朱克力 | 立方大家談專欄作者，國研新經濟研究院執行院長
第四次工業革命以物聯網、大數據、人工智能、3D打印、區塊鏈、生物技術等為驅動，正以難以置信的速度改造世界。與傳統生產要素相比，數據正成為新經濟時代舉足輕重的新生產要素，其應用及影響無遠弗屆。抓住數據要素市場培育與產業數字化轉型新機遇，企業將大有可為。
六大新應用場景
一是設計環節大規模定制。
大規模定制不僅追求低成本、高效率，還要兼顧高質量和個性化，這在傳統工業社會是難以想象的。其要義在于以滿足客戶需求為核心，創造出一系列運作模式、技術支持、銷售方式、反應機制。這將會給企業的組織和運營帶來沖擊與困擾，企業生產、服務和銷售環節都需要隨之轉變。
數據要素是大規模定制的關鍵，其應用包括數據采集、數據管理、訂單管理、智能化生產、定制平臺等。
當定制數據達到一定量級，通過對這些數據的挖掘、分析，能夠實現精準匹配、營銷推送、流行預測等更高級功能，可以幫助企業降低物流和庫存成本，增加產品的用戶匹配度，減少生產資源投入的風險。
二是生產環節智能制造。
智能制造的實現基礎是大數據，實現途徑是信息物理系統，一端將產品接入互聯網，實現企業生產的產品智慧化，具體體現如智能家居設備、智能工業設備，實現在互聯網上的數據傳輸；另一端將企業接入互聯網，加速企業的網絡化、智能化改造進程。目前，
數據要素已成為智慧云系統建設和運營的戰略資源，也是智慧制造云實現智慧化的重要基礎。從應用來看，智慧制造云大數據的價值在于：通過采集管理分析服務，能夠精準、高效、智能地促進云制造的智慧化，實現產品+服務為主導、隨時隨地、隨需的個性化和社會化制造，進而提升企業競爭力。
三是供應鏈環節優化與提速。
數據要素使供應鏈全局優化成為可能，大數據優化供應鏈的核心在于精準的需求預測。在數據要素支持下，通過對供應鏈海量數據的搜集、分析，不僅可以勾勒出包括消費習慣、消費能力等維度的用戶畫像，反映出市場的真實需求，又可以使物流企業依據數據分析結果，了解供應鏈每個環節的運作情況，從而找出業務贏利點或低效率的地方，能夠有針對性地進行業務調整，優化資源配置，提升供應鏈協同效應，實現效率和利潤最大化。例如通過RFID等產品電子標簽技術、物聯網技術以及移動互聯網技術，幫助企業獲得完整的產品供應鏈大數據，極大提高產品時效性，減少庫存，優化供應鏈。再如利用先進數據分析和預測工具，預測分析實時需求，增強商業運營及用戶體驗。
四是研發環節協同創新。
數據要素及其相關應用的觸角，同樣也延伸到了企業的研發環節。
數據要素助力研發環節實現協同創新，從應用場景來看主要通過三種方式：
一是數據整合。海量數據是建立高附加值的數據分析能力的基礎，大數據技術使端對端數據整合更有效，并精確關聯性質完全不同的數據，包括內部數據、外部數據、公開數據和自有數據。二是內外協作。許多企業研發部門保持高度封閉性，而數據要素打破了內部各部門之間的信息壁壘，加強了企業與外部合作伙伴的協作。三是決策支持。數據要素可以代替人進行較為復雜的決策，如項目分析、商業開發機會、預測等決策的快速做出都可以借助數據要素。
五是營銷環節精準推送。
利用數據要素可以分區域實現對市場波動、宏觀經濟、氣象條件、營銷活動、季節周期等進行融合分析，對產品需求、產品價格等進行定量預測。同時，可結合用戶對產品當前使用的工況數據，對零部件壞損進行預判，進而對零部件庫存進行準確調整。此外，通過對智能產品和互聯網數據的采集，針對用戶使用行為、偏好、負面評價進行精準分析，有助于對客戶群體進行分類畫像，可在營銷策略、渠道選擇等環節提高產品的滲透率。更重要的是，可結合用戶分群實現產品的個性化設計與精準定位，即針對不同群體，對用戶精準畫像、精準推送等，實現產品從設計到交易的完整營銷環節精準化。
六是服務環節運維與預測。
借助數據要素一方面可利用海量數據庫對信息、數據、資源、終端進行關聯分析，包括觸發智能終端進行數據搜集、自動查找故障根節點；另一方面還可以分類統計問題，為運維人員和客戶中心提供及時的分析數據。除了更實用的智能分析，借助機器學習技術，通過從數據中梳理出具有規律性的事件模型，進而對未來不確定性事件進行有效預測。此外，數據要素可以實現主動運維。通過數據深度挖掘和離線分析，運維由傳統事件驅動向業務質量驅動轉變，最終實現自動的自我修復、優化配置，解決潛在的網絡故障，保障基礎設施的健康與質量。
四大新動能效應
第一，數據成為經濟轉型不可或缺的關鍵生產要素。
目前實體經濟之所以利潤薄、效率低，一方面，很大程度上是由于傳統生產要素如勞動力、資金、土地、能源原材料、物流等供應增長受限導致成本居高不下；另一方面，整體營商環境等外部交易成本較高也強化了傳統動能減弱趨勢，迫切需要生產要素升級與革新。對企業而言，大規模運用數據要素能放大生產力乘數，加速流程再造、降低運營成本、提升生產效率；對政府而言，運用數據要素構建信息共享和信用體系可望改善營商環境，幫助企業進一步實現降本增效和效率提升。在實踐中，不少企業率先了數據等新生產要素帶來的紅利。
第二，數據為加速新舊動能轉換提供基礎性應用。
基于大規模數據應用，以智能生產、智慧服務等為特色的企業脫穎而出，制造業與服務業融合步伐不斷加快：一是以工業大數據技術體系開發為龍頭的生產性服務帶動制造業發展；二是以工業大數據的智能化服務延伸企業價值鏈，提升市場競爭力；三是以工業大數據等信息服務為代表的制造企業轉型升級成效顯著，從而加速“制造+服務”融合趨勢，助推新舊動能傳導轉換。
第三，數據提高產業鏈協同效率并催生組織變革。
從微觀視角看，數據實現供需匹配，打通生產與服務全流程，提高產業鏈協同效率，催生內部生產組織和外部產業組織變革。隨著數據應用的日益深入，智能化生產、網絡協同、個性化定制等多種服務化延伸模式日漸清晰，呈現研發設計協同化、生產管控集成化、購銷經營平臺化、制造服務網絡化等態勢，帶動技術進步、效率提升與組織變革，促進產業數字化轉型，加快產業迭代興替。
第四，數據成為引領高質量發展和創新驅動的新興力量。
“大數據+”形成的新業態新模式正在助推產業和產品向價值鏈中高端躍升，加強數據要素在重點行業和領域的應用，促進數據引領的智能產業發展，打造具有競爭力的產業集群，推動智能技術轉化應用和產品創新，加速數字化、網絡化、智能化發展，提高全要素生產率、產品附加值和市場占有率。此外，強化數據在政務體系的應用，推進跨領域、跨平臺、跨部門的數據共享，可提升政府決策科學化、公共服務高效化、治理能力現代化水平，進一步改善營商環境及生態環境，更好地服務民生及社會事業。
相關政策建議
不容否認的是，當前數據要素市場處于培育初期，要素市場化發展舉步維艱，產業數字化轉型面臨諸多困難，市場發展秩序尚待規范。為推動數據要素市場化發展和產業數字化轉型，我們提出以下建議：
一是加大公共數據開放共享力度。
政府部門承擔公共管理職能，掌握經濟社會發展所需海量公共數據，應在確保國家安全前提下向商業主體適當開放。
二是營造數據自由流動的市場秩序。
鼓勵市場主體、行業協會、政府部門共同搭建數據交易平臺，探索數據交易程序和交易擔保等機制。通過創制規則，減少不必要的數據要素交易成本，最大程度加快社會數據交易頻次。
三是加強數據確權與合理保護。
健全數據交易法規，完善數據交易市場交易機制，促進數據產業加速發展，強化數據保護與管理。
四是推進實體經濟數字化轉型。
深入實施工業互聯網創新發展戰略，進一步擴大和升級信息消費，持續推進兩化融合創新發展，推動農業智能化集約化發展，持續推動服務業數字化創新。
五是提高數字經濟風險防范能力。
安全與發展是一枚硬幣的兩面，提升網絡安全水平，有效防范數字經濟運行風向，優化數字經濟區域發展格局。
六是提升數字經濟治理水平。
堅持包容審慎的治理理念，打造部門協同、社會參與的協同治理體系，優化治理手段與方式，完善治理制度與環境，積極參與全球治理體系構建。
