ESI：2025数据资产驱动苏州制造业数字化转型的机制研究报告

微信扫码，打开到小程序

数据资产驱动苏州制造业数字化转型的 机制研究 中国电子技术标准化研究院华东分院 2025 年 I 摘 要 在当今数字化转型的时代浪潮中，数据资产已成为企业 运营的核心驱动力，深度融入生产、管理与决策全链条，受 到高度关注，并在宏观层面成为数字经济体系的重要组成部 分，在微观层面成为企业创新与价值重塑的关键要素。苏州 凭借雄厚的制造业基础以及完善的产业体系，为数字化转型 筑牢了坚实根基。然而，在数字化转型的过程中，企业普遍 面临着诸多挑战。苏州制造业亟须深度挖掘数据资产价值， 以数据驱动创新，以创新引领发展，从而打造核心竞争力， 实现高质量发展。 本文首先系统梳理了数据资产的基本概念，并从多维度 构建数据资产分类框架。其次，深入介绍数据资产管理的关 键支撑技术体系，聚焦区块链、人工智能和虚拟现实等新兴 技术在其中的作用。再次，定义了数据资产化的三个重要阶 段，即业务数据化、数据资源化和数据资产化，并且明确数 据资产化的实施路径。同时，本文列举了多个数据资产在制 造业中的经典应用场景，为制造业企业提供了可借鉴的路径 与参考。此外，报告还深入探讨了数据资产从多个维度驱动 制造业数字化转型的机制，揭示其在制造业数字化转型中的 关键作用。 最后针对苏州制造业的具体情况，深入分析其在数据资 产管理的难点和痛点，全面总结亟须解决的问题和挑战，为 有效应对这些挑战，提出了切实可行的建议对策。最后提出 全面促进制造业数字化转型升级的创新建议。 关键词 数据资产 数字化转型 区块链 人工智能 虚拟现实 目 录 一、数据资产概念和分类.........................................................................1 （一）基本概念...................................................................................1 （二）数据资产分类...........................................................................1 （三）数据资产的关键特性...............................................................2 （四）数据资产价值评估...................................................................3 二、数据资产关键技术支撑体系.............................................................5 （一）区块链技术...............................................................................5 （二）人工智能技术...........................................................................6 （三）虚拟现实技术...........................................................................6 （四）其他相关技术...........................................................................6 三、数据资产化不同阶段和实施路径.................................................... 7 （一）数据资产化的不同阶段...........................................................7 （二）实施路径...................................................................................8 四、数据资产在制造业的典型应用场景...............................................11 （一）生产过程优化.........................................................................11 （二）生产质量提升.........................................................................11 （三）供应链协同管理.....................................................................12 （四）柔性定制生产.........................................................................12 五、数据资产驱动制造业数字化转型.................................................. 14 （一）数据资产是制造业企业数字化转型的基础........................14 （二）数据治理是数字化转型的前提............................................ 14 （三）数据资产管理能力决定数字化转型成效............................14 （四）数据资产闭环驱动制造业企业持续进化............................15 （五）数据资产驱动制造业企业组织与生态变革........................15 （六）数据资产具有独特的战略价值和增长潜力........................16 （七）数据资产塑造未来企业的核心竞争力................................16 六、苏州制造业企业数据资产管理挑战.............................................. 17 （一）普遍面临数据孤岛问题........................................................ 17 （二）数据质量参差不齐.................................................................17 （三）缺乏专业的数据管理人才.................................................... 18 （四）数据安全与隐私保护难度大................................................ 18 （五）数据资产价值实现路径不清晰............................................ 19 七、苏州制造业企业数据资产管理对策.............................................. 20 （一）构建工业互联网生态，促进数据高效流动........................20 （二）夯实数据质量基础，完善数据管理标准............................20 （三）推进智能制造与自动化建设，增强核心竞争力................20 （四）打造行业垂直领域语料库，提升 AI 应用效能..................21 （五）从“经验驱动”出发，向“数据驱动”迈进.............................22 八、促进制造业数字化转型升级创新建议.......................................... 23 （一）提升数据管理能力，加速数字化转型................................23 （二）打通数据资产价值实现路径，鼓励评估入表....................23 （三）以标准为引领，推动智能工厂建设标准化........................24 （四）强化数据安全与隐私保护，筑牢安全基础........................25 （五）数据资源赋能制造业创新，培育数智融合人才................26 1 一、数据资产概念和分类 （一）基本概念 从技术层面而言，广义上的数据资产是指由信息系统产 生的各类数据，这些数据以电子或其他形式被记录下来，包 括但不限于文本、图像、音频、视频、网页内容、数据库条 目及传感器信号等结构化和非结构化的数据，统称为数据资 产。而狭义上的数据资产，则特指利用加密和安全的分布式 账本技术，或类似技术进行记录，来源明确且可被拥有的原 生电子或互联网资产。 从企业角度来看，数据资产是企业在历史交易或事件中 积累下来的、合法持有或控制的、能够量化且预期可为企业 创造经济效益的信息资源。 （二）数据资产分类 1.按数据处理阶段分类 （1）原始类数据资产：从外部渠道获取以及内部自行 收集的详细数据，构成了后续数据处理与应用的基础； （2）过程类数据资产：通过数据仓库、大数据平台及 数据中台等技术，对基础信息进行清洗、转换以及聚合等步 骤后形成的轻度汇总数据； （3）应用类数据资产：基于原始类和过程类数据，通 过深入的数据分析、挖掘和处理手段所生成的定制化统计数 据或数据产品，旨在满足具体的业务需求。 2.按数据来源和权属分类 （1）公共数据：指各级党政机关、事业单位以及承担 2 公共服务职能的机构，在依法行使公权力、履行公共职责或 提供公共服务过程中所产生的非涉密数据资源； （2）企业数据：指企业在经营和生产过程中自主产生 或通过合法渠道获取的具有经济价值的数字资产，涵盖了研 发设计数据、生产制造数据、供应链物流数据、市场营销数 据等各类数据； （3）个人信息或数据：是以电子或者其他方式记录的 与已识别或者可识别的自然人有关的各种信息，涵盖了基础 信息（身份证号、生物特征）、行为信息（移动轨迹、购物 记录）、敏感信息（医疗健康、金融账户）等多类信息。 3.按资产属性和技术属性分类 如果从资产属性和技术属性两个维度对数据资产进行 分类。从资产属性看，可分为传统资产的数字化与线上数字 内容的资产化。从技术属性看，可以分为非代币化资产与代 币化资产。其中，代币化是指将存在于传统账本上的金融或 实际资产的所有权记录到区块链可编程平台上的过程。 （三）数据资产的关键特性 数据资产的独特价值，源于其一系列区别于传统资产的 关键特征。深入理解这些特征，对于制定有效的数据战略、 管理方法和价值评估体系至关重要。 一般认为数据资产具备如下特征： 表 1 数据资产特征 序号 特征 描述 1 非实体性 数据资产本质上不具备实体形态，尽管其存储与传输需依赖 特定的物理媒介，但价值主要由数据内容决定。 3 序号 特征 描述 2 可复制性 数据资产可被无限复制，易于进行分发与共享。 3 样式多样性 展现形式涵盖了数字、文本、图像、音频、视频、传感信号 以及生物信息等各种类型。 4 可加工性 数据资产可被多维度加工，加工处理后可成为一种新的数据 资产。 5 价值易变性 数据资产在不同的需求方和应用场景下，其价值可能呈现出 显著的差异。 6 多主体性 数字资产涉及数据获取、存储、分析等环节，多方主体参与 导致权属复杂。 7 可共享性 在权限可控的前提下，数据资产能被多个主体共享和应用。 8 隐私风险性 数字资产的使用可能会伴随隐私和习惯泄漏风险。 （四）数据资产价值评估 数据资产作为核心生产要素，蕴含着巨大的价值潜力。 为准确衡量和评估数据资产价值，数据资产评估应运而生。 评估由专业机构及其专家团队遵循法律、行政法规、行业标 准与准则，针对评估基准日特定目的下的数据资产价值进行 专业评定与估算，并出具权威资产评估报告。 数据资产价值评估方法一般分为收益法、成本法和市场 法。其中，收益法侧重于预测该数据资产在未来可能带来的 经济回报，并将这些预期收益折现为当前价值，以此来衡量 数据资产的总体价值。而成本法则基于重新获取或构建等同 数据资产所需的成本来进行估价，并对这一成本进行适当的 调整以反映其真实价值。最后，市场法是在具有公开并活跃 的交易市场的前提下（如各地数据交易所），通过参考近期 4 类似数据资产的成交价格，并考虑到特定差异因素后作出相 应调整，从而得出待评估数据资产的具体价值。 5 二、数据资产关键技术支撑体系 数据资产技术迅猛发展，区块链、人工智能以及虚拟现 实等先进技术，在数据资产的生成、运用、安全保障及管理 方面扮演着至关重要的角色。 （一）区块链技术 区块链是数据资产的关键技术支持，通过集成密码学、 时间戳、共识算法、数字签名及分布式数据库等多项技术， 确保了数据资产的安全性和可靠性。在数据资产的生成阶 段，区块链技术不可篡改的特性为资产提供了唯一性保障。 在流通环节，跨链技术通过实现异构区块链系统之间的互操 作性，打破了传统数据孤岛现象，促进了不同链上资产的可 信流转。在交易过程中，智能合约作为运行于区块链上的可 自动执行协议，将交易规则以程序代码的形式进行表达，实 现了交易逻辑的透明化、自动化与不可干预性。 经过多年演进，区块链技术应用已形成公有链与联盟链 并行的产业格局，但是我国区块链发展以联盟链为主。根据 中国信息通信研究院发布的《区块链白皮书（2023 年）》显 示，我国联盟链技术不断迭代升级，其在性能、节点规模和 安全性等方面已取得显著进展。 随着区块链与隐私计算技术的融合发展，通过数据加 密、同态计算与可验证计算等手段，有效解决了链上隐私保 护与数据共享的矛盾，形成“可用不可见”的数据流通机制。 企业能够在合规前提下安全获取并利用外部数据资源，开展 跨组织、跨领域的数据协同计算与分析，在不泄露敏感信息 6 的情况下充分释放数据价值，推动数据的高效流通与创新应 用。 （二）人工智能技术 目前，人工智能技术正以前所未有的速度革新各领域。 AIGC 能够产生包括文本、图像以及音视频在内的多种形式 的数字内容，结合区块链等技术进行权属认证，生成的内容 可转化为高价值数字资产。 此外，人工智能的数据分析能力同样值得关注。机器学 习与深度学习算法不断深化，广泛应用于市场趋势挖掘、风 险评估和决策支持等关键领域。 （三）虚拟现实技术 利用虚拟现实技术不仅能创造全新的数字资产，如虚拟 物品、虚拟道具等，还允许用户多维度沉浸式体验，从而有 效提升其感知价值与市场价值。 同时，通过虚拟现实（VR）技术，企业能够创建高精度 的数字化知识资产，如三维设计图纸、工艺流程数据库、设 备运维手册等。这些资产在完成确权登记后，可进入数字资 产交易平台实现交易流转。 （四）其他相关技术 数据资产技术框架中还涉及其他多种关键技术，包括数 字身份验证、物联网、加密算法、数字签名和水印等。这些 技术相互协作，构筑了可靠的数据资产管理框架。 7 三、数据资产化不同阶段和实施路径 （一）数据资产化的不同阶段 数据只有经过资产化过程才能拥有数据资产特征。我们 把这一过程分为三个阶段：业务数据化、数据资源化和数据 资产化。 1.业务数据化阶段 业务数据化是把数据当作载体，用来描述各类业务或事 物，该阶段侧重于数据的创建和积累。 根据数据来源可分为如下三种类型： （1）第一方数据：指企业在经营和生产过程中直接采 集和积累的重要数据资源。这类数据主要涉及生产环节中的 设备工艺、质量控制、执行流程和研发信息，电商平台交易 中的消费者基础信息、行为信息及市场需求数据，以及为特 定目标获取的原始数据，如科研观测数据、政府公共数据、 问卷调查数据和行业内部数据等。业务数据化阶段主要依赖 第一方数据。 （2）第二方数据：指企业把部分运营管理数据交由专 业服务商处理。这些服务商通过为企业提供大数据应用和技 术支持，积累了大量行业数据、营销数据及用户行为数据。 （3）第三方数据：指企业通过网络爬虫、文本挖掘等 技术，从互联网及各类公开或非公开文件中获取的数据。 2.数据资源化阶段 在数据资源化阶段，数据从原有系统中脱离，进入深度 价值挖掘。该阶段包括数据管理、治理、价值挖掘与融合应 8 用等环节。由于数据具有多源异构、流程多样、场景复杂等 特点，通过有效治理与综合应用，可实现标准化、规范化。 数据资源化可从业务、技术和管理三个维度进行分类。 从业务角度看，通过对数据的整理与分析，可形成用于对外 服务的数据产品。不同应用场景下，数据的价值体现各有侧 重。例如，同样是电商数据，经过分析处理后可用于精准推 荐或者研究消费决策。从技术角度看，数据资源化涵盖海量 数据的采集、存储、分布式计算及突发事件处理，要求具备 对多种格式和类型数据的加工、识别与解析能力。从管理角 度看，涉及数据共享、安全、质量、元数据等体系，需要建 立配套制度与组织架构。由于数据在各系统中流动，必须实 现跨系统的端到端治理，应设立专门机构统筹规划，保障数 据全生命周期的保值增值。 3.数据资产化阶段 数据资产化是推动数据社会化利用的关键过程，即将数 据作为独立资产进行确权、流通和交易，通过交易、抵押、 融资等方式实现从数据资源向数据资产的跃迁，最终完成价 值变现。 当前数据资产化仍处于探索阶段，尚未形成统一认知。 一方面受限于制度和技术条件，另一方面在于数据资产评估 缺乏共识，价值认定存在分歧，尽管已有数据资产评估的国 家标准出台，但推广应用仍需加强。要实现数据资产的社会 化流转，还需增强社会对数据资产价值的认可度。 （二）实施路径 9 综上所述，数据资产化是企业挖掘数据价值、实现数字 化转型与创新发展的重要途径。以下是数据资产化实施路径 的全面总结，涵盖从数据生产采集到资本化应用的各个环 节，为企业提供清晰的实践指引。 表 2 实施路径 序号 路径 描述 1 数据生产采集 企业在其生产经营活动中，利用数字技术从产品生产、业 务运营、人力资源管理到财务管理等多个环节收集、提取 并储存数据的过程。 2 数据资源盘点 对企业全域数据资产（业务系统、数据平台、数据仓库等） 开展系统性梳理的过程，通过采集元数据、构建企业数据 字典、分析数据关联关系，最终形成全面的数据资源清单。 3 数据合规审查 数据合规审查则是企业为确保数据合规而开展的评估、分 析和改进等相关活动。 4 数据分类分级 数据分类和分级是依据数据的属性或特征，按一定原则和 方法对其进行区分和归类，构建分类分级体系，以便有效 管理和利用数据。 5 数据产品加工 数据持有者或其授权的第三方，根据用户需求，将原始数 据转化为有价值的数据产品的过程。 6 数据质量评估 数据质量是指在特定使用场景下，数据特性满足明确