作者：朱克力博士 中国信息协会常务理事、中国新经济智库（CiNE）院长

3月5日，政府工作报告提出“十四五”时期要“加快数字化发展，打造数字经济新优势，协同推进数字产业化和产业数字化转型，加快数字社会建设步伐，提高数字政府建设水平，营造良好数字生态，建设数字中国”。

发展数字经济，建设数字中国，离不开数据要素市场培育。第四次工业革命以物联网、大数据、人工智能、3D打印、区块链、生物技术等为驱动，正以难以置信的速度改造世界。与传统生产要素相比，数据正成为新经济时代举足轻重的新生产要素，其应用及影响无远弗届。

“十四五”时期，抓住数据要素市场培育与产业数字化转型新机遇，企业将大有可为。

01　产业数字化六大新应用场景

一是设计环节大规模定制。

大规模定制不仅追求低成本、高效率，还要兼顾高质量和个性化，这在传统工业社会是难以想象的。其要义在于以满足客户需求为核心，创造出一系列运作模式、技术支持、销售方式、反应机制。这将会给企业的组织和运营带来冲击与困扰，企业生产、服务和销售环节都需要随之转变。

数据要素是大规模定制的关键，其应用包括数据采集、数据管理、订单管理、智能化生产、定制平台等。

当定制数据达到一定量级，通过对这些数据的挖掘、分析，能够实现精准匹配、营销推送、流行预测等更高级功能，可以帮助企业降低物流和库存成本，增加产品的用户匹配度，减少生产资源投入的风险。

二是生产环节智能制造。

智能制造的实现基础是大数据，实现途径是信息物理系统，一端将产品接入互联网，实现企业生产的产品智慧化，具体体现如智能家居设备、智能工业设备，实现在互联网上的数据传输；另一端将企业接入互联网，加速企业的网络化、智能化改造进程。

目前，数据要素已成为智慧云系统建设和运营的战略资源，也是智慧制造云实现智慧化的重要基础。

从应用来看，智慧制造云大数据的价值在于：通过采集管理分析服务，能够精准、高效、智能地促进云制造的智慧化，实现产品+服务为主导、随时随地、随需的个性化和社会化制造，进而提升企业竞争力。

三是供应链环节优化与提速。

数据要素使供应链全局优化成为可能，大数据优化供应链的核心在于精准的需求预测。

在数据要素支持下，通过对供应链海量数据的搜集、分析，不仅可以勾勒出包括消费习惯、消费能力等维度的用户画像，反映出市场的真实需求，又可以使物流企业依据数据分析结果，了解供应链每个环节的运作情况，从而找出业务盈利点或低效率的地方，能够有针对性地进行业务调整，优化资源配置，提升供应链协同效应，实现效率和利润最大化。

例如通过RFID等产品电子标签技术、物联网技术以及移动互联网技术，帮助企业获得完整的产品供应链大数据，极大提高产品时效性，减少库存，优化供应链。再如利用先进数据分析和预测工具，预测分析实时需求，增强商业运营及用户体验。

四是研发环节协同创新。

数据要素及其相关应用的触角，同样也延伸到了企业的研发环节。数据要素助力研发环节实现协同创新，从应用场景来看主要通过三种方式：

数据整合。海量数据是建立高附加值的数据分析能力的基础，大数据技术使端对端数据整合更有效，并精确关联性质完全不同的数据，包括内部数据、外部数据、公开数据和自有数据。

内外协作。许多企业研发部门保持高度封闭性，而数据要素打破了内部各部门之间的信息壁垒，加强了企业与外部合作伙伴的协作。

决策支持。数据要素可以代替人进行较为复杂的决策，如项目分析、商业开发机会、预测等决策的快速做出都可以借助数据要素。

五是营销环节精准推送。

利用数据要素可以分区域实现对市场波动、宏观经济、气象条件、营销活动、季节周期等进行融合分析，对产品需求、产品价格等进行定量预测。

同时，可结合用户对产品当前使用的工况数据，对零部件坏损进行预判，进而对零部件库存进行准确调整。

此外，通过对智能产品和互联网数据的采集，针对用户使用行为、偏好、负面评价进行精准分析，有助于对客户群体进行分类画像，可在营销策略、渠道选择等环节提高产品的渗透率。

更重要的是，可结合用户分群实现产品的个性化设计与精准定位，即针对不同群体，对用户精准画像、精准推送等，实现产品从设计到交易的完整营销环节精准化。

六是服务环节运维与预测。

借助数据要素一方面可利用海量数据库对信息、数据、资源、终端进行关联分析，包括触发智能终端进行数据搜集、自动查找故障根节点；另一方面还可以分类统计问题，为运维人员和客户中心提供及时的分析数据。

除了更实用的智能分析，借助机器学习技术，通过从数据中梳理出具有规律性的事件模型，进而对未来不确定性事件进行有效预测。

此外，数据要素可以实现主动运维。通过数据深度挖掘和离线分析，运维由传统事件驱动向业务质量驱动转变，最终实现自动的自我修复、优化配置，解决潜在的网络故障，保障基础设施的健康与质量。

02　数据要素的四大新动能效应

第一，数据成为经济转型不可或缺的关键生产要素。

目前实体经济之所以利润薄、效率低，一方面，很大程度上是由于传统生产要素如劳动力、资金、土地、能源原材料、物流等供应增长受限导致成本居高不下；另一方面，整体营商环境等外部交易成本较高也强化了传统动能减弱趋势，迫切需要生产要素升级与革新。

对企业而言，大规模运用数据要素能放大生产力乘数，加速流程再造、降低运营成本、提升生产效率；

对政府而言，运用数据要素构建信息共享和信用体系可望改善营商环境，帮助企业进一步实现降本增效和效率提升。

在实践中，不少企业率先分享到了数据等新生产要素带来的红利。

第二，数据为加速新旧动能转换提供基础性应用。

基于大规模数据应用，以智能生产、智慧服务等为特色的企业脱颖而出，制造业与服务业融合步伐不断加快：

一是以工业大数据技术体系开发为龙头的生产性服务带动制造业发展；

二是以工业大数据的智能化服务延伸企业价值链，提升市场竞争力；

三是以工业大数据等信息服务为代表的制造企业转型升级成效显著，从而加速“制造+服务”融合趋势，助推新旧动能传导转换。

第三，数据提高产业链协同效率并催生组织变革。

从微观视角看，数据实现供需匹配，打通生产与服务全流程，提高产业链协同效率，催生内部生产组织和外部产业组织变革。

随着数据应用的日益深入，智能化生产、网络协同、个性化定制等多种服务化延伸模式日渐清晰，呈现研发设计协同化、生产管控集成化、购销经营平台化、制造服务网络化等态势，带动技术进步、效率提升与组织变革，促进产业数字化转型，加快产业迭代兴替。

第四，数据成为引领高质量发展和创新驱动的新兴力量。

“大数据+”形成的新业态新模式正在助推产业和产品向价值链中高端跃升，加强数据要素在重点行业和领域的应用，促进数据引领的智能产业发展，打造具有竞争力的产业集群，推动智能技术转化应用和产品创新，加速数字化、网络化、智能化发展，提高全要素生产率、产品附加值和市场占有率。

此外，强化数据在政务体系的应用，推进跨领域、跨平台、跨部门的数据共享，可提升政府决策科学化、公共服务高效化、治理能力现代化水平，进一步改善营商环境及生态环境，更好地服务民生及社会事业。

03　数据要素市场培育相关对策

不容否认的是，当前数据要素市场处于培育初期，要素市场化发展举步维艰，产业数字化转型面临诸多困难，市场发展秩序尚待规范。

为推动数据要素市场化发展和产业数字化转型，提出以下建议：

一是加大公共数据开放共享力度。

政府部门承担公共管理职能，掌握经济社会发展所需海量公共数据，应在确保国家安全前提下向商业主体适当开放。

二是营造数据自由流动的市场秩序。

鼓励市场主体、行业协会、政府部门共同搭建数据交易平台，探索数据交易程序和交易担保等机制。通过创制规则，减少不必要的数据要素交易成本，最大程度加快社会数据交易频次。

三是加强数据确权与合理保护。

健全数据交易法规，完善数据交易市场交易机制，促进数据产业加速发展，强化数据保护与管理。

四是推进实体经济数字化转型。

深入实施工业互联网创新发展战略，进一步扩大和升级信息消费，持续推进两化融合创新发展，推动农业智能化集约化发展，持续推动服务业数字化创新。

五是提高数字经济风险防范能力。

安全与发展是一枚硬币的两面，提升网络安全水平，有效防范数字经济运行风险，优化数字经济区域发展格局。

六是提升数字经济治理水平。

坚持包容审慎的治理理念，打造部门协同、社会参与的协同治理体系，优化治理手段与方式，完善治理制度与环境，积极参与全球治理体系构建。