在与多位国企风控负责人的交流中，我们发现一个普遍现象：很多企业在推进穿透式监管项目时，前期选型、招标、系统上线都比较顺利，但到了真正运行阶段，却遇到了意想不到的阻力。

阻力往往不是来自技术本身，而是来自两个容易被忽视的基础性问题：数据标准和规则体系。

政策背景：穿透式监管进入全面落地阶段

2026年1月，国务院国资委同步印发两份关键文件——《关于推动中央企业加快财务数智化转型升级的指导意见》（国资发财评规〔2026〕1号，以下简称1号文）和《关于加强中央企业穿透式监管的指导意见（试行）》（国资发监督规〔2026〕2号，以下简称2号文）。其中，2号文是国内首份专门规范央企穿透式监管的顶层制度文件，以构建“系统科学、全面覆盖、自动预警、运转高效”的智能化穿透式监管体系为目标。1号文则将财务数智化转型定位为企业数智化转型的关键环节和穿透式监管的重要支撑。

穿透式监管的核心要求是“四全穿透”——全级次、全流程、全要素、全主体。所谓“四全穿透”，即全级次穿透（纵向到底，穿透企业股权架构至各级子公司）、全流程穿透（覆盖从决策到执行的全业务流程）、全要素穿透（涵盖财务、业务、管理等各维度数据要素）、全主体穿透（覆盖央企及各级子公司、参股企业等各类主体）。2号文明确了投资、产权、财务、资金、薪酬、采购、境外资产等十大重点穿透领域。

2026年6月30日，国务院国资委召开穿透式监管工作会议，将穿透式监管列为进一步深化国资国企改革的重点任务，要求“加快构建智能化穿透式监管体系”。

数据标准：穿透式监管的“地基”

穿透式监管的前提是“数据能穿透”——实现全级次、全流程、全要素的数据贯通。但如果各子公司、各部门的数据定义不一致，穿透就无从谈起。

举个简单的例子：同样是“营业收入”，A子公司可能按开票口径统计，B子公司可能按回款口径统计，C子公司可能按合同签订口径统计。当这些数据汇聚到一起时，汇总出来的“集团营业收入”到底代表什么，谁也说不清楚。

数据标准制定的核心任务，就是统一全集团的数据定义、编码规则、统计口径和采集频率。这项工作看起来枯燥琐碎，但它是所有上层应用的基础。地基不稳，上面的建筑再漂亮也没有意义。

在实践中，数据标准的制定通常遵循“先急后缓、先主干后分支”的原则。先解决最常用、最关键的数据字段的统一问题，再逐步扩展到次要字段。同时，数据标准需要配套相应的管理制度和执行机制，否则很容易沦为一纸空文。

风险预警规则体系：从“人盯人”到“系统盯规则”

规则体系的建设，是穿透式监管从“可视”走向“可控”的关键一步。2号文明确要求推动风险防控由“人防”向“技防”转变。在实践中，规则体系的建设通常遵循“先宽后严、先粗后细”的原则。初期可以先建立一批覆盖主要风险领域的通用规则，运行一段时间后，再根据实际效果进行调整和优化。

需要注意的是，规则不是越多越好。过多的规则会导致预警数量激增，反而淹没了真正重要的风险信号。规则的质量比数量更重要。一个好的规则体系，应该具备以下几个特征：

覆盖全面：能够覆盖主要风险领域，不留明显盲区

分级分类：不同风险等级的规则有不同的响应机制，避免“眉毛胡子一把抓”

可维护：规则的增删改查流程清晰，便于持续优化

可追溯：每条预警都能追溯到触发它的规则，便于审计和复盘

AI赋能穿透式监管的可行路径

随着人工智能技术的发展，AI在穿透式监管中的应用场景正在逐步拓展。目前已经有一些企业开始尝试将AI技术应用于以下场景：

智能预警：利用机器学习算法，对历史数据进行训练，自动识别异常模式并生成预警

智能分类：对海量预警信息进行自动分类和优先级排序，帮助风控人员聚焦高价值信号

智能归因：对异常事件进行自动溯源分析，快速定位问题根源

这与国资委要求的“数据自动采集、模型自动分析、风险自动预警、核查自动派单、整改自动跟踪”智能化闭环方向一致。当然，AI的应用需要建立在高质量数据的基础上。如果数据质量不过关，AI模型的准确性和可靠性就无法保证。因此，数据治理仍然是所有智能化应用的前提。

一个容易被忽视的问题：履职留痕

在穿透式监管的环境下，每一个决策和操作都可能被系统记录和追溯。这对于从业者来说，既是约束，也是保护。

一方面，系统留痕意味着任何违规操作都可能被发现，这对合规意识提出了更高要求。另一方面，规范的履职留痕也为“尽职免责”提供了有力证据——只要你按照规定流程操作并留下了完整的记录，即使最终结果不如预期，也可以清晰地证明自己已经尽了职责。

因此，在推进穿透式监管的同时，同步建立履职留痕的规范和标准，是非常有必要的。具体来说，可以从以下几个方面入手：明确哪些环节需要留痕、确定留痕的内容和格式要求、建立留痕记录的存储和检索机制、定期对留痕情况进行检查和评估。