预算有限时，数据中台最容易被建错的不是技术选型，而是建设顺序。常见做法是先把数据接进来、把报表跑出来，再回头补治理；结果数据源越接越多，口径越对不齐，后面每加一个指标都要重新协调一次。真正省钱的路径恰好相反：先建口径层，再建接入层。
道理在于成本结构。按行业常见的模块拆分，数据源接入按接口数量计费，一个标准接口通常在一万到三万元，定制对接可能到三万到八万元；清洗转换按数据量和规则复杂度计费，历史数据乱的项目能吃掉总预算的两三成；而指标口径管理通常占总预算的百分之二十到三十，是弹性最大、也最能决定后续返工量的一项。接入层是线性成本，接几个系统花几份钱；口径层是杠杆成本，一次定义清楚，后续所有报表、分析、自助取数都复用同一套标准。
如果顺序颠倒，代价会以两种形式出现。一是重复清洗：每个新数据源进来都要重新对齐字段和口径，清洗费用按数据源数量翻倍。二是口径漂移：同一个经营指标在不同报表里算出不同结果，业务方不再信任数据，中台就退化成一张大宽表。这两件事都不会在项目验收时暴露，而是在上线半年后集中爆发，届时返工成本远高于前期把口径做扎实。
因此预算紧张时的优先顺序应当是：先锁定三到五个核心业务系统，把最关键的几十个指标口径定义清楚，包括计算逻辑、统计周期、责任归属和版本变更规则；再把这几路数据按已定口径接入和清洗；权限治理可以先做粗粒度的角色分权，行级列级控制留到涉及敏感数据时再补；可视化则直接消费已定义的指标，不做二次加工。这样一期交付的是一套可复用的口径资产，而不是几张一次性报表。
判断一期是否做对，有个简单的检验标准：新增一张报表时，是否需要重新拉一次口径对齐会。如果不需要，说明口径层立住了；如果每次都要，说明建的还是汇总层，钱花在了会不断被推翻的地方。指标口径统一正是中台区别于普通数据集成的核心价值所在，预算再紧也不该把它排到后面。
