数据治理是个容易被说得很大的词。落到制造企业身上，它其实很具体：同一台设备在 MES、EAM 与财务系统里的编号能不能对上；同一批物料的入库时间以哪个系统为准；设备停机原因由谁录入、按什么分类。这篇文章整理三个在项目中反复出现的误区，以及我们现在的做法。
误区一：先买工具，再想治理什么
最常见的开局是一次平台选型会。各部门列出需求，IT 汇总成一份功能清单，然后比较供应商的参数表。平台买回来，实施方进场，第一件事却是问：你们最想解决哪个业务问题？这时候往往没人能给出一个具体答案。
工具解决的是"怎么算"，治理要先回答"算什么、为谁算、算错了谁负责"。我们现在的做法是先做一次问题清单：列出最近三个月因为数据不一致导致的返工、对账差异、报表争议，按发生频次与影响金额排序。排在前面的两三个问题，才是第一期治理的范围。
误区二：把治理等同于做报表
很多项目验收时的交付物是一批看板。看板很漂亮，但三个月后打开率骤降。原因是看板展示的是结果，没有改变结果产生的方式。设备点检仍然用纸质表，停机原因仍然由班组长事后回忆填写，看板上的"停机 TOP5 原因"自然经不起追问。
有效的做法是把治理动作嵌进业务流程：点检项在移动端勾选，异常自动生成工单；停机原因在设备重启时必须选择，且分类不超过 12 项；物料编码在采购申请时就校验，不允许自由填写。数据质量不是清洗出来的，是在源头被约束出来的。
误区三：当成一次性项目
治理项目有明确的起止时间，但数据质量没有终点。新设备接入、新产线上线、组织调整，都会带来新的不一致。项目结束后如果没有明确的责任人和例行的复核机制，半年内指标就会重新漂移。
我们通常建议客户在项目验收时同步确定三件事：每个核心指标的唯一负责人；每季度一次的口径复核会；数据质量指标的月度看板（如关键字段完整率、主数据重复率）。这三件事不需要额外预算，但决定了治理成果能维持多久。
一个判断标准
如果一场数据治理的汇报里，只有平台架构图和指标数量，没有出现任何业务部门的名字与承诺，这个项目大概率会在验收后停摆。反过来，如果汇报里能说清"采购部承诺从下月起物料编码由系统生成"，即使平台功能朴素，治理也已经开始了。
相关能力与实施方法可参考 星火云枢 · 企业数据中台 与 星火咨询 · 数字化咨询；实际项目中的做法见 济南重工装备案例。