许宪春：如何促进大数据在企业生产经营中应用？
5月9日，受腾讯研究院与清华大学公共管理学院邀请，清华大学经济管理学院教授、清华大学中国经济社会数据研究中心主任、国家统计局原副局长许宪春，为大家分享了大数据在不同类型企业中的应用场景和作用，并分析了大数据在企业应用中面临的困难和挑战，提出促进大数据应用的相关政策建议。腾云经授权发布。
清华大学经济管理学院教授
清华大学中国经济社会数据研究中心主任
国家统计局原副局长
随着信息通信技术的快速发展，数据收集、存储、加工处理和开发应用能力不断提升，大数据应用规模迅速扩大，种类不断增多，在农业、制造业、交通出行、零售餐饮、运输物流、房地产经纪、旅游服务、医疗服务、金融服务等企业的生产经营过程中产生了多样化的应用场景。大数据不仅助力企业提质增效、降本增收，还在优化资源配置和实现社会多方收益共赢等方面发挥了重要的作用。
然而目前大数据在企业生产经营中的应用存在着数据来源不一、互通受阻、人才短缺、欠缺安全保障、大数据“存不下”等问题，且不同类型的企业处于不同的技术发展层次和阶段，面临的困难和挑战各不相同。
为更好地释放大数据价值，应加强大数据标准体系建设，加快推进大数据基础设施建设，有序推进政府数据开放共享，加快培育复合型大数据人才，完善网络及大数据安全体系建设。
01
大数据在不同类型企业生产经营中的应用
制造业企业的大数据应用主要在定制化生产、智能化工业生产线、智能化售后服务等方面。
例如，通过优化生产流程、实现对生产设备的预测性维护以及对生产流程的动态排产等方式，提高企业生产效率；同时，制造业企业基于研发知识库的大数据产品模块化分析，能够实现产品的个性化设计；企业还能借助工业生产大数据的互联工厂，实现柔性化、低成本、高效率生产制造。
交通出行类企业的大数据应用主要在实现精细化调度与管理等方面。
例如，通过大数据的匹配与分析智能派单，提前调度司机，提高需求密集地区的供给数量，降低用户、司机的时间成本。此外，智能信号灯的应用能够基于区域内交通流量合理调控道路资源和通行速度，优化城市道路使用状况，提高出行效率。智能信号灯还能实时监测交通路况，为司机提供交通引导，减轻交通拥堵。
零售餐饮类企业的大数据应用主要在实现精准选址、精准营销、即时配送等方面。
在选址环节，通过对目标区域的客流量、人群流向轨迹等进行实时监控，采集位置信息、舆情信息、人物行为信息等，通过大数据挖掘和分析技术为商业选址提供更为科学的决策依据。在营销环节，商家基于用户画像，采用电子邮件、手机短信、APP消息推送等广告形式进行产品推广，实现精准营销。在即时配送环节，智能调度是核心，平台依托海量历史订单、骑士定位、精准的商户特征数据，针对骑士实时情景，对订单进行智能匹配，快速响应客户需求，提升企业盈利能力。
医疗机构的大数据应用主要在临床决策支持系统和在线问诊等方面。
医疗机构可以借助本身积累的和大数据平台收集的不同病例和治疗方案，以及病人的基本特征，建立医疗临床决策支持系统。医护人员可以在系统支持下开展临床活动，包括疾病的早期诊断、个性化诊疗、不良事件预警（如感染等）、医学影像智能识别等。病患可以通过借助大数据技术建立的在线医疗问诊平台，获取自诊自查、远程看病等服务，获得更便捷、完善的医疗服务。
金融企业的大数据应用主要在信贷风险评估、骗保识别、智能投顾等方面，应用大数据已经成为金融行业热点趋势。
银行通过大数据技术可以为客户建立画像，在此基础上建立企业及个人风险名单库，过滤高风险客户。借助大数据手段，保险企业可以通过建立保险欺诈识别模型，提高骗保识别的能力。智能投顾业务即提供线上投资顾问服务，基于客户的风险偏好、交易行为等个性化数据，采用量化模型，为客户提供低门槛、低费率的个性化财富管理方案。
大数据在其他类型企业中的应用详见附录。
02
大数据在企业生产经营应用中面临的困难和挑战
一是系统间数据无法互通。
因大数据来源分散庞杂、标准不一，不同来源的数据以不同数据格式分散在不同的数据管理系统中，由于各系统存在应用模型不统一、接口难对接等问题，导致系统间的数据无法完全打通。企业和企业之间、企业内部各部门之间、甚至生产线上各个设备之间信息系统相互独立，数据格式、结构千差万别，导致在现阶段实现信息的集成贯通比较困难，数据壁垒较为明显。
二是人才短缺。
大数据人才是企业有效利用大数据进行生产经营的重要保障。如今大数据人才短缺，无论在“量”上还是在“质”上都无法满足庞大的、飞速更新迭代的市场需求，既懂生产工艺流程又懂大数据技术的复合型人才更是严重紧缺，制约着企业大数据技术应用的发展。
三是信息安全保障欠缺。
当前大数据的相关标准仍处于探索期，各行业大数据的安全规范还存在较多空白，并且分布式存储方式对于数据的保护相对简陋，使不法分子能够较为轻易地利用相关漏洞实施非法操作，导致用户隐私等信息的安全无法得到有效保障，阻碍数据共享流通。
四是数据存不下、流不动、用不好。
飞速发展的信息通信和互联网技术以及新型应用需求的产生带来了数据爆发式的增长，海量数据在带来更多机遇的同时，也给传统的基础设施带来了前所未有的挑战，由于存储系统仍为传统架构以及存储成本高昂等原因，数据存不下、流不动、用不好的问题日益严重，制约着数据积累。
五是数据采集不全面、数据开发应用不足。
尽管大数据对企业的生产经营已经起到了显著的提质增效作用，但不同类型企业处于大数据应用的不同阶段，面临不同层次的困难和挑战，相比于服务业，农业和制造业在大数据技术应用上尚处在发展初期。制造业企业在生产经营中所采集的工业大数据在来源、结构上更为复杂，面临着数据采集不全面、数据开发应用不足等问题，同时出于对数据安全问题的考虑，部分企业不愿共享数据，阻碍了数据的共享流通。
03
促进大数据在企业生产经营中应用的政策建议
为更好地释放大数据价值，促进大数据在企业生产经营中应用，可以在以下几个方面采取措施：
一是加强大数据标准体系建设，破除数据壁垒。
探索数据流通规则制度，建立规范化的传输协议和数据格式，统筹考虑各领域大数据标准化需求，在现有标准体系的基础上迭代更新，保障大数据标准对大数据技术、产业创新发展的持续推动作用。例如，引导企业通过梳理分析核心业务与辅助业务，将总公司与子公司间、公司部门之间、公司岗位之间的输入、输出关系严谨表达，确定数据共享系统分类，形成数据接口清单，助力企业打破“信息孤岛”的阻碍。
二是加快推进大数据基础设施建设，为推动大数据技术稳定发展奠定基础。
充分发挥工业互联网、物联网在数据采集方面的优势，推进重点领域工业互联网、物联网的建设部署，提升实体经济数据采集的范围与质量。加快推进5G等网络基础设施建设，以网络通信能力的持续优化促进数据传输速度的稳步提升；推进云存储的创新发展与应用，为各行业各领域存储大数据提供空间支撑；推进大数据中心建设，为实体经济各领域大数据的分析利用提供坚实支撑。
三是有序推进数据开放共享。
充分发挥地方大数据管理局连接政府和企业数据共享流通的纽带作用；以大数据管理局为依托打造政府数据共享交换平台，建立健全政府数据的分类分级制度，制定企业对政府数据共享需求清单，明确政企双方的权利与责任等，逐步加大政府数据向企业共享和开放的力度。
四是加快培育复合型大数据人才。
推进学历教育机构、职业教育机构、企业及社会培训机构等对复合型大数据人才的培养。采取跨校、跨院系、跨专业交叉培养等方式，培育数据工程师等专业人才和多学科背景的复合型人才。同时，组织在职人员进行大数据知识普及和应用技能培训，提升在职人员融合应用大数据技术的能力，为企业有效利用大数据进行生产经营提供重要保障。
五是完善网络及大数据安全体系建设，保障大数据市场的健康、有序发展。
一方面应健全网络环境的安全防护体系。加强互联网安全技术的应用，强化网络安全防御体系，完善网络空间日常巡检和风险预警机制，从而全面增强网络安全态势感知、预警和应急处置能力；另一方面需强化大数据安全保障体系建设。首先，完善安全标准规范制定，协同制定基于不同行业特色的大数据交易规范及数据安全使用标准，建立有效的投诉机制和惩罚机制，实施全程全网的数据安全使用管控与源头追溯；其次，提升安全保障技术水平。推动数据防泄漏（DLP）技术、云平台数据安全等数据安全防护专用技术的研发与应用，为数据共享流通提供保障。
附录
一、大数据在农业类企业中的应用
农业类企业的大数据的应用主要为精准化农作物生产管理、精细化畜禽/水产养殖、智能化农业生产设备等方面。在养殖过程中，企业利用耳标、可穿戴设备以及摄像头等采集信息，运用深度学习算法对数据进行分析，判断产品健康状况、位置信息以及发情期预测等，对其进行精准管理。在农业生产管理过程中，通过将新型技术搭载到传统生产工具和材料上的方式，按照设定的程序标准，指挥生产、加工，使生产标准化、智能化、便捷化，提高产量和质量。
二、大数据在运输物流类企业中的应用
运输物流类企业的大数据应用主要在货源与运力精准匹配、智慧物流、货运行业信用体系建设等方面。企业通过大数据整合货车与货源信息，提高车货匹配效率，使车主的车辆得到更加有效的利用，进而减少货车空驶率；物流公司通过大数据与人工智能技术实现智能车辆路径规划，实现物流运输路径最优化；此外，运用大数据技术开展的保险和信用保障服务，在有效转移风险的同时保证了整个行业的信用水平。
三、大数据在房地产经纪类企业中的应用
房地产经纪类企业的大数据应用主要为在线看房、经纪人服务优化、客户画像等方面。VR看房、AI讲房相结合的功能，一方面帮助消费者提前深度了解房源，减少不必要线下看房数量；另一方面，可节约经纪人的时间、提升服务效率。智能门锁、在线签约与线上贷款等功能模块，大幅节约了购房者、业主、经纪人以及银行等多方的时间成本。签约后环节，流程自动化机器人可以实现政府网签备案、银行贷款信息录入自动化操作，提高了交易专员的作业效率。
四、大数据在旅游服务类企业中的应用
旅游服务类企业的大数据应用主要包括旅游产品的个性化推荐、景区服务体系优化以及景区智能管理三个方面。旅游服务类企业根据用户对相关旅游线路搜索关注的情况进行资源整合，为游客推荐个性化的旅游景点、餐饮服务、旅游活动等旅游产品。企业能够以互动体验为核心，运用大数据技术，营造旅游景区个性化、人性化的服务体系。
例如利用GPS定位游客的行走体验，重新设计景区的旅游线路；利用VR实现景区景点的在线虚拟旅游等。通过对各地交通状况、旅游资源利用的相关数据分析，能够实现对社会旅游资源利用率的预测及拥挤度预警，对公众出行进行有效引导。此外，由用户生产的口碑数据体系，通过用户投诉机制的不断完善，能够多管齐下引导企业提高服务品质。
------------- 往期回顾 -------------
喜欢本文？快点亮右下角“在看”吧