APP下载

以“企业大脑”建设深化产业数据价值化改革

2024-05-10庞为兴尹本臻王宇峰

信息化建设 2024年2期
关键词:头部产业链大脑

庞为兴 尹本臻 王宇峰

随着企业数字化转型工作的不断深入,以数据要素价值释放为目标,以行业头部企业数字化跨越升级、建设“企业大脑”作为突破口,是新时期深入实施数字经济创新提质“一号发展工程”、深化产业数据价值化改革,进而加速新型工业化步伐的有效途径

随着数字技术创新和融合应用的不断迭代和深化,“数字化”正从点到面逐步渗透到企业生产经营管理的各个环节。部分企业已经经历并完成了“部门”信息化、“企业”数字化、“集团”数字化的发展建设过程,并从“数字化”阶段逐步迈向“智能化”阶段。“数字化”也从促进企业降本增效的助力阶段(“工具属性”为主),逐步提升至推动产业链数据价值创新的引领阶段(“价值属性”不断凸显),数据价值融合应用的重要性和迫切性逐步凸显。

“新阶段、新站位、新价值”成为新时期企业数字化转型工作的新特点和新要求。以“企业大脑”建设作为突破口和核心牵引,以“生态化”和“价值化”作为主脉,对企业数字化转型工作向纵深发展,加速产业链数据价值释放,构建数实深度融合的“415X”先进制造业集群,意义重大。

“企业大脑”的概念思考

“企业大脑”是指由行业头部企业牵头、基于产业链生态视角规划建设的新型企业数字化中枢系统

“企业大脑”以价值共创共享为根本准则,依托产业链头部企业自身良好的数字化基础,运用前沿数字技术创新成果,通过标准化接口外溢数字化能力和服务能力,促进产业链生态业务流和数据流有效贯通,实现数据驱动的价值创造跃升。“企业大脑”是产业链供应链的散点解构到数据化的全局表达,旨在构建贯通产业链生态的人流、物流、资金流、商流等各个方面的数字化高效协同体系,如图2所示。

其中产业大脑、大数据平台、异构融合算力中心等提供基础设施支撑,是行业头部企业及其产业链生态数据归集汇聚、清洗处理、分析加工、应用赋能的基础和核心。头部企业基于自身的数字化平台与系统、数字化思维与团队,将“企业大脑”的产业链生态数据内化应用、赋能内部环节降本增效的同时,将数字化的资源、知识、经验和能力等进行模块化封装并转化,以计算、数据、连接、分析、算法模型为支持,以行业内的知识机理模型、市场渠道资源、产能资源、供应链资源等为核心,输出数字化能力和数据要素,为供应链生态企业提供数字化解决方案和价值服务,构建起内外一体、高效协同的产业链供應链生态,实现数字化的共赢与共富。生态企业的数字化能力相对较低,基于紧密的供应链合作基础,通过“企业大脑”的统一入口,经过数据标准化、脱敏和安全可信机制,与行业头部企业及其他生态企业进行互动,低成本、高效率地获取行业头部企业的供应链数据以及溢出其他生态服务数据,提升与行业头部企业及其他生态企业的协同效率,是短期内快速获取产业链供应链数据资源价值的重要路径。企业数字化外部导师、产教融合基地、“企业大脑”建设标准规范、数据安全体系等共同为“企业大脑”建设和运营提供全链条协同支撑。

简言之,“企业大脑”不是单个企业的大脑,是指行业头部企业以打造健康新生态、创造价值新增量和提升数字新动能为目标,以推动自身产业数字化升级和推动产业链供应链生态数据价值的融合应用为主线,依托自身良好的数字化基础,将数字化能力由内而外拓展延伸,从仅服务本企业提高到面向产业链供应链生态的数字化服务中枢平台。

一个行业可以同时存在多个“企业大脑”

在图3所示的“A—>B—>C—>D—>E—>……”产业链简化模型中,A1、C3、E1、E2的这四家企业的供应链关系相对较为复杂,可以视作行业头部企业,且数字化能力比较强的,建设“企业大脑”的需求就会比较强烈;而B1、B2、B3、D1、D2、D3等配套企业,通过接入A1、C3、E1、E2等行业头部企业建设的“企业大脑”,可以获得产业链供应链数据资源的价值溢出,并与行业头部企业形成更加高效协同的产业链供应链关系。特别是E1、E2同处同一产业链的同一环节,规模优势也较为接近,为赢得未来发展优势,构建“企业大脑”,强化与供应链生态企业的协同,积极性与主动性较强。如果产业集中度不够高,如B、D两个环节,一般将难以形成数字化能力足够强的行业头部企业,建设“企业大脑”的需求并不会很强烈。

“企业大脑”与行业“产业大脑”的关系

“企业大脑”是行业“产业大脑”的重要补充,可以为行业“产业大脑”建设创造有效基础,并成为行业“产业大脑”的组成单元,是现阶段加速推进“产业大脑”建设工作的有效途径。相比行业“产业大脑”,“企业大脑”与企业自身发展关系更加紧密,企业对推进此项工作的积极性主动性更加强烈。此外,通过统一“企业大脑”的接口标准等,可以与行业“产业大脑”互联互通;行业“产业大脑”可以反向赋能“企业大脑”,推动全行业数据资源的价值化应用,如图4所示。通过应用区块链等新技术,还可以从技术上化解企业间及“企业大脑”与行业“产业大脑”间的信任机制缺乏、信息流转不畅、信息缺乏透明度、监管追溯难等难题;结合二级节点的标识解析,可进一步推动供应链的可信数据互通,提高“企业大脑”的数据质量,推进数据资源的价值化应用。

“企业大脑”的主要作用

“企业大脑”是在数字经济与实体经济加速深度融合大背景下,企业信息化、数字化、网络化、智能化的再一次升华,围绕产业链供应链数据价值发现与应用,对企业内生动能的持续提升、对产业数字化转型的持续深化、对行业管理的持续优化,均具有积极的作用。

从企业角度看,“企业大脑”是行业头部企业数字化转型工作站位高度和价值导向的转变,是企业将生态数据要素转化为内生动能的重要路径。“企业大脑”把内部数据和外部生态数据融会贯通起来,赋能企业优化生产制造流程、提高供应链的安全与韧性,真正把数据资源转化为支撑高质量发展的生产要素。此外,“企业大脑”为配套企业提供数字化能力的入口,提高配套企业融合应用数据资源价值的能力,不致使配套企业成为行业头部企业的数字化能力的短板,即行业头部企业为了实现产业数据价值的最大化,有较强的动力推动产业数据向生态企业扩散、赋能。

从产业角度看,“企业大脑”是数字化转型工作单元从单体企业到以行业头部企业为中心的产业链供应链生态的转变,推动产业链供应链数据价值赋能配套企业,既有利于产业数字化转型工作的整体推进,也有利于实现数字化“共同富裕”。“企业大脑”基于行业头部企业的规模优势基础,面向各配套企业提供各类数字化服务,如智慧物流、供应链金融等,使配套企业能够享受到与行业头部企业近似甚至同等水平的各类数字化服务,共享产业数据价值融合应用的时代红利。

从政府角度看,“企业大脑”为政府主管部门更加精准掌握行业头部企业及其产业链供应链的韧性情况,提供了新的视角与工具,为政策进行科学行业管理提供新的基础支撑。“企业大脑”将提供一个全方位展示行业头部企业及其产业链供应链健康状况的新窗口,特别是经过数据脱敏等安全机制后与行业“产业大脑”实现互联互通,对于加速行业“产业大脑”建设具有重要推动作用。

“企业大脑”建设的推进建议

充分发挥企业的市场主体作用,支持行业头部企业基于产业链供应链生态基础与数字化能力基础,构建以数据价值化应用为引领、上下游配套企业高效协同的“企业大脑”,建立健全“企业大脑”与行业“产业大脑”的互联互通机制,推动“企业大脑”与行业“产业大脑”、产业大脑能力中心的数据共享、组件共用,共同打造产业数据价值化的示范。

强化前期系统研究

首先,与行业“产业大脑”类似,“企业大脑”总体仍是一个比较“新”的名词,概念内涵等较为缺乏权威观点,建议协同智库机构,对“企业大脑”的概念内涵、标准架构、交互接口等深入开展研究。其次,企业是“企业大脑”的建设和运营主体,建议重点调研卧龙、华峰、大胜达、巨石、传化化学、诺力等数字化基础较好、正在探索“企业大脑”实践的龙头企业,以及阿里云、华为等数字化服务机构,分析全省开展“企业大脑”建设的现状基础与重点方向。

强化顶层规划指导

受市场机制驱动,行业头部企业存在建设“企业大脑”等服务自身供应链生态的数字化服务中枢平台的需求,但若缺乏明确的规划指引,这些平台的建设一方面容易出现无序、难以对接行业“产业大脑”的问题,另一方面服务产业链供应链发展的外部效用也难以保障。建议加快出台浙江省推进“企业大脑”建设的指导意见与建设指南,明确近中期推动“企业大脑”建设的总体思路、发展目标、重点任务、配套政策及保障举措,更好引导企业开展“企业大脑”建设。

探索高频场景应用

围绕产业链供应链生态数据价值的融合应用,激活企业的高频应用需求,是“企业大脑”依托市场机制可持续运行的重要基础。建议鼓励和引导行业头部企业依托“企業大脑”,围绕供应链高效对接、低成本采购、物流降本增效等场景,创新和丰富“企业大脑”的衍生产品和服务,提高企业的使用黏性,逐步构建起“企业大脑”的数据归集与开发利用生态,完善“企业大脑”的自我造血机制,实现可持续发展。

积极开展试点示范

“企业大脑”作为新生事物,相对较为缺乏有效的建设经验,为充分发挥企业的市场主体作用,开展试点示范,率先形成若干推进“企业大脑”建设的先进经验,尤为重要。建议择优选择一批数字化基础较好的行业头部企业,开展“企业大脑”建设的试点示范,加快探索“企业大脑”建设的有效模式与路径,特别是与行业“产业大脑”的有效交互模式与路径,为全面深化“企业大脑”和行业“产业大脑”建设提供经验借鉴。

(作者庞为兴单位:浙江省经信厅云计算与大数据产业处,作者尹本臻、王宇峰单位:浙江省数字经济联合会)

猜你喜欢

头部产业链大脑
头部按摩治疗老伴失忆
火箭的头部为什么是圆钝形?
“饸饹面”形成产业链
产业链条“链” 着增收链条
产业链春之奏鸣
最强大脑
最强大脑
最强大脑
最强大脑
自适应统计迭代重建算法在头部低剂量CT扫描中的应用