价格场景为试点，展开数据资产建设。价格风险是大宗供应链贸易及服务行业面临的主要风险之一，价格的种类繁多，包括合同价、到货价、发票价、出厂价等不同价格，价格还分为净价、含税价、总价等不同的类型，基于价格的来源不同，还存在外部价、内部价格，价格场景。

价格场景主要在三方面进行梳理：

将股份集团涉及的所有的价格进行梳理，并明确价格维度梳理关联价格，例如对比分析采购净价及采购到货价，从而分析采购合同的盈亏情况价格分析，比如价格趋势分析，比如采购/销售合同净价趋势分析，看价格走向，或对比分析，比如同纬度下，内部到货价格对比市场价格、内部出仓价格对比.市场价格，以及基差分析。

3.数据资产建设

以满足价格场景需求为目标建立搭建数据模型，按照数据架构框架，建立价格域、合同域、物流域、发票域、期货域、资金域、公共数据域等相关数据域，分层开发数据模型，支撑价格应用。

在这个过程中，梳理股份集团数据标准，从业务分类、组织架构、部门等方面，梳理词根体系，建立词根标准、字段标准。

三、建设成果

1.明确数据治理模式

通过充分调研、规划，基本明确未来数据治理模式，股份集团未来以自下而上的数据治理模式为主，逐渐纳入数据应用。

2.制定数据架构框架

构建股份集团的数据架构框架，未来在这个框架下，进行数据资产建设、分类，统一数据认知，减轻未来数据资产建设团队压力，未来团队只需要将相关数据归到相关类别下，对人员的复合能力要求将降低。

3.搭建大数据平台

搭建实时计算、离线计算的大数据计算能力，搭建数据资产管理平台，纳入数据质量管理工具，逐步搭建数据治理能力。

4.探索大数据分析场景

以价格场景为试点，打通数据需求分析、数据模型建设、数据开发的大数据交付路径，为未来更多大数据场景分析提供基础。

5.构建数据标准体系

在数据资产建设过程中，梳理词根词缀，建立数据标准体系，梳理词根标准2300+，为数据标准体系建。

四、结语

通过本次数据治理实践，该集团不仅初步构建起覆盖全业务域的数据资产目录与标准体系，更以“价格风险”场景为切入点，验证了数据驱动业务决策的实际价值。未来，集团将持续拓展数据应用场景，深化数据资产在风控、运营、战略等层面的支撑作用。

数据治理并非一蹴而就，而是伴随业务发展持续迭代的系统工程。欢迎同行企业交流探讨，共同推进数据治理在集团管控模式下的落地与创新。点击免费下载完整版白皮书资料

想要进一步了解我们的解决方案或行业实践，欢迎前往袋鼠云官网免费下载更多资料，也可以通过下方链接联系我们：

《指标+AI数智应用白皮书》下载地址：https://www.dtstack.com/resources/1101/?src=szsm

《数据资产管理白皮书》下载地址：https://www.dtstack.com/resources/1073/?src=szsm

《行业指标体系白皮书》下载地址：https://www.dtstack.com/resources/1057/?src=szsm

《数据治理行业实践白皮书》下载地址：https://www.dtstack.com/resources/1001/?src=szsm

《数栈V6.0产品白皮书》下载地址：https://www.dtstack.com/resources/1004/?src=dsyzh

想了解或咨询更多有关袋鼠云大数据产品、行业解决方案、客户案例的朋友，浏览袋鼠云官网：袋鼠云-Data+AI｜数据中台治理｜数字孪生可视化｜大模型应用｜运维MSP

同时，欢迎对大数据开源项目有兴趣的同学加入「袋鼠云开源框架钉钉技术群」，交流最新开源技术信息，群号码：30537511，项目地址：https://github.com/DTStack