国央企的数字化建设不缺系统。ERP、财务、司库、OA、采购、合同、人资、项目、生产、资产、审计、法务，能上的基本都上了。问题出在下一层：同一个"收入"，在财务系统、业务系统、合同系统和报表平台里各有各的定义，集团总部要看清一家子公司的真实经营状况，得先跟口径打一架。
袋鼠云的国央企白皮书把这件事摆在了"十五五"转型的正中间：系统之间是否贯通、数据口径是否统一、业务规则是否沉淀、风险信号能否提前识别，正在取代"有没有系统"，成为衡量数智化成效的标准（来源：袋鼠云《国央企集团 Data+AI 数智化转型白皮书》）。
监管方式换了
国资监管的逻辑正在变。过去依赖层层报送、周期性汇总、专项检查和事后审计，能掌握经营结果，但对结果背后的形成过程、风险传导路径和责任主体识别存在时滞。
现在方向是过程穿透、风险预警、在线监测和闭环整改。国务院国资委召开穿透式监管工作会议，强调加快构建智能化穿透式监管体系、加强重点领域穿透监管、健全监管闭环（来源：袋鼠云白皮书引述国务院国资委穿透式监管工作会议部署）。
这背后是监管对象的变化。向组织深处、业务深处、风险深处延伸，意味着集团要从整体经营结果，一路看到板块公司、下属企业、项目现场、合同明细、资金流向和责任主体。
穿透的是什么
白皮书把穿透式监管拆成九个维度。股权穿透要求看清产权结构、控制关系和资本链条；业务穿透要还原业务实质、经营过程和价值贡献；风险穿透要识别风险形成机制、传导路径和影响范围。
剩下的六个维度同样具体：治理穿透跟踪战略决策、管理制度和整改要求的落地；信息穿透打通系统、部门和层级之间的信息壁垒；考核穿透把经营目标、责任主体和绩效评价关联起来。资金、合同、项目三个维度则落到最细的颗粒度上。
图注：穿透式监管涉及九个维度，同时对企业的数据基础、指标体系、系统架构和组织协同提出要求——监管对象越复杂，越依赖持续、稳定、留痕完整的数据能力。
需要说清楚一点：穿透不等于简单扩大监管颗粒度。白皮书强调的是建立一条连续的管理链路，从战略目标到经营结果、从业务过程到风险事项、从责任主体到整改复盘。总部既要判断下属单位的经营表现，也要理解这个表现是怎么形成的。
卡点不在系统，在口径
系统建设的充分性，不会自动转化为集团治理能力。白皮书列出的问题很具体：不同系统围绕不同部门和业务流程建设，存在主数据不一致、指标定义不一致、统计周期不一致、业务语义不一致、数据质量不稳定、责任主体映射不清晰。
一个指标能被"穿透"，背后要同时对齐四件事：业务定义、组织口径、会计处理和时间口径。任何一处不一致，下钻一层就会遇到两套数字，再往下就没人敢下结论了。
这也是为什么很多集团做经营分析会陷入两难：完全依赖各业务板块自行分析，形不成集团统一视角；强行统一，又会抹掉业务差异。白皮书把平衡"统一管理语言"与"业务差异"列为集团经营分析的核心难点。
L3 是分水岭
白皮书给了一套五级成熟度模型，L3 的定位最关键。
- L1 系统支撑级：核心业务流程线上化，数据分散在各部门，集团主要依赖汇总报表。
- L2 数据整合级：开始建数据平台或数据中台，多系统数据汇聚，部分核心指标开始统一。
- L3 指标穿透级：建立统一指标体系和主题域模型，指标具备稳定口径和管理意义，能够按组织维度下钻。
- L4 智能监管级：在统一底座之上引入智能分析，支持异常识别与风险预警。
- L5 智能治理级：数据、指标、知识、模型、流程和组织责任协同运行，走向治理闭环。
白皮书把 L3 称为"重要分水岭"，理由不是指标数量变多，而是指标开始有稳定口径。L4 的智能化能力必须建在 L3 的统一指标体系之上——这一层没打牢，模型再强也只会把两套口径的矛盾算得更快。
图注：五级成熟度中，L3 指标穿透级是分水岭——L4 的智能分析与风险预警必须建在 L3 的统一指标体系之上，跳过 L3 直接上智能化，只会放大口径矛盾。
源势AI观点
很多集团推进智能化的顺序是反的：先上大模型、先做问答和驾驶舱，回头发现底下没有统一口径，模型给出的每个答案都要人工复核一遍，最后变成一个新的人工岗位。
我们的建议是先把 L3 做扎实，再做 L4。具体落地上有三条：一是把"指标口径"当成数据资产来管，每个指标必须挂上业务定义、组织口径、会计处理和时间口径四项元数据，缺一项就不允许上报表；二是先贯通再智能，把财务、合同、采购、项目、资产几个关键系统的关键实体对齐，比铺开二十个智能应用更有效；三是把穿透链路当成产品来设计，从集团到板块到项目，每一跳都要能被验证，而不是只在汇报时能讲通。
CCSA 的《AI 原生数据平台研究报告（2026）》把方向写得很清楚：数据平台要从"为人服务"转向"为 AI 与 Agent 供给数据"（来源：CCSA《AI 原生数据平台研究报告（2026）》）。对企业来说，这个转向的第一步不是买工具，是把口径统一这件事从项目变成日常。
话题标签：#穿透式监管 #数据治理 #指标体系
