前文提要：在之前的文章中，我们讨论了穿透式监管的政策框架落地和客商风险闭环。这一篇把镜头拉近一点——放大到数据层面：穿透式监管要求的全级次、全链条、全过程、全要素穿透，对数据提出了远比传统财务管理系统更高的要求。而这些要求中，有一个普遍被忽视的盲区——相当一部分关键数据不在企业内部系统里，而在企业外部。
01、一个被忽视的现实：内部数据治理完成后，穿透才刚刚开始
最近，我们的某央企集团客户完成了历时两年的数据治理项目——统一了科目体系，拉通了财务与业务系统，全集团一张主数据表。从内部视角看，数据治理可以说是达标的，保持账实一致、口径统一、报表一键生成。
但接下来发生的两件事，让团队意识到问题远没结束。
一个是用失效数据在运营存量客商。
第一件事：集团在清理存量客商时，发现一家合作多年的贸易类供应商，工商登记状态已经从 「存续」变成了「注销」 ——但企业内部的客商主数据里，这家供应商的状态依然是「正常合作」。
一个是用残缺数据在审核增量客商。
第二件事：一家新入供应商在招投标环节资质看起来完全合规——注册资本五千万、经营范围匹配、成立年限达标。但合作三个月后，这家供应商的实际控制人因涉嫌违法被立案调查，而这位实控人的名字并不在供应商自己提交的任何材料中。集团的客商主数据里，关于实控人的字段是空的，当时在入库时没有要求填、也没有地方可以查。
两件事指向同一个问题，企业可以做内部数据的治理，但治理不了自己没见过的东西。
这不是系统功能的缺陷，这是数据来源的问题。
穿透式监管要求的不只是把内部数据管好，而是把所有应该知道的事情看清楚，而应该知道的事情，相当一部分不在集团任何一套内部系统的数据库里——它们在工商登记系统、司法公开平台、税务和社保的公示数据中。
国资委关于穿透式监管的政策文件中反复强调，企业集团应当打通内外部数据资源，形成统一的数据资产视图。注意这里的表述——「内外部」，不是内部/外部两个字，不是附属，是必要条件。
02、穿透式监管对数据的三种外部依赖
穿透式监管之所以绕不开外部数据，是因为监管要求的三个核心场景，在企业内部数据里天然存在盲区。
①身份核验：你手里的客商信息和工商备案对得上吗？
客商准入的第一个动作，应该是把对方声称的身份和政府公示的信息做一次比对。
看起来很简单，但在实践中经常出问题。一个常见的踩坑场景——某供应商在采购系统里填报的统一社会信用代码少了一位数字，采购员没有校验工具，直接录入了。等到年底国资委要求上报全级次客商信息时，这条数据对不上——系统不报错，因为没有校验源。
更隐蔽的问题还会出现在股东结构上。
国资委「十不准」中第二条针对特定利益关系排查，明确列出了八项需要识别的情形——比如贸易上下游企业之间存在股权关联、同一实际控制人、董监高交叉任职等。
这些关系的识别，依赖的不是企业自己的数据，而是工商登记系统中公示的股东名册、主要人员名单、对外投资信息。
企业内部的客商主数据，如果不连接工商数据源，永远只是一张企业自称是什么的表格，验证不了实际是什么。
②风险感知：供应商出事了，你什么时候知道？
传统风控模式有一个时间差：审核一次、半年后再审一次。
两次审核之间，供应商可能发生了很多事——被列入失信被执行人、经营状态变更为异常、出现重大行政处罚。这些信息由司法机关和执法部门第一时间公示到公开平台，但不会主动通知任何一家合作企业。
企业是否把这些数据接进来、接到哪个环节去。
如果企业的客商管理系统没有和外部风险数据保持实时或准实时的同步，那两次审核之间的空白期就是纯粹的风险敞口。
有些央企一年组织一次客商集中审查，这意味着平均每个供应商有长达六个月的监控空白期。
从技术角度看，这其实不是能不能做的问题，是有没有做。
目前头部的外部企业数据服务商，可以实现日级或准实时的数据更新，覆盖失信、被执行、经营异常、行政处罚、股权冻结、破产重整等核心风险维度。
③隐性关联：看不见的关系网络
显性关联是容易看到的：A公司持股B公司，股东列表里有。
但隐性关联就不是靠一份工商档案能解决的了，打几个常见的比方：
- A公司和B公司之间没有直接的股权关系，但它们由同一个人通过多层公司间接控制；
- 或者A公司的总经理恰好是B公司的前任财务总监；
- 或者两家公司共用同一个注册地址、同一部联系电话；
- ……
这些信息分散在上千万条工商数据中，人工排查不可能穷尽。
国资委穿透式监管的核心要求之一，就是穿透到实际控制人、穿透到最终受益人。
要满足这个要求，企业需要的不只是一次性的股权结构查询，而是持续的、可计算的、能从海量工商数据中自动发现关联模式的知识图谱能力。
在假冒国企排查中，通过识别出多名成员企业的实控人并非央企体系，这些企业基本都是通过伪造工商变更材料、利用工商登记信息不对称，冒充央企子公司对外承揽业务。
这种关联模式的识别，依赖的不是单一数据点，而是跨维度的关系网络计算。
03、客商数据：外部数据的第一个必答题
如果外部数据是穿透式监管的必选项，那么客商数据就是必选项中的第一步。理由很简单，国资委司库建设的客商管理要求，已经把这件事变成了刚需。
国资委对司库体系客商主数据的管理要求，不是笼统的「要加强」，而是明确到了具体字段级：客商名称、统一社会信用代码、注册资本、成立日期、企业地址、集团内外部标识、所属行业，以及客商属性分类代码K01至K08。这些字段不是可选项，是合规项——国资报表取数、监管数据上报，都以这些主数据字段为输入。
但客商主数据管理的真实价值，远超填表的这些功能。
把这些字段填对、把背后的外部数据接进来之后，它就成了后续所有穿透式监管场景的基础输入：
- 虚假贸易排查，需要准确的经营状态和经营范围来交叉验证交易背景的真实性；
- 关联交易识别，需要统一的客商编码和完整的股权结构来定位利益关系；
- 招投标围串标防范，需要清晰的实际控制人和董监高任职关系来穿透投标主体的独立性；
- 挂靠经营识别，需要工商画像与社保年报数据的交叉比对来验证经营实质。
在服务央企司库体系建设的过程中，我们将客商外部数据归纳为覆盖工商、司法、经营、关系等多类维度，这些数据覆盖了从这家企业是谁到这家企业正在发生什么的全链路信息需求。
具体到数据量级上，国内4亿+以上企业的工商、司法、经营数据，每天持续更新——这不是卖数据报告的概念，而是在提供一套可持续运转的外部企业数据基础设施。
04、从两个场景看外部数据的实际价值
理论和架构讲清楚了，我们看两个真实的使用场景。
场景一：客商开户环节的全维度风险筛查
某集团财务公司在司库体系建设中，将企查查数据接入到成员单位客户的开户审核流程。
客户开户时，系统自动调用外部数据，完成客户名称、成立时间、统一社会信用代码、注册资本、经营范围、证件到期等关键字段的核验。
效果很直接：
- 结算业务部在开户环节就能识别出客户信息不一致、虚假或存在潜在风险的情况。
- 发现了部分成员单位客户信息更新不及时、关键字段缺失或错误等存量问题，随即启动整改流程，要求限时完成修正。
这个案例最有价值的地方不在于及时发现了一个风险，而在于它把风险发现的时间点从事后审计前移到了准入环节，不是问题发生之后再追责，而是在建立合作关系的那一步就完成拦截。
场景二：假冒国企的自动化识别
假冒国企是一个比大多数人想象中更普遍的问题。
利用工商登记信息的公众可查询性和央企集团的品牌背书，一些不法企业通过伪造工商变更材料、虚构股权关系，冒充央企子公司对外开展业务——签订合同、获取融资、参与招投标。
央企集团面临两个困难：
- 一是自己都不知道自己名下究竟有哪些声称是子公司但实际不是的企业，因为工商登记系统和集团内部系统之间没有自动比对机制；
- 二是即使发现了假冒企业，也难以追溯其背后的实际控制人和关联网络。
外部数据服务在两类任务上能直接发挥作用：
- 批量比对。利用股权穿透和关联关系排查，拉取所有在工商系统中标注与央企集团存在股权投资关系的企业，再与集团真实的子公司名录做交叉比对，偏离项自动标记。
- 追溯网络。对于已确认的假冒企业，通过主要人员、董监高任职关系和控制关系数据，追踪其背后人员的任职网络——当这些人员的名字出现在新成立的公司中时，系统自动触发任职关联预警，防止换马甲重出江湖。
这不是一个查工商档案能解决的量级，它是依赖跨企业、跨维度、持续更新的外部数据驱动的关系网络分析——是数据服务商的能力壁垒所在。
05、外部数据不是查一下，是跑起来，使用深度
外部数据的实际价值，和它被接入的方式直接相关。
同样一份数据，接在什么地方、以什么方式接，效果天差地别，目前市面上成熟的接入模式有三种，分别适配不同的业务场景。
①API数据接口——嵌入业务流程的实时通道
这是最基础也最广泛使用的模式。通过API把工商信息、司法诉讼、经营风险等数据接口对接到企业的司库系统、ERP系统或主数据管理系统中。
采购员录入一个新供应商，系统在后台自动调用API完成工商信息核验、风险扫描、字段补全，整个过程几秒钟完成，采购员甚至不需要知道背后有外部数据在工作。
这种模式的核心价值在于，外部数据不是一套独立的查询工具，而是业务流程中的一个自动环节。数据不出业务流程，用户在操作时无感获取。
适用于客商准入审查、存量客商定期扫描、账户信息核验等高频场景。
②SaaS嵌入——专用分析能力的无缝集成
有些分析场景过于复杂，单纯的数据接口不足以支撑，比如国资委「十不准」中第二条的特定利益关系排查，涉及贸易上下游企业之间八项特定利益关系的逐一识别——股权关系、任职交叉、控制关系、担保关系等。这不是靠几个API字段拼凑能完成的，需要专门的算法引擎来运行关系网络计算。
这种情况下，更有效的方式是把已经成熟的SaaS关系排查功能页面直接嵌入到企业的贸易管理或风险管理模块中。
用户在自己的业务系统内打开排查页面，输入上下游企业名称，系统自动完成八项特定利益关系的计算和呈现，操作者还是在同一个工作界面内完成操作，但背后跑的是知识图谱和关系推理引擎。
在我们这个客户的实际业务中，涉及贸易上下游关系排查时，这一功能已经通过页面嵌入方式集成到贸易风险管理模块中运行。
③批量同步——历史数据的一次性治理
新系统上线或存量客商大规模清洗时，逐条API调用效率不够。批量同步模式适合做一次性大扫除——将全部存量客商名单一次性导入，与外部企业数据库做全维度交叉比对，识别出信息不匹配、工商状态异常、风险信号活跃的客商，输出清洗清单和整改优先级。
当然了，以上这三种模式不是互斥的，可以组合使用，批量同步做初始治理，API接口做日常运营，页面嵌入做专项分析，让外部数据才能真正跑起来，而不是躺在数据接口文档里。
06、穿透式监管的数据底座，需要内外合拢
十五五规划落地的核心转向，就是将数据治理定位为智能化穿透式监管的基础支撑，放眼全国，各地立足自身实际开展差异化探索，积累了富有地方特色的实践成果，这些情况都需要同时解决内部数据标准化和外部数据融合两个命题。
以重庆为例，当地构建了“1614”穿透式监管体系，实现对全市所有层级国企100%覆盖、核心业务流程全面线上化，三级子公司的财务数据可在数秒内完成穿透查询，并引入人工智能智能体辅助风险识别与研判。
山东则聚焦司库体系建设作为突破口，全省29家省属企业均已上线司库系统，银企直连比例超过90%，资金归集率提升至九成以上，同时启动司库监管平台建设，推动财务领域的穿透式监管探索。
内部和外部不是先后关系，是并行关系。
很多企业的实际做法是先做内部，外部数据以后再说，结果就是内部治理达标了，穿透能力并没有实质提升。
为什么？因为穿透式监管中那些真正有穿透力的场景——关联关系识别、虚假贸易排查、挂靠经营发现、假冒国企清洗——核心数据输入几乎都来自外部。
缺乏外部数据的内部治理，就像一个装满了标准格式表格但内容填不确切的档案柜。
对于正在推进穿透式监管建设的机构来说，需要回答的不是「要不要用外部数据」，而是另外三个更具体的问题：
现在集团客商主数据里，有多少字段是企业内部填的，有多少字段是和外部数据做过交叉核验的？
客商存续期间的风险状态变化——失信、被执行、经营异常——是人工定期排查，还是系统自动感知？
上下游贸易伙伴的关联关系排查，用的是股权穿透计算，还是人工翻档案？
这三个问题的答案，基本上就是一家企业在外部数据建设上的体检报告。
企查查作为外部企业数据服务商，覆盖国内4亿家以上企业、累计注册1.6亿+用户、覆盖工商、司法、经营、关系等400+数据维度——这些数字背后的含义是：当企业的穿透式监管系统需要知道自己不知道什么的时候，有一整套外部数据基础设施可以接进来，让不知道变成知道，而且是在业务发生的当下就知道。
穿透式监管走到深水区，比拼的不是谁的大屏、谁的系统界面更好看，而是谁的数据底座更完整，而完整的数据底座，一定是内外部数据的合拢。
参考资料
本文中国内企业数据覆盖规模、全球企业动态数据覆盖能力、官方数据源数量等描述，均基于企查查数据服务产品公开资料及客户项目材料，文中案例信息来源于企查查客户合作实践，涉及客户名称已做脱敏处理。
