10万亿市场的数据资产化背景下,工业大数据如何发挥最大价值?
作者 | 物联网智库2024-05-08

随着今年年初数据资产“入表”正式实行,喊了多年的“发挥数据价值”的口号终于可以说是落到了实处。

所谓数据资产入表,是指将数据确认为企业资产负债表中“资产”一项,即数据资产入资产负债表,在财务报表中体现其真实价值与业务贡献。国家发改委价格监测中心副主任王建冬表示,我国数据资产化和资本化后,所催生的相关市场潜在规模可能会达到10万亿级。

自本世纪初,“大数据”概念被提出,如何利用这种新型资源的讨论就不绝于耳,从“新能源”、“新石油”等概念,到“要素化”和“资产化”等举措,数据的价值形态变得越来越清晰。

在”小数据”时代,数据被当作某些项目或流程中被动使用的工具,数据本身的价值没有被认识。而在”大数据”时代,数据超越了辅助性的工具地位,成为值得收集、治理、增值的资产。

在工业领域,生产与服务的全环节产生、处理、传递、使用的各类海量数据集合而成的工业大数据,有着其独特的价值和意义,在数据资产化的过程中,也注定有着独特的转换过程和应用价值。本文将就工业大数据属性及其数据资产化、要素化过程展开讨论。

什么是数据资产化?

资产定义为由企业拥有或控制的、由过去的交易或事项形成的、预期会带来经济利益的资源。

数据资产化指的是将数据转化为可以进行交易的资产,如同房产或股票一样。这一过程是企业实现数据价值的核心,不仅实现了数据的使用价值,同时也向交换价值迈进,释放了数据的生产力。通过深入挖掘数据价值、明确资产价值实现路径,推进商业模式的变革,是企业数据流通与交易的必然趋势。

数据资产化进程中,企业需要构建数据能力体系和数据治理体系,以支持数据驱动型的业务模式。

数据资产化战略可分为四种主要类型:内部专用、对外共享、数据交易和对外开放。内部专用使企业能够利用数据优化运营,开发新业务;对外共享强化了供应链的合作,增强了整体市场供给;数据交易提供了一个在合规性和公允性之间平衡的市场环境;对外开放通过数据开放,增强了平台的市场连接力。

总的来说,数据资产化不仅是企业实现数据价值的手段,也是推动数据要素市场建设的重要途径。企业对跨区域、跨部门的协调机制和统一的数据流通规则的需求日益强烈,这对数据价值评估的标准化和数据交易市场的规范化提出了新的挑战和要求。

数据资产化逐步深化了企业对数据的认识和利用,使其转化为可交易和有价值的资产,工业大数据的概念和实用性也在相似的轨道上展开。这种发展不仅彰显了数据的经济潜力,还提供了一个框架,用以理解如何系统地利用这些数据,推动工业生产的智能化和高效化。

工业大数据的分类和属性

按照工信部的定义:工业大数据是工业领域产品和服务全生命周期数据的总称,包括工业企业在研发设计、生产制造、经营管理、运维服务等环节中生成和使用的数据,以及工业互联网平台中的数据等。

从数据来源来看,工业大数据主要分为三类。

第一类是企业运营管理相关的业务数据,源自企业信息化系统如企业资源计划(ERP)、产品生命周期管理(PLM)、供应链管理(SCM)、客户关系管理(CRM)以及能耗管理系统(EMS),构成了传统的数据资产。

第二类是制造过程数据,这类数据涵盖了工业生产过程中设备、物料和产品加工的工况状态参数和环境参数等,通过MES系统实时传输,在智能装备广泛应用的今天,这类数据的增长尤为迅速。

第三类是企业外部数据,包括产品销售后的使用和运营数据,以及大量的客户名单、供应商信息和其他外部互联网数据。

工业大数据有着天然的资产化条件,因为从经济学的角度来看,工业大数据具有价值属性资产属性

其价值属性表现为工业大数据通过分析能够为企业在设计、工艺、生产、管理及服务等方面实现智能化,满足定制化需求,提升生产效率,降低成本,从而为企业创造出可量化的价值。

资产属性则体现在工业大数据作为一种资产,可以帮助企业改善组织结构和创造价值。

工业大数据的价值和资产属性互为补充。价值属性侧重于通过先进的技术手段提取并变现数据价值,而资产属性则强调通过社会制度和管理机制来明确数据资产和资源的分布及所有权,从而为进一步挖掘其价值提供技术和评估支持。这种双重视角不仅帮助企业界定数据的边界,也推动了工业大数据技术的成熟和应用。

工业大数据的资产化路径

王建峰和辛华两位老师曾在文章中提到,工业企业的数据资产化需要经历业务数据化、数据资源化、资源资产化、资产价值化、价值要素化等“五化”的演进。

业务数据化阶段:是企业实现数字化转型的基础,利用物联网、云计算、大数据、人工智能等新一代数字技术,构建一个全感知、全场景、全智能的数字世界,将现实世界中企业的业务场景、业务模式和业务流程,在数字世界中精准映射。有效获取企业内部到外部,从供应链上游、企业经营情况到销售服务下游的关键数据,对整个组织的业务流程进行端到端的实时监控。

数据资源化阶段:工业大数据类型繁多,包括结构化、非结构化和半结构化数据,具有多样化和复杂性等特性。生命周期有长有短,因此不是所有的工业大数据都有价值。需要对数据进行识别,将那些对生产、经营、管理和决策过程有实际价值和用处的数据进行资源化。

资源资产化阶段:不是所有的数据资源都是数据资产,有些数据资源不仅不会创造收益,反而有巨大的拥有成本。所以,资源化后的数据还需要进行资产化,也即数据资产化。这一过程需要制定数据资产化的方法和流程,需要由业务和技术共同协作,识别和定义数据资产,把数据资产价值和业务价值相结合,确保数据资产的价值可度量。

资产价值化阶段:数据资产化后,就需要考虑如何发挥其价值。在工业领域有两种可行的模式,一种是把数据资产的价值与业务价值进行关联,比如实现管理效益(降本、增效、风控)或经营效益(拓客率、精准营销、产品优化);另一种是形成数据化产品,数据集、报告、趋势、算法等,直接进行数据交易产生价值。

价值要素化阶段:通过数据分析技术,可以从数据中提炼出有价值的商业洞察和产业知识,从而帮助企业方更好地整合其他不同生产要素,使其更好地发挥经济价值。只有通过构建可度量的价格体系,才能明晰数据资产在工业企业生产经营活动中对于企业效益及价值的贡献,才能真正实现从数据资产向数据要素的转变和实现。

从上述内容中不难看出,数据的要素化促进了数据的资产化,因为只有将数据成功转化为资产,才能充分利用其作为生产要素的潜力。

关于数据要素化

2020年,《中共中央 国务院关于构建更加完善的要素市场化配置体制机制的意见》首次将数据并列于土地、劳动力、资本、技术等传统生产要素之列。不仅反映了数据在现代经济中的核心价值,也预示着数据要素将在推动生产力发展中发挥至关重要的作用。

美国经济学家约翰·加尔布雷思曾指出:“在不同的发展阶段,每个时代都有一个最重要的生产要素。谁掌握了这一要素,谁就掌握了权力,并在收入分配中获得更多的收益。”这一观点今天依然适用。

生产要素的定义是对生产过程中投入资源的高度凝练。当经济增长速度超过已知要素投入的增长速度时,通常会识别新的要素来解释额外的产出。数据因其在促进生产力发展中显现出的巨大价值而被认定为新的生产要素。随着数据相关技术和产业的发展,数据不仅量大价高,更成为提升生产效率的关键驱动力。

数据技术的发展与数据应用需求的演变,共同塑造了数据在生产中的投入方式和规模。在技术和产业的演变中,数据日渐成为不可或缺的要素。因此,“数据要素”一词特指在数字经济背景下,生产力和生产关系讨论中对“数据”的重要指涉,强调数据在生产中的价值。

数据要素包括根据特定生产需求汇聚、整理和加工的数据及其衍生形态,如原始数据集、标准化数据集、各类数据产品以及基于数据构建的系统、信息和知识。

对于刚开始数字化转型的企业,原始数据集是运行业务系统、提高运营效率的基础资源。对于数字化较为成熟的企业,经过清洗和预处理的数据集具有更高的质量,能够提供更准确、全面和具有预测性的信息,用于支持分析和决策,从而为企业带来更大的效益。企业还可以将持有的数据加工成多样的数据衍生品,并在符合法律制度的前提下,使其流通于市场,供其他企业利用其蕴含的价值参与生产活动。

2021年12月,国务院发布的《”十四五”数字经济发展规划》进一步强调了数据要素作为数字经济深化发展的核心引擎的重要性。数据要素在提高生产效率上的乘数效应不断显现,成为最具时代特征的生产要素。

数据的爆炸性增长和海量集聚蕴藏了巨大的潜在价值,为数字经济的蓬勃发展提供了新的动力

推进工业数据要素市场化

近年来,中国工业互联网研究院积极推进国家工业互联网大数据中心的建设,在释放工业数据要素的活力和推动工业数据资产的注册及管理方面下了巨大的工作。

这些努力包括建设工业数据资产登记平台和研究数据要素的流通交易机制等,有效推进了工业数据资产化的过程,并已取得一系列阶段性的成果。

目前,工业数据资产登记平台已基本建成并具备了工业数据资产登记、审查、汇聚、监控和管理等功能。企业可通过可信的登记软件进行数据资产的登记和高效管理。该平台已完成核心关键技术的研发,并成功应用于纺织品制造、机械设备制造、玻璃制造、印刷和精密仪器等五大行业。

目前,已累计发布了306张登记证书,登记的数据要素总量近5亿DRs(数据要素计量单位,数据库表中的1个非空的单元格),有效数据字段超过3万个,逐步形成了目录级数据供给能力。

基于工业数据资产登记平台,国家与地市两级的工业数据资产登记服务体系正在加速建设中。首个城市节点已在苏州上线运行,武汉节点已完成签约,宁波、郑州、成都等城市节点也在积极推进中。这种体系的建立鼓励各地参与城市节点的构建。

在此基础上,工业数据要素创新生态已初步建立。中国工业互联网研究院成立了“工业数据要素创新发展中心”,其成员包括大数据交易机构、科研院所、高等院校以及知名律师事务所和会计师事务所等。

该中心将围绕政策法规研究、技术研究、标准制定、创新应用、市场发展、人才培养、检测评估等方面开展工作,推动工业数据交易市场体系和工业数据要素登记存证制度的建设,促进数据的高效、合规流通和交易,分类分级授权使用,引导市场主体以应用场景为导向,按照用途和用量发掘工业数据的价值,协同各方打造工业数据要素的新业态新模式。这些举措不仅提升了数据资产的管理效率,还为工业数据的价值创造和流通开辟了新途径。

今年一月份,浙江大数据交易中心有限公司首席数据官李静向浙江侠云科技有限公司副总经理罗晓雯递交了“数据产品交易凭证”,标志着首单制造业“数据产品”成功完成交易,对于工业领域的数字资产化也具有重要意义。

据罗晓雯介绍,公司已经开发了三款数据产品,并于去年12月在浙江省大数据交易中心成功挂牌上架,这些产品近期已经陆续完成交易。这些产品包括:水暖阀门行业的“产品采购主数据”,提供铜材料采购趋势、市场动态和供应链管理的洞察,成交价8000元;“产品生产主数据”,帮助买方了解行业生产趋势和关键指标,支持决策制定与流程管理,成交价9000元;“产品主数据标准”,该数据集成于企业ERP和MES系统中,为企业数据管理和运营提供标准化基础,成交价10000元。

这些数据产品的成功交易不仅为企业本身提供了新的收入来源,同时也为行业内其他企业提供了宝贵的市场和操作洞察,对于推动整个行业的数据发展具备重要意义。

写在最后

数据的资产化与要素化为数字经济带来了革命性的变化,不仅增强了企业的市场竞争力,也推动了整个社会的生产力发展。随着数据资产入表的实施,数据的经济价值得到了官方和市场的认可,这标志着数据资产化的过程不再是抽象的概念,而是具体的、可操作的财务实践。

在这一变革中,工业大数据扮演着重要角色。工业大数据的资产化不仅使企业能够更好地理解和利用生产过程中的海量数据,还促进了工业智能化和高效化的发展。随着技术的不断进步和制度的逐步完善,工业大数据将以更加多元和活跃的方式参与到经济生活中,为产业升级和经济增长注入新的动力。

这一系列变革不仅仅是技术和市场的进步,更是我们对数据潜力认知的深化和实践的拓展,最终将使数据成为推动社会进步的关键要素。工业大数据的有效资产化,特别是在制造业这样的核心行业中,将成为未来企业竞争力的重要标志,推动全行业向更高效、智能、环保的方向发展。


热门文章
人工智能大模型与硬件的融合正在如火如荼地进行,但在B2C消费端似乎遇到了阻力。据The Information报道,苹果前设计总监Jony Ive和OpenAI的CEO Sam Altman已联手设计
2024-05-08
X