本文件按照GB/T 1.1-2020《標準化工作導則 第1部分：標準化文件的結構和起草規則》的規定起草。本文件起草單位：東北大學、四川長虹電器股份有限公司、四川長虹電子控股集團有限公司、四川啟睿克科技有限公司、四川大學、上海交通大學、北京理工大學等。
本文件提供了工業數據價值發現、數據交換共享、數據資產管理、數據價值實現等數據價值管理指南。本文件適用于指導各組織和機構從數據價值角度開展工業數據管理及應用。
廣義評估：
數據價值從廣義角度進行評估，其主要維度包括：
a) 社會維度：數據對社會的價值，主要體現在通過數據的利用幫助公共部門從經驗決策走向科學決策，提高決策的精準性、科學性和預見性，提升行政管理和社會治理效能，使政策措施能落到實處，執行到位，并削減不必要的開支，通過數據的開放共享有效改善居民的生產方式和生活水平，為社會發展帶來間接的經濟效益；
b) 行業維度：數據對行業的價值，主要體現在傳統行業應用數據的價值和新興行業應用數據的價值：
1) 傳統行業應用數據的價值：傳統行業通過數據來分析并調整產業結構，實現產業結構轉型升級，并幫助優化采購渠道、擴寬銷售渠道、創新商業模式和實現產業融合等；
2) 新興行業應用數據的價值：新興行業通過數據提升用戶體驗、優化服務、增加個性化推薦以及提升競爭能力等。
c) 企業維度：數據對企業的價值，主要體現在優化需求、科學決策、優化業務流程、降低風險等方面：
1) 優化需求：企業利用數據分析市場需求情況、銷售狀況、產品滿意度等，從而為企業物資需求計劃的制定提供決策支持；
2) 科學決策：企業通過數據決策把握事物的全部信息，從中分析得到可預見的事物發展規律，讓決策變得更加科學、嚴謹，如通過對消費者數據進行挖掘和分析去預測消費者行為，優化營銷策略，實現廣告的精準投放和個性化營銷；
3) 優化業務流程：企業通過數據分析和挖掘，發現和解決業務流程中的瓶頸、效率低下的環節，從而提高業務流程的效率、降低成本，并提升企業運營的整體效果；
4) 降低風險：企業通過數據分析識別潛在的風險和威脅，進行風險管理，確保企業的合規性，并提高數據的安全性和可靠性。
狹義評估：
數據價值從狹義角度進行評估，其主要維度包括：
1)數據成本：工業企業數據產生、采集、存儲及數據處理所耗費的全部成本；
2) 數據質量：由數據質量管理組織負責對企業數據生命周期各階段開展數據質量評價，參照 GB/T36344-2018 的數據質量評價指標開展數據質量評價的結果；
3) 數據市場價值：數據在交易流通過程中實際的市場交易價格或產生支付意愿；
4) 數據需求：業務活動對數據的需求程度，包括數據使用率、數據業務價值、數據可溯性等維度；
5) 數據所有權：數據所有權所屬主體對數據價值產生影響，由于數據應用范圍和分層屬性的差異，存在不同的價值標準。
評估過程：
由數據價值評估組織負責對工業企業不同主體不同類型的數據開展數據價值評估，完整過程包括建立數據價值評估規范、確定評價指標、實施評價、數據價值變現、數據價值反饋和評價指標閉環優化等。
評估方法：
在數據價值評估時，根據不同場景需求采用不同的方法，例如成本法、收益法、市場法、基于查詢定價以及基于質量定價等。
數據價值化應用場景：
工業數據價值化應用場景覆蓋銷研產供全流程，典型應用場景包括但不限于：
a) 智能營銷：通過對歷史銷量數據、行業信息、宏觀因素等數據進行采集、挖掘、分析，構建銷售預測數據挖掘與預測模型，提升生產訂單預測準確性，改善庫存周轉率、物料齊套率等運營指標，優化和提高供應鏈管理及水平；
b) 智能研發：合理合規采集用戶真實使用行為及售后服務等數據，依據數據中體現出來的統計規律進行產品設計以及做出相應的產品決策，然后快速收集用戶反饋數據，并根據反饋數據修改產品設計，通過反復迭代，達到不斷完善產品研發的目的；
c) 智能制造：通過對生產信息系統、生產設備、傳感器等海量數據采集，實現數據及算法模型驅動的制程分析、工藝參數優化、設備預測性維護、生產任務調度等環節的智能決策，提升生產效率、改進產品質量；
d) 智慧供應鏈：與上下游供應鏈及服務鏈企業進行數據協同，在物料需求計劃、動態安全庫存控制、倉儲設點、物流配送路線優化等方面進行優化，實現采購降本及供應鏈效率提升。
更多詳情請見附件。
所有評論僅代表網友意見，與本站立場無關。