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 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 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 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： （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 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。 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