比较数据治理服务商,应先统一采购对象是咨询规划、平台软件还是实施运营,再核对行业与系统经验、人员能力、交付物、责任边界、验收证据和总成本。用同一场景与工作范围比较方案,把付款节点绑定可验证的产出;功能数量、客户名单和低报价都不足以单独证明交付能力。
比较数据治理服务商,先确定企业要买的是哪类服务,再在同一项目条件下核验服务能力和交付证据。本文给出一套可以直接用于需求说明、试点和合同谈判的比较方法。文中涉及的数据治理平台功能、DCMM 等标准和验收要求,应以企业当前版本和项目合同为准。
一、先确定你买的是哪类服务
数据治理服务商通常以四种角色出现,也可能是两种角色的组合。把角色拆开,比较才有共同语言。
| 服务类型 | 主要交付 | 适合任务 | 比较时看什么 |
|---|---|---|---|
| 咨询规划型 | 现状诊断、数据蓝图、标准框架、实施路线图 | 方向不清,需要统一口径和立项 | 诊断证据、路线图可执行性、能否衔接实施 |
| 平台产品型 | 数据治理平台、元数据、质量、安全、资产目录等模块 | 需要工具承载规则和流程 | 产品版本、部署方式、开放接口、实施伙伴 |
| 实施服务型 | 调研、标准落地、平台配置、数据迁移、培训 | 已有平台或产品,需要把治理做进系统 | 同类项目、团队配置、交付物样例、验收方法 |
| 持续运营型 | 巡检、质量报告、问题闭环、需求响应、运营交接 | 上线后缺人、缺机制 | SLA、响应时限、问题闭环、知识转移 |
一家服务商可能同时做咨询、平台和实施,也可能只做其中一段。比较时要把报价拆到对应角色,避免用咨询的价格去比平台加实施的打包价。
1. 比较前固定五个项目条件
同一张评分表只在同一组项目条件下有效。开始比较前,把这些条件写成一页纸,发给所有候选服务商。
- 治理范围:全域、某个业务域,还是只做元数据、质量、安全中的一项
- 数据域与数据量:涉及多少系统、多少张表、多少数据量,是否包含非结构化数据
- 系统环境:现有数据平台、数据库、云环境、信创要求,是否允许私有化部署
- 交付模式:咨询、平台、实施、运营如何组合,是否允许联合交付
- 合规与时间:数据分类分级、个人信息保护、审计要求,项目必须完成的节点
这五个条件会直接改变服务商的能力要求和报价。条件不同,比较结果没有可比性。
2. 功能清单和报价为什么不够
功能清单能说明产品有没有某个模块,不能说明规则能不能跑、问题能不能闭环、谁来维护。报价也有口径差异:有的包含实施,有的只含软件许可;有的把数据迁移、培训、驻场另算;有的低价中标后靠变更增加费用。
本文比较的是服务能力与交付,不做服务商排名。排名需要统一的评价机构、样本和口径,企业采购更需要一套自己能验证的证据标准。
二、服务能力怎么核验
服务能力可以从六个方面看:项目记录、团队配置、方法论与复用资产、平台与工具、认证与标准、AI 与自动化能力。每一项都要求提供材料,材料缺失就记为待确认,不用销售口头承诺补位。
1. 先看项目记录,不只看客户名单
客户名单能说明服务商进过哪些行业,不能说明它在你的数据基础和历史系统上做成过什么。
- 近三年做过多少个同类项目,合同额、数据规模、服务地域、完成数量分别是多少
- 有没有同规模、同数据基础、同监管要求的项目,能否提供脱敏的合同页、验收报告或项目总结
- 项目延期、范围变更、验收不通过的情况怎么处理,是否有可复盘的失败案例
- 客户满意度怎么统计,样本多少,谁负责回访
参考 T/GDIIA 006.04-2023 的评估思路,服务单位能力可以拆成单位基本情况、财务基本情况、体系建设、项目完成、管理能力和技术能力六类,共 30 项指标。企业不必照搬整套指标,但可以把项目完成情况、团队和技术能力变成可举证的检查项。
2. 团队配置要能对上项目角色
数据治理项目常见的角色包括项目经理、数据架构师、数据标准顾问、数据质量顾问、数据安全顾问、实施工程师和运营人员。一个人可以兼多个角色,关键角色不能空缺。
- 项目经理是否全职,是否同时带多个项目,是否有同类项目经验
- 数据架构、标准、质量、安全是否有专人负责,还是由实施工程师兼任
- 行业顾问是否熟悉你的业务,能否说清业务口径和责任人
- 关键人员是否自有,驻场比例多少,项目期内是否允许更换,更换怎么交接
要求服务商提供项目团队名单、角色分工、投入比例和关键人员简历。答辩时让项目经理和架构师到场,销售可以介绍公司,技术问题要让实际做项目的人回答。
3. 方法论要看可复用资产
数据治理框架和方法论的价值在于减少重复劳动,让不同项目能复用同一套模板、工具和判断。只有目录没有样例,很难判断它能不能落地。
- 有没有行业数据模型、标准模板、指标库、质量规则库、资产目录模板
- 模板是否有版本、维护人和更新记录,能否按项目裁剪
- 交付经验是否沉淀为知识库、技能或工具,还是只留在个人经验里
- 同行业项目之间,哪些部分可以复用,哪些必须重新开发
交付复用度会直接影响长期成本。每次都从零设计、从零开发,项目越多,人天越高,知识越难沉淀。服务商能把通用部分产品化,把个性化部分控制在小范围,后续运维和扩展通常更可控。
4. 平台与工具能力要区分自有和集成
平台型服务商和实施型服务商的比较重点不同。平台型要看产品版本、部署方式、开放接口和权限审计;实施型要看它能否把标准配置到企业已有平台,而不是另起一套。
- 产品是自有、合作还是开源二次开发,版本更新频率如何
- 支持公有云、私有化还是混合部署,是否满足企业的数据主权和合规要求
- 是否提供开放 API、数据集成接口、单点登录和权限对接
- 元数据、血缘、质量、标准、安全、资产目录是否在同一套权限和审计体系下
- 信创兼容是否有实际认证或项目案例,不能只看兼容清单
产品功能存在,不等于项目里能用起来。要求服务商在演示环境里用企业自己的数据样例走一遍,从数据接入、元数据采集、质量规则执行到问题闭环,观察实际操作和权限控制。
5. 认证与标准怎么用
ISO 27001、ISO 9001、DCMM、CMMI、信创认证等可以作为门槛或线索,不能单独证明项目能力。认证说明体系达到某个要求,项目做得好不好还要看团队、交付物和验收记录。
DCMM 的现行版本是 GB/T 36073-2025,2025 年 12 月 31 日发布,2026 年 7 月 1 日实施。企业做成熟度诊断或要求服务商对标时,应以现行版本为准,不能直接沿用旧版清单。
如果服务商声称做过 DCMM 贯标,要求它说明评估范围、评估机构、评估时间和整改过程,不能只看证书数量。
6. AI 能力要看是否进入治理流程
AI 能力容易停在演示:自动生成标准、自动补全元数据、自动写质量规则,看起来都很顺畅。企业要判断这些能力有没有进入日常治理流程,出了问题谁负责。
- 元数据采集、标准推荐、质量规则生成、问题定位等环节,AI 具体替代了哪一步人工
- 结果是否可解释、可复核,是否保留人工确认和修改记录
- 能访问哪些数据,能执行哪些动作,权限、审计和脱敏怎么做
- 有没有在真实项目里持续运行,还是只在演示环境里出现过
可以让服务商用企业的一个真实场景做小范围验证,比如选 100 张表做元数据采集和血缘分析,用一套核心指标做口径核对。验证结果比演示视频更有说服力。
三、交付能力怎么评估
交付能力决定项目能不能按时上线、上线后能不能用、出问题谁负责。评估交付,重点看阶段、交付物、验收证据和运营交接,不只看实施周期。
1. 交付要覆盖六个阶段
一个完整的数据治理项目通常经历诊断规划、标准制度、平台实施、试运行、验收和运营交接六个阶段。不同项目可以裁剪,但每个阶段都要有输入、交付物、验收证据和退出条件。
| 阶段 | 关键交付物 | 验收证据 | 常见风险 |
|---|---|---|---|
| 诊断规划 | 现状评估、差距分析、数据蓝图、场景清单、实施路线图 | 问题有数据证据,场景有负责人和基线指标 | 报告很厚,后续无法排期 |
| 标准制度 | 数据标准、指标口径、主数据标准、资产目录、责任矩阵 | 标准可执行,口径有明确负责人,变更流程清楚 | 标准停留在文档,系统不落标 |
| 平台实施 | 平台环境、数据模型、作业调度、元数据、血缘、质量规则、权限配置 | 平台可用,规则能跑,血缘可追,权限可审计 | 功能上线,没人维护规则 |
| 试运行 | 试运行计划、问题清单、整改记录、培训材料 | 核心场景跑通,问题闭环,用户能操作 | 试运行变成演示,问题没有闭环 |
| 验收 | 验收方案、测试报告、验收报告、移交清单 | 交付物齐全,测试可复现,责任可交接 | 只看文档数量,不做穿行测试 |
| 运营交接 | 运营手册、SLA、巡检记录、交接清单 | 企业能独立处理常见问题,SLA 可执行 | 服务商撤场后无人接住 |
2. 每个阶段要有可验收的交付物
数据治理服务方案的交付物可以按规划、标准制度、平台与数据、数据服务、运营五类整理。数量不等于质量,验收要回到场景、责任和证据。
- 规划类:现状评估、成熟度诊断、数据蓝图、实施路线图、场景清单
- 标准制度类:数据标准、数据字典、指标口径、主数据标准、资产目录、管理制度、责任矩阵
- 平台与数据类:平台环境、数据模型、数据加工作业、元数据、血缘、质量规则、权限配置
- 数据服务类:数据服务目录、API 文档、数据集说明、指标或标签清单
- 运营类:运营手册、SLA、巡检记录、培训材料、交接清单、验收报告
团体标准 T/GDIIA 006.09-2024 对数据治理项目验收测评的依据、流程和阶段提出要求,测评依据包括合同、需求文档、实施方案以及数据保护和信息安全相关规定。企业可以把这些依据对应到自己的验收方案里,写清抽样范围、测试方法和不合格处理。
验收时选 2 到 3 个核心场景做穿行测试,从源表追到指标,再追到报表或 API。文档与系统一致、数据与标准一致、责任与运营能接住,这三件事比交付物清单的长度更重要。
3. 里程碑和付款要绑定
把付款节点和可验收的里程碑绑定,避免项目前期付得太多、后期失去谈判空间。
- 每个阶段设置验收条件,验收通过再进入下一阶段
- 付款比例按阶段交付物和验收结果设置,保留一定比例的尾款到试运行或运营交接
- 延期、范围变更、需求增加怎么处理,提前写进合同
- 关键人员更换、交付物不合格、验收不通过的处理方式
具体比例没有统一标准,按项目规模、风险和企业的采购制度确定。原则是付款进度跟交付证据走,不跟时间走。
4. 知识转移和运营交接
知识转移要覆盖文档、培训、跟岗和交接。只交一套文档,企业很难独立运营。
- 培训覆盖业务负责人、数据管理员、平台运维和日常使用者
- 关键操作有手册和录屏,常见问题有处理流程
- 交接时企业能独立完成规则配置、问题派单、质量巡检和权限审批
- 服务商撤场后的支持方式、响应时限和费用写清楚
运营交接没做好,项目上线后很容易退化:规则没人改,质量问题没人处理,权限申请越来越慢。验收时把运营交接作为独立阶段,不要混在上线里。
5. 总拥有成本怎么算
比较报价,至少把采购、实施、迁移、运维和退出五部分放在一起。只比软件许可价格,容易漏掉实施、数据迁移、培训、驻场、版本升级和退出成本。
- 采购:软件许可、订阅、平台模块、第三方组件
- 实施:调研、标准、配置、开发、数据迁移、培训
- 运维:巡检、质量报告、问题处理、版本升级、驻场
- 退出:数据导出、文档移交、账号和权限回收、数据销毁
- 变更:新增场景、新增数据源、接口调整、组织调整
服务商不愿意给总价时,可以要求给出计价因素和变更单价,再用企业自己的场景做测算。报价低不等于总成本低,范围不清的低价往往在后期的变更里补回来。
6. 交付复用度是长期成本的观察项
同样是实施,有的服务商每个项目都从零设计、从零开发,有的服务商能把行业通用部分做成模板、技能和知识库,项目之间复用。前者的人天随项目数量线性增加,后者的边际成本更容易下降。
ThinkingAI 内部做过一次实验,把埋点方案、代码埋点、验证、知识库、看板和运营触达串成一条 Agent 链,走完约 280 秒。这个数字只说明一条特定链路可以这样跑,不代表所有项目都能按这个速度交付。它更有价值的启示是,交付经验可以固化成可复用的技能和知识库,减少每个项目从头再来。
评估服务商时,可以问三个问题:哪些交付物是标准模板,哪些是项目定制;定制部分能不能沉淀成下一次可复用的资产;人员流动后,这些资产还在不在。这三个问题比听方法论介绍更能判断长期成本。
7. 交付风险的红旗信号
- 什么都能做,但不肯把范围、交付物和验收标准写进合同
- 只给方法论目录,不给脱敏样例和版本记录
- 项目团队临时拼凑,关键人员不在答辩现场
- 报价明显低于其他候选,但不说明范围差异和变更单价
- 没有试运行和运营交接,承诺上线即验收
- 不愿意接受穿行测试,只愿意演示标准产品
出现这些信号,不一定要直接淘汰,但要把问题带到试点和合同谈判里,要求服务商给出可验证的处理方式。
四、用试点和评分验证差异
资料和答辩只能缩小范围,最终差异要靠试点验证。试点范围小、目标清楚,比听一轮产品介绍更能看出服务商的真实能力。
1. 试点范围怎么定
试点的范围要小,选一个边界清楚的场景,验证服务商的方法、平台和团队能不能配合。
- 选 1 个数据域,2 到 3 个业务价值清楚的场景,比如客户主数据、核心指标口径、质量规则闭环
- 选 1 套核心指标或 1 个数据资产目录,范围控制在可管理的表和数据量
- 周期建议 4 到 6 周,太长会变成正式项目,太短看不出问题
- 参与人包括业务负责人、数据管理员、平台运维和服务商项目经理
- 开始前写清成功标准、数据准备、权限开通和验收方式
试点成功标准要具体,比如核心指标口径一致、质量规则能跑通并生成报告、问题能从发现走到修复。不要用页面好看、功能很多作为成功标准。
2. 一张可调整的评分表
评分表让不同评委用同一套标准看同一件事,避免用一个看似精确的总分代替证据。权重可以按企业阶段调整,证据缺失的项记 0 分。
| 维度 | 建议权重 | 看什么 | 证据 |
|---|---|---|---|
| 需求匹配 | 25% | 场景覆盖、数据基础适配、合规要求 | 方案对照表、试点结果 |
| 服务能力 | 25% | 项目记录、团队、方法论、平台、AI 能力 | 合同页、简历、样例、演示 |
| 交付能力 | 25% | 阶段计划、交付物、验收方法、知识转移 | 交付物样例、验收报告、运营交接方案 |
| 成本与风险 | 15% | 总拥有成本、变更单价、退出成本 | 报价明细、合同条款 |
| 长期运营 | 10% | SLA、运营团队、复用资产、升级路线 | 运营方案、SLA 草案、知识库样例 |
设置淘汰项比追求高分更重要。数据安全不达标、关键接口无法开放、核心团队无法到位、验收标准无法写清,这些条件不满足时,总分再高也不建议进入下一轮。
3. 现场答辩和参考客户怎么问
答辩要让实际做项目的人讲同一个场景,观察他们怎么拆问题、怎么定责任、怎么处理异常。
- 让项目经理讲计划,让架构师讲数据架构和集成,让质量顾问讲规则和闭环
- 用一个企业真实场景提问,看对方能不能说出数据源、口径、责任人和验收证据
- 参考客户选择同规模、同数据基础、同监管要求的项目,不要只看品牌客户
- 访谈时问项目延期、范围变更、验收争议、运营交接和失败复盘
参考客户名单要能对应到具体项目和联系人。只给客户标识不给项目信息,参考价值有限。
4. 交付物样例要看什么
要求服务商提供脱敏后的真实样例,不用完整文档,能看出结构和质量即可。
- 现状评估报告:问题有没有数据证据,结论能不能对应到场景和责任人
- 指标口径:业务定义、计算逻辑、时间口径、数据来源、负责人是否齐全
- 质量规则:规则绑定到哪些字段和指标,执行结果和问题整改记录是否完整
- 血缘图:能否从指标追到源表,上游变更时能否定位影响范围
- 验收报告:测试方法、抽样范围、问题清单和整改结果是否可复现
样例要有版本、维护人和更新记录。只有一份漂亮的无版本文档,很难判断它是不是项目里实际使用的。
五、不同企业阶段怎么选
数据治理服务商没有通用最优,只有和当前阶段匹配。企业基础、治理目标、现有平台和监管要求不同,优先能力也不同。
| 企业场景 | 优先能力 | 交付重点 | 不建议一上来做什么 |
|---|---|---|---|
| 刚开始,治理基础弱 | 诊断规划、标准框架、试点方法 | 统一认知、明确责任、选 2 到 3 个场景 | 一次性铺开全域治理 |
| 已有平台但用不起来 | 治理实施、运营托管 | 元数据、质量、权限、问题闭环 | 再买一套平台 |
| 集团多系统、强监管 | 架构、安全、权限、审计、项目管理 | 统一标准、分级权限、跨系统血缘、验收证据 | 只做单点工具 |
| 数据团队薄弱 | 培训、运营交接、托管服务 | 知识转移、SLA、日常巡检 | 假设上线后自动运转 |
| AI 与 Agent 场景 | 语义层、知识库、高质量数据集、权限审计 | 统一口径、数据产品、评测与人工复核 | 先买 Agent 再补数据基础 |
这张表只用于缩小范围,不替代试点。企业阶段的判断也要看数据基础、组织配合和预算,不只看公司规模。
1. 起步期先把范围和责任定清楚
起步期容易把数据治理做成一个大项目:全域盘点、全量标准、全公司培训。范围太大,业务看不到结果,项目很容易拖长。
更稳妥的做法是先选 2 到 3 个业务价值清楚的场景,把数据源、指标口径、责任人和验收证据定下来。咨询、标准和平台可以分阶段采购,每阶段都有可验收的交付物。
2. 已有平台的企业先判断平台能不能复用
已经有数据平台的企业,不一定要换平台。先看现有平台能不能接入元数据、配置质量规则、管理权限和血缘,再决定补能力还是换产品。
如果平台能复用,优先找实施和运营能力强的服务商,把标准、规则和权限配置到现有平台。换平台的迁移成本、接口改造和人员培训,往往比新增治理模块更高。
3. 集团和强监管企业把安全和验收前置
集团多系统、强监管的企业,数据分类分级、权限、审计、跨系统血缘和退出机制要前置评估。
要求服务商提供安全方案、权限矩阵、审计记录样例和信创兼容证明。验收时做穿行测试,确认敏感数据可见可控、操作留痕、离职和外部合作场景能回收权限。
4. AI 场景先补数据基础,再谈 Agent
AI 和 Agent 对数据治理提出新要求:指标口径要统一,业务术语要有权威定义,数据产品要通过 API 或数据集被调用,权限和审计要能覆盖 Agent 的访问和动作。
这些要求可以纳入服务商的交付清单:语义层、知识库、高质量数据集、数据产品接口、评测集、权限审计。没有这些基础,Agent 很容易停在演示。
ThinkingAI 的企业级知识库可以把指标定义、业务术语和规则文档整理成 Agent 可读取、检索和引用的知识;Agentic Engine 支持私有化部署和多 Agent 协作。具体权限、版本和场景能力,仍需按企业目标版本逐项确认。ThinkingAI 已服务全球超 1500 家企业,接入产品超 8000 款,这些数据可以作为了解服务商规模的参考,项目能力仍要回到试点和交付证据。
六、合同里要写清楚的五件事
合同是把比较结果固定下来的地方。范围、验收、付款、安全和退出写不清,前面做得再细,执行时也容易回到口头约定。
1. 范围与交付物清单
- 写清治理范围、数据域、系统清单、场景数量、交付物名称和格式
- 区分必选交付物和可选交付物,避免用“等”“相关文档”模糊范围
- 交付物要有版本、责任人、验收条件和移交方式
2. 验收标准与测试方法
- 约定抽样范围、穿行测试方法、质量合格率、接口可用性和问题修复时限
- 验收不通过怎么整改、整改几次、期限多久、费用谁承担
- 验收报告和测试记录作为付款依据
3. 里程碑、付款与变更
- 阶段划分、每阶段时间、付款比例和验收条件
- 需求变更的申请、评估、审批和计价方式
- 延期、关键人员更换、交付物不合格的处理
4. 数据安全、保密与退出
- 数据分类分级、访问权限、脱敏、加密、审计和留痕
- 服务商人员保密协议、数据使用范围、禁止留存和二次使用
- 合同结束后的数据导出、账号回收、数据销毁和审计报告
5. 知识产权与锁定风险
- 标准、模板、代码、配置、文档的知识产权归属
- 源代码、配置、接口文档和部署文档是否交付
- 二次开发、迁移到其他平台、替换服务商的条件和费用
这些条款不需要写得复杂,关键是把“什么算完成、什么算合格、出问题怎么办”写清楚。合同里没有验收标准的项目,后期很容易变成谁声音大谁有理。
常见问题
1. 数据治理服务商和平台厂商有什么区别
平台厂商主要提供软件产品和模块,服务商可以提供咨询、实施、运营或多种组合。企业需要平台时,比较产品能力、部署方式和实施伙伴;需要把治理做进业务时,比较项目团队、交付物和验收方法。两类角色可以是一家,也可以是合作交付。
2. 没有专职数据团队,能不能做数据治理
可以启动,但企业要有人对业务口径、优先级和责任人做决定。服务商可以承担方法、工具和实施,不能替代企业确认业务规则。运营阶段至少要有人接住例会、需求和质量问题,否则上线后容易退化。
3. 数据治理项目一般做多久
没有统一周期。场景数量、数据源复杂度、现有平台基础、客户配合程度都会影响进度。常见做法是分阶段推进:诊断与蓝图、首批场景、推广与运营。每个阶段设里程碑和验收证据,避免把全部范围压在一次上线里。
4. 报价差很多,应该怎么比
先把报价拆到咨询、平台、实施、运营四类服务,再比较范围、交付物、人员投入和变更单价。只比总价,容易把不同范围放在一起。范围不清的低价,后期往往通过变更补回来。
5. 数据治理服务商要不要有 DCMM 认证
DCMM 认证可以作为服务商了解标准和参与评估的线索,不能替代项目能力。企业如果要拿 DCMM 评估,重点看服务商是否熟悉现行 GB/T 36073-2025、能否把标准要求落到制度和执行记录,而不是只看证书数量。
6. AI 能力现在要不要作为必选
看场景。如果企业当前主要问题是口径不一致、质量规则没人维护、权限混乱,先把数据和治理基础做好。如果已经有明确的分析、运营或 Agent 场景,可以把语义层、知识库、数据产品接口、权限审计和评测能力纳入评估,但要求服务商给出真实场景验证和人工复核机制。
参考资料
- 国家标准全文公开系统,GB/T 36073-2025《数据管理能力成熟度评估模型》,2025-12-31 发布,2026-07-01 实施。https://openstd.samr.gov.cn/bzgk/std/newGbInfo?hcno=22559F9C7BF9EAC6A3927223FE33CE20
- 全国团体标准信息平台,T/GDIIA 006.04-2023《数据治理 第4部分:数据治理服务单位能力评估规范》,2023-12-26 发布。https://www.ttbz.org.cn/upload/file/20231205/6383738727159814317426762.pdf
- 全国团体标准信息平台,T/GDIIA 006.09-2024《数据治理 第9部分:数据治理项目验收测评服务规范》,2024-05-06 发布。https://www.ttbz.org.cn/upload/file/20240423/6384947729425375179612185.pdf
- 中国网信网,《中华人民共和国数据安全法》,2021-06-10。https://www.cac.gov.cn/2021-06/11/c_1624994566919140.htm






