数据要素赋能服务型制造发展：场景应用、作用机制与政策建议

 

服务型制造是制造业和服务业深度融合而形成的新型制造模式和产业形态，是制造业升级的重要方向。随着全球数字技术的加速发展和市场个性化需求的持续增长，生产组织、产出形态和商业模式不断创新，越来越多的制造业企业开始从单纯出售产品转为提供产品和服务的组合，即开始向服务型制造转型升级，服务型制造的水平已经成为决定制造业企业市场竞争力的重要因素[1]。通过开展服务型制造，向用户提供“产品—服务包”，制造业企业既可以更好地满足用户更加多元、个性化的需求，又可以获取更多收入、实现更高利润[2，3，4]。制造业企业在开展服务型制造的过程中，形成许多不同的细分模式和类型，例如，Tukker根据产品和服务的不同导向将服务型制造分为产品导向、使用导向和结果导向等[5]。在全球产业竞争日趋激烈、我国从制造大国向制造强国迈进的背景下，服务型制造成为提升制造业国际竞争力、建设制造强国的重要支撑。国家“十三五”规划纲要提出，“促进制造业朝高端、智能、绿色、服务方向发展，培育制造业竞争新优势”“推动制造业由生产型向生产服务型转变，引导制造企业延伸服务链条、促进服务增值”。国家“十四五”规划纲要提出，要发展服务型制造新模式，推动制造业高端化智能化绿色化。2023年5月召开的二十届中央财经委员会第一次会议提出，“推进产业智能化、绿色化、融合化，建设具有完整性、先进性、安全性的现代化产业体系”。服务型制造是产业融合的重要领域，是建设现代化产业体系的基本要求。目前，我国服务型制造模式创新已经取得积极成效，定制化服务、全生命周期管理、信息增值服务、共享制造等模式已广泛应用。从企业具体的实践来看，这些模式并非独立运作或者一成不变，而是呈现多场景、多组合、多形态的创新发展趋势。

当前，数字技术突飞猛进并快速扩散，与实体经济融合程度不断加深，产业数字化成为推动实体经济变革的重要力量，数据成为重要的生产要素和企业价值创造的重要来源。党的十九届四中全会强调了数据作为重要生产要素的地位，提出要健全劳动、资本、土地、知识、技术、管理、数据等生产要素由市场评价贡献、按贡献决定报酬的机制。2022年，中共中央、国务院印发的《关于构建数据基础制度更好发挥数据要素作用的意见》指出，数据要素已快速融入生产、分配、流通、消费和社会服务管理等环节，深刻改变着生产方式、生活方式和社会治理方式。作为数字经济时代的重要生产要素，数据在促进服务型制造模式创新、效率提升、市场拓展等方面也发挥着重要的作用，通过流程支撑、软硬融合、产品重构等不同方式为服务型制造活动创造更大的价值[6]，成为推动服务型制造发展的重要力量。数字基础设施的完善和数字技术的进一步创新，特别是生成式人工智能、区块链、扩展现实等新兴数字技术的发展，为数据赋能实体经济、推动服务型制造模式创新提供了更大的空间。工业和信息化部等多部门先后制定了《发展服务型制造专项行动指南》《关于进一步促进服务型制造发展的指导意见》等政策文件，提出要利用新一代信息技术赋能服务型制造转型升级，特别强调了加强数据能力建设、促进数据资源共享、提高数据分析能力、强化数据保护。

虽然数据对服务型制造发展的作用日益重要，但是当前的理论研究和实践应用还存在明显不足。既有关于服务型制造的研究主要集中在对产品和服务模式等方面的归纳整理[7，8]，或是对某一类数字技术在服务型制造中应用的研究[9，10，11]，抑或针对具体行业或企业的模式创新进行案例研究[12，13，14，15]，而缺少对数据要素作为新型要素在促进服务型制造发展中作用的系统研究，在实践层面也存在一些制约数据要素促进服务型制造发展的现实问题需要加以解决。针对理论研究的不足和实践发展中的问题，本文从服务型制造价值创造的流程出发，研究数据要素在服务型制造价值链场景中的应用，剖析数据要素赋能服务型制造发展的作用机制，并结合制约数据要素赋能作用发挥的因素，就如何进一步发挥数据要素促进服务型制造发展的作用提出相关政策建议。

一、服务型制造的基本特征及其价值创造过程

服务型制造不是对产品和服务的简单整合，而是从用户对增值服务的需求出发，通过商业模式的创新、产品和服务的重新设计、生产执行的优化、交付运行的改进，形成符合用户需要且能够给企业带来收入和利润增长的增值服务。

（一）服务型制造的基本特征

服务型制造不同于以往制造与服务彼此独立的发展模式，其更加注重打通制造与服务、生产与消费，拓展价值增值空间，提升制造业价值创造能力。

从用户角度来看，在传统消费模式下，用户为了获得产品向企业支付费用，用户与企业之间的钱物交易模式以产品所有权的转移为特点。而服务型制造的用户价值主张则从以购买产品为目标，转为以获得使用效果为目标。对于用户来说，产品使用权与产品带来的效用比产品所有权更为重要，这意味着原有钱物交易的简单模式开始向产品和服务混合的交易模式转变。在此基础上，企业围绕产品使用过程和产品使用效果的价值创造活动需要具有相适宜的定价规则、与用户更为高频次的交互关系以及更为灵敏和快速的服务响应水平。用户对企业的价值认同更有赖于在产品使用周期内获得持续增值服务的水平，越能满足用户个性化的需求、为用户提供多样性的服务功能，服务型制造的价值创造能力越强。

从制造业企业角度来看，服务型制造的生产和服务活动具有鲜明的用户需求导向特征。与标准化的工业产品相比，服务具有更强的差异化特征。为了适应市场需求个性化的发展趋势，制造业企业越发重视对用户需求偏好的收集、挖掘、分析，并据此开展生产流程、生产方式和供给方式的优化。企业将市场的需求目标转化为生产目标，即要以需定产、按需生产，根据用户需求整合、调整和配置相应的生产资源。随着企业的资源投入从生产活动向服务活动拓展，企业从以提供产品为重点，转为以交付服务为重点，服务活动成为企业获取价值增值的主要来源。制造业企业的服务化转型过程，呈现一种“制造即服务”“产品即服务”的发展趋势。

（二）服务型制造的价值创造过程

虽然不同的制造业企业开展服务型制造的具体模式或流程各异，但服务型制造的价值创造过程都需要围绕发现需求、开发原型、生产执行、交付和运行等关键流程环节，提供可以满足用户需求的产品和服务，以此来实现价值创造的目标。

一是发现需求。

发现需求是理解用户需求和确定增值服务内容、功能的过程，是服务型制造开展的起点。只有充分获取需求信息，才能正确制定出匹配用户需求的定制化产品和服务解决方案。用户需求往往是分散的、多样的、海量的和隐性的，这使得准确获取用户需求信息成为一件具有挑战性的工作，企业为此必须提高需求信息的获取、识别能力。

二是开发原型。

在很多情况下，服务型制造不仅要针对用户需求开发服务，甚至为了实现新的服务供给，还要对产品进行重新设计，即在解析用户需求的内核和市场需求变化趋势、明确企业产品和服务价值主张的基础上，全面考量全生命周期内的产品物理特性与服务规格，结合具体流程、场景进行更为细化的产品架构和服务体系设计[16]。

三是生产执行。

在服务型制造的许多场景下，企业向用户交付的仍然是产品，服务体现为针对用户个性化需求的产品开发、设计等服务活动。实现服务型制造，还需将个性化的原型设计方案生产出来。生产执行既是产品的生产过程，又是增值服务的实现过程。传统的制造业生产线缺乏柔性，只能大规模生产标准化的产品；生产差异化的产品需要重新进行磨具开发、生产设备的重组、工艺参数的调整等工作，这会导致生产成本大幅上升、产品交付周期大幅拉长。满足服务型制造对产品提出的差异化要求，并使得在用户可接受的成本和时间范围内交付产品，要求生产环节更为灵活和敏捷，加强对生产流程和供应链环节的整合[17，18]，提高生产对需求变化的快速适应能力。

四是交付和运行。

产品交付和产品运行是制造业企业开展增值服务的主要阶段，也是增值服务为企业和用户创造价值的主要活动。从产品的交付开始，产品的使用权便从制造业企业转移到用户手中，企业要在产品的基础上开展增值服务，及时了解产品的运行情况，并通过产品了解到用户的使用特征、反馈甚至用户本身的状态（比如通过智能健康产品了解用户身体状态），在此基础上发现能够给用户创造更多价值的服务机会，比如预测产品故障风险。在有些情况下，用户会把设备的运行工作委托给制造业企业代为负责，制造业企业同样需要深入地了解用户需求及其变化、及时掌握产品的运行状态。

需要注意的是，服务型制造从发现需求到最终完成产品交付和运行服务，并不是一个单向的运作流程，各个环节间也不是孤立的，需要各个环节之间进行信息交流，并不断循环往复地进行。此外，企业需要在服务型制造的运作流程中不断适应需求的变化，调整运作的方式和手段，形成企业持续的价值增值能力和盈利能力[19]。

二、数据要素在服务型制造价值链中的场景应用

在数字经济时代，数据贯穿服务型制造价值链的全流程，在研发设计、生产制造、用户交付和产品运行等各场景中被广泛应用（见图1），服务型制造已经成为数据密集型的生产和服务过程。由于本文聚焦于数据作为生产要素在经济活动中的作用，这里对数据和数据要素的概念不加以特别区分。

图1 数据要素在服务型制造价值链中的场景应用

 

（一）产品研发设计场景

产品的研发设计是生产制造的源头，也是服务型制造价值链中最为基础的环节，通过数据分析有助于优化研发设计资源配置、改进产品和服务方案。数据作用于产品的研发设计，主要通过对产品的需求数据、产品性能数据、产品模拟仿真数据等进行分析和处理来实现。其中，产品需求数据的处理重点是要清晰地分析出用户的需求类型、需求层次和需求逻辑，详细刻画出用户和产品之间的交互关系，提高数据对产品研发设计的支撑水平[20]。产品性能数据的运用需要结合用户的使用需求，确定产品具有的功能类型和性能水平，形成面向不同需求组合的产品方案。产品模拟仿真数据可以支撑对产品方案的测试与验证，在产品实际生产前改进和优化，缩短产品创新周期。

在技术支撑方面，基于产品研发设计的核心数据，借助一系列数字化研发软件，可实现产品设计优化目标，支持定制化服务等模式。例如，服务型制造的产品设计经常需要使用CAD、CAE、CAPP、PLM、PDM、BIM等各类产品研发设计软件，这些软件可以极大地提高产品研发设计效率，为研发设计阶段的创新提供高效的技术手段。与此同时，人工智能、数字孪生等数字技术与产品设计软件已经开始融合，并呈现产品设计智能化的趋势。

（二）生产制造场景

基于数据的服务型制造生产系统，重点是要通过与产品需求紧密衔接，加强对生产工艺、生产设备和流程管理等数据的分析和应用。其中，生产工艺数据是生产经验和技术诀窍的数字化积淀，采用对产品需求数据自动匹配的工艺方法，可以进行快速工艺规划和工艺优化，形成生产工艺方案，更高效地满足用户导向下的工艺要求。生产设备数据凝结了工业生产的基本原理和运行记录，数控机床、工业机器人等数字化装备的应用为以数据流控制生产过程提供了硬件基础，可以更灵活地根据用户需求变化调节设备参数，及时管控设备生产进度，提高设备的生产和管理效率。生产流程数据是资源流、场景流、服务流、资金流等数据的组合，汇集了企业内部和供应商、用户等各方数据，对计划排程、资源调度、资源计划、物料周转、仓储调运等数据进行整合分析，有利于提高生产制造与服务协同的联动水平，可以缩短产品从原型开发到批量上市的生产周期，实现对服务型制造生产制造系统的高效管理。

在技术支撑方面，面对日益多样化、个性化的用户需求，企业依靠生产管控软件等技术手段，可以开展共享制造、定制化服务等。例如，MES、SCADA、APS等生产管控软件可以实时监测生产运行情况、高效执行生产任务。同时，企业开始结合工业大数据、智能数据分析、工业数字孪生等数字技术手段，使用生产过程的大数据建模分析和模型迭代优化等方法分析生产系统的漏洞和风险，挖掘生产效率的提升潜力，使生产制造系统的智能化、数字化、服务化能力大幅提高。

（三）用户交付场景

交付是产品从工厂传递到用户的关键一环，用户需求和使用习惯数据、产品工作场景数据、安装调试测试数据等是决定服务型制造交付水平的关键。一方面，用户的特殊需求和使用习惯对产品实际交付提出了个性化要求，掌握用户需求数据可以提前设定交付现场的工作要求，细化交付规则和交付人员管理规范，提高满足不同用户需求的适应能力。另一方面，通过分析产品工作场景数据可以有效提高产品的环境适应性和可靠性，根据特定场景在产品交付前进行参数调节，并预先配置足够的备用材料和零部件，有效避免交付现场因环境影响导致的产品功能失效等问题。此外，安装调试测试数据是交付过程中容易被忽视的关键数据，通过对每一次交付调试中的问题数据进行分析，加强数据存档和回顾，不仅可以提升交付现场的工作效率，而且可以为后期产品保养和维护提供依据。

在技术支撑方面，为了满足更高的交付要求和服务效率，通过提高数字化交付能力，可以支持定制化服务、全生命周期服务等模式开展。在交付实践中，要建立交付的数据标准体系，实施详尽的数据获取、精细的数据描述、完备的数据存档、规范的数据梳理。借助数字建模和数字孪生等技术，可以提升交付数据和交付文档在编制整理和使用过程中的便捷性和高效性。在复杂装备等产品的交付过程中，需要研发设计等技术人员的远程配合，这使得远程会议系统、工业级AR眼镜等数字技术和产品开始应用在交付现场，促进了交付效率的进一步提升。

（四）产品运行场景

产品运行是企业对原有产品和服务的延伸和扩展阶段，也是企业通过产品与用户深度交互的环节，产品的运行数据和用户使用数据是开展运行阶段服务的数据基础。在产品运行数据方面，具备数据采集、联网功能的产品可以被实时监测，企业可以全天候掌握产品性能水平、工作异常信号、产品工作与待工状态、产品配件和耗材存量等数据变化。企业以用户的功能需求为基准，根据数据变化研判产品运行的稳定性和有效性，可以更精准地控制设备、发现设备问题、保证设备正常运转，并可以在用户发现问题前对产品开展预防性维护。在用户使用数据方面，数据的实时交互和泛在连接为运维服务创新提供了基础。用户通过操作和使用产品形成的信息和指令，包含了丰富的用户偏好、使用习惯、个性化需求、活跃度等数据，这些数据积累形成专业化的用户数据库和知识库，可以促进企业挖掘用户潜在需求，进行产品和服务的二次开发和衍生创新，为用户提供针对性服务建议，形成动态适应、个性化的解决方案。

在技术支撑方面，数字化硬件和软件的发展为运行阶段服务的自动化和智能化提供了基础，并支持订阅服务、信息增值服务、远程运维服务等多种服务型制造模式。在数字化硬件方面，在产品上搭载高精度、高可靠、低功耗、智能化的数据采集、传输和存算装置，可以支持产品运行数据在企业与用户之间稳定传递和快速分析。在数字化软件方面，工业软件、手机App、微信小程序等都可以成为用户向企业发送需求指令的方式，企业可以根据用户端输入数据的变化进行快速响应并提供个性化服务，数据逐步成为企业服务的依据和服务输出的载体。

三、数据要素赋能服务型制造发展的作用机制

数据具有泛在性、非竞争性和时效性等特性，是数字经济时代关键的生产要素，与其他生产要素之间存在相互依赖和替代的关系，成为经济价值创造的重要来源。随着制造业数字化程度的深化，数据在服务型制造发展中发挥着不可或缺且日益重要的作用。数据赋能服务型制造的机制可以概括为数据洞察、软件定义、指令控制、数据实时流动和连接聚合五个方面。

（一）通过数据洞察优化商业决策

数据是生产经营过程中信息和知识的载体，是企业经营管理的关键决策依据。企业通过对数据的挖掘分析，可以增强在发现需求、开发原型、生产执行、交付和运行等流程环节的洞察。以用户需求为导向的生产和服务模式要求企业在进行商业决策时提升对用户的洞察能力。无论是企业直接面向用户，还是通过产品向用户提供服务，都要在掌握用户需求、使用习惯、产品状态等关键数据的基础上，有针对性地调整资源配置，提供定制化产品或服务。企业掌握的数据越全面，越有利于提高数据完整性、细化数据维度，筑牢决策分析的数据质量基础，作出更精准的商业决策。通过对用户或产品海量数据的重新解构、归类、比对、挖掘和预测，企业可以掌握用户的产品使用情况和产品的运行状态，不仅能够更全面且深入地洞察用户的真实需求，形成更为精准的用户画像，而且能够识别出用户的潜在需求或对产品“健康”状况作出预测，并将这些数据反馈到产品和服务的开发设计和生产、服务等环节，促进效率改进和发现新的商业机会。随着商业智能技术和大数据的进一步结合，企业对用户数据的深度学习和分析推理水平快速提升，数据洞察可以支持企业获得更高水平的商业决策能力。

（二）通过软件定义实现规模经济

传统服务的提供方式受制于企业专业服务人员的数量和技能水平。在服务规模扩大的同时，必须保持专业服务人员数量的同步增长，这会造成专业服务难以扩大规模，且服务规模的扩大也难以带来企业盈利的增长。扩大服务型制造的应用范围和规模，必须要减少对专业人员的依赖，提高服务的规模经济性。实现这一目的，就需要将服务生产、交付中的知识进行编码化，通过“软件定义”由系统自动化地执行个性化的服务生产和交付[6]。在人工智能技术功能日益强大、应用日益普及的今天，许多自动化的功能可以由人工智能算法来实现。数据是算法的输入和基础，充足的数据量对算法训练和优化具有显著效果。大数据可以扩充算法开发和训练的数据样本容量，有利于发现数据的分布规律，优化和更新算法参数，提高算法模型智能决策和预测的准确性，实现服务系统高效的自动化运行，提升服务的效率。在目前以“大数据+机器学习”为人工智能主流技术路线的条件下，数据量越大，算法的优化程度就越好，持续的数据量级提升为人工智能大模型在服务型制造中的服务应用提供了基础。此外，数据还可以沉淀转化为服务知识库和语料库，使大模型对用户的服务需求具有更高的理解能力和学习能力，适应服务规模的变化，提高服务的精准性。

（三）通过指令控制提升柔性水平

服务型制造面对的个性化需求水平越来越高，非标准化的产品生产和服务提供需要匹配更为柔性的“产品—服务”系统。随着设备和产品的网联化、数字化，口令、文本、模拟信号等传统方式的指令逐步被数据指令所替代，以数据流管控生产和服务就是要通过数据驱动“产品—服务”系统的智能运行，形成工业数据智能基础上的柔性化能力。由于数据需要紧密依赖人员、设备等要素共同发挥功能，数据对“产品—服务”系统智能控制水平就取决于企业数实融合的水平。数据、数字技术与生产体系融合得越好，数据指令的控制效果就越好，对促进“产品—服务”系统效率提升的作用就越显著。通过数据指令的智能控制可以实现生产和服务过程中的信息高效记录和传递，将不同环节的生产数据进行整合分析，有利于根据个性化需求调整生产资源计划，有效细化和拆解产品模块、服务模块和信息模块，深度挖掘和分析生产和服务过程中的潜在风险。通过数字化和网络化升级，数据支持的柔性化“产品—服务”系统可以更有效地处理分散的生产和服务指令要求，不仅可以根据企业内部的生产指令快速调整生产进度，而且可以通过开放的数据接口直接接收和分析来自用户下达的个性化指令，这也使得指令的下达在企业集中的生产数据处理中心基础上拓展到更为分散的终端用户设备，需求与生产的衔接方式变得更为紧密，有利于企业以更短时间和更小成本实现生产和服务能力的柔性化提升。

（四）通过实时流动提高响应能力

由于用户需求、产品状态以及使用产品或服务的消费者状态的易变性，他们所需要的增值服务活动也不是固定不变的。制造业企业只有根据用户、产品的实时变化和要求针对性地提供增值服务，才能让服务型制造带给用户更大的价值，为企业带来更多的收益。在产品数字化升级之前，用户在使用产品时虽然也产生数据，但是并不具备有效的手段实现数据在产品端与企业之间的流动，数据作为生产要素的价值难以有效发挥。同时，由于缺少实时数据的获取能力，企业难以及时获知产品实时情况，导致企业在出售产品之后便与用户之间缺少交互或者无法交互，用户的需求也不能及时得到响应，极大影响了产品的用户体验。数据具有很强的实效性，距生成时间越短的数据越能反映客观世界的情况，因而具有更高的经济价值。得益于泛在的通信网络、产品搭载的数据采集和传输装置，用户与企业之间建立起数据流动的通道，产品运行的实时数据可以被传递和远程处理，成为支撑企业开发和提供服务的关键资源。根据用户对数据处理的时效性要求，这些数据既可以在产品终端进行采集和初步处理，也可以被回传至企业的数据中心进行集中处理，还可以在云端算力在线加速处理，实现快速反馈。企业还可以通过产品的数据后台，远程更新和调节产品内置的软件功能和性能参数，在保证用户对产品正常使用的前提下，以持续更新的微改进实现产品服务能力的迭代升级，降低企业和用户为更新和改进产品而进行的投入。随着对高并发数据、多模态数据、多源异构数据等处理能力的持续增强，更多复杂场景的实时数据将被应用到产品运行阶段，进一步提高企业对现实场景变化的即时服务能力。

（五）通过连接聚合实现价值倍增

在市场运行的过程中，大量信息处于分散和杂乱的状态，制约了参与主体之间的沟通效率。当这些信息被数字化后，存在多种模态和不同的格式，但现代数字技术已经能够对这些多来源、多模态、多规格的数据进行集中处理，从而打破原有的“信息孤岛”和信息不对称状态，建立起数据之间以及与背后的经济活动之间的关联。从数据的供给和使用角度看，传统的生产要素一旦被投入使用就将被消耗，若一个企业使用该生产要素，就会减少该生产要素对其他企业的供给。但数据具有显著的非竞争性，不仅不会因为参与生产过程而被消耗，反而会因为与其他数据建立关联而进一步提高数据的质量和价值。数据之间的连接度越高，价值创造的空间越大。如今，互联网、移动互联网、物联网等已将企业、产品和用户联系在一起，构建出一个以数据为纽带的万物互联的世界。从数据连接聚合的范围来看，企业内部各部门之间的数据孤岛逐渐被打通，有助于发现企业内部生产、管理和服务环节的症结，提高数据要素的利用水平，改进生产和服务的运作绩效；在企业与用户之间，数据的互联互通实现了供需两端的有效衔接，支持企业开展深度的产品和服务创新，拓展价值创造的空间；在企业之间，通过促进供应商之间的数据连接共享，可以实现供应链上下游信息的整合，加强对供应商能力的综合评估，挑选出更适合的合作伙伴，提高供应链的安全性。

综上，数据要素赋能服务型制造价值创造可以用图2所示的基本框架加以概括。其中，数字设施是支撑数据应用的硬件设施，主要包括传感器、计量仪表、摄像头等数据采集设施，物联网、移动互联网、工业互联网等数据传输设施以及数据库、数据中心、超算中心等存算设施。数字技术是围绕生产和服务目标，融合各类数据、算法和软件系统等，以数据的处理和应用为中心的各类技术，对服务型制造的开展具有直接支持和促进作用[21，22]，如计算机辅助技术、数控技术、柔性制造系统、智能制造系统、人工智能大模型、云边端计算一体化、分布式计算、无线射频识别技术等。场景应用是数据借助数字设施和数字技术能力，在研发设计、生产制造、用户交付、运维保障各个环节不断渗透并发挥作用，实现更多价值收益的应用过程，数据也在这个过程中沿着产品和服务的全生命周期实现了闭环。作用机制是数据要素赋能服务型制造价值创造的运行机理和路径，数据借助数字设施和数字技术，通过与服务型制造的生产运作过程相融合，可以在不同场景广泛应用，并支持各类模式创新。模式创新是企业针对用户需求，在数据利用基础上实现的服务型制造的各种具体模式。数据来源、发挥作用的重点环节等不同，会形成不同的服务型制造模式。

图2 数据要素赋能服务型制造价值创造

 

四、数据要素赋能服务型制造发展的制约因素

数据要素对促进服务型制造的发展、提高制造业企业的竞争力具有重要作用，但也面临着数据有效供给不足、数据技术成熟度偏弱、数据安全风险隐患、数据技术标准缺失、数据跨境访问限制等制约。

第一，数据有效供给不足。

服务型制造需要投入的数据类型多、数据质量高，但是相应的数据供给明显不足。由于制造业数字化发展处于初期阶段，很多相关的机理、经验、诀窍等尚未被数据化或难以数据化，不少企业特别是传统产业领域的中小型企业的生产设备、产品数字化水平偏低，不具备数据采集和传输能力，存在大量未能识别获取或未使用的数据，由此造成企业自身的数据积累不足，缺少开展服务型制造数据分析应用所需的数据。加之服务型制造的很多运作模式和应用场景还处于创新探索阶段，尚未形成稳定的业务模式，很多数据未能实现反复利用，导致数据要素的使用规模和频次不足，没有在生产和服务活动中形成持续的循环供给，降低了数据的有效供给水平和价值创造绩效。此外，由于目前工业数据要素市场化建设还处于起步阶段，工业数据要素的定价、流通和保护等基础制度尚待建设，“数据烟囱”问题制约了数据要素在全社会的流动和供给效率。

第二，数据技术成熟度偏弱。

目前我国制造企业的数字化水平、产品的智能化水平较低，数据利用技术有待成熟，利用水平亟待提升。我国很多制造业企业还处于信息化建设阶段，对于更深层次的数据利用技术仍未开始深入应用，对数据利用技术的认知和适应水平偏低，导致数据未能在企业的生产经营中充分释放效率潜力。除了企业自身数字化能力不足外，数据要素发挥效力所依赖的大数据、云计算、人工智能、区块链等数字技术从实验室走向产业应用的时间尚短，对服务型制造的运作环境和场景变化的适配能力较低，对实际问题的解决能力相对较弱，限制了数据要素对服务型制造的赋能效果。还需注意的是，数据技术成熟度偏弱还表现为数据技术的经济性不佳，制约了企业利用数据技术的积极性，无论是基础的数据能力，还是水平更高的智能制造、智能分析决策能力，其所需要的成本投入对企业而言都是不小的负担，特别是对于广大中小企业而言更为困难，减缓了企业开展数字化改造升级的进程。

第三，数据安全存在风险隐患。

服务型制造的数据要素内容包括重要的生产数据、产品数据和用户数据，包含企业的技术诀窍、商业秘密，具有极高的商业价值，也与企业经营安全和消费者隐私密切相关。随着工业大数据的联机、联网、上云，数据安全更容易受到来自各方面的威胁。对于数据交互频繁、实时在线服务要求高的服务型制造运作方式，一旦出现软件和设备故障、网络信号衰减问题，数据连接出现中断和延时，将影响企业与用户的实时沟通和线上服务，降低服务型制造的运作效率。同时，数据在传输流通过程中遇到丢包、篡改、拦截、病毒破坏等安全威胁，会严重影响数据流通的可靠性和完整性，也将对数据的分析和决策产生较大干扰，降低产品生产和服务执行的准确性，甚至可能因此诱发严重的产品事故。例如，在汽车智能驾驶服务过程中，如果出现数据传输中断或者错误数据干扰，将可能导致智能驾驶分析失误，增加道路驾驶的安全隐患。

第四，数据技术标准缺失。

企业之间的数据应用标准不一致，新领域的数据规范和规则缺失[23]，已经成为制约服务型制造加快应用推广的重要障碍。例如，缺少数据的命名、分类、格式、编码规范标准，将会影响数据的可读性和可理解性，增加数据的使用难度，企业需要额外花费更多时间和成本对数据进行重新加工处理。缺少数据的统一接口标准，企业之间存在差异较大的接口标准和操作习惯，数据将难以在企业间顺畅流动，增加数据传输与流通成本，降低不同系统之间的数据整合效率。缺乏数据质量管理规范，会导致数据错误、遗漏、重复等质量低下问题，增加数据管理难度，降低数据共享的可信度，影响数据分析和决策效果。缺少必要的数据技术评价标准，将难以对数据要素利用的技术成熟度水平、数据技术的合理性边界进行明确规范，不利于数据技术的有效推广和普及。

第五，数据跨境存在访问限制。

服务型制造的开展不仅面向国内用户，而且面向国际用户，这就会涉及数据的跨境流动问题。随着数实融合的不断深化，基于数据的服务型制造日益普遍，数据的跨境流动问题愈发突出[24]。不同国家和地区的数据治理规则差异较大，对数据的获取、传输和利用要求也不相同，部分领域的数据本地化要求和禁止数据访问要求较为普遍，个别敏感领域还可能存在更为严苛的数据限制。不同地区的用户对数据访问的接受程度不一，如何获得用户的数据访问权限是一项必须克服的难题。例如，服务型制造中的全生命周期管理、远程运维、在线诊断等服务模式对用户的时效性数据依赖度较高，如果不能赢得用户信任，就无法获取数据访问权限，这会导致不能进行有效的数据跨境访问，制约服务型制造的全球化开展。

五、数据要素赋能服务型制造发展的政策建议

数据全面融入服务型制造的运作流程使得企业生产和服务过程的数据密集度越来越高，通过数据洞察、软件定义、指令控制、数据实时流动和连接聚合，可以优化商业决策、实现规模经济、提升柔性化水平、提高服务响应能力和释放价值创造能力，全面提高服务型制造的运作绩效。发挥数据要素对促进服务型制造发展的作用，应围绕数据供给、数据技术、数据安全、数据标准、数据跨境等方面加强能力建设，逐步提高我国服务型制造的综合竞争能力。

第一，提高制造业数据供给水平。

加快补齐制造业企业数据资源短板，强化制造业企业在服务型制造数据资源建设中的主体作用，支持企业进行生产设备、系统的数字化改造和产品的数字化升级，为企业提供上云用数赋智服务，提升生产设备和产品的数据采集和处理能力，提高企业在研发、生产、经营管理中的数据积累水平。重视数据资源的二次开发、整理和利用，对已有数据资源进行结构优化和深度挖掘，提高数据重复利用频次和效率。建设制造业专业化数据要素市场，完善数据资产定价、确权、交付等制度规则[25]，打通数据要素连通孤岛，鼓励数据要素流通共享，扩充制造与服务两端的数据要素供给水平，加速数据要素在经济循环中的流转效率，塑造制造业数据资源禀赋优势。

第二，提升数据技术创新水平。

加快通用型数据利用技术的创新，开展共性数据技术研究，开发高效便捷的跨行业、跨领域、跨场景和跨平台的数据利用技术，布局和建设一批重点研发和产业协同攻关重大项目，面向具体行业进行应用验证，推广成熟的数据技术应用经验和模式，提升企业数字技术应用的成熟度。培育一批掌握核心资源和技术的数据服务提供商，支持基于工业大数据和先进算法开发制造业垂直领域的人工智能大模型，为制造业企业提供更高技术水平和更具经济性的数据开发利用服务工具。开展服务型制造细分领域数据技术创新试点建设，结合不同区域、不同行业、不同场景创建多层次的数据技术创新试点，对具有普遍意义和市场价值的试点技术进行产业化推广，带动广大中小企业协同升级，形成一批服务型制造领军企业和产业集群。深化制造业领域的数据技术开放合作，积极引进国际领先的数据技术研发中心和领军科学家，探索创新制造业数据技术合作方式，提升制造业数据技术创新活力。

第三，提高数据安全保障水平。

重视对工业数据和用户隐私安全的保护，对服务型制造的数据全生命周期、全流程各环节和各参与方进行安全规范，加强数据知识产权保护规则体系建设，提升产业数据安全保护水平。加强数据安全技术在数据流通、连接和存储等环节的应用，采取加密技术、访问管控、数据监测、定期修补漏洞等技术手段，提高数据面向生产和服务的运行可靠性和稳定性。加强对数据硬件设施的安全保护，提高数字化生产设备和数字化产品搭载的数据装置的可靠性和可控性水平，对企业的服务器机房、数据中心等关键数字设施加强物理安全保护，定期开展硬件设施安全评估和更新升级。

第四，加快研制和推广数据技术标准。

加强服务型制造标准统筹规划，发挥标准对数据利用和规范管理的引导作用。重点推动基础通用和行业应用的数据标准研制，统一规范服务型制造的数据采集、数据处理、数据存储、数据分析、数据接口、数据交换、数据质量等数据技术标准，为不同行业、不同模式、不同场景提供服务型制造转型升级的标准依据。加强数据技术标准的推广普及，促进行业性、区域性和团体性标准工作组织针对新技术领域开展标准的创新研制，推动企业开展数据技术标准的贯标示范，展示数据技术标准的应用成效，鼓励更多企业参与数据技术标准的研制和应用。

第五，促进数据跨境流动。

适应全球产品和服务贸易市场变化，积极利用国际组织和国际对话机制参与国际数字治理，推进数据跨境流动规则的协商制定和国际互认制度建设。贴近海外市场用户，研究不同地区用户的消费习惯和文化特征，建立与海外用户的长期合作关系，重点推动“一带一路”等重点区域市场的数据互信能力建设，提高海外用户对数据采集和服务的信任度。研究不同国家和地区的数据跨境管理规则，综合考虑数据管理要求、数据响应时效、数据跨境成本等因素，研制本土算力与海外算力的布局策略，提高数据跨境的安全性和处理效率，增强服务型制造的国际化服务响应能力。

 

参考文献

[1]VANDERMERWE S,RADA J.Servitization of business:Adding value by adding services[J].European Management Journal,1988,6(4):314-324.

[2]李晓华，刘尚文．服务型制造内涵与发展动因探析[J]．开发研究，2019(2):94-101.

[3]王玉燕，姬含笑．服务型制造、差异化战略与企业绩效——来自中国制造业上市公司的经验证据[J]．南方经济，2023(5):127-142.

[4]OPRESNIK D,TAISCH M.The value of big data in servitization[J].International Journal of Production Economics,2015,165:174-184.

[5]TUKKER A.Eight types of product-service system:eight ways to sustainability?Experience from SusProNet[J].Business Strategy and the Environment,2004,13(4):246-260.

[6]李晓华．数字技术推动下的服务型制造创新发展[J]．改革，2021(10):72-83.

[7]孙林岩，高杰，朱春燕，等．服务型制造：新型的产品模式与制造范式[J]．中国机械工程，2008(21):2600-2604.

[8]卓娜，周明生．国内外服务型制造研究热点与发展趋势[J]．科学管理研究，2022(6):50-58.

[9]王晓蕾，杜传忠，刘磊．工业互联网赋能服务型制造网络的演化逻辑与路径优化研究[J]．经济学家，2022(10):108-118.

[10]徐佳宾，孙晓谛．互联网与服务型制造：理论探索与中国经验[J]．科学学与科学技术管理，2022(2):87-112.

[11]单子丹，邹映，李雲竹．基于云计算的服务型制造网络流程优化与决策模型[J]．计算机集成制造系统，2019(12):3139-3148.

[12]罗建强，张弛．农机装备制造业服务型制造模式研究[J]．中国工程科学，2023(1):178-186.

[13]简兆权，刘晓彦，李雷．基于海尔的服务型制造企业“平台+小微企业”型组织结构案例研究[J]．管理学报，2017(11):1594-1602.

[14]王康周，彭波，江志斌．新一代信息通信技术在装备制造业服务化中的作用：基于我国4家企业的案例研究[J]．中国机械工程，2018(18):2259-2267.

[15]王维才，吴琦．服务型制造带动中国传统制造企业转型程度测度及提升策略研究——以钢铁行业为例[J]．南京社会科学，2019(4):18-24.

[16]REIM W,PARIDA V,ORTQVIST D.Product Service Systems(PSS)business models and tactics:A systematic literature review[J].Journal of Cleaner Production,2015,97(15):61-75.

[17]PORTER M E,HEPPELMANN J E.How smart,connected products are transforming companies[J].Harvard Business Review,2015,10:97-114.

[18]AMIT R,SCHOEMAKER P J H.Strategic assets and organizational rent[J].Strategic Management Journal,1993,14:33-46.

[19]TRONVOLL B,SKLYAR A,SORHAMMAR D,et al.Transformational shifts through digital servitization[J].Industrial Marketing Management,2020,89:293-305.

[20]李三希，李嘉琦，刘小鲁．数据要素市场高质量发展的内涵特征与推进路径[J]．改革，2023(5):29-40.

[21]LANGLEY D J.Digital product-service systems:the role of data in the transition to servitization business models[J].Sustainability,2022,14(3):1303.

[22]ZHANG X,GUO X L,YUE W T,et al.Servitization for the environment?The impact of data-centric product-service models[J].Journal of Management Information Systems,2022,39(4):1146-1183.

[23]许宪春，王洋．大数据在企业生产经营中的应用[J]．改革，2021(1):18-35.

[24]EGGERT C G,WINKLER C,VOLKMANN A,et al.Understanding intra-and interorganizational paradoxes inhibiting data access in digital servitization[J].Industrial Marketing Management,2022,105:404-421.

[25]刘雅君，张雅俊.数据要素市场培育的制约因素及其突破路径[J].改革，2023(9):21-33.

 

张亚豪，东北财经大学产业组织与企业组织研究中心博士研究生。

刘尚文，服务型制造研究院院长，高级工程师。

 

张亚豪,李晓华,刘尚文.数据要素赋能服务型制造发展：场景应用、作用机制与政策建议[J].改革,2024,(01):69-81.