如何解锁制造业数据的价值？（下）

本文编译自波士顿咨询公司（Boston Consulting Group）与世界经济论坛（World Economic Forum）近期联合发布的报告《如何解锁制造业数据的价值？》（Share to Gain: Unlocking Data Value in Manufacturing）。本文对脚注及正文内容有删减。

本文上篇内容已发布，可点击如何解锁制造业数据的价值？（上）阅读。

3.跨数据共享领域的协作模式

本文审查那些可以应用数据共享的不同领域发现了某些共同点。本节描述了协作中的共同点，并总结了可视性的主要驱动因素和障碍。此处并未涵盖与数据共享相关的所有协作方式，因为重点是针对本文进行的访谈和调查的结果。

从合作的主体出发，有三种主要模式：

–通过第三方提供解决方案在制造商之间

–在供应链中的直接供应商和制造商之间

–通过机器供应商在制造商之间

由于竞争和合规方面的挑战，处于同一价值链上的公司之间很少直接在产品和生产相关数据上合作。例如，两个汽车原始设备制造商可能不会直接分享他们的产品和生产数据，但如果他们希望合作，他们可以通过第三方来实现。

在所有这些模式中，促使数据共享的两个主要因素是：

–为实现高绩效的强分析能力。制造商需要足够的数据来进一步优化生产设备。通过共享数据和整合数据集，公司可以实施无法单独实现的解决方案。

–提高价值链的透明度。制造商越来越需要了解端到端价值链中的产品（包括其原产地、真实性、位置和状况）和生产过程。他们可以通过建立跟踪和监测系统来提升透明度。

连续的数字记录和价值链上的流程自动化。

制造商可以选择两个层面的合作来实现这些动机：

–专注于某个特定的应用，要么由第三方支持，要么自己协调（例如，使用特定的传感器和云端解决方案在价值链上进行状态监测）

–建立更全面的伙伴关系（例如，使用区块链结构同时处理所有相关的供应链应用），构建产品的跟踪、可追溯性、来源、真实性和数字孪生。

为了解决这些问题，成功的合作需要：

–明确的价值主张和数据共享的理由

–互利的协议

–安全技术和共同标准。

基于上述认知，有一个框架和一套工具可以帮助制造商开始实施上述解决方案。下一节将详细介绍这个框架。

4.如何开始

五步框架可以帮助制造商建立一个数据共享关系（见图8）。这个框架并没有涵盖建立一个复杂的数据共享合作的所有方面。相反，它是对数据共享应用和建立成功的数据共享关系进行知情讨论的起点，然后合作伙伴可以用它来为他们的合作做详细的准备。

开始的关键是找到合适的合作伙伴来追求价值主张并建立他们的信任。然而，数据共享的合作有其独特的挑战：

–在没有背景信息的情况下，难以估计数据的价值和与相关风险有关的成本

–有必要评估参与合作的整个团体的准备情况（必要时弥补伙伴关系中的技能差距）

–需要迭代，因为合作伙伴选择的合作方式可能会影响风险、成本或与应用相关的数据类型。

为了解决这些复杂的问题，白皮书所提出的框架是迭代式的，并包含清单和评估，以：

–评估和选择数据共享应用（清单）。

–确定正确的应用合作伙伴（评估）。

–确定合作的正确设置（清单）。

虽然在使用这些工具时必须审查一些因素，但以下几点将有助于解决主要问题。

评估和选择数据共享应用。为了了解数据共享应用，公司必须至少调查数据共享的四个方面：范围、可及性和质量、价值和风险。

–范围。明确定义数据的范围：哪些数据将被共享以及何时共享（例如，连续或每天分批）。这可以让所有的合作伙伴更好地了解实施应用所需的准备和相关风险。

–可获得性和质量。评估应用所需数据的可用性和质量。这将有助于确定数据准备所需的工作量。

–价值。估计数据共享应用的潜在价值，并将其与实施和运行该应用的成本相比较。

–风险。澄清相关的风险和其他可能的法律问题在这种情况下数据共享的障碍。

评估与共享数据相关的价值和风险可能很困难，因为它们在很大程度上是由数据的使用环境决定的。因此，详细的评估需要召集各种专家，从不同的角度考虑这些应用。

为应用确定合适的合作伙伴。识别或选择合作的伙伴是一项复杂的任务，包含几个方面。成功的数据共享所需的技术准备和能力是：

–数据的可用性和可访问性。应用的数据可用性和可访问性，以及改变、终止和更新数据访问权限的机制

–数据组织。实现数据共享的组织结构、角色和专业知识

–数据基础设施。目前正在使用并适用于数据共享和保证安全的平台、工具、模型和架构

为使数据共享联盟取得成功，合作伙伴必须具备实施应用所需的技术能力。所有参与者必须有类似的数字成熟度，才能使一个共同的系统能够安全地运作。

对所有可能的合作伙伴进行这些因素的评估，可以让合作者感知到联盟的优势和劣势。如果参与者发现一个与应用有关的关键问题没有得到适当解决，他们可以引入一个额外的合作伙伴，将技术准备提高到一个可接受的水平。

为合作确定正确的设置。参与者必须考虑多个维度，为合作选择正确的设置。以下三个方面是最相关的，因为在准备实施时可以对它们进行更有针对性的讨论：

– 机制和管理。数据共享关系将如何结构化（例如，直接共享，通过机器供应商或通过服务提供商）？谁将拥有这些数据？

–补偿。各方将如何分享所创造的价值（例如，没有补偿，以服务作为补偿或根据协议分享）？

–技术。必须考虑哪些具体的技术和架构要素（例如，数据流、数据安全和数据接口）？

正确的设置与应用的类型密切相关，并以前面讨论的常见合作模式为基础。对于一些应用，如实施预防性维护，共享机制可以通过机器供应商、补偿可以通过增加服务来实现，而处理可能发生在数据仓库中。

图9概述了该框架是如何运作的，它提供了一个说明性示例，详细说明了步骤、清单和评估工具。

5.在制造业中成功分享

数据的关键推动因素

在应用了上一节提出的框架后，制造商仍有很多工作要做，以为数据共享做准备。公司之间的数据共享很复杂，合作伙伴需要克服许多障碍。

调查和访谈的参与者列举了许多不共享数据的原因。他们最关心的是安全问题，商业机密的潜在损失，谈判能力的丧失，以及衡量数据的价值的难度。那些已经分享数据的制造商说，他们的主要挑战是与所有权、限制和法规有关的法律不确定性，以及技术障碍（如互操作性问题）。

本文进行的研究确定了数据分享成功的四个关键推动因素，可以帮助制造商应对这些挑战：

–技术选择

–使用共同标准

–建立信任

–法律和监管规则的确定性

5.1.选择正确的技术

如今，制造商有几种选择来实现安全的数据共享合作。风险总是存在的，但选择正确的技术基础设施和架构的公司可以将这些风险降低到一个可接受的水平。

公司在选择数据存储库、平台和加密技术时有多种选择需要考虑。云服务上的数据湖可能足以满足一种应用，而另一种应用可能需要区块链解决方案。此外，金融和保险行业企业正在实施新的隐私增强技术，这些技术可能会在制造业中实现有趣的应用。本文的附录简要介绍了这些技术，包括它们的优点和缺点以及它们与制造业数据共享的关系。

5.2.使用共同的标准

制造业的数据共享需要机器和传感器以及公司使用相同的语言，以便他们能够轻松地汇总和分析数据。为了克服互操作性问题，数据共享安排需要多层的标准化。

帮助制造商应对这些挑战的举措正在制定。一些组织正在开发促进制造数据交流的标准，而其他组织正在开发通用的参考架构，以便在整个行业范围内使用。此外，联盟正在形成以定义有助于理解数据的共同数据模型。

然而，由于需要做的工作还有很多，管理数据共享所有方面的全球标准可能不会在短期内出现。尽管没有一个全球性的标准，制造商仍有一些选择和资源可供使用。本附录简要介绍了这些标准和参考架构，以及它们与制造业相关的原因。

5.3.建立信任

成功的数据共享关系的主要障碍是如何围绕一个明确的价值主张在合作者之间建立信任。为了促进信任，公司需要：

–将数据视为一种商业资产，并在其价值主张中考虑数据。

–建立以共同目标和互利为重点的关系型合同。

将数据视为一种资产。将数据作为一种资产的概念并不新鲜。然而，物联网、分析学和人工智能的进步提升了正确理解、分类和管理数据的重要性。将数据视为商业资产，有助于公司对其进行估值，并采取适当的行动来保护、分享或出售它。

正如分享任何资产一样，公司在分享数据之前，需要了解它所提供的价值和它所获得回报的价值。如果一个公司用其数据换来的价值不超过在内部保留数据的价值，它就不会参与数据共享。不幸的是，确定数据的价值可能特别困难。

如今，人们可以在数据市场上进行数据交易。理论上，通过在市场上提供数据集，制造商可以获得对其价值的客观理解。然而，没有制造商会仅仅为了这个目的而将其敏感的产品和生产相关数据放在市场上。

此外，在评估数据的价值时，必须考虑应用背景。一种特定类型的数据可能在一种应用中具有价值，但对另一种应用可能没有价值。例如，尽管关于机器振动的数据可能没有单独的价值，但当这种数据应用于减少故障和提高机器正常运行时间时，就变得很有价值。因此，为了对数据进行估价，制造商需要把这些数据放在应用背景中，并考虑如何应用这些数据。只有这样，它才能为每个应用计算出一个价值。

为了充分评估数据的应用价值，制造商必须考虑在特定应用背景下共享数据可能产生的风险。例如，一个公司在云系统中使用的存储空间的数量最初可能看起来是无关紧要的“废气”数据，它可以共享。然而，数据共享关系中的另一方可以利用这些信息来深入了解企业正在如何运作。因此，即使分享废气数据也可能对企业造成损害。

为了应对估值挑战，制造商需要一种结构化的方式来管理他们的数据资产，根据哪些是可共享的、哪些是不可共享将其分类，并仔细评估每一种用途所产生的价值和风险。如果没有这方面的知识，公司将对数据共享望而却步，宁愿保留他们的数据，以至于阻碍创新，数据难以产生价值。

专注于双赢的解决方案，建立关系型合同。在数据共享关系和数据价值链中，可能很难界定所有权的概念。例如，如果一个数据服务提供商合并和转换多个数据集，则安排中的合作伙伴可能会发现很难要求对最终数据集的所有权。除了所有权，服务提供商和合作伙伴还必须管理数据访问和使用。

处于数据共享关系中的公司目前使用合同协议来定义哪方可以访问哪些数据以及数据的允许用途。正如全球律师事务所贝克-麦肯锡(Baker McKenzie）在一份关于数据资产的文件中所概述的那样，为了实现成功的数据共享，合同协议需要考虑访问和存储数据的规则，对数据的汇总、使用和进一步共享的限制等问题。合同还必须定义各方如何获得补偿，以及如何分享数据使用带来的利益。为了分享利益，各方需要协调他们的不同利益，并专注于为各方创造价值的双赢解决方案。

《哈佛商业评论》（Harvard Business Review）中介绍的关系型合同的新概念提供了一种应对这些挑战的方法。在关系型合同中，双方明确共同目标并建立结构以保持长期利益一致。关系型合同专注于各方的既得利益，旨在实现促进这些利益的成功关系。相比之下，传统的合同协议列出了所有可能的风险，并试图通过严格的条款来管理关系的所有方面。

在制造业数据共享的背景下，供应商和生产商在终端客户收到的质量方面都有既得利益。假设这两方可以通过数据共享来提高最终产品的质量（例如，通过共同优化工艺参数或创建数字孪生）。在这种情况下，使用注重质量目标的关系型合同将比定义供应商必须向生产商提供的质量水平的传统合同有效得多。

日本的供应商和原始设备制造商已经开始采用这些合同。原始设备制造商与他们的主要供应商在许多领域密切合作，包括减少质量问题。在这些安排中，原始设备制造商认识到他们的成功取决于他们的供应商，而供应商知道他们将从原始设备制造商那里得到他们所需要的支持。这些领先的公司明白，在合同层面建立信任关系是他们成功的一个重要方面。

5.4.法律和监管具有确定性

政府在帮助制造商实现数据共享的潜力方面具有重要作用。与数据有关的法规和政策会对数据共享造成障碍。本地化要求就是一个例子。各国利用这些要求使公司在其边界内存储特定的数据，或对数据的流动施加限制。这种要求会使供应链中的跨境数据共享变得相当困难。事实上，世界贸易组织已将数据本地化法律列为数字贸易障碍。

同时，现实发展是令人兴奋的。例如，欧盟最近颁布了一项法规，实际上消除了其管辖范围内对非个人数据的本地化限制，从而使这些数据能够更自由地流动。

同样，政府、行业和其他公共利益相关者可以一起研究新的合作方式，以释放数据并提供符合公共利益的服务。数据信托就是这样一种发展。开放数据研究所将数据信托定义为一种新的结构，在这种结构中，数据所有者将其数据控制权交给一个受托人小组，该小组照顾数据所有者以及用户的利益以帮助用户为社会提供利益。可以进一步调查类似的选项，以了解它们将如何适用于制造业。

额外的激励和努力是必要的。政府与行业协会一起，可以进一步支持全行业的标准化，激励使用共同的架构和标准。最后，政府可以选择直接支持企业以帮助创造一个公平的环境。例如，韩国数据机构为制造业提供各种与数据有关的解决方案。这包括用“数据凭证”（data vouchers）支持中小型企业。

6.总结

那么，制造业中数据共享的未来是什么？

在未来的一个愿景中，人工智能的进步将使制造商变得更能保护他们的数据资产，并更不愿意分享它们。在封闭的生态系统中工作，企业会竞相将其他人锁定在他们的结构中。在另一个愿景中，制造商将使用全球公认的标准、参考架构和通用模型自由分享数据。因为所有的数据都是可用的，并且在必要的时候很容易访问，制造商甚至不必担心如何具体应用。但在短期内，数据共享实践可能会介于这两个极端之间。

每个制造商都有机会立即开始通过数据共享释放价值。为了实现这一目标，制造业的领导者必须建立一个明确的愿景，制定正确的价值主张，并通过在其生态系统内建立信任来选择正确的合作伙伴。

一旦这些先决条件到位，制造商可以专注于克服数据共享的其他障碍，如安全、隐私和互操作性。通过使用本白皮书中介绍的结构化方法，领导者可以确定相关的应用并促进合作的成功。

尽管有许多不确定因素，但成功的秘诀是明确的：专家、行业参与者和政府必须围绕数据共享加强合作，使更多制造商成为数字的主人。

本文将为这一领域的进一步对话提供信息。塑造未来先进制造和生产的世界经济论坛平台为进行讨论和发展旨在促进数据共享机会的新合作提供了一个空间。

附录

a.技术

数据共享一般从将各种零散资源的数据合并到一个存储库开始，然后公司可以用它来完成分析和建立平台。数据库是结构化数据集的储存库。这些数据已经从不同的来源中挑选出来，经过清洗并整合到一个预定的结构中。数据湖是非结构化数据的储存库，这些数据没有经过最初的清洗步骤就已经结合在一起。公司可以根据特定应用的需要来构建数据。数据湖对于存储和利用实时数据非常有用，这使得它们在需要持续监测和快速反应的数据共享领域特别有价值，如跟踪。

公司也可以选择同时使用数据库和数据湖，这取决于应用场景。一些成熟的技术允许公司使用通用的云服务构建数据平台，如亚马逊网络服务（AWS）、谷歌或微软，或特定行业的服务供应商，如Palantir。几个制造商，主要是较大的公司，已经在其供应链中使用这种解决方案来管理来自其供应商的数据。

制造商也可以建立独立于特定应用的数据平台，并要求其供应商和其他公司加入。在这些平台中，多家公司可以共享数据并利用不同的服务。为了建立这种平台，制造商可以从各种技术解决方案中进行选择。领先的公司已经在寻求这些选择。例如，大众汽车最近宣布，它已经在AWS上创建了一个连接自己工厂的协作平台，它的目标是最终整合供应商。宝马和微软最近也宣布建立一个平台，在这个平台上，几家公司可以使用一个开放的架构和开源组件将他们的数据结合起来，以创造新的解决方案。

在这种安排下，准备、清洗和整合数据的过程中会出现挑战和安全漏洞。大数据价值协会在其最近的立场文件《迈向共同的欧洲数据空间：实现数据交换和释放人工智能潜力》中列举了以下技术挑战：

–准备和清洗数据是很耗时的，尤其是在没有标准命名惯例和参考架构的情况下。

–数据所有者很难在一个组合的数据库中维护和管理其数据所有权。

–难以保证数据分析的结果。

–难以保证安全的访问控制和保密性。

–如何追踪数据的准确性和正确性是个问题，而且没有广泛接受的数据质量标准。

区块链技术可以通过启用共享的分布式记录或交易分类账来解决其中的一些问题。账本对每个参与者开放，但不受中央控制。从技术角度看，区块链有几个优点，如提供单一版本的真相，易于使用，审计和记录不可更改。区块链的这些优点使该技术在供应链中具有吸引力，可用于建立出处和可追溯性，简化流程和自动化选定流程。

然而，制造商在采用区块链（或一般的分布式账本技术）方面进展缓慢。根据一项全球区块链基准研究，公司主要关注隐私和保密问题。其他问题，如可扩展性、性能、成本和寻找合适的应用场景，则不太突出。即使区块链带来了许多优势，也不可能完全消除因多个参与者可以访问分布式账本中的数据而产生的安全风险。在个人隐私成为问题的情况下，区块链也不是最好的解决方案。因为它创建了一个不可改变的记录，区块链会使其难以遵守有关个人身份信息的规定。

某些新兴技术有望增加隐私并减少与数据共享相关的风险，因为它允许用户在未看到基础数据的情况下分析和处理数据。一些发展与制造业有关：

–零知识证明（zero-knowledge proof）是一种加密技术，帮助用户证明他们的声明是真实的，而不透露声明本身的信息。

–同态加密（homomorphic encryption）是在整合和分析单个数据集之前对其进行加密， 因此只有数据所有者可以解密并看到结果。谷歌称这种技术为“私有连接和计算”，最近将其作为一个开源的加密工具发布。

–联邦分析（federated analysis）需要各方从对其数据的本地分析中共享见解，而不需要在一个中心位置整合数据。

–安全多方计算（secure multiparty computation）结合了其中的一些技术，不同的各方在不透露他们的输入和输出集的情况下处理同一问题。

这些隐私增强技术与区块链相结合，可以在共享数据的制造业企业之间提供高水平的安全和信任，并解决大多数与信任有关的问题。虽然金融和保险行业的公司已经应用了这些隐私增强技术，但它们在制造业的应用还需要进一步调查。

在努力从数据共享中获得价值的过程中，制造商应该认真对待网络安全问题，建立有弹性的系统，研究确保其生态系统安全的手段和对成功至关重要的安全问题。

b.标准

为了避免互操作性的问题，制造商必须选择正确的架构和标准来处理其共享数据。事实上，一些专家认为互操作性是行业内数据共享的主要障碍。在技术层面上，标准确保数据共享关系中的每个传感器、机器和公司使用相同的方法来收集、汇总、交流和分析数据。在缺乏这种统一性的情况下，公司无法利用某些不同的数据。

实现数据共享的互操作性类似于实现讲不同语言的人之间的交流。语言使用不同的词来指代相同的对象，使用不同的语法结构来传达相同的信息。但是，还没有使用相同词汇和结构的人可以参考字典并翻译他们的语言，以便交流。

同样的逻辑也适用于互操作性。如今，传感器、机器和产品通常不说同样的 “语言”。更重要的是，公司使用不同的方法来收集、汇总和交换数据。通过使用通用字典、模型和通信标准，公司可以促进数据共享，并加速数据的汇总和分析。公司或其服务提供商可以为每个数据共享项目定义专有的结构，或者他们可以从广泛接受的参考架构和标准中选择。

目前正在采取一些措施，以创建制造商的数据共享标准。例如，OPC基金会已经开发了开放平台通信（OPC） 统一架构，以提供各个行业的制造数据通信标准。以这些标准为基础，VDW（德国机床制造商协会）等组织正在机床、软件和信息技术系统之间构建通用接口。各个国家和国际组织及行业协会也提出了制造业的参考架构，如：

–工业4.0参考架构模型；

–工业物联网参考架构；

–工业价值链参考架构；

–国际数据空间参考架构。

此外，技术公司已经建立了针对其数据平台的专有参考架构，如微软Azure工业物联网参考架构。

通过使用参考架构、通用标准和模型，公司可以建立联盟，并释放每个联盟生态系统内的数据。然而，为了充分利用数据共享的长期优势，制造商不仅需要在生态系统内标准化接口，而且在它们之间也需要标准化接口。一些公司，特别是中小型企业，参与了多个生态系统。一个在不同生态系统中与多个客户合作的小型供应商可能会被邀请加入几个联盟，每个联盟都使用不同的标准或技术。例如，目前有一些区块链技术解决方案，如Hyperledger Fabric、R3 Corda和Ethereum Enterprise。供应商可能会被锁定在特定的解决方案中，以便与特定的客户合作，或可能遇到技术转换的高成本问题。

认识到这些挑战，各组织正在寻求实现生态系统之间的互操作性。比如：

–国际标准化组织（ISO）和其他标准化机构已经制定了提高透明度和协调性的标准。这种标准的一个例子是ISO 20614，“信息和文件——互操作性和保存的数据交换协议”。

–企业以太坊联盟（Enterprise Ethereum Alliance）是一个由成员驱动的标准组织，旨在为区块链应用开发开放规范。

–GS1，一个非营利性组织，开发和应用独特的识别号码标准，以便公司在需要时能够弥补区块链生态系统之间的差距。

由于许多举措已经启动，以开发管理数据共享的标准和通用模型，如果公司选择广泛接受的通用标准，接口处的互操作性和通信很可能不会成为数据共享的主要障碍。

标准的应用和通用参考架构的使用将帮助公司充分利用其数据。应该追求进一步的标准化，但等待全球标准的采用是不现实的，因为制造商总是需要应对地区差异、公司偏好和特定行业知识来理解数据、传统机器、定制系统和不同的数字化成熟度。

（完）

往期文章：

1.产业数据治理

2.欧盟数据治理模式

3.数据权属与数据治理之争

4.全球数据治理观察

5.数据跨境流动治理

数据跨境流动的规则监管与多元治理