近年来“穿透式监管”正成为国资监管领域的高频关键词。2025年国务院国资委发布《关于做好2025年中央企业内部控制体系建设与监督工作有关事项的通知》要求央企进一步深化内控体系建设提升智能化穿透式管控能力和水平。2026年国务院国资委进一步提出建立健全全级次、全流程、全要素穿透式监管机制实现对中央企业数据的实时监测、动态预警。国资委党委在《学习与研究》刊发的署名文章中明确提出在充分尊重企业经营自主权基础上大力推行智能化、穿透式监管实现经营行为可视、资金流动可溯、重大风险可控。从政策演进的时间线可以清晰地看到穿透式监管不是一阵风而是一场深刻的治理变革。2024年重在推进内控建设与监督全覆盖2025年将穿透式监管置于更加突出位置强调以智能化转型推动内控向全级次、全链条延伸2026年则进一步推动从监管理念向监管体系跃升。穿透式监管的核心要求可概括为“全级次、全链条、全过程、全要素”的穿透。国务院国资委副主任袁野明确指出财务数智化转型升级是落实穿透监管要求的重要基础。围绕“财务管理体系化、财务系统集成化、财务信息数字化、财务监督智能化、财务转型一体化”五大升级方向中央企业正加快建成全经营领域的数字化资源管理平台DRP系统。根据部署2030年所有中央企业要基本建成DRP系统。实现这一切的前提是数据能够真实、完整、及时地向上传导。一、为什么数据治理是穿透式监管的“必修课”从管理现状看央国企普遍面临“集团多级成员公司”的复杂架构。集团公司下面层级众多、板块多元管理到最末端成员公司时跨越的管理层级、业务流程层级和数据层级非常多。各成员公司业务系统有统建的、有自建的管理方和使用方都不一致。当集团需要把所有业务系统的数据进行统一汇总时面临的是非常复杂的管理协调难题。从业务现状看业务系统多、业务流程差异大。各成员公司因国资委监管报送要求需按标准规范沉淀财务、投资、党建等数据并上报集团公司承担经营、财务、采购、供应链等管控职能需要各成员公司将经营类数据上报至集团进行统一汇总、计算、治理。从数据现状看集团有独立的IT团队各成员公司有的也有自己的IT团队有的则借助上级公司的力量。整个数据治理的组织链路、技术链路和管理链路都相当复杂。这些现实困境恰恰是穿透式监管要解决的问题。二、集团型央企业数据治理的整体架构思路面向“十五五”阶段央国企的数字化建设需要在传统4A架构基础上增加管控架构维度。传统4A架构业务架构、数据架构、应用架构、技术架构源于企业通用商业环境缺乏对国央企“多层级管控、合规风控、党建引领”的系统性考量。增加管控架构后形成**“管控、业务、数据、应用、技术”五位一体**的新架构范式。管控架构的核心是抓住核心业务域如经营域财务、业财相关、党建、投资类数据域由集团提出规范和要求成员公司按规范建设本地业务域。集团更关心成员公司的经营类数据采购、财务等而非把所有数据一股脑全部推给集团。业务架构需保证业务流程透明化、统一化但业务系统可以分散各成员公司可拥有符合自身业务板块特性的业务流程和系统。数据架构需保证数据一致性。面向财务、经营类指标需在不同业务板块间统一拉通由集团数据部门构建统建数据和业务指标规范下发给成员公司上报对应数据构建可穿透式监管的数据体系。应用架构提供技术、数据及业务流程能力给各成员公司使其基于底层技术底座和数据能力构建上层应用体系。技术架构需与时俱进。在AI时代通过大模型、Agent等工具快速搭建应用系统并借助AI完成底层数据治理工作由集团统一拉通最新技术并赋能给各成员公司。三、多模态数据底座与高质量数据集建设穿透式监管的深化对数据治理提出了新的要求——数据类型正在从结构化向多模态扩展。过往数据治理主要面向结构化数据财务、人力、经营数据等但在AI时代数据治理必须包含非结构化数据——音频、视频、文本、图片、合同文档、工程图纸、巡检照片等。这些多模态数据同样需要依照结构化数据治理的标准化工作从元数据到数据标准、质量把控、数据安全全面纳入治理范围。当前主流的解决方案已能够对结构化和多模态数据进行统一存储、开发、治理、沉淀资产、使用形成一站式平台能力。高质量数据集的建设分为五个关键步骤前置规划——界定覆盖范围、检验源头可用性标准化数据采集——适配多样化采集方式、全程监控任务运行状态数据预处理——清洗、格式转换、特征创建针对多模态数据完成向量提取、OCR识别、语义转换数据标注——根据AI应用场景灵活选择全维度校验验证——通过模型性能验证、数据质量复合校验确保数据集适配业务场景。高质量数据集可分层构建为通识数据集面向全员、行业通识数据集面向各板块业务人员和行业专属数据集面向细分业务线专业人员。这种分层设计既满足了集团通用大模型的需求也支撑了垂类大模型的深度落地。四、从数据资产沉淀到数据资产运营数据治理的最终价值在于让数据真正“用起来”。当前央国企正从单一的数据资产沉淀过渡到体系化的数据资产运营。数据资产运营涉及三方角色数据提供方各成员公司、数据管理方集团IT或数据团队、数据使用方。数据管理方需要统一的组织和制度从决策层到执行层每层的数据岗位、职责、权限、流程均需定义。集团数据团队定义统一标准明确哪些数据域上架到数据门户共享复用哪些作为私有数据。通过多租户方式管理和隔离、共享不同成员公司及集团之间的数据实现跨租户的数据和任务共享传输。在整体设计上集团侧的数据架构通常包括统一的数据资产门户作为唯一入口统一的数据开发治理平台作为技术底座多种数据管理模式集团统建、成员公司自建、集团与成员公司共建以及多租户隔离机制。这套机制的核心价值在于让数据从“沉睡的资产”变成“流动的价值”形成良性的数据流通循环。五、AI智能体让数据治理成果“看得见、用得上”当前央国企客户不再满足于静态、固定的报表和看板更希望结合具体业务流程沉淀出业务智能体。传统数据分析通过大屏、报表或指标页面沉淀固定看板指标预设、维度预设数据及时性基本按天、周、月、季度无法满足管理时效性及业务复杂性要求。因此越来越多的企业将数据分析演变为业务智能体模式。以项目复盘场景为例项目复盘不仅要看核心指标还需基于指标进行跟进分析涉及项目系统上下游的数据汇聚包括文档、政策、中间过程项目管理数据。汇总后结合内部政策和国家政策进行审计通过AI自动生成项目复盘报告——包含项目过程数据、项目结论数据、与业内同类项目对比数据。借助客观实时数据将以往人工收集、人工加工的过程转变为AI自动化过程。还可在项目过程中进行预判提前预警可能出现风险的项目。在具体落地中AI智能体应用的建设路径分为三项业务流程盘点——穿透多少业务系统、部门、组织架构数据侧穿透——端到端数据流程应沉淀哪些指标及维度AI流程——明确各节点需要的AI问答、检索、预警、文档生成等功能。将业务、数据、AI三者能力统一整合后以Agent对话方式实现业务流程流转并不断优化底层本地化知识库。六、政策时间表与企业的应对路径从政策部署来看时间表已经明确到“十五五”末所有中央企业基本建成全经营领域的数字化资源管理平台DRP系统实现穿透式监管。对企业而言应对这一趋势需要从四个层面着手组织层面——建立覆盖集团到各级子企业的数据治理架构明确每个层级、每个部门的数据责任让数据有人管、有人负责。标准层面——建立统一的数据标准和指标口径确保“一数一源”让不同层级、不同系统的数据能够对得上、说得清。技术层面——搭建一体化的数据底座覆盖结构化数据和多模态数据合同、图纸、报告等实现数据的自动采集、统一汇聚和实时分析。机制层面——建立数据质量的全流程监控体系让数据问题能够在事前被发现、事中被拦截、事后可追溯。穿透式监管正在成为央国企治理的“新常态”。与其被动应对监管不如主动构建——让数据治理成为支撑企业高质量发展的基石而非监管压力下的短板。当数据真正成为可管控、可追溯、可运营的资产当AI真正能够基于高质量数据赋能核心业务央国企才能在数字化转型的道路上行稳致远。本文基于国务院国资委公开政策文件及行业实践整理旨在为央国企数字化转型决策者提供参考。