1、 ICS 01.040.03 CCS A 12 DB52 贵州省地方标准 DB52/T 1548.12020 大数据与实体经济融合评估规范 第 1 部分：总则 Assessment specification on integration of big data and real economy Part1:general rules 2020 - 12 - 16 发布 2021 - 01 - 01 实施贵州省市场监督管理局 发 布 DB52/T 1548.12020 I 目 次 前言 . II 引言 . III 1 范围 . 1 2 规范性引用文件 . 1 3 术语和定义 . 1 4 评估体
2、系框架 . 2 5 评估体系内容 . 3 6 评估方法 . 5 7 评估报告 . 5 DB52/T 1548.12020 II 前 言 本文件按照GB/T 1.12020标准化工作导则 第1部分：标准化文件的结构和起草规则的规定起草。 本文件是DB52/T 1548的第1部分。DB52/T 1548已经发布了以下部分: 第 1 部分：总则。 请注意本文件的某些内容可能涉及专利。本文件的发布机构不承担识别专利的责任。 本文件由贵州省大数据发展管理局提出并归口。 本文件起草单位：贵州省量子信息和大数据应用技术研究院、国家工业信息安全发展研究中心。 本文件主要起草人：韩朱旸、雷晓斌、马冬妍、葛诗春、
3、高欣东、师丽娟、付宇涵、柴雯、吴亚楠、黄籽渝、李立伟、崔学民、陈恳、吴明娅、李少波。 DB52/T 1548.12020 III 引 言 本文件旨在推进国家大数据（贵州）综合试验区建设，加快大数据与实体经济深度融合，激发数据要素活力赋能实体经济高质量发展。本评估规范以工业企业信息化和工业化融合评估规范（GBT23020-2013）等国家标准为基础，并紧紧围绕大数据赋能实体经济、推动经济社会发展的战略需求，突出理论创新性和实践可操作性，对全国两化融合评估体系进行深化提升，将评估领域从工业延伸到农业、服务业等国民经济全行业，将评估深度拓展到大数据在企业各个关键环节的渗透应用。为更加全面、科学、系统
4、地推进大数据与实体经济融合评估工作，贵州省大数据发展管理局结合前期多年面向全省一万五千余户企业开展大数据与实体经济融合评估试点工作基础， 联合相关研究机构， 制定本文件。 本文件从理论和实践层面探索出一条指导大数据与实体经济深度融合的新路径。对于实体经济企业， 通过本文件可以评估企业自身大数据融合应用水平及各项指标在行业内所处的位置， 指导企业梳理大数据应用路径、精准实施大数据应用方案。对于各级各部门，通过本文件可以评估本领域、本区域大数据融合应用水平及所处的融合发展阶段，指导各地区明确融合工作重点、制定融合工作政策，支撑各行业、各地区、各企业深入推进大数据与实体经济深度融合。 DB52/T
5、1548.12020 1 大数据与实体经济融合评估规范 第 1 部分：总则 1 范围 本文件规定了大数据与实体经济融合评估的术语和定义、评估体系框架、评估体系内容、评估方法和评估报告等。 本文件适用于实体经济各行业企业开展大数据融合应用自评估， 以及为各行业、 各地区开展大数据与实体经济融合评估提供指导和参考依据。 2 规范性引用文件 下列文件中的内容通过文中的规范性引用而构成本文件必不可少的条款。 其中， 注日期的引用文件，仅该日期对应的版本适用于本文件；不注日期的引用文件，其最新版本（包括所有的修订单）适用于本文件。 GB/T 4754 国民经济行业分类 GB/T 22239 信息安全技术
6、 网络安全等级保护基本要求 GB/T 23020 工业企业信息化和工业化融合评估规范 GB/T 35295 信息技术 大数据 术语 3 术语和定义 GB/T 35295 界定的以及下列术语和定义适用于本文件。 3.1 大数据 big data 具有体量巨大、来源多样、生成极快、且多变等特征并且难以用传统数据体系结构有效处理的包含大量数据集的数据。国际上，大数据的 4 个特征普遍不加修饰地直接用 Volume、Variety、Velocity和 variability 予以表述，并分别赋予了他们在大数据语境下的定义： a) 体量 Volume：构成大数据的数据集的规模。 b) 多样性 Varie
7、ty：数据可能来自多个数据仓库、数据领域或多种数据类型。 c) 速度 velocity：单位时间的数据流量。 d) 多变性 variability：大数据其他特征，即体量、速度和多样性等特征都处于多变状态。 来源：GB/T 35295-2017，2.1.1 3.2 实体经济 real economy 物质产品和服务产品的生产、销售等相关经济活动。 DB52/T 1548.12020 2 3.3 融合 integration 将不同事物或物质用难于分离的方法结合在一起，形成一体化。 3.4 价值模式 value model 衡量人类一切社会活动产生的有利因素的统一客观的方法。 3.5 经济生态
8、economic ecology 将所有的经济活动要素与自然环境、人类活动结合起来，合理配置资源，和谐可持续发展。 4 评估体系框架 评估体系框架包括融合基础、融合应用、融合创新、融合效益四个一级指标，每个一级指标包括若干二级指标，共 16 个二级指标。评估体系框架见表 1。 表1 评估体系框架 一级指标 二级指标 组织和规划 工具平台 数据采集 融合基础 数据管理 研发设计 生产制造 供应链 财务分析 经营管控 融合应用 营销服务 产品服务创新 组织模式变革 价值模式创新 融合创新 经济生态共建 竞争力 融合效益 企业效益 DB52/T 1548.12020 3 5 评估体系内容 5.1 融
9、合基础 5.1.1 组织和规划 5.1.1.1 企业大数据相关研发人员、生产人员和管理人员等人才队伍建设情况。 5.1.1.2 企业大数据相关管理的组织机构的设置情况。 5.1.1.3 企业大数据相关制度的建设与执行情况。 5.1.1.4 企业大数据相关部门的职能职责定位情况。 5.1.1.5 企业大数据相关规划的制定和实施情况。 5.1.2 工具平台 5.1.2.1 计算机、服务器等数字化设备的应用情况及企业网络环境等信息设施的应用情况。 5.1.2.2 业务相关数字化设备设施的应用情况。 5.1.2.3 企业在云平台、大数据工具、物联网、移动互联网、人工智能工具等方面的基础条件情况。 5.
10、1.3 数据采集 5.1.3.1 数据要素的采集方式、采集设备建设情况和采集范围情况。 5.1.3.2 数据要素的积累程度和预处理情况。 5.1.3.3 数据要素的存储情况和统一集中管理水平。 5.1.4 数据管理 5.1.4.1 数据标准的制定、管理和实施情况。 5.1.4.2 数据质量分析、评估和管理情况。 5.1.4.3 数据安全等级保护实施、计算机与网络安全、数据资源安全与灾备、设备设施和系统安全、安全管理和防范机制建设等数据安全保护情况。网络安全等级保护应符合GB/T 22239的规定。 5.2 融合应用 5.2.1 研发设计 5.2.1.1 基于标准化的方式对产品模型数据进行定义、
11、管理、共享、传递和关联维护的水平与能力。 5.2.1.2 基于数据要素对数字化产品服务模型或原理样机进行构建和仿真的水平与能力。 5.2.1.3 基于数据要素对产品、服务以及工艺过程进行分析和优化的水平与能力。 5.2.1.4 基于数据要素对产品进行综合设计、持续优化的水平与能力。 5.2.1.5 基于数据要素对实验设计和验证过程进行监控、分析和优化的水平与能力。 5.2.1.6 基于数据要素对研发成果进行复用和对研发质量进行监控、分析和优化的水平与能力。 5.2.2 生产制造 5.2.2.1 基于数据要素对生产计划和生产调度进行分析、优化的水平与能力。 5.2.2.2 基于数据要素对生产服务
12、过程所需物料进行精细化分析的水平与能力。 5.2.2.3 基于数据要素对生产服务过程进行监测、分析和优化的水平与能力。 5.2.2.4 基于数据要素对生产服务过程进行管控和执行的水平与能力。 5.2.2.5 基于数据要素进行安全监控、应急响应及重大危险源预测预警的水平与能力。 DB52/T 1548.12020 4 5.2.3 供应链 5.2.3.1 基于数据要素对供应链进行分析管理和一体化运作的水平与能力。 5.2.3.2 基于数据要素对仓储、库存和物流配送等进行精细化管理和分析优化的水平与能力。 5.2.3.3 基于数据要素对采购、销售进行精细化管理和对市场进行预测分析的水平与能力。 5.
13、2.3.4 基于数据要素对用户订单进行全过程跟踪管理和响应的水平与能力。 5.2.3.5 基于数据要素对原料、产成品和商品进行精细化管理的水平与能力。 5.2.4 财务分析 5.2.4.1 基于数据要素对财务系统和业务系统进行集成管控的水平与能力。 5.2.4.2 基于数据要素对财务进行数字化管理和分析的水平与能力。 5.2.4.3 基于数据要素对企业生产经营成本进行精细化分析、控制、核算和管理的水平与能力。 5.2.4.4 基于数据要素对业务全流程实现财务预算管理的水平与能力。 5.2.4.5 基于数据要素对薪酬与福利进行精细化管理的水平与能力。 5.2.5 经营管控 5.2.5.1 质量和
14、计量数据监测、数据追溯的水平与能力。 5.2.5.2 能源和环保数据监测、预测预警的水平与能力。 5.2.5.3 基于数据要素进行设备监测、管理和诊断的水平与能力。 5.2.5.4 在经营管控中构建知识体系、管理知识产权的水平与能力。 5.2.6 营销服务 5.2.6.1 基于数据要素进行用户画像、产品服务及用户行为分析的水平与能力。 5.2.6.2 电子商务平台和相关数据分析工具在营销服务中应用的水平与能力。 5.2.6.3 基于数据要素开展精准营销和用户需求快速响应的水平与能力。 5.2.6.4 基于数据要素开展客户服务和用户体验提升的水平与能力。 5.3 融合创新 5.3.1 产品服务创
15、新 5.3.1.1 基于数据要素开展产品、服务、平台和解决方案创新的情况。 5.3.1.2 基于数据要素开展业务模式创新和服务化转型的情况。 5.3.2 组织模式变革 5.3.2.1 通过开展大数据融合应用实现组织结构扁平化、柔性化和网络化的情况。 5.3.2.2 基于数据要素实现绩效管理变革和员工赋权，激发员工潜能和创造力的情况。 5.3.3 价值模式创新 5.3.3.1 基于数据要素进行数据变现、数据运营和数据交易的情况。 5.3.3.2 基于数据要素进行信贷、风控、征信等金融服务的情况。 5.3.4 经济生态共建 5.3.4.1 在产业链各企业间进行数据采集与分析、 知识挖掘与积累， 实
16、现企业智能决策的水平与能力。 5.3.4.2 产业链各企业之间进行业务协同和一体化的水平与能力。 DB52/T 1548.12020 5 5.3.4.3 通过建设或运营开放社区等公共服务平台，进行产业链各企业之间价值网络协同创新的水平和能力。 5.4 融合效益 5.4.1 竞争力 5.4.1.1 通过与大数据融合直接或间接带来的研发效率、生产效率、管理效率、创新能力等综合竞争能力的变化情况。 5.4.1.2 竞争力水平层次的判定应符合GB/T 23020的规定。 5.4.2 企业效益 5.4.2.1 通过与大数据融合直接或间接带来销售收入、成本、利润等企业经济效益的变化情况。 5.4.2.2
17、通过与大数据融合直接或间接带来的企业单位产品综合能耗、单位产品综合排放、安全生产持续时间、安全事故损失率、社会贡献率等企业社会效益的变化情况。 5.4.2.3 企业效益水平层次的判定应符合GB/T 23020的规定。 6 评估方法 6.1 构建评估指标体系 评估指标体系的构建应符合 GB/T 23020 的规定。 6.2 评分方法 6.2.1 权重设置 权重设置应符合 GB/T 23020 的规定。 6.2.2 底层指标评分 评估指标体系中底层指标的评分应符合 GB/T 23020 的规定。 6.2.3 加权评分 加权评分方式应符合 GB/T 23020 的规定。 6.3 评估对象填写问卷 6
18、.3.1 评估问卷设计应满足科学、全面、易操作的要求。 6.3.2 评估问卷的填报与分析应依托数字化应用系统进行。 6.3.3 评估对象应严格按照企业自身情况如实填写评估问卷、提供评估数据。 7 评估报告 7.1 评估报告的分类 根据评估对象及分析应用用途不同，评估报告分为以下类别： a) 企业自评估报告：以企业为评估对象，形成的报告； DB52/T 1548.12020 6 b) 行业评估报告：以行业为评估对象，形成的报告； c) 区域评估报告：以地区为评估对象，形成的报告。 注：行业领域的分类划分参照GB/T 4754。 7.2 评估报告的要素 7.2.1 评估对象评估得分，分值确定（01
19、00）分内。 7.2.2 融合发展阶段包括起步建设（初级）、汇集应用（中级）、创新突破（高级）三个阶段。融合发展阶段及内涵描述见表 2。 表2 融合发展阶段及内涵描述 融合发展阶段 内涵描述 起步建设（初级）企业正初步引入数字化应用系统，逐步夯实大数据与实体经济融合基础设施和条件，但数字化应用系统在企业单项业务环节的应用刚刚起步，尚不深入。对于处于该阶段的企业，推进大数据与具体业务的融合，首先需要夯实数据采集和存储的基础，形成后续基于数据要素开展分析、开发、支撑决策的基础。 汇集应用（中级）企业已基本具备大数据融合基础，开始在各业务环节中收集并应用产品数据、运营数据、价值链数据、外部数据等数据
20、，积极探索不同环节之间数据的自由流动和有效交互，并逐步开展分析、判断、决策、优化和控制等应用。在实现业务系统集成基础上，数据要素和数据分析结果在智能生产设备之间集成运作。创新突破（高级）企业在汇集应用基础上，实现了跨企业的业务协同和模式创新，融合创新突破了企业内部边界，企业实现了数据的全面感知、收集、系统应用，数据要素在企业与企业之间、行业与行业之间进行交互共享，数据要素驱动下的新模式、新业态逐步出现。 7.2.3 总体情况 7.2.3.1 根据评估数据， 分析给出评估对象的整体融合水平在全国企业中的分布和同行业中的分布 （以全国两化融合评估系统数据库作为对标依据）。 7.2.3.2 根据评估
21、数据，分析给出评估对象各个一级指标的融合水平在全国企业中的分布和和同行业中的分布（以全国两化融合评估系统数据库作为对标依据）。 7.2.3.3 根据评估数据，分析给出评估对象各个二级指标的融合水平在全国企业中的分布和同行业中的分布（以全国两化融合评估系统数据库作为对标依据）。 7.2.4 改进方法建议 根据评估对象填报数据及分析结果， 给出评估对象大数据融合改进方向建议， 实体经济各产业改进方向的关键环节及内涵描述见表 3。 DB52/T 1548.12020 7 表3 实体经济各产业改进方向的关键环节及内涵描述 所属产业 关键环节 内涵描述 生产管理精准化 农业企业通过构建大数据、云计算、
22、互联网、物联网技术等为一体的现代农业发展模式，实现农业生产实时监控、精准管理、远程控制和智能决策。 质量追溯全程化 农业企业在生产运营过程中形成生产有记录、数据可查询、质量有保障、责任可追究的农产品质量安全追溯体系。 农业 市场销售网络化 农业企业应用电子商务平台，推动数据开放共享、数据互联互通，形成农产品冷链物流、数据流、资金流的网络化运营体系。 智能化生产 工业企业从智能制造单元、智能生产线、数字车间、数字工厂建设方面推动企业全流程和全产业链智能化改造。 网络化协同 工业企业发展协同研发、众包设计、供应链协同、云制造等网络化协同制造模式，推动生产制造、质量控制和运营管理全面互联。 个性化定
23、制 白酒、特色食品、服装、电子信息制造等行业引进定制解决方案和柔性生产设备，开展小批量、多品种、柔性化的定制生产，提供低成本、高质量、高效率的个性化定制产品和服务。 工业 服务化延伸 工业企业依托自身优势资源与业务基础，从信息咨询、仓储物流、设备租赁及维护等带有服务功能的方面进行商业化延伸应用。 平台型服务业 依托企业实际和行业发展需求， 融合各领域基础网络、 综合管控系统、电商平台、视频监控平台等，将数据资源转化为新型融合服务产品。 智慧型服务业 物流、商贸、科技服务等生产性服务业依托大数据技术，从物流追踪、物资管理、智能调度、高效服务等方面进行改进，使企业迈向高端化、智能化、网络化的发展新形态。 服务业 共享型服务业 服务业企业从服务体系、平台、协同方式等方面进行资源整合重组，推动企业打造新的经济增长点。 _ DB52/T 1548.1-2020
