|
往期内容：
【数据要素的新革命_01】什么是数据要素和数据资产？
【数据要素的新革命_02】关于数据三权有哪些主流观点？
【数据要素的新革命_03】什么是数据资产入表？如何理解？
【数据要素的新革命_04】数据资产入表对于企业最大的挑战是什么？
【数据要素的新革命_05】什么样的企业可以优先进行数据资产入表？
之前我们一直说的都是进行数据资产研究比较领先的行业金融行业，那抛却金融行业，其他行业该如何做数据资产呢？
1、离散型制造业如何做数据资产？
不管哪个行业都应该根据上篇文章中说的四个阶段进行，即为资源化、产品化、资产化及资本化，整体大原则是不变的。
其次，如果聚焦于离散型制造业就要问一个问题，它最有价值的数据在哪里？嗯，这个毋庸置疑，一定是在工厂。那么在工厂里面其实就可以划分场景了，设备的场景、生产制造的场景、质量管理的场景、库存仓库的场景及研发设计的场景等等。那么这些场景中都有数据，下一步需要思考的问题就是：如何在这些场景里面实现数据的资源化或者产品化？比如说在设备管理场景中，最简单的关于设备相关的运行数据，会通过硬件传感器的方式把这些数据给捕捉到。数据捕捉到之后，下一步应该怎么用？这是最后一个问题。比如说这个设备相关的维保巡检数据，可以通过在线的生产曝光。
举个例子，五六年前沈涛老师去了一个工厂，当时他们做了一个非常简单的事情，但实现了将近四五十万的效率提升。他们就在那个生产设备上面放了一个二维码，每次这个设备出问题就扫码报修完，这相当于提了一个流程，他们维修部就收到了这个流程，收到了之后他们就现场来检修。检修完了之后它会涉及到，一是维修原因的记录，它有几个选项去选择；二是每次维修完去调用备品备件，再搞一个备本备件的申请流程。那么他做的这件事情本来是为了减少每次报销都在群里面发消息，群聊响应速度低下的问题。结果发现这部分数据跑了半年之后，他们发现差不多累计了有个1 000 多条的维修记录。他们这些维修记录拿来分析后发现原来每次出问题的原因就在这，为什么出在这？油的问题又出来了，原因是因为那个润滑油不行，或者某一个部件老化，那它为什么它会老化？层层追问之后发现把这个问题根治了，维修原因也就消失了，问题就解决了，解决完了之后生产效率就提升了。举这个例子是因为他们最开始的起点是非常简单的，但是这样一个简单的起点最终却创造了比较大的生产效益。
回到原来的话题上，类似的这种场景数据的资源化其实有非常多的方式，通过软件的方式，可以购买CRM系统及ERP系统；通过硬件的方式，比如传感器；也可以通过软硬结构的方式，包括AGV等一系列方式把数据给沉淀下来。下一步我们可以在内部把数据思维给养起来，因为你内部有这个数据思维了之后，你有的这些数据和有了这个数据分析的意识和能力之后，你会创造性的发现某一些问题原来是可以被解决的。比如我们之前去那个东鹏饮料，他们有非常多的人都在处理一些数据，然后他们其实发现其中有一个场景是经销商老师去薅他们的羊毛。这个问题其实他们一直知道，但是因为没有这个数据，所以很难就挖掘出来它背后的特征到底是什么。但是数据一方面多了之后，它又有了一个数据分析的工具，以及有了数据分析的能力，就能够把这个问题给解决掉，最终就起到了一定价值。
离散制造整个逻辑是一样的，在整个围绕生产的这个工厂、地域和场景里面，把数据线实现资源化后，只要业务人员和工厂里面这些人具备了数据分析的意识和能力，最终这些数据一定会被用起来。接着做那个数据资产化其实就是一个操作层面的问题。
2、其他行业如何做数据资产？
实际上不光是离散制造业，其他行业也是通用的。比如说某些行业的贵金属能做期货的，类似于这种它的价格可能随时在变动，客户想了解一下生产原材料的价格变化趋势。第一，如果想去掌握这样的数据，不管是爬取还是其他形式等等，我都需要去了解整个市场的行情；第二，很多企业在生产制造时，具备物料的标准化数据，我们叫做主数据。但在同一行业不同企业中有很多种标准，如果谁能够把这种标准给统一出来，就会形成一个很好的行业经验。最后不管是你的 ERP系统或者是其他的系统，用这一套主数据档案就会变得更加标准。
再发散一下，基于一个最简单的场景，每个城市都有农副产品的批发市场。其不同区域不同产品的价格每天都在变动的，有很多人需要了解这个信息。一般情况下，这个信息会在明天早上由政府发布。那这些数据都是在哪里产生的？结果都是在这些大型农副产品的批发市场。他们的方式可能是一早上通过人工去现场去踩点记录这些数据并收集，就变成了一个与民生相关的数据。这个东西对其他很类似的地方都有指导意义，比如说像这个农产品在你的生产跟消费的地方是不一样的，那本地成交价到底应该什么样子的？这就是一种数据资源，未来可以把他变成一个数据化的产品，最后服务到更多的地方
还有一类就是类似于像一些核心企业，它是处于整个产业链上下游的，我们叫链主或者叫核心企业。那你看它供应链的金融，它对供应商采购，对下游经销商授信等等，它其实掌握很多产业链的核心数据，这些数据未来也可以变成数据的产品或者形成对外提供的服务。举个例子，一家企业之前是制造业，开工厂的。它们是面向农业提供产品，当时有一些农业的客户过来问他们到底应该怎么用。后来他一想，干脆自己搞块地，把他们的产品放在那个自己的农业里面去用，相当于自己要打造一个标杆案例。客户过来就直接带你参观自己搞的这个农业。然后那个老板就开始做农业。因为它是个工业思维，做农业第一件事情画图纸，第二件事情做实验。他就研究果与果苗之间的间距应该用什么样的氧气的浓度和湿度，然后应该用什么样的频次去浇水等等。这些内容都通过做实验的方式来进行，看看什么样的参数能够保证最后果子的成果率和精品率是最高的。但利用这种工的思维是做农业是没有的。结果发现他们当时种的这个品种精品果率能够达到90%，而当时农业普遍只有30%的精品果率。这样一家利用工业思维去进行农业生产，就实现了精品果率90%，当然这个过程是有大量数据在背后提供支撑的，包括但不限于温度、湿度、浇水频次，以及问题解决等大量数据积累。
这样的数据它可能会有一个新型商业模式。因为它既然能够达到90%精品果率，背后参数是非常重要的。那我就给你一套方案。你按照这个间距去种，按照这个频率去浇水，用这个氧气浓度去控制，将这一系列标准化数据作为一个数据产品卖出去，他们也能种出90%的精品果率。所以我们就发现这种新型的商业模式出现后，我们就可以售卖这套数据产品，这个数据产品也变得有价值。
实际上就像这种场景，在以往可能还有很多，但是大家并没有想到原来我们这个做的事情可能就是一个数据服务产品。
3、数据资产入表与无形资产的关系是什么？
数据资产入表就是你数据确认为资产，如果你这个数据可以交割，可以售卖，权属发生转移后，那么通常我们把它就去做到这个存货，但如果你不售卖就是内部使用或者你对外提供服务，那这一项的话就是无形资产。
比如今年第一季度有23家上市公司，绝大部分都是把它记到无形资产，只有一部分6-7家记到存货。然后还有一部分目前应该处于研发阶段，所以叫研发支出，目前还没有真正做完，做完之后它可能会转向存货跟无形资产，所以数据资产入表和无形资产的关系其实就是无形资产跟存货只是数据资产入表资产那项的一个表现形态。
相关视频课章节链接：6.部分企业数据资产入表感觉还比较远，有哪些事情可以提前去做？ | 
