12月15日國家數據局起草并發布了《“數據要素×”三年行動計劃（2024—2026年）（征求意見稿）》。通過實施“數據要素×”行動，發揮我國海量數據規模和豐富應用場景優勢，推動數據在不同場景中發揮千姿百態的乘數效應。

數據正在以前所未有的速度滲透到各行各業，成為驅動業務創新、管理變革、乃至再造商業模式的關鍵要素。

例如，在采購環節，數據分析具有極其重要的戰略意義，是優化供應鏈和采購決策的核心大腦。基于歷史交易日志，挖掘供應商數字化交易行為，通過數據智能技術，發現供應商偏好和意圖。面向企業大宗集采的供應商推薦，縮小尋源范圍，準確鎖定最合適供應商，節約采購成本。

結合歷史銷量、倉儲計劃、用戶需求綜合分析預測市場需求，針對性排產，提高產能利用率，降低庫存積壓，減少訂單延誤率，促進產銷平衡，規避經營風險。

國家數據局局長劉烈宏公開表示，數商作為以數據為生產經營關鍵要素的企業，在盤活數據要素價值中發揮著關鍵作用。數商分為服務型數商、應用型數商和技術型數商。其中，應用型數商是數據價值的“轉化者”，促進數據用起來。通過提供數據開發利用工具、數字化轉型服務等，幫助千行百業挖掘數據價值，將痛點難點轉化為新增長點，將投入成本轉化為新的利潤來源。

用友作為應用型數商，在充分激發企業數據價值中發揮著重要作用。用友認為，數據創造價值應該遵循這樣一個模型，數據通過分析提煉，到信息，由信息通過歸納演繹成知識，通過知識總結洞察形成啟示性、前瞻性的洞見。并按照確定目標、現狀分析、任務藍圖和任務推進路線圖四個步驟，制定數據治理體系化規劃，確保后續相關工作扎實有序推進。

從數據化到數智化，數據的乘數效應有待激發

充分發揮數據生產要素價值，實現數據驅動業務，是數字經濟時代企業的核心訴求。

信息化是用軟件系統承載業務，實現了效率提升。在信息化階段，企業完成了數據的“原始積累”，從信息化到數據化，企業將信息化建設存留的數據匯集到一起，進而產生新的數據支撐業務的開展。

在用友看來，國內各個行業的數據化程度存在差異，數字化某種程度上是信息化與數據化的融合發展。而隨著大語言模型的流行，從信息化到數據化、智能化、智慧化，進而躍升到數智化。

數據化可以簡單理解為數據驅動，通過收集、分析和挖掘數據，來揭示隱藏的業務模式和趨勢，進而做出更明智的決策和采取更有效的行動。

數據驅動既是一個過程，也是一個結果。這個過程需要經過多個步驟，包括數據采集、清洗、分析、可視化、決策和行動等，是一個持續的數據循環和反饋機制。

從結果的角度來看，數據驅動的重要性在于，它能夠為企業提供更深入的洞察和預測能力，從而幫助企業更好地理解客戶需求、市場趨勢和業務運營。同時，數據驅動還可以提高企業的決策效率和準確性，降低風險，提高競爭力。

在數據化過程中，企業需要做好三件事——有數據、管好數據、用好數據，其主要矛盾是數據基建與數據應用的協作與平衡問題。

所以在實現數據價值之前，一個有效的數據管理體系必不可少。數據治理是在數據管理和使用層面之上進行規劃、監督和控制，釋放數據的價值，通過數據要素驅動企業的創新發展，實現經營和管理的變革。

六橫三縱，做好數據管理體系

數據價值的發揮重點在“用”的過程中體現。用友總結出企業數據應用的三個階段：第一個階段，數據資源化。通過數據采集工具，企業實現各異構系統數據的統一采集和集中存儲，打通數據孤島，支持初步的數據分析和展現；第二個階段，數據資產化。通過實施數據治理，讓企業的數據資源轉化為數據資產，實現了數據資產入表，支持數據的智能化應用。第三個階段，數據資本化。隨著數據管理和應用的進一步深化，企業完成數據資產確權和評估，具備數據流通和交易能力，實現數據的變現。

對應數據應用的三個階段，用友提出數據驅動的企業數據服務“5級寶塔模型”，分為展現級、分析級、控制級、決策級、創新級，構成了企業數據服務的完整體系。“5級寶塔模型”離不開全面數據治理，夯實企業數據要素基礎。

數據治理是組織中涉及數據使用的一整套管理行為，不僅是指通過對數據的管理促進數據使用，同時也強調數據管理的流程劃分與權責體系，是一套關于數據管理的技術、過程、標準和政策的集合。

一個健壯的數據管理體系，涉及數據安全、標準、體系、質量等要素。比如數據質量是保證數據應用效果的基礎，衡量數據質量的指標體系主要包括：真實性、準確性、唯一性、完整性、一致性、關聯性、時效性。

用友在幫助企業完成數智化轉型及企業數據治理方案及數據工具的落地過程中總結發現，想要更好的落地企業數智化轉型發展背景下的數據治理工作，需要有清晰、規范、準確、完整、可度量的理論及評估體系作為指導和支撐。

與此同時，企業更應結合企業自身的管理體系、管理現狀、數據管理與數據應用中遇到的問題，制定適配其業務戰略發展的合理布局。同時可以參考與了解、學習國內數據治理領域相關框架與標準。更好的服務企業數字化轉型的業務戰略。

目前，數據管理體系建設可以參考數據管理能力成熟度評估模型（DCMM）和DAMA的數據管理理論框架。

DCMM是我國首個數據管理領域國家標準，其借鑒了國內外數據管理的相關理論思想，同時也結合了中國大數據行業的發展趨勢，提出符臺中國企業的數據管理框架。框架將組織數據營理能力劃分為8個能力域：即數據戰略、數據治理、數據架構、數據應用、數據安全、數據質量、數據標準、數據生存周期。

對標DCMM，用友提供“六橫三縱”數據治理體系，即數據架構管理、數據標準管理、數據質量管理、數據安全管理、數據生命周期管理和數據應用管理等“六橫”，以及管理組織、制度/流程和技術/平等“三縱”為企業進行以業務價值為導向的全局數據治理提供保障，通過數據梳理與入湖、數據資源資產化、數據服務共享化、數據應用和共享，幫助企業構建以業務價值為導向的有活力的數據生命周期管理體系。

在產品層面，用友iuap數據中臺以全域數據應用為目標，以各種數據管理理論為依據，以云原生、微服務、大數據和人工智能等數據加工處理技術為基礎，提供數據治理、數據采集、數據建模、計算加工、資產的構建和共享、數據分析挖掘等能力，支撐企業在指標管理、分析展現、決策支持、知識發現、人工智能等數據驅動的各種場景應用。從而幫助企實現數據的展現、分析、控制、決策、創新五個層級的價值，將數據真正融入到業務中間，驅動業務高效科學的運行。

用友iuap數據中臺提供十大核心能力：數據移動、數據開發、數據治理、數據指標、數據挖掘、語義模型、數字大屏、移動分析、智能分析云、智能報告。

通過這些能力讓數據采集、加工、治理、應用更加便捷，以保證數據質量，加速從數據到價值的服務生產過程，打造高響應力且更加智慧的業務，從面實現數據驅動的業務創新。

數據作為數字經濟的關鍵生產要素，已成為極其重要的新型資產之一，而數據資產“入表”正是對其作為資產發揮價值的合法確認。數據資產“入表”，是推動數據資產化的第一步，也是數據要素市場發展的關鍵一步。數據資產應用充分體現了數據價值變現的成果，其一方面得到數據資產管理的支撐，另一方又會不斷發現問題，促進數據資產管理的優化！

用友BIP數據資產入表解決方案助力盤活企業數據資產、激發數據要素價值。用友通過提供咨詢、設計、產品、交付、運營等全流程的解決方案與服務，幫助企業完成數據資產基礎入表、統一數據治理和釋放數據價值，并拉通數據服務到數據交易的通路，增強企業數據的開放、流通和變現能力，加速數據要素的社會級流轉。

企業數智化領先實踐，打通數據供應鏈

數據要素深度融合業務場景才能得到“最優解”，用友BIP的數智服務正是為了讓數據要素啟動“數據飛輪”，發揮“乘數效應”。

首先，企業需要加強數據文化的認知，對于數據管理體系建設達成共識。其次，數據知識體系比較龐雜，數據中臺、數據湖、湖倉等概念非常多，企業需要對齊這些概念，擁有對技術有深入認知的技術型人才。而用友從底層計算引擎、數據開發，到全面的數據治理、上層應用實現了全覆蓋，還提供數據咨詢、數據服務、數據應用服務、大模型服務。除了數據能力體系與數據服務產品外，用友基于服務眾多領先企業的數據管理領先實踐，從客戶實際業務場景、需求場景和應用場景出發，真正助力企業激發數據價值。

南光集團，是唯一一家總部設在澳門的國務院國資委直屬中央企業。在用友的幫助下南光集團構建集團數據治理體系，規范數據標準，提升數據質 量，探索數據資產化管理。通過用友iuap數據中臺，打造一個“多組織、多業態、多級次”的大數據平臺，落地“一中心二庫三統一”模式，即：一個業務運營智能監控中心、兩個指標庫、三個統一（一套治理體系、一個數據湖、一套數據資產）。實現了數據“采存管用營”的一體化管理，為運營決策、采購、人力資源、財務、法律風控、戰略投資等提供統一準確的數據服務支持，為集團的數智化轉型奠定基礎。

世界500強企業中建五局，是中國建筑股份有限公司的全資骨干企業。中建五局以用友iuap平臺為數智底座，利用大數據、人工智能技術，構建數字化管理運營平臺。依托生產經營數據庫和知識文檔庫，構建了一個大數據中心，提升數據化決策能力。實現企業運營管理在線分析、在線檢查、在線考核、風險線上預警，平均審批時間縮短5.6天;線上簽訂2.23萬份合同，簽定時間由20多天縮短至7天，業務辦理效率提升了75%以上，每份合同節省成本約240元。自主研發資產盤活系統，累計在線成交金額超過22.39億元，較傳統手段降低材料損耗30%。

中國500強企業濟寧能源，通過用友BIP從數據采集開始，通過數據治理、數倉建模、指標加工、數據挖掘，以及分析展示的數據全過程管理，打造了一個可視化的數據管理平臺。借助平臺的管理駕駛艙，從不同維度進行分析、匯總，用數據反應當前業務客觀情況，實時跟蹤工作進展，從而達成預判風險、優化制度、調整工作安排的目的。現在僅用3天就可以完成月度采購計劃的80%，大大縮短了采購周期。

某全球領先的水產飼料生產企業，圍繞“看清人才、看全人才、激活人才、科學配置”的人才管理宗旨，通過打破異構系統的障礙，重新整合數據集成，集中匯聚所有人才數據，結合基于體系化人才模型和標準，依托用友BIP數據分析基座，構建起數字化可視化人才畫像；結合全維度對比分析；實現看清看全、科學識人。并通過實時分析能力，開展人才動態監控，如連續績差、年齡過大、任期過長、過期培訓、違反規定紀律、人才新任等，從而實現快速響應和科學配置。

浙江省某縣工商聯，通過用友BIP企業健康體檢服務，建立區域企業的“企業健康寶”。通過對區域企業財務數據、企業工商數據、知識產權、經營風險等多維度數據的精準畫像和風險問題智能預警預測，可以充分了解轄區企業的整體經營情況及排名，另一方面通過財務數據了解企業在經營過程中所遇到的困難，如資金流不足，存貨積壓等問題，可以更好的為企業提供針對性的政策支持和幫助。

某大型民營股份制企業存在數據孤島較多、政策監管強度高、數據標準不一致等問題，在整體數據治理架構體系中，用友以指標體系指標業務標準作為核心切入點，幫助該集團構架了三個“1”的指標管理體系。在數據標準落地過程中，用友與客戶一起完成了一千余個指標的梳理及落標，其中包括了從心梳理和定義了200余個重復定義或標準不清晰、多標準、多主體的指標，確立了明確的指標標準。從業務屬性、技術屬性、管理屬性實現了清晰、準確、規范的要求。同時在數據層也完成了相應的數據質量稽核，提升了數據質量與數據應用分析的高價值。最終，用友與客戶以數據架構為基礎，指標體系為依托，構建數據生命周期線條，成立相應的數據運營組織，制定流程、制度及相應的考核方案。使數據治理方案和數據中臺產品緊密銜接、精準落地。

目前用友正在將服務眾多領先企業的數智化領先實踐形成可復制的解決方案，例如“基于工業互聯網平臺的廢鋼智能判級解決方案”采用最先進的基于卷積神經網絡的深度學習算法，通過對海量廢鋼圖片的訓練構建廢鋼智能識別模型，實現廢鋼檢驗遠程監控、廢鋼的智能判級以及扣雜數量的智能判定，廣泛應用于鞍鋼集團、濟源鋼鐵、閩源鋼鐵、鑫陽鋼鐵、敬業鋼鐵、新華冶金等10余家鋼鐵企業，累計降本增效達千萬元，助力減排二氧化碳288萬噸。

寫在最后

數據二十條、國家數據局等一系列政策驅動數據要素市場的發展，伴隨著企業數字轉型及各領域數據流通需求的不斷增長，企業數智化轉型的內驅力不斷增強，越來越多的企業對數據管理和數據治理及相關方案及工具的需求更為迫切。

用友的定位是幫助企業建設數據管理體系，而不是數據治理廠商或者中臺廠商、數據應用廠商，而是全生命周期陪伴客戶，優先打通數據供應鏈，借助技術領先的數智化平臺以及千行百業的領先實踐，成為懂技術、懂場景、懂需求的企業數據管理體系建設與運營解決方案供應商。

未來，數據離不開智能，從數據驅動到智能運營，用友已經在深化布局數智應用服務能力，構建數據要素生態，讓數據真正成為企業價值資產。