制造业，数据就是资产！！- 大数跨境

CIDC中工数科

2025-08-08

导读：数据是资产，知易行难

数据是资产，知易行难

数据是资产这个事情提了很久了，很多企业建数据中台的时候还会特地建设一个数据资产平台，近两年数据资产入表也做了一些示范。但是，数据是资产这个词在很长一段时间内制造型企业都没有真正当作一回事。不把数据当作资产的原因也很简单，无非就是数据的价值不明显。我们管理设备、实物资产的时候也很简单，低于一定价值的资产不需要管理。为什么数据资产在制造业没有被真正的重视，我认为有几个方面的原因：

第一：关系型数据非制造企业的最核心数据。数据资产在当前的语境下面，其实约等于关系型数据资产。关系型数据在企业内部占比并不大，而且对关系型数据分析有价值的业务场景往往是IT系统、与管理流程相关（当然，IT系统也蕴含大量的非结构化数据）。而对于ET研发系统或OT生产自动化系统而言，更需要的是非结构化数据和时序数据分析。这些数据分析被制造业企业认为是更有价值的数据场景。但是非结构化数据分析和时序分析一直以来缺乏相关的方法论支撑与服务商支撑。一方面来讲，IT的方法论要相对成熟一些，同时市场也广阔一些。只要是一个企业就会对IT的系统有需求，而ET和OT的系统仅限于工业领域，还得有一定的规模才行。另外一方面来讲，ET和IT对应的非结构化数据和时序数据的分析不仅仅需要了解这两种数据类型，背后还有海量的领域知识。分析这些数据比分析管理系统的数据要难很多。因为管理型的关系型数据分析的业务相对来说容易理解。

第二：即使是关系型数据，治理活动也没有完全和业务对齐。虽然关系型的数据治理项目每年都很多，相关的服务商也特别多。但是很多所谓的数据治理项目其实不是For务的，而是For老板的，或者For宣传的。这些数据治理项目在做的过程中没有真正去了解业务部门的业务活动需要哪些数据，最后做好的数据没人用。当然，也有少部分的数据治理是非常成功的，业务部门不断给治理团队提报表需求。之前遇到一个客户，数据项目已经做了很多年了，业务部门领导还是在不断的给团队提要求，认为数据还不够全面。这就造成很多数据治理外包团队既怕客户没有太多业务需求，担心后面没有持续的业务。又担心企业太多需求，没办法收拢交付边界。而且目前制造企业有真正自己的数据分析团队的企业在极少数，这也是造成一旦正在有数据分析需求的公司，往往还得依赖外部团队。我认为，有真的需求总比没有需求强，而这种真的需求项目应该视为宝贝，不应该完全按照项目管理的逻辑去核算成本。

第三：数字化的基础不足，企业数据不成体系。数据分析往往需要关联起来才有分析价值。制造业的数字化系统不完善，没办法把相关的数据都线上化。这也是数据分析价值不够明显的一个原因之一。

第四：数据分析手段受限。人工智能特别是大模型技术的爆发，突破了对非结构化数据处理的瓶颈，也让人们意识到了大模型能力的强大。这样的能力为企业的核心数据分析带来了巨大的想象空间。特别是针对制造业的研发领域。一方面研发属于价值流的最前端，研发做得好可以为后续的制造、运维等带来巨大的价值提升。另一方面研发可带来产品与技术创业，提升产品的附加值。最后，研发的核心数据就是大量的非结构化数据，虽然有很多领域知识、领域符号。但是从基本的基础逻辑来讲，是非常适合当前的大模型技术的。

数据是资产，有意思案例

近期接触了两个事情，觉得非常有意思。其一是某企业数字化基础量化，业务量也巨大，该企业领导人为，公司的核心资源禀赋就在于有大量的研发数据。认为这是企业在未来的核心竞争力。这已经不仅仅是把数据作为资产这么简单了，而是战略型的资产。其二是最近在接触一个创业公司团队，该企业做工业领域的AI应用。我们知道工业领域的AI很大的难度在于有没有数据。而该企业的创始人家里面是做制造业的，该创始人直接用家里企业的数据训练AI模型。我觉得非常有意思，未来数据是不是也要纳入到遗产税里面去（手动狗头）？

数据是资产，待讨论的话题

面向AI的异构数据治理方法论：ET和OT的数据与IT的数据统一管理，统一治理，以及面临人类可读和面向机器可读（AI）的数据治理也成为了目前要面临的核心问题。

集团数据治理与分公司数据治理冲突：集团企业希望下属企业都把数据上交，或者简单一些都采用集团统一的数据标准或方法论。但是如果数据是核心资产，下属企业能够全部都上交到集团吗？以及下属企业如果数据治理重点不一样能够采用统一的数据治理方法吗（当前已有的都是关系型数据治理方法），如集团可能重点治理关系型数据，下属企业可能重点治理非结构化和时序数据。

应该采用哪些标准：不同的数据，不同行业，不同的建模方法等都可能有不同的数据标准，应该采用什么样的标准才有可持续也是一个比较难的选择问题。

工业领域数据治理，如何解决规模化的问题：工业领域数据治理自带强大的领域背景知识。在互联网的数据容易被普通人理解，简单提示一下就知道应该如何治理，如何标注。但是假设给你一份工业领域的图纸，或者一个组特殊工况的数据，这些数据应该如何治理和标注普通人根本无法去理解。而理解这些数据的人都是业务专家，这些业务专家又忙于日常业务。而且人员数量也不够。所以，如何能够规模化工业领域的治理人员也是一个非常巨大的难题。

【声明】内容源于网络

CIDC中工数科

中工数科是一家专注企业数字化转型与升级解决方案的服务商与智能终端设备的制造商。研发总部位于苏州工业园区，拥有教授，博士，海外专家等资深专业团队；在苏州，广州，安徽以及香港分别建有数字化体验中心，数字生态实验室，智造基地，数字生态研究院等。

内容 31

粉丝 0

CIDC中工数科中工数科是一家专注企业数字化转型与升级解决方案的服务商与智能终端设备的制造商。研发总部位于苏州工业园区，拥有教授，博士，海外专家等资深专业团队；在苏州，广州，安徽以及香港分别建有数字化体验中心，数字生态实验室，智造基地，数字生态研究院等。

总阅读16

粉丝0

内容31