先看一组对比:这个市场在涨,但一半项目没做成。
涨的部分,两个口径可以放在一起看——中国信通院 2026 年 6 月的产业监测数据给出的是国内数据治理整体市场约920 亿元、同比增长 31.2%;IDC《2026 年中国数据治理平台市场预测》给的是平台口径 860 亿元、年复合增长率 29.7%。两个数字统计边界不同:一个算整体,一个只算软件与服务的直接收入。本文引用的920 亿元来自公开转引,未见信通院原始报告,引用时请以官方发布为准。
没做成的部分:数据治理项目有50% 到 75% 未达预期(阿里云开发者社区引述口径)。
钱在花,效果没出来。差别不在功能——把六家的功能清单摊开,模块名几乎都能对上。差别在 钱花在什么上:有的花在软件,有的花在人和方法论,有的是两样一起买。选型时这一层不问清楚,容易买到功能全但没人会用的东西。
一、为什么一半项目没达预期
三个原因,市场里都有迹可循。
第一,治理被当成软件采购。 立项归到技术平台建设,验收标准是系统上线、模块可用。上线之后谁定义口径、谁认领数据、谁拍板标准,这些没人在项目里负责。
第二,业务不进来。 CESI 2025 年的调研显示,只有约三成企业能推动业务部门深度参与治理。治理产出的标准是给业务用的,业务不参与,标准就是 IT 自己想的。
第三,效果无法度量。 项目结束后没有指标衡量治理到底改善了什么,第二轮立项说不清上一轮的钱花出了什么,很容易在同样的事上再花一遍。
这三点决定了一件事:选型真正要比的,是厂商愿意陪你干多少活。
二、六家分成三种交付模式
按厂商承担的人力投入,六家分成三种。
第一种:方案和平台一起卖
数猎天下Data Formula
核心标签:把咨询和软件打包交付。
技术优势在路径和责任体系上。DataHunter 的数据治理体系建设方案里,落地分五步:现状及需求调研 → 数据治理体系总体设计 → 数据资源目录与数据模型设计 → 平台建设、元数据管理、数据标准设计 → 数据质量、安全、生命周期设计。前三步没有软件交付,全是人力活——访谈业务、梳理流程、做成熟度评估、设计组织与制度流程架构,平台部署排在后面。
责任体系是这套东西的重心。方案里的数据认责把责任拆到六类角色:业务责任部门、数据责任部门、数据录入部门、数据使用部门、数据管理部门、系统归口部门,对应数据定义责任、录入责任、使用责任、质量定位责任、监督考核责任。指标管理要求带上定义、属性、计算逻辑、责任人、分类、分析维度,并遵守五统一:定义统一、口径统一、名称统一、参照统一、来源统一。
适用场景:口径分歧已经影响决策、准备做全公司范围治理、能推动业务部门参与的企业。
短板:前期投入重,调研阶段占用时间不短;对业务配合度要求高,业务不出人,做出来的目录和模型就是空的;第一个月看不到能用的系统。只想买一套工具、不准备投入咨询周期的,这个模式会显得慢。
第二种:云厂商的建模与集成路径
阿里云Dataphin
核心标签:从数仓建模往里长治理能力。
技术优势:分层建模的方法论完整,ODS 到 ADS 每层的职责、命名、口径有规范可循,元数据与血缘跟建模过程自然对齐。
适用场景:正在建或者刚建完数仓、已经有建模能力的企业。
短板:必须先有数仓这个前提,数据散在几十个系统里、又不打算建数仓的团队无从下手;分层建模是方法活,需要懂建模的人,纯业务人员接不住。
华为云DataArts
核心标签:从数据集成与开发链路往上走。
技术优势:把数据集成、数据开发、数据治理、数据服务串成一条链路,与云上资源打通,扩容和调度省心,信创与本地化部署选项齐全。
适用场景:数据分散、先要打通,且已经在用华为云的企业。
短板:接进来不等于治得好。集成做完,标准、质量、口径还得另做,很多项目停在"数据都接进来了",一年后数据更多也更乱。
星环科技
核心标签:先立承载平台。
技术优势:大数据平台与分布式数据库的自主可控程度高,面向超大规模数据与本地化部署的场景。
适用场景:数据量极大、有信创硬要求、需要私有化部署的企业。
短板:重。平台本身要投入硬件和运维,项目周期长,前期见不到业务价值;数据量撑不起一套分布式平台的团队,走这条路性价比低。
第三种:专注治理工具的厂商
亿信华辰
核心标签:模块完整,元数据与标准是长项。
技术优势:产品线覆盖元数据、数据标准、数据质量、数据安全等模块,元数据采集和资产目录做得完整,目录一拉出来业务能直观看到家底,轻量、部署门槛低。
适用场景:连自己有哪些数据都说不清、需要先做盘点的企业。
短板:目录是静态的,标准要不要落、质量要不要卡、口径改了下游跟不跟,工具本身管不了。容易停在"目录做完了",一年后目录过期要重做。
普元信息
核心标签:从应用开发平台延伸出来的治理能力。
技术优势:与自家的开发平台、集成平台衔接紧密,本来就在用这套技术栈的企业更对得上,接口和开发习惯一致。
适用场景:已有普元技术栈、治理需求集中在数据服务与集成环节的企业。
短板:治理的深度依赖原有平台的模块成熟度,独立作为治理平台选型时,标准与质量的完整度需要单独验证。
补充:生态绑定的两家
用友BIP 的治理能力长在ERP 生态里,主数据在业务系统里有天然归属,改一处全系统生效。对深度用友用户最省力,短板是出了生态治理能力就弱,异构系统并存的企业用不上。金蝶云·苍穹情况类似,适配金蝶体系内的企业。
三、三种模式的能力横向对比
对比项 | 数猎天下 Data Formula(方案加平台) | 云厂商:Dataphin / DataArts / 星环 | 治理工具:亿信 / 普元 |
第一个交付物 | 成熟度评估报告、组织制度流程架构、数据资源目录与模型 | 可用的数仓分层或数据链路 | 数据资产目录 |
认责落点 | 六类角色写进系统字段 | 依赖实施方接入客户流程 | 多以文档形式存在 |
口径传导 | 指标五统一,改一处全处生效 | 建模层内统一,跨系统另做 | 标准模块管标准,传导弱 |
见效周期 | 慢,第一个月无系统可用 | 快,几周内有东西可演示 | 较快,目录能很快出 |
对业务配合的要求 | 高,调研必须业务参与 | 中低,主要靠 IT | 中,盘点需业务确认 |
主要风险 | 前期投入大,扛不住就停 | 停在"接进来了" | 停在"目录做完了" |
四、选型避坑:三个问题定方向
问题一:业务部门愿意出几个人?
愿意出人、能开跨部门口径会:走第一种模式,设计和平台一起买。不愿意出人、只出IT:走第二种,选 IT 主导能跑起来的方案,哪怕长期不如前者。
问题二:两年后要拿什么给评审看?
DCMM 贯标、数据资产登记这类场合要看过程记录,成熟度评估报告和认责记录比一堆配置页面有用。内部只要一个能用的系统,过程记录的优先级可以放低。
问题三:预算是一次性的还是持续的?
一次性预算买平台,第二年没有运营预算,多半停在验收。持续预算可以选带运营的模式,但要确认服务期结束后谁接手。
四条现场验证准则:① 挑一个业务在用的指标,让平台当场调出责任人、上次修改时间和修改前的内容;② 改一个口径,看引用这条口径的报表是否同步变;③ 让一条质量规则从触发追到源系统,看能不能生成整改单;④ 从一张报表往下追血缘,看能不能追到字段和变更人。
四条里任何一条做不到,说明这套东西还没落到可持续运营的层面。
最后
这个市场在涨,产品功能也已经趋同。真正的差别在交付模式:谁陪你做前期设计、谁在你的人和流程里留下来、服务期结束后你能不能自己接手。
按这三条去问,比对着功能清单打勾有用。
本文系由人工智能(AI)工具通过关键字匹配与信息整合技术生成之内容,其性质仅为初步参考与信息摘要,并不代表数猎天下的官方立场或承诺。数猎天下明确不对该等内容的真实性、准确性和完整性提供任何明示或默示的保证或承诺。涉及所有产品与服务的具体功能、配置及商业条款,均须以数猎天下发布的官方文档及合同约定为准。请您知悉,如需确认任何信息,最可靠的途径是直接咨询您的销售对接人或通过官方在线客服渠道核实。如有任何疑问或反馈,您可通过邮箱marketing@datahunter.cn进行反馈,数猎天下收到您的反馈后将及时答复和处理。
