本文件按照GB/T 1.1-2020《标准化工作导则 第1部分：标准化文件的结构和起草规则》的规定起草。本文件起草单位：东北大学、四川长虹电器股份有限公司、四川长虹电子控股集团有限公司、四川启睿克科技有限公司、四川大学、上海交通大学、北京理工大学等。
本文件提供了工业数据价值发现、数据交换共享、数据资产管理、数据价值实现等数据价值管理指南。本文件适用于指导各组织和机构从数据价值角度开展工业数据管理及应用。
广义评估：
数据价值从广义角度进行评估，其主要维度包括：
a) 社会维度：数据对社会的价值，主要体现在通过数据的利用帮助公共部门从经验决策走向科学决策，提高决策的精准性、科学性和预见性，提升行政管理和社会治理效能，使政策措施能落到实处，执行到位，并削减不必要的开支，通过数据的开放共享有效改善居民的生产方式和生活水平，为社会发展带来间接的经济效益；
b) 行业维度：数据对行业的价值，主要体现在传统行业应用数据的价值和新兴行业应用数据的价值：
1) 传统行业应用数据的价值：传统行业通过数据来分析并调整产业结构，实现产业结构转型升级，并帮助优化采购渠道、扩宽销售渠道、创新商业模式和实现产业融合等；
2) 新兴行业应用数据的价值：新兴行业通过数据提升用户体验、优化服务、增加个性化推荐以及提升竞争能力等。
c) 企业维度：数据对企业的价值，主要体现在优化需求、科学决策、优化业务流程、降低风险等方面：
1) 优化需求：企业利用数据分析市场需求情况、销售状况、产品满意度等，从而为企业物资需求计划的制定提供决策支持；
2) 科学决策：企业通过数据决策把握事物的全部信息，从中分析得到可预见的事物发展规律，让决策变得更加科学、严谨，如通过对消费者数据进行挖掘和分析去预测消费者行为，优化营销策略，实现广告的精准投放和个性化营销；
3) 优化业务流程：企业通过数据分析和挖掘，发现和解决业务流程中的瓶颈、效率低下的环节，从而提高业务流程的效率、降低成本，并提升企业运营的整体效果；
4) 降低风险：企业通过数据分析识别潜在的风险和威胁，进行风险管理，确保企业的合规性，并提高数据的安全性和可靠性。
狭义评估：
数据价值从狭义角度进行评估，其主要维度包括：
1)数据成本：工业企业数据产生、采集、存储及数据处理所耗费的全部成本；
2) 数据质量：由数据质量管理组织负责对企业数据生命周期各阶段开展数据质量评价，参照 GB/T36344-2018 的数据质量评价指标开展数据质量评价的结果；
3) 数据市场价值：数据在交易流通过程中实际的市场交易价格或产生支付意愿；
4) 数据需求：业务活动对数据的需求程度，包括数据使用率、数据业务价值、数据可溯性等维度；
5) 数据所有权：数据所有权所属主体对数据价值产生影响，由于数据应用范围和分层属性的差异，存在不同的价值标准。
评估过程：
由数据价值评估组织负责对工业企业不同主体不同类型的数据开展数据价值评估，完整过程包括建立数据价值评估规范、确定评价指标、实施评价、数据价值变现、数据价值反馈和评价指标闭环优化等。
评估方法：
在数据价值评估时，根据不同场景需求采用不同的方法，例如成本法、收益法、市场法、基于查询定价以及基于质量定价等。
数据价值化应用场景：
工业数据价值化应用场景覆盖销研产供全流程，典型应用场景包括但不限于：
a) 智能营销：通过对历史销量数据、行业信息、宏观因素等数据进行采集、挖掘、分析，构建销售预测数据挖掘与预测模型，提升生产订单预测准确性，改善库存周转率、物料齐套率等运营指标，优化和提高供应链管理及水平；
b) 智能研发：合理合规采集用户真实使用行为及售后服务等数据，依据数据中体现出来的统计规律进行产品设计以及做出相应的产品决策，然后快速收集用户反馈数据，并根据反馈数据修改产品设计，通过反复迭代，达到不断完善产品研发的目的；
c) 智能制造：通过对生产信息系统、生产设备、传感器等海量数据采集，实现数据及算法模型驱动的制程分析、工艺参数优化、设备预测性维护、生产任务调度等环节的智能决策，提升生产效率、改进产品质量；
d) 智慧供应链：与上下游供应链及服务链企业进行数据协同，在物料需求计划、动态安全库存控制、仓储设点、物流配送路线优化等方面进行优化，实现采购降本及供应链效率提升。
更多详情请见附件。
所有评论仅代表网友意见，与本站立场无关。