下载掌阅APP，畅读海量书库
立即打开
数字产业化的核心是把握好数据“大量化、多样化、快速化、价值化”的“四化”特征思维内涵，是利用好数据资源，基于“数据+模型=服务”的商业逻辑，挖掘数据的资产属性，以数据为资本，进而创造大的正能量、快的正价值、阳光下的好风范，实现企业的可持续发展。
大数据是在物联网端到端数据流的基础上，通过分析数据，实现预测需求、预测制造、解决和避免不可见问题的风险，大数据可以用于整合产业链和价值链，是工业互联网技术的重要组成部分。
数据不等于信息，信息不等于知识。数据是事件的一种属性，知识是行为主体的一种属性；数据经过行为主体的感性与理性过滤才成为信息，即数据经过人的解读才成为信息；知识建立在信息的基础上。
数据具有两个明显特征：一是差异性，二是规律性。差异性主要体现为数据描述的事物的数量和特征，现实世界中的每件事、每个人、每种物都有不同的属性和特征，因此反映在数据上也会有各种不同的表现，而且从表面看，这些数据可能是杂乱无章的。规律性主要体现为数据分布是有一定规律的，对数据进行分析研究的目的，就是要从看似毫无关联的数据中找出某种规律和关联。换句话说，正因为数据具有差异性，才有必要对数据进行研究分析。也正因为数据存在规律性，对其研究才有价值。
与传统农业经济和工业经济不同，数字经济得以发展的基础是信息技术和海量数据。随着信息技术与经济社会的交汇融合，数据成为国家的基础性战略资源，成为驱动经济社会发展的新兴生产要素，与劳动、土地、资本等其他生产要素一起，为经济社会的发展创造价值。
数据成为资源的过程，与石油成为资源的过程有相似之处。首先，要发现各种有用数据的来源，如同勘探油矿；其次，要采集能够满足特定需求的数据，如同采油；再次，把采集到的数据按应用需求进行标准化、结构化处理，如同炼油；最后，将加工处理后形成的数据与实际应用相结合，最大限度地发挥数据的作用，如同用油。因此，在这个阶段，数据是作为一种具有使用价值的资源帮助管理者决策的，从而实现其经济效益。数据资源化过程如图6-1所示。
图6-1 数据资源化过程
我国制造强国战略明确指出，将制造与服务协同发展作为转型的重要方向，加快生产型制造向服务型制造转变的步伐。服务型制造模式是通过生产性服务、制造服务和顾客参与的高效协作，融合技术驱动型创新和用户驱动型创新。在服务型制造系统中，数据作为产生知识的主要途径，数据的研究日益受到关注。未来的竞争主要体现在数据层面，无论是生产型还是服务型企业，如何挖掘企业的核心竞争力是企业永恒不变的追求。大数据一定会成为未来企业最核心、最优质的生产要素，也一定会成为企业经营的核心。
随着数字经济的发展，人们发现数据还具备资产的特征，于是出现了“数据资产”的概念。近些年，国内外学者围绕数据资产这一概念开展了比较系统的研究，国外研究主要集中在数据质量管理、信息价值评估和数据资产管理等方面，国内研究主要集中在资产评估框架、无形资产评估、信息资产评估及管理、网络数据资源评估等方面。结论主要有：数据应作为资产进行管理，可用数据质量评定数据的价值，数据和信息价值可以由多个方面的价值共同衡量，使用资产特性来判定信息是否为资产。
分析数据资产需要从资产的概念说起。资产是指由企业过去的经营交易或由各类事项形成的，被企业拥有或控制的，预期会给企业带来经济利益的资源。从这个界定来看，资产具有现实性、可控性和经济性三个基本特征。结合资产的特征，数据资产是指企业在生产经营管理活动中形成的，可拥有或可控制其产生及应用全过程，可量化的预期能给企业带来经济效益的数据。
数据价值瞬息万变，有时加入一个或一组新数据，原有数据的价值就可能发生极大的变化；随着使用人数和次数的增加，数据价值会发生不规则的变化；数据价值的释放与算法等数据处理分析技术紧密相关，不同算法挖掘出来的数据价值可能存在天壤之别；数据的价值因用户而异，同一组数据对于不同的用户来说产生的价值可能截然不同。要想科学确定和量化数据价值，必须对数据价值的特性进行全面系统的了解，这是确定数据价值的基础和前提，也是区分数据价值与实物价值的关键点。
数据资产化的过程就是实现数据可控制、可量化与可变现属性以及体现数据价值的过程。当前，数据已经渗入各行各业，逐步成为企业不可或缺的战略资产，企业所掌握的数据规模、数据的鲜活程度，以及采集、分析、处理和挖掘数据的能力，决定了企业的核心竞争力。
以交易型业务对数据的应用实践为例，有四种数据交易方式常被提及。第一种是隐藏用户ID方式，出于隐私保护考虑，把用户ID隐去，保留所有数据之间的模型关系。企业大规模采购的数据，如果不能跟人匹配，那么精准营销、个性化的客户关系管理、对个体做信用评估等将无从谈起，所以这种数据交易很难成为主流。第二种是数据汇总方式，把每100个用户打包组成一个“用户军团”，对各个指标的均值、方差、分位数进行计算，然后把“用户军团”的描述统计售卖给买方。这样的数据无法精确到个人，因此大量面向个体提供产品服务的业务就得不到支持，考虑到还要准备复杂的服务器、API接口、交易数据和技术团队，买家可能更倾向于购买分析报告。第三种是数据模糊化方式，模糊化的数据仍然是精确到 ID 的数据，通过对原始数据进行“模糊化”处理，如基于原始数据计算得到一个信用积分等。这种积分数据是可以交易的，它不见得是最完美、最让数据交易各方都满意的，但它是现实可行的一个可以交易的数据产品。第四种是问答方式，验证谁是谁，如公安部数据库根据姓名、身份证号、家庭住址（这些信息是用户知情并同意主动提供的），核对信息正确后再允许贷款。问答方式对用户隐私保护得最好，它不提供任何具体数据，只回答一些关键问题，但会产生很高的数据购买成本。
2016年3月，《麻省理工科技评论》与甲骨文公司联合发布的《数据资本的兴起》指出，数据已经成为一种资本，同金融资本一样，能够产生新的产品和服务，这种变化会影响所有公司的竞争策略，以及为其提供支持的计算架构。与传统认知不同，数据并不是一种冗余的资源，而是具有稀缺性和独特性的，如同零售商缺少必要的融资就无法进入新的市场，如果没有必需的数据，他们也无法创造新的定价方法。
在经济学中，资本是一种生产性资源，是生产另一种商品或服务的必需品。数据资本与实物资本一样，拥有长期价值，但同时它又具有不同于其他资本的三个特性：非竞争性，即实物资本不能多人同时使用，数据资本则不存在这个问题；不可替代性，指实物资本是可以相互交换的，而数据资本则不然，因为不同的数据包含着不同的信息，具有不同的价值；体验性，即数据需要使用，只有使用后才能衡量其意义和价值。
数据资本化就是通过数据交易和数据流通活动将数据资产变为资本的过程，类似于将房产抵押获得贷款，为企业筹集资金。但是，由于数据具有很多不同于房产的特征，所以数据资本化与实物资本化的过程必然也不同。
大数据作为资源、资产、资本，对制造业的推动主要有三个阶段。一是把问题变成数据。例如，针对制造系统中显性或隐性的问题，如质量缺陷、精度缺失、设备故障、加工失效、性能下降、成本较高、效率低下等，利用数据对问题的产生和解决进行建模，把模型推广应用到其他领域，把经验变成可持续的价值。二是把数据变成知识。从“可见问题”延伸到“不可见问题”，通过先进的分析算法对数据中的隐性知识进行挖掘和建模，并在制造过程中预测和避免问题，如虚拟量测、健康管理、衰退预测等。三是把知识再变成数据，通过反向工程，利用知识对整个生产流程进行剖析和精细建模，从产品设计和制造系统设计端避免问题，如生产中的指令、工艺参数和可执行的决策。大数据对制造业的推动阶段如图6-2所示。
图6-2 大数据对制造业的推动阶段
高科技公司在意识到数据资本的属性后，很多已经开始转型，将自己打造成精通数据的中介机构，各种颠覆式创新层出不穷。如SoFi公司，在信贷领域建立一整套全新的“贷款提供者生态系统”，不仅能接收大量信息，而且能提供大量信息。以专注于学生贷款起家的金融初创公司SoFi，将许多数据点用作信用评级预测的参考因素，这使公司有胆量向信用信息不完整的个人提供低利率贷款。SoFi公司放弃了简化复杂性的想法，利用技术和自动化，从传统的信用评分转向分析更多不同数据点的风险模型，依据各种不同来源的综合海量数据指导决策，这种做法最终会转化为对实际违约风险进行更好的评估，因此SoFi公司能够以低于传统贷款的利率向许多客户发放贷款。截至2017年，SoFi公司已经提供了超过160亿美元的贷款，为客户节省了约14.5亿美元的利息。
设备尺度的价值点创造第一步就是实现生产线内数据资源的整合共享。制造业企业在生产和装配的过程中，利用传感器等进行数据采集，并通过电子看板显示实时的生产状态，实现了各个环节之间数据的有效流通，实现了智能化生产及生产过程的智能化调控，保证生产环节安全有序进行。
大数据分析可以使设备有更好的性能或更低的消耗，能够更好、更快、更高效地解决设备维修、维护、故障预防等问题，并对下一代设备进行设计优化。
随着信息技术的发展，车间内数据协同需求日益增加。车间尺度的价值点创造主要是通过不同生产线的数据共享流通，实现了工厂智能化管理。通过构建高效的工业大数据中心，摸清车间数据目录，利用数据挖掘、人工智能、深度学习、数字孪生等信息化技术，将车间内的数据资源进行整合建模及动态映射，实现车间内数据可视化及多场景下的数据协同应用，提高数据价值，赋能车间智能化生产。
大数据可以降低车间内常见的7种浪费：等待时的浪费、搬运时的浪费、不良品的浪费、动作的浪费、加工时的浪费、库存品的浪费、制造过多（早）的浪费。
企业尺度的价值点创造通过打通企业或者集团各个环节的数据壁垒，实现产、研、销、管各个环节的数据共享流通，充分调动企业多部门、多公司、多工厂的能动性，发挥地理、环境、产能等优势，实现企业内智能化调度与智能化生产。通过企业内部数据共享，实现企业内部全方位协同，有效发挥各环节优势，控制成本，提高生产质量，赋能企业发展。
大数据在研发设计（创新）、采购销售、生产组织、售后服务等多方面助力实现跨越时空的协同、共享、优化。
产业链尺度的价值点创造通过打通产业链上下游的数据壁垒，实现产品全生命周期的智能化调控与智能化生产。通过对企业的智能化改造，从构建一个以企业智能化生产为出发点的工业大数据中心，到建立不同企业与不同数据中心之间的数据流通的通道，将单点式工业大数据中心转变成工业大数据中心体系，实现研发数据、生产数据、销售数据、管理数据等全局化共享流通，促进供给侧结构性改革，推动产业链补链、强链。
大数据对供应链、企业生态的价值主要在于重新定义企业间的分工、协作。
跨行业尺度的价值点创造是通过在全国范围内布局一体化的工业大数据中心，实现不同企业、不同行业、不同区域之间的数据要素流转，形成全国范围内研发、生产、运输、原材料供应、销售等一体化的创新发展新局面。工业互联网数据整合了工业数据及互联网数据，是工业经济发展的核心要素，可以有力支撑构建数字化、网络化、智能化的新型生产制造体系和服务体系，赋能制造业和实体经济转型升级。
工业互联网数据的流通共享是实现工业数据共享终极目标的前提条件，高效利用工业互联网数据是实现数据跨行业流通、赋能我国经济创新发展的有效手段。
工业大数据变现能力如图6-3所示。
图6-3 工业大数据变现能力
企业行为如果对销售额没有提升或者对于降低综合成本没有贡献，很有可能会吞噬企业的既有利润或是未来的可期利润。尤其是摩尔定律不断提速的时代，今天花费巨大成本采购的最先进设备，很有可能折旧还没有在财务报表上消化完，就已经被淘汰了。一切企业决策和方法，包括数字化，都必须为企业创造利润提供帮助，为企业客户提供价值。把手段当成目标的本末倒置现象，对企业的危害特别大，因为企业每天的运营都需要大量的成本，每一个决策的背后都是“千军万马”的调动，其本质是资金的大量投入与使用。数字化转型过程必须要脱离“只赚吆喝不赚钱”的误区，需要慎之又慎。
不论在何种情况下，企业管理者的角色都保持着一个明显特点：即在不确定的情况下做出决策。大多数企业用数据来衡量表现，而基业常青企业用数据预测表现。所以，用好大数据，将有效支撑企业管理者做出“越来越趋于合理的决策”，推动企业的可持续发展。研究全球长寿企业也能发现，百年企业中没有一家企业是顺风顺水发展至今的。对于企业来说，不求局部“最速”，但求整体“最优”。只有整体效率最优，企业的整体运营成本才最低。信息互联与大数据是打破信息孤岛、信息壁垒的有效工具。哈佛大学教授、管理学界全球权威专家迈克尔·波特先生这么形容工业互联网：“工业互联网最终一定是建立一个互相连接的精益企业链条。”企业要应对未来发展，就必须从现在起做好工业互联网相关的基础建设。
总体而言，智慧企业转型完全是围绕着数字化开展的。从自动化到智能化，从智能化到智慧化，是企业发展路径的不同阶段。企业要持续发展，就一定不能做“商业盲人”。“智能不智慧”肯定不行，而智慧的判断源泉来自信息，依赖于大数据的质量。
在新技术盛行且被快速应用的创变时代，从“量”的提升到“质”的提高，从“规模化发展”到“高质量发展”，从“爆发式增长”到“可持续发展”，转型浪潮势不可挡。颠覆式创新让企业经营变革迫在眉睫，数字化与企业经营、大数据与企业可持续发展受到越来越多的关注。
长寿企业在能力维度和思维维度积极创建可持续发展条件，并在可持续性、智慧企业转型、应对环境变化等方面都做了很好的综合平衡。能力维度包括学习能力和专业技能等，思维维度包括可持续发展思维、共存共赢理念、生态圈思想等。企业的可持续发展条件如图6-4所示。
图6-4 企业的可持续发展条件
基于能力和思维，长寿企业在应对可持续发展方面，主要表现为：一是通过降低产品风险，应对市场风险；二是通过强化资金实力，应对金融风险；三是通过优化资产构成，减低额外风险，实现资产合理配置；四是通过培养管理层长远眼光，建立与供应商和关联者的紧密关系，提高企业社会性和影响力。
在现代商业环境中，人们必须认清的客观事实是：用户需求和选择标准正在不断发生变化，而且速度正在不断加快。企业可持续发展的战略规划必须在提升现有业务能力基础之上，不断变革。物竞天择，商业竞争留下的不是“最强”，而是“最优”。曾经的诺基亚、柯达、摩托罗拉等企业，曾经都是所处行业的翘楚，而今早已风光不再。
前车之鉴，后事之师。管理思想一直在演变，以解决人类最古老的问题——配置和利用稀缺资源，以满足一个不断变化的世界的多样化需求。今天与昨天不一样，明天也将与今天不一样，但今天是昨天的产物，而且明天也将如此。历史不仅告诉我们以前发生了什么事情，还会教导我们在今天和明天必须要做什么。从这个意义上讲，如同莎士比亚大约400年前在《暴风雨》中所说的：一切过往，皆为序章。
数字化技术已渗透到社会和企业系统中，如基础设施、机构、组织和生产方法等。作为这种数字化转型的结果，在特定部门和组织内被部分优化的系统和机构将转变为整个企业最有利的系统。
大数据、工业互联网等新一代信息技术方便了机械企业与社会众多利益相关方的接触，这些利益相关方直接或间接地影响企业经营绩效、企业信誉，甚至企业发展。
在客户方面，机械企业利用新一代信息技术在投资者关系、客户满意度、客户关系管理、客户信息保护、绿色消费倡导等方面变革创新。如在重视客户关系方面，国家电网通过优化供电指挥服务平台，为利益相关方提供多元化、个性化的综合能源服务。通过新一代信息技术打造便捷的售电结算体系，及时响应客户要求。
在社区方面，机械企业利用新一代信息技术在社区发展支持、尊重社区文化、慈善捐赠、教育培训支持、志愿者服务等方面变革创新。如在社区发展方面，中国五矿建立线上社区平台，收集员工诉求和改善建议，群策群力，促进了包容性发展。
在政府方面，机械企业利用新一代信息技术在纳税问题、合规管理、政策反馈、政府沟通、扶贫支出等方面变革创新。如在扶贫方面，企业利用互联网技术发布用工需求信息、市场需求信息，使广大贫困群众能够根据这些信息选择适合自己的脱贫之路。
受益于大数据、工业互联网等新一代信息技术，机械企业完善了内部治理、强化了竞争实力，从而在市场竞争中立于不败之地。
在产品方面，机械企业利用新一代信息技术在绿色采购、质量提升、智能化建设、品牌建设、知识产权保护、合作伙伴管理、市场占有率等方面变革创新。如在合作伙伴管理方面，京东方利用工业互联网协同平台，与行业伙伴协同创新，创造新价值。
在治理方面，机械企业利用新一代信息技术在生产安全、诚信体系、风险控制、国际化发展等方面变革创新。如在国际化发展方面，国机集团搭建统一的国际业务信息化平台，加强对境外投资、海外合作和海外机构的管理，使国际化经营水平进一步提高。
在员工方面，机械企业利用新一代信息技术在劳动关系、职业健康、员工发展、福利保障等方面变革创新。如在员工培养方面，中国中车通过线上学堂等加强技术、管理、技能等核心高素质人才的选拔培养。
生态环境保护和资源节约利用是企业实现可持续发展必须考虑的一个重要维度，大数据、工业互联网等新一代信息技术可以提高资源利用效率，最大限度地降低对自然环境造成的负面影响，助力企业更好的持续经营。
在环境方面，机械企业利用新一代信息技术在降碳减排、环境管理、污染防治、环境友好型等方面变革创新。如在降碳减排方面，通过能源管理系统实现能源实绩分析、能源计划编制、能源质量管理、能源系统仿真和预测，提高环保质量、降低单位产品能耗和提升劳动生产率。
在资源方面，机械企业利用新一代信息技术在资源管理体系、资源利用信息公开、协同处理、资源回收等方面变革创新。如在资源管理方面，晶科能源根据水足迹数据盘查结果，发现公司的主要用水环节，有针对性地在多环节、多途径多措并举，加强了水资源管理。
随着全新的数字化时代到来，移动互联网、物联网、云计算等技术正在不断地将我们身边的物理世界数字化，并连接到网络，成为巨大的数字化网络的一个节点。在这一波数字化浪潮中，工业企业已经无法忽视这张数字化网络而独善其身。数字化浪潮最直接的体现是数据的爆发式增长。数据的爆发式增长将加速用户和市场需求的变化，以及产品的创新速度，随之而来的是企业内部设计迭代、部门协作和数据流转的加速。固化的传统企业流程将无法适应这种持续的快速变化，从而使企业丧失竞争力。有些企业试图通过业务流程再造来改变这种劣势，然而其本质还是期望利用过去的流程来管理和制约未来的变化，这将会使企业疲于奔命，最终收效甚微。
数字化技术加速发展成为引领新一轮科技革命的主导力量，新技术驱使企业商业模式和运营方式发生变化。在开放化、服务化、生态化的企业运营模式下，数字化技术引领企业的商业模式发展，企业需要引入云架构及平台化思想，建立创新敏捷的数字化生态环境，驱动并引领业务创新发展。在数字化时代，企业需要打造具备数字化竞争力的平台，构建集团统一的数据管控体系。通过数字化平台，支撑企业数字化发展战略，使企业业务应用向云端迁移，企业数据架构也要从以前以应用为中心的架构模式向以分析为中心的架构模式转变。
综上，制造业企业的“数字化转型”将是企业在数字化时代杀出重围的新战略。企业在数字化转型中，关注是数字化带来的利益，并且能够连接更多的消费者，建立以消费者为中心的组织及文化。
数字化转型对于传统企业建设而言，不仅仅是从企业自身的状况、数字化转型实施环境和成熟度是否能接受或适应转型等进行分析和考虑，更是一种思维方式的转型，甚至是对认知的一种颠覆，这种使命的变革表现在6个方面（见图6-5）。
图6-5 企业数字化转型模型
（1）数字化转型的精髓是以客户需求为“主导者”，外部需求“倒逼”内部变革，进而深入贯彻“互联网+”战略实施；企业发展的价值观和战略导向要从过去的产能驱动型转变为数据驱动型。
（2）企业决策者要成为数字化转型的“引领者”，决策观念要从经验判断向“数据说话”“智慧决策”转变。
（3）要尽快破除传统上业务与信息技术之间存在的界限和“鸿沟”，成立新型的数字化组织，作为企业数字化转型的“推动者”，实现“融合创新”，重构企业的业务组合、协同方式和管理层级。
（4）要比照“工业4.0”的理念，以推动核心业务的数字化转型为目标，打通“横向、纵向和端到端”三大数据流，实现从设计到服务，从客户到生产、从前端到后端的“数据互联互通”能力。
（5）要加快推进新一代数字化技术的应用，将“AICDE+5G”作为未来数字化的核心能力，为数字化转型提供强有力的支撑与保障。
（6）要从控制和占有物质资源（股权、资金、技术和市场）转变为共享“数字”、共创“数字生态”。
企业“数字化转型”的本质是技术重塑供需，实现全面数据驱动的业务与管理，其特点表现在8个方面（见图6-6）。
图6-6 工业数字化转型的本质及表现形式
（1）云、大、物、智、移等技术相结合。
（2）运用新技术为业务提供创新的价值，以业务和管理的全过程数字化为核心。
（3）客户体验数字化，即以客户为中心，更接近、满足、赢得及持续赢得客户。
（4）运营管理数字化，即定制产出、缩短渠道、柔性供应、敏捷服务、集成布局。
（5）智能化业务决策，即精准实时把握客户需求、合理化资源配置。
（6）一体化运营管理，即部门横纵端到端协同，及时高效解决运营问题。
（7）生态化价值合作，即连接和整合价值链，共享共赢发展。
（8）敏捷化变革创新，即技术契合业务能力和水平，动态引领市场。