朱克力：充分运用数字技术和数据要素

　　充分运用数字技术和数据要素

　　来源：经济参考报

　　□朱克力

　　几个企业数字化转型的案例，非常具有代表性。在这些案例的启发下，我想谈谈，我们企业如何进一步运用好数字技术和数据要素，尤其是在各个业务环节中，更好地发挥数据要素在企业数字化转型中的赋能和加持作用，持续推进数实融合。

　　一是设计环节的大规模定制。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。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。

　　二是生产环节的智能制造。智能制造的实现基础是大数据，实现途径是信息物理系统。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。

　　三是供应链环节的优化与提速。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，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。

　　四是研发环节的协同创新。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：其一，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。其二，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。其三，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、预测等决策快速做出都可以借助数据要素。

　　五是营销环节的精准推送。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。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。

　　六是服务环节的运维与预测。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。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。

　　（作者为中国数实融合50人论坛智库专家、国研新经济研究院创始院长）

海量资讯、精准解读，尽在新浪财经APP

责任编辑：李昂