工业品价格大数据赋能供应链协同管理效能提升

中国发展网讯 10月24日-25日，由国家数据局联合多部门共同举办的2024年“数据要素×”大赛成功举办，这是国内首个聚焦数据要素开发应用的全国性大赛，旨在通过“释放数据要素价值，在具体应用场景中解决实际问题”，遴选出一批应用成效显著、创新性强、引领效应好的数据要素开发应用解决方案，带动相关技术产业发展。

在工业制造赛道，许多参赛项目各具特色。例如，南方电网为出海能源企业提供了三个场景，包括能源设施运维场景、跨国供应链协同场景、海外企业运营场景，实现了能源数据 “两头在外”“来数加工” 的模式创新与跨境数据综合服务的机制创新。数聚智造队则通过平台企业与链主企业合作实现“ 1+1>2”的效果，让“链主企业+区域产业集群”的跨行业流通成为现实。而由国家发展和改革委员会价格监测中心、中国人民大学、深圳天源迪科信息技术股份有限公司共同完成的“工业品价格大数据赋能供应链协同管理效能提升”项目引起了记者的关注。

据了解，工业品指的是用于工业生产和加工过程中的产品或材料，中国工业品数字化采购的市场规模达十几万亿。工业品是现代工业生产的基础，是现代经济体系中不可或缺的一部分。工业品的质量和成本对于整个供应链的运转起着至关重要的作用。

然而，据该团队分析，目前工业品市场存在两个问题，问题一是工业品规格属性不统一（即缺标准）。工业品品类繁多，数以万计，单品数量大，达几千万级，规格属性不统一，供应链上下游企业缺乏统一标准，容易出现以下情况：采购企业需多次比选，大幅降低采购效率；采购/供应不一致的情况，采购周期变长，造成呆滞库存。问题二则是工业品价格信息不透明（即缺参考）。工业品采购缺乏市场价格数据参考，相同的商品，价格差距较大，导致以下情况的出现：采购企业采购了高价商品，企业成本增加，合规性风险增加；采购企业无法核实价格合理性，依赖多方比价，交易周期变长，“交易成本”增加。  为此，该项目团队提供了一个解决方案，即“AI+隐私计算”解决工业品缺标准、价格缺参考问题。打造工业品大模型，实现工业品数据的标准化，形成工业品标准库；汇聚多方价格数据（政府公共数据和企业数据），采用先进的隐私计算技术，形成工业品价格指数。

据该团队介绍，该项目可广泛应用于各类制造业，为供应链上下游企业提供工业品数据标准和工业品价格指数，能降低企业采购成本、提升采购效率、提升合规性，为企业带来直接经济价值；同时可应用于政府相关部门的价格监测、管理，优化数据要素利用效率，强化行业协同；还可以用于研究机构的宏观经济分析。  对于该项目的创新性，项目团队提出了三大创新，即模式创新、技术创新、机制创新。通过提升数据可用性与安全性，推动数据要素服务创新工业品价格大数据项目代表“数据要素×”行动计划的前沿实践，赋能企业供应链协同管理效能提升。

在模式创新方面，打造了“政产研”联合创新模式。“政产研”三方联合打造，国家发展和改革委员会价格监测中心作为业务指导单位，中国人民大学作为科研支持单位，天源迪科作为实践应用单位。从政策指导、科研支持到实践应用，实现了优势互补、共同发展。为政产学研用协同创新提供了典型案例。

在技术创新方面，AI工业品大模型+隐私计算，破解数据交易安全和隐私难题。独有供应链领域大模型，相比通用模型工业品标准化识别效果和处理性能提升。而业界领先的隐私计算技术，保证了数据的真实性和完整性，企业数据使用安全、合规。  在机制创新方面，多域数据要素合规使用、数据共享产生新价值。建立公共数据、企业间数据的互联互通、安全合规使用机制。保障企业数据隐私基础上，通过共享计算后形成新的价格指数，创造新的数据价值。

对于项目的示范性，项目团队表示，本项目已服务多家大型央企，符合《关于规范中央企业采购管理工作的指导意见》对比质比价要求，并取得良好效果，也具备服务地方性国企、中小型企业、民营企业的能力，具备较强的行业示范性；编制与发布“工业品价格指数”，对数据要素的利用起到良好的示范性作用。    目前，数据积累已成规模，形成数据资源化，已经全套交付多家大型央企，实现数据要素价值化。在商业价值方面，赋能万亿级供应链采购业务，推动产业链协同发展。在社会价值方面，发挥数据要素乘数效应，推动产业链协同发展。

对于未来发展情况，项目团队表示，将持续迭代“政产研”联合创新模式，利用人工智能与隐私计算等技术，发挥“数据要素×”效应，将项目打造成行业“标准”、价格“标杆”、企业“标配”。