过去五年，数据中台在国内企业 IT 投入中占据了相当比重。但一个尴尬的现实是——"建而不用"的比例远超预期。企业投入数百万、耗时数年搭建的平台，最终沦为昂贵的摆设。
问题出在哪？本文从 DAMA 数据管理框架和 DCMM 成熟度模型出发，拆解五个根因。
根因一：中台被降级为 IT 交付项目
国际数据管理协会 DAMA 对数据管理的定义很明确：这是一项围绕数据全生命周期开展的组织与流程活动，目标是持续提升数据资产价值。
但大多数中台项目在立项时就被归类为"技术平台建设"，走信息化采购流程。考核指标关注"平台上线"和"对接完成率"，而非业务价值。某化工企业投入两年建成 Hadoop + 数据湖 + 流批一体架构，一线生产端却零使用——DCS、MES、LIMS 数据接入了，但无人将其转化为业务可消费的分析能力。
一个中台如果立项时没有业务场景驱动，建设时业务部门是旁观者，那上线后必然没人用。
根因二：治理组织有形式无实质
DCMM（GB/T 36073-2018）将数据治理组织列为核心能力域，核心观点是：数据治理首先是组织治理，其次才是技术治理。
现实中，大多数数据治理委员会仅具备"协调"职能，缺乏跨部门决策权。当数据标准涉及部门利益（财务科目编码、供应链物料编码），无人有权拍板。标准定不下来，集成就没法推进。部分企业将数据标准纳入绩效考核后，推进速度发生了质变——标准对齐从"协调沟通"变成了"经营责任"。
根因三：基础治理能力长期欠账
DAMA-DMBOK 的 11 个知识领域中，数据质量、元数据、主数据管理均属基础能力。但在资源分配上，80% 投向了平台建设，数据治理本身被挤压。
直接后果：同一客户在不同系统中名称不一致（CRM"A 有限公司"、ERP"A 股份"、WMS"A 集团"），跨系统数据无法统一聚合；字段缺失和格式错误在采集环节未被捕获，下游 BI 产出错误后业务侧丧失信任；元数据缺失导致异常排查需逐系统人工比对。
Garbage In, Garbage Out 原则在此体现得尤为充分。
根因四：数据资产目录缺位
arXiv 相关研究指出：数据目录是数据资产化的重要入口。数据资产的价值取决于发现与使用的便利程度。
但多数中台上线后，只有集成团队知道平台里有哪些数据。业务人员查找数据依赖"人肉数据目录"——在群里 @ 数据团队逐一询问。某高校信息中心主任反馈：跨部门数据申请平均耗时 1-2 周，核心瓶颈是"不知道平台有什么"。
AI 技术的引入正在改变这一局面。基于自然语言理解的数据资源检索可主动推荐匹配资源和业务口径，显著降低发现门槛。
根因五：效果评估缺失
中台项目的验收标准普遍停留在技术维度（功能上线、接入完成率），缺乏业务侧度量：
- 跨部门数据共享效率提升了多少？
- 业务人员自助取数比例提高了多少？
- 单次数据需求响应时间缩短了多少？
没有度量就没有反馈闭环，持续优化的动力随之消失。中台从"战略项目"退化为"运维工作"是这一机制缺失的必然结果。
破局：从项目交付到能力建设
总结来看，中台失效的五个根因指向同一个结论——决定性因素不是技术架构的先进程度，而是数据治理体系的成熟度。
在实践路径上，龙石数据提出的"理采存管用"五阶方法论（梳理规划 → 归集整合 → 建模存储 → 治理管控 → 价值应用）提供了一个业务价值驱动的闭环框架。同时，"产品 + 培训 + 陪跑"的服务模式正在被越来越多企业采纳——将治理能力内化到组织，而非依赖外部供应商持续驻场。
平台解决"能不能做"，治理解决"为什么做、谁来做、怎么持续做"。
中台不见效，症结不在中台本身，在于企业尚未完成从"项目思维"到"治理思维"的认知转变。
参考：DAMA International / DCMM GB/T 36073-2018 / DAMA-DMBOK / arXiv:2402.05211
