NEWS
媒體報道實現物流產業數據要素價值化，這五方面不容忽視
發布時間：2025-02-13
中國物流產業數據要素價值化面臨多重挑戰，包括信息孤島、標準不統一等問題。要實現數據資源化、資產化、資本化，需加強數字化意識、提升企業信息化水平、推動自動化與智能化發展，并搭建數據要素生態圈，以優化產業結構、降低物流成本。
▍降低成本需數字化賦能
2024年底，我國政府針對物流與供應鏈的發展密集出臺了一系列政策文件，包括中共中央辦公廳、國務院辦公廳印發的《有效降低全社會物流成本行動方案》，商務部、農業農村部、供銷合作總社等九部門聯合發布的《關于完善現代商貿流通體系、推動批發零售業高質量發展的行動計劃》，以及交通運輸部聯合相關部門推出的《交通物流降本提質增效行動計劃》等。
這些方案和行動計劃均圍繞一個核心目標：到2027年，將社會物流總費用與國內生產總值的比率降至13.5%左右。在這些政策文件中，數字化、智能化和智慧化的發展被反復提及，并被視為推動產業各環節高效鏈接、柔性發展的關鍵手段，是實現全社會物流成本降低的重要途徑。
與此同時，國家數據局在2024年年終總結時強調，要圍繞影響數據事業發展的重點問題，組織實施一批具有示范帶動作用的重大項目，統籌抓好“硬投資”和“軟建設”，將項目建設和數據領域的配套改革結合起來，推進適數化改革，出臺有針對性的配套制度和政策。
盡管物流業的數字化進程已推進多年，但實際效果并不顯著，大多仍停留在個別企業的示范案例上，全鏈路的優化鮮見成效。這主要歸因于數據要素價值化過程中，面臨諸多挑戰。
數據要素價值化意味著將數據轉化為能夠帶來經濟利益的資產，并通過流通、交易等手段實現其價值，這一過程可分為數據資源化、數據資產化和數據資本化三個階段。
一是數據資源化。這是數據價值化的起點，涉及原始、無序數據的采集、整理、聚合和分析，將其轉化為有序、有價值的數據資源。
二是數據資產化。在數據資源化的基礎上，通過市場流通交易，使數據資源為使用者或所有者帶來經濟利益，從而成為數據資產。這一階段的本質是形成數據的交換價值，是實現數據價值的核心。
三是數據資本化。數據資產化后，可通過金融手段進一步轉化為數據資本，如數據信貸融資、數據證券化等，實現融資和價值最大化。
▍數據要素全鏈路化仍存瓶頸
正如諺語所言：“羅馬不是一天建成的”。我國物流產業數據要素價值化最基礎的數據要素還沒有實現全鏈路的突破，這成為阻擋數據要素價值化最大的攔路虎。當前，在數據要素收集方面主要存在如下問題。
一是信息孤島現象較為嚴重。物流產業作為生產輔助型產業，從屬于供應鏈環節，不同的產業鏈基礎不一樣，對于信息的重視程度就不一樣。比如像汽車產業，其供應鏈上下游企業的信息化程度較高，而大多數的產業整體信息化程度還較低，從而造成各個鏈路、節點都呈現出孤島現象。
二是信息鏈路接口標準不統一。我國信息化供給主體對于大企業而言，以自研為主；大多數中小企業則以采用外部第三方專業化軟件公司為主。而物流領域的信息化供給主體來源眾多，有的從生產企業轉型角度、有的從咨詢企業轉型角度，還有的是專業提供某一板塊隨后逐漸擴充至物流、供應鏈全鏈路軟件等。其中值得注意的是，各家提供的軟件語言標準不統一、定義不統一、流程設置不統一、標準作業規范不統一等，最終造成了即使是有信息化軟件，也很難做到有效連接，依然是通過表單格式導入導出數據，導致傳遞成本較高。
三是數據斷鏈造成鏈條不完善。因為孤島現象、標準不統一等原因，數據鏈極易斷鏈，使得整條數據鏈不完善，對于供應鏈產業鏈的優化不能起到有效支撐。
四是業務鏈過長，收集方法或工具缺失。物流產業的業務點眾多，尤其是隨著新消費、直播電商、內容電商等新業務模式的興起，從2B逐步向2C轉變。商流的變化導致物流發生變化，所以對于收集方法及管理工具等都提出了新的挑戰。而傳統的軟件公司大多數都沒有進行深度重構，更多的還是在原有的底層架構進行刪減或增加，從而造成了數據收集存在各種各樣的問題。
五是信息失真，甚至人為造假。數據斷鏈既有業務鏈過長、收集方法和工具落后的原因，也有人為主觀原因造成信息失真的情況，尤其是在冷鏈物流領域，此類情況比比皆是。
六是信息或數據延時情況較為普遍。因為孤島現象、業務鏈節點眾多、工具落后、標準不統一，再加上作業主體的主客觀原因，從而造成信息和數據收集傳遞不及時，滯后現象時有發生。因此，對于整體鏈路的質量提升和優化意義不大，滯后的信息即使是有幫助，但大多數都是屬于事后總結行為，只有達到信息傳遞實時化才會對物流運作有實際的幫助。
▍數據要素價值化的實施路徑
數據要素價值化以數據要素或者信息的“真實、準確、實時、全程”為基礎，通過構建數據模型，得出關于當前運營的現狀、問題、優化點，提供優化路徑，通過長周期的縱向、橫向對比，進而不斷地提升物流全環節、供應鏈全鏈路的運作效能。因此，各方應要協同突破上述瓶頸，實現數據要素價值化，需采取以下措施。
第一，數字化意識不夠，對數智時代理解不深入的企業，應加強關于概念、價值的普及。從農業時代到工業時代，再到信息時代，隨之進入工業4.0的數字時代，各種新技術眼花繚亂，數字化、智能化、智慧化的主體從AI概念快速推進，并在各場景落地。如直立型機器人、輔助機器人的普及化，通過與AI技術的深度融合，智慧型機器人的到來對業務運作，帶來不可估量的幫助。
第二，企業本身信息化水平較低，阻攔數據要素價值化的所有問題的底層原因在于我國物流產業信息化程度依然處于低位運行。因此，企業應強化流程化、標準化和信息化的建設。盡管當下各種新技術不斷發展，但技術紅利鮮有惠及全行業的基層作業領域。有數據顯示，我國物流產業整體信息化完整率應用度不足20%。
第三，企業不應過度關注宏大敘述，應腳踏實地圍繞應用場景進行引導實施。雖然我國整體物流行業從業人員對于數字化等概念不甚了解，但是必須要清楚數據本身是抽象的，甚至還不如“信息”一詞更為人所了解。因此，只有將抽象的數據納入到具體的業務應用場景，才能讓從業人員更了解，也更能發揮價值。
第四，人工作業依然是物流產業的主要運作主體，而推動企業自動化、智能化發展可以有效實現數據采集的高質量效果。近些年，雖然我國在自動化、智能化裝備方面取得了較大的發展，但是從物流行業整體發展來看，以三方物流為代表的服務型企業的自動化、智能化裝備應用度還是較低。而自動化和智能化的發展必然是以流程化、標準化為前提，可以最大限度地減少人員參與的干擾，能夠實現信息和數據采集實時化、真實化、準確化。如果能夠大幅提升物流行業的自動化和智能化水平，必然會促進我國物流行業數據要素的質量提升，也為數據要素價值化提供最為堅實的基礎。
第五，企業應搭建數據要素生態圈，從單點突破，逐步過渡到供應鏈、產業鏈，最終實現全平臺的數據要素產業賦能。數據要素的生態圈涵蓋面非常廣泛，主要圍繞著供給方、需求方、使用方、監管方、服務方等方面展開。
在數據要素產業鏈條中，各方扮演著不同的角色，具體可分為供給-流通-應用三大環節。在數據供給環節，各級政府、電信運營商、大型國有企業、大型互聯網公司等匯聚了海量數據，數據服務商應協助這些數據提供者，進行數據采集和分析，將原始數據轉化為有價值的資源，最終通過金融單位進行定價，實現數據資本化。如果數據資源脫敏之后能夠對社會開放，必然會加速全社會的數據資源共享和價值化，也能提升行業整體服務管理水平。最終，隨著場景化應用和數據資本化推進的加快，反過來又會進一步深化其在供應鏈各個環節的應用，從而實現物流產業賦能。
隨著AI時代的來臨，智能裝備在民生領域逐漸普及，物流等行業也將依托場景化和信息化，實現場域、個域、體域的“三域合一”，串聯作業活動與個體信息和智能設備的數據，打通供應鏈上下游斷點，最終邁向“智能原生”狀態。而智能原生的發展，將推動業務智能體在大數據和大算力的加持下進入“自智時代”，實現從數智時代向算智時代的跨越。在算智時代，數據要素的實時化、準確化、真實化、全程可溯化將逐一實現，數據要素價值化道路上的障礙將被逐個擊破。
未來的物流行業將利用大算力對數據要素進行有效分析、處理和應用，轉化為對經濟活動有益的洞察和知識，通過數據要素生態圈充分發揮其價值。這不僅將直接或間接產生社會價值和經濟價值，更將有效推動物流和供應鏈產業結構的優化和升級，提高生產效率，促進物流產品和服務的創新，極大提升全社會貨物周轉率，有效降低全社會物流成本。（作者系中糧科工商管中心副總經理）
▍降低成本需數字化賦能
2024年底，我國政府針對物流與供應鏈的發展密集出臺了一系列政策文件，包括中共中央辦公廳、國務院辦公廳印發的《有效降低全社會物流成本行動方案》，商務部、農業農村部、供銷合作總社等九部門聯合發布的《關于完善現代商貿流通體系、推動批發零售業高質量發展的行動計劃》，以及交通運輸部聯合相關部門推出的《交通物流降本提質增效行動計劃》等。
這些方案和行動計劃均圍繞一個核心目標：到2027年，將社會物流總費用與國內生產總值的比率降至13.5%左右。在這些政策文件中，數字化、智能化和智慧化的發展被反復提及，并被視為推動產業各環節高效鏈接、柔性發展的關鍵手段，是實現全社會物流成本降低的重要途徑。
與此同時，國家數據局在2024年年終總結時強調，要圍繞影響數據事業發展的重點問題，組織實施一批具有示范帶動作用的重大項目，統籌抓好“硬投資”和“軟建設”，將項目建設和數據領域的配套改革結合起來，推進適數化改革，出臺有針對性的配套制度和政策。
盡管物流業的數字化進程已推進多年，但實際效果并不顯著，大多仍停留在個別企業的示范案例上，全鏈路的優化鮮見成效。這主要歸因于數據要素價值化過程中，面臨諸多挑戰。
數據要素價值化意味著將數據轉化為能夠帶來經濟利益的資產，并通過流通、交易等手段實現其價值，這一過程可分為數據資源化、數據資產化和數據資本化三個階段。
一是數據資源化。這是數據價值化的起點，涉及原始、無序數據的采集、整理、聚合和分析，將其轉化為有序、有價值的數據資源。
二是數據資產化。在數據資源化的基礎上，通過市場流通交易，使數據資源為使用者或所有者帶來經濟利益，從而成為數據資產。這一階段的本質是形成數據的交換價值，是實現數據價值的核心。
三是數據資本化。數據資產化后，可通過金融手段進一步轉化為數據資本，如數據信貸融資、數據證券化等，實現融資和價值最大化。
▍數據要素全鏈路化仍存瓶頸
正如諺語所言：“羅馬不是一天建成的”。我國物流產業數據要素價值化最基礎的數據要素還沒有實現全鏈路的突破，這成為阻擋數據要素價值化最大的攔路虎。當前，在數據要素收集方面主要存在如下問題。
一是信息孤島現象較為嚴重。物流產業作為生產輔助型產業，從屬于供應鏈環節，不同的產業鏈基礎不一樣，對于信息的重視程度就不一樣。比如像汽車產業，其供應鏈上下游企業的信息化程度較高，而大多數的產業整體信息化程度還較低，從而造成各個鏈路、節點都呈現出孤島現象。
二是信息鏈路接口標準不統一。我國信息化供給主體對于大企業而言，以自研為主；大多數中小企業則以采用外部第三方專業化軟件公司為主。而物流領域的信息化供給主體來源眾多，有的從生產企業轉型角度、有的從咨詢企業轉型角度，還有的是專業提供某一板塊隨后逐漸擴充至物流、供應鏈全鏈路軟件等。其中值得注意的是，各家提供的軟件語言標準不統一、定義不統一、流程設置不統一、標準作業規范不統一等，最終造成了即使是有信息化軟件，也很難做到有效連接，依然是通過表單格式導入導出數據，導致傳遞成本較高。
三是數據斷鏈造成鏈條不完善。因為孤島現象、標準不統一等原因，數據鏈極易斷鏈，使得整條數據鏈不完善，對于供應鏈產業鏈的優化不能起到有效支撐。
四是業務鏈過長，收集方法或工具缺失。物流產業的業務點眾多，尤其是隨著新消費、直播電商、內容電商等新業務模式的興起，從2B逐步向2C轉變。商流的變化導致物流發生變化，所以對于收集方法及管理工具等都提出了新的挑戰。而傳統的軟件公司大多數都沒有進行深度重構，更多的還是在原有的底層架構進行刪減或增加，從而造成了數據收集存在各種各樣的問題。
五是信息失真，甚至人為造假。數據斷鏈既有業務鏈過長、收集方法和工具落后的原因，也有人為主觀原因造成信息失真的情況，尤其是在冷鏈物流領域，此類情況比比皆是。
六是信息或數據延時情況較為普遍。因為孤島現象、業務鏈節點眾多、工具落后、標準不統一，再加上作業主體的主客觀原因，從而造成信息和數據收集傳遞不及時，滯后現象時有發生。因此，對于整體鏈路的質量提升和優化意義不大，滯后的信息即使是有幫助，但大多數都是屬于事后總結行為，只有達到信息傳遞實時化才會對物流運作有實際的幫助。
▍數據要素價值化的實施路徑
數據要素價值化以數據要素或者信息的“真實、準確、實時、全程”為基礎，通過構建數據模型，得出關于當前運營的現狀、問題、優化點，提供優化路徑，通過長周期的縱向、橫向對比，進而不斷地提升物流全環節、供應鏈全鏈路的運作效能。因此，各方應要協同突破上述瓶頸，實現數據要素價值化，需采取以下措施。
第一，數字化意識不夠，對數智時代理解不深入的企業，應加強關于概念、價值的普及。從農業時代到工業時代，再到信息時代，隨之進入工業4.0的數字時代，各種新技術眼花繚亂，數字化、智能化、智慧化的主體從AI概念快速推進，并在各場景落地。如直立型機器人、輔助機器人的普及化，通過與AI技術的深度融合，智慧型機器人的到來對業務運作，帶來不可估量的幫助。
第二，企業本身信息化水平較低，阻攔數據要素價值化的所有問題的底層原因在于我國物流產業信息化程度依然處于低位運行。因此，企業應強化流程化、標準化和信息化的建設。盡管當下各種新技術不斷發展，但技術紅利鮮有惠及全行業的基層作業領域。有數據顯示，我國物流產業整體信息化完整率應用度不足20%。
第三，企業不應過度關注宏大敘述，應腳踏實地圍繞應用場景進行引導實施。雖然我國整體物流行業從業人員對于數字化等概念不甚了解，但是必須要清楚數據本身是抽象的，甚至還不如“信息”一詞更為人所了解。因此，只有將抽象的數據納入到具體的業務應用場景，才能讓從業人員更了解，也更能發揮價值。
第四，人工作業依然是物流產業的主要運作主體，而推動企業自動化、智能化發展可以有效實現數據采集的高質量效果。近些年，雖然我國在自動化、智能化裝備方面取得了較大的發展，但是從物流行業整體發展來看，以三方物流為代表的服務型企業的自動化、智能化裝備應用度還是較低。而自動化和智能化的發展必然是以流程化、標準化為前提，可以最大限度地減少人員參與的干擾，能夠實現信息和數據采集實時化、真實化、準確化。如果能夠大幅提升物流行業的自動化和智能化水平，必然會促進我國物流行業數據要素的質量提升，也為數據要素價值化提供最為堅實的基礎。
第五，企業應搭建數據要素生態圈，從單點突破，逐步過渡到供應鏈、產業鏈，最終實現全平臺的數據要素產業賦能。數據要素的生態圈涵蓋面非常廣泛，主要圍繞著供給方、需求方、使用方、監管方、服務方等方面展開。
在數據要素產業鏈條中，各方扮演著不同的角色，具體可分為供給-流通-應用三大環節。在數據供給環節，各級政府、電信運營商、大型國有企業、大型互聯網公司等匯聚了海量數據，數據服務商應協助這些數據提供者，進行數據采集和分析，將原始數據轉化為有價值的資源，最終通過金融單位進行定價，實現數據資本化。如果數據資源脫敏之后能夠對社會開放，必然會加速全社會的數據資源共享和價值化，也能提升行業整體服務管理水平。最終，隨著場景化應用和數據資本化推進的加快，反過來又會進一步深化其在供應鏈各個環節的應用，從而實現物流產業賦能。
隨著AI時代的來臨，智能裝備在民生領域逐漸普及，物流等行業也將依托場景化和信息化，實現場域、個域、體域的“三域合一”，串聯作業活動與個體信息和智能設備的數據，打通供應鏈上下游斷點，最終邁向“智能原生”狀態。而智能原生的發展，將推動業務智能體在大數據和大算力的加持下進入“自智時代”，實現從數智時代向算智時代的跨越。在算智時代，數據要素的實時化、準確化、真實化、全程可溯化將逐一實現，數據要素價值化道路上的障礙將被逐個擊破。
未來的物流行業將利用大算力對數據要素進行有效分析、處理和應用，轉化為對經濟活動有益的洞察和知識，通過數據要素生態圈充分發揮其價值。這不僅將直接或間接產生社會價值和經濟價值，更將有效推動物流和供應鏈產業結構的優化和升級，提高生產效率，促進物流產品和服務的創新，極大提升全社會貨物周轉率，有效降低全社會物流成本。（作者系中糧科工商管中心副總經理）
來源：物流時代周刊
注：如有侵權，請聯系義烏外貿/物流博覽會組委會刪除此文章
浙公網安備33078202001668號