摘要：服务型制造是制造业发展的重要趋向，加快服务型制造发展对构建现代化产业体系、建设制造强国、提高全球产业竞争力具有重要意义。随着数字技术的发展，服务型制造已经成为数据密集型的生产和服务过程。数据在产品研发设计、生产制造、用户交付、产品运维等典型场景得到广泛应用，并通过数据洞察、软件定义、指令控制、数据实时流动和连接聚合，优化商业决策、实现规模经济、提升柔性化水平、提高服务响应能力、释放价值创造能力，全面提高服务型制造的运作绩效。进一步加快服务型制造发展，应围绕塑造制造业数据要素优势，着力提高制造业数据供给水平，提升数据技术创新水平和数据安全保障水平，加快研制和推广数据技术标准，促进数据跨境流动。
关键词：数据要素；服务型制造；数字经济
基金：国家社会科学基金重点项目“数字经济推动产业链供应链现代化水平提升的机制研究”（22AZD124）；中国社会科学院创新工程项目“全球先进制造业竞争与中国制造强国建设研究”（2022GJS02）；中国社会科学院登峰战略优势学科（产业经济学）项目。
一、服务型制造的基本特征及其价值创造过程
服务型制造不是对产品和服务的简单整合，而是从用户对增值服务的需求出发，通过商业模式的创新、产品和服务的重新设计、生产执行的优化、交付运行的改进，形成符合用户需要且能够给企业带来收入和利润增长的增值服务。
（一）服务型制造的基本特征
服务型制造不同于以往制造与服务彼此独立的发展模式，其更加注重打通制造与服务、生产与消费，拓展价值增值空间，提升制造业价值创造能力。
从用户角度来看，在传统消费模式下，用户为了获得产品向企业支付费用，用户与企业之间的钱物交易模式以产品所有权的转移为特点。而服务型制造的用户价值主张则从以购买产品为目标，转为以获得使用效果为目标。对于用户来说，产品使用权与产品带来的效用比产品所有权更为重要，这意味着原有钱物交易的简单模式开始向产品和服务混合的交易模式转变。在此基础上，企业围绕产品使用过程和产品使用效果的价值创造活动需要具有相适宜的定价规则、与用户更为高频次的交互关系以及更为灵敏和快速的服务响应水平。用户对企业的价值认同更有赖于在产品使用周期内获得持续增值服务的水平，越能满足用户个性化的需求、为用户提供多样性的服务功能，服务型制造的价值创造能力越强。
（二）服务型制造的价值创造过程
虽然不同的制造业企业开展服务型制造的具体模式或流程各异，但服务型制造的价值创造过程都需要围绕发现需求、开发原型、生产执行、交付和运行等关键流程环节，提供可以满足用户需求的产品和服务，以此来实现价值创造的目标。
一是发现需求。
发现需求是理解用户需求和确定增值服务内容、功能的过程，是服务型制造开展的起点。只有充分获取需求信息，才能正确制定出匹配用户需求的定制化产品和服务解决方案。用户需求往往是分散的、多样的、海量的和隐性的，这使得准确获取用户需求信息成为一件具有挑战性的工作，企业为此必须提高需求信息的获取、识别能力。
二是开发原型。
在很多情况下，服务型制造不仅要针对用户需求开发服务，甚至为了实现新的服务供给，还要对产品进行重新设计，即在解析用户需求的内核和市场需求变化趋势、明确企业产品和服务价值主张的基础上，全面考量全生命周期内的产品物理特性与服务规格，结合具体流程、场景进行更为细化的产品架构和服务体系设计[16]。
三是生产执行。
四是交付和运行。
产品交付和产品运行是制造业企业开展增值服务的主要阶段，也是增值服务为企业和用户创造价值的主要活动。从产品的交付开始，产品的使用权便从制造业企业转移到用户手中，企业要在产品的基础上开展增值服务，及时了解产品的运行情况，并通过产品了解到用户的使用特征、反馈甚至用户本身的状态（比如通过智能健康产品了解用户身体状态），在此基础上发现能够给用户创造更多价值的服务机会，比如预测产品故障风险。在有些情况下，用户会把设备的运行工作委托给制造业企业代为负责，制造业企业同样需要深入地了解用户需求及其变化、及时掌握产品的运行状态。
需要注意的是，服务型制造从发现需求到最终完成产品交付和运行服务，并不是一个单向的运作流程，各个环节间也不是孤立的，需要各个环节之间进行信息交流，并不断循环往复地进行。此外，企业需要在服务型制造的运作流程中不断适应需求的变化，调整运作的方式和手段，形成企业持续的价值增值能力和盈利能力[19]。
二、数据要素在服务型制造价值链中的场景应用
在数字经济时代，数据贯穿服务型制造价值链的全流程，在研发设计、生产制造、用户交付和产品运行等各场景中被广泛应用（见图1），服务型制造已经成为数据密集型的生产和服务过程。由于本文聚焦于数据作为生产要素在经济活动中的作用，这里对数据和数据要素的概念不加以特别区分。
图1数据要素在服务型制造价值链中的场景应用
（一）产品研发设计场景
产品的研发设计是生产制造的源头，也是服务型制造价值链中最为基础的环节，通过数据分析有助于优化研发设计资源配置、改进产品和服务方案。数据作用于产品的研发设计，主要通过对产品的需求数据、产品性能数据、产品模拟仿真数据等进行分析和处理来实现。其中，产品需求数据的处理重点是要清晰地分析出用户的需求类型、需求层次和需求逻辑，详细刻画出用户和产品之间的交互关系，提高数据对产品研发设计的支撑水平[20]。产品性能数据的运用需要结合用户的使用需求，确定产品具有的功能类型和性能水平，形成面向不同需求组合的产品方案。产品模拟仿真数据可以支撑对产品方案的测试与验证，在产品实际生产前改进和优化，缩短产品创新周期。
在技术支撑方面，基于产品研发设计的核心数据，借助一系列数字化研发软件，可实现产品设计优化目标，支持定制化服务等模式。例如，服务型制造的产品设计经常需要使用CAD、CAE、CAPP、PLM、PDM、BIM等各类产品研发设计软件，这些软件可以极大地提高产品研发设计效率，为研发设计阶段的创新提供高效的技术手段。与此同时，人工智能、数字孪生等数字技术与产品设计软件已经开始融合，并呈现产品设计智能化的趋势。
（二）生产制造场景
基于数据的服务型制造生产系统，重点是要通过与产品需求紧密衔接，加强对生产工艺、生产设备和流程管理等数据的分析和应用。其中，生产工艺数据是生产经验和技术诀窍的数字化积淀，采用对产品需求数据自动匹配的工艺方法，可以进行快速工艺规划和工艺优化，形成生产工艺方案，更高效地满足用户导向下的工艺要求。生产设备数据凝结了工业生产的基本原理和运行记录，数控机床、工业机器人等数字化装备的应用为以数据流控制生产过程提供了硬件基础，可以更灵活地根据用户需求变化调节设备参数，及时管控设备生产进度，提高设备的生产和管理效率。生产流程数据是资源流、场景流、服务流、资金流等数据的组合，汇集了企业内部和供应商、用户等各方数据，对计划排程、资源调度、资源计划、物料周转、仓储调运等数据进行整合分析，有利于提高生产制造与服务协同的联动水平，可以缩短产品从原型开发到批量上市的生产周期，实现对服务型制造生产制造系统的高效管理。
在技术支撑方面，面对日益多样化、个性化的用户需求，企业依靠生产管控软件等技术手段，可以开展共享制造、定制化服务等。例如，MES、SCADA、APS等生产管控软件可以实时监测生产运行情况、高效执行生产任务。同时，企业开始结合工业大数据、智能数据分析、工业数字孪生等数字技术手段，使用生产过程的大数据建模分析和模型迭代优化等方法分析生产系统的漏洞和风险，挖掘生产效率的提升潜力，使生产制造系统的智能化、数字化、服务化能力大幅提高。
（三）用户交付场景
交付是产品从工厂传递到用户的关键一环，用户需求和使用习惯数据、产品工作场景数据、安装调试测试数据等是决定服务型制造交付水平的关键。一方面，用户的特殊需求和使用习惯对产品实际交付提出了个性化要求，掌握用户需求数据可以提前设定交付现场的工作要求，细化交付规则和交付人员管理规范，提高满足不同用户需求的适应能力。另一方面，通过分析产品工作场景数据可以有效提高产品的环境适应性和可靠性，根据特定场景在产品交付前进行参数调节，并预先配置足够的备用材料和零部件，有效避免交付现场因环境影响导致的产品功能失效等问题。此外，安装调试测试数据是交付过程中容易被忽视的关键数据，通过对每一次交付调试中的问题数据进行分析，加强数据存档和回顾，不仅可以提升交付现场的工作效率，而且可以为后期产品保养和维护提供依据。
在技术支撑方面，为了满足更高的交付要求和服务效率，通过提高数字化交付能力，可以支持定制化服务、全生命周期服务等模式开展。在交付实践中，要建立交付的数据标准体系，实施详尽的数据获取、精细的数据描述、完备的数据存档、规范的数据梳理。借助数字建模和数字孪生等技术，可以提升交付数据和交付文档在编制整理和使用过程中的便捷性和高效性。在复杂装备等产品的交付过程中，需要研发设计等技术人员的远程配合，这使得远程会议系统、工业级AR眼镜等数字技术和产品开始应用在交付现场，促进了交付效率的进一步提升。
（四）产品运行场景
产品运行是企业对原有产品和服务的延伸和扩展阶段，也是企业通过产品与用户深度交互的环节，产品的运行数据和用户使用数据是开展运行阶段服务的数据基础。在产品运行数据方面，具备数据采集、联网功能的产品可以被实时监测，企业可以全天候掌握产品性能水平、工作异常信号、产品工作与待工状态、产品配件和耗材存量等数据变化。企业以用户的功能需求为基准，根据数据变化研判产品运行的稳定性和有效性，可以更精准地控制设备、发现设备问题、保证设备正常运转，并可以在用户发现问题前对产品开展预防性维护。在用户使用数据方面，数据的实时交互和泛在连接为运维服务创新提供了基础。用户通过操作和使用产品形成的信息和指令，包含了丰富的用户偏好、使用习惯、个性化需求、活跃度等数据，这些数据积累形成专业化的用户数据库和知识库，可以促进企业挖掘用户潜在需求，进行产品和服务的二次开发和衍生创新，为用户提供针对性服务建议，形成动态适应、个性化的解决方案。
三、数据要素赋能服务型制造发展的作用机制
（一）通过数据洞察优化商业决策
数据是生产经营过程中信息和知识的载体，是企业经营管理的关键决策依据。企业通过对数据的挖掘分析，可以增强在发现需求、开发原型、生产执行、交付和运行等流程环节的洞察。以用户需求为导向的生产和服务模式要求企业在进行商业决策时提升对用户的洞察能力。无论是企业直接面向用户，还是通过产品向用户提供服务，都要在掌握用户需求、使用习惯、产品状态等关键数据的基础上，有针对性地调整资源配置，提供定制化产品或服务。企业掌握的数据越全面，越有利于提高数据完整性、细化数据维度，筑牢决策分析的数据质量基础，作出更精准的商业决策。通过对用户或产品海量数据的重新解构、归类、比对、挖掘和预测，企业可以掌握用户的产品使用情况和产品的运行状态，不仅能够更全面且深入地洞察用户的真实需求，形成更为精准的用户画像，而且能够识别出用户的潜在需求或对产品“健康”状况作出预测，并将这些数据反馈到产品和服务的开发设计和生产、服务等环节，促进效率改进和发现新的商业机会。随着商业智能技术和大数据的进一步结合，企业对用户数据的深度学习和分析推理水平快速提升，数据洞察可以支持企业获得更高水平的商业决策能力。
（二）通过软件定义实现规模经济
（三）通过指令控制提升柔性水平
（四）通过实时流动提高响应能力
（五）通过连接聚合实现价值倍增
图2数据要素赋能服务型制造价值创造
四、数据要素赋能服务型制造发展的制约因素
数据要素对促进服务型制造的发展、提高制造业企业的竞争力具有重要作用，但也面临着数据有效供给不足、数据技术成熟度偏弱、数据安全风险隐患、数据技术标准缺失、数据跨境访问限制等制约。
第一，数据有效供给不足。
第二，数据技术成熟度偏弱。
第三，数据安全存在风险隐患。
第四，数据技术标准缺失。
第五，数据跨境存在访问限制。
服务型制造的开展不仅面向国内用户，而且面向国际用户，这就会涉及数据的跨境流动问题。随着数实融合的不断深化，基于数据的服务型制造日益普遍，数据的跨境流动问题愈发突出[24]。不同国家和地区的数据治理规则差异较大，对数据的获取、传输和利用要求也不相同，部分领域的数据本地化要求和禁止数据访问要求较为普遍，个别敏感领域还可能存在更为严苛的数据限制。不同地区的用户对数据访问的接受程度不一，如何获得用户的数据访问权限是一项必须克服的难题。例如，服务型制造中的全生命周期管理、远程运维、在线诊断等服务模式对用户的时效性数据依赖度较高，如果不能赢得用户信任，就无法获取数据访问权限，这会导致不能进行有效的数据跨境访问，制约服务型制造的全球化开展。
五、数据要素赋能服务型制造发展的政策建议
数据全面融入服务型制造的运作流程使得企业生产和服务过程的数据密集度越来越高，通过数据洞察、软件定义、指令控制、数据实时流动和连接聚合，可以优化商业决策、实现规模经济、提升柔性化水平、提高服务响应能力和释放价值创造能力，全面提高服务型制造的运作绩效。发挥数据要素对促进服务型制造发展的作用，应围绕数据供给、数据技术、数据安全、数据标准、数据跨境等方面加强能力建设，逐步提高我国服务型制造的综合竞争能力。
第一，提高制造业数据供给水平。
加快补齐制造业企业数据资源短板，强化制造业企业在服务型制造数据资源建设中的主体作用，支持企业进行生产设备、系统的数字化改造和产品的数字化升级，为企业提供上云用数赋智服务，提升生产设备和产品的数据采集和处理能力，提高企业在研发、生产、经营管理中的数据积累水平。重视数据资源的二次开发、整理和利用，对已有数据资源进行结构优化和深度挖掘，提高数据重复利用频次和效率。建设制造业专业化数据要素市场，完善数据资产定价、确权、交付等制度规则[25]，打通数据要素连通孤岛，鼓励数据要素流通共享，扩充制造与服务两端的数据要素供给水平，加速数据要素在经济循环中的流转效率，塑造制造业数据资源禀赋优势。
第二，提升数据技术创新水平。
加快通用型数据利用技术的创新，开展共性数据技术研究，开发高效便捷的跨行业、跨领域、跨场景和跨平台的数据利用技术，布局和建设一批重点研发和产业协同攻关重大项目，面向具体行业进行应用验证，推广成熟的数据技术应用经验和模式，提升企业数字技术应用的成熟度。培育一批掌握核心资源和技术的数据服务提供商，支持基于工业大数据和先进算法开发制造业垂直领域的人工智能大模型，为制造业企业提供更高技术水平和更具经济性的数据开发利用服务工具。开展服务型制造细分领域数据技术创新试点建设，结合不同区域、不同行业、不同场景创建多层次的数据技术创新试点，对具有普遍意义和市场价值的试点技术进行产业化推广，带动广大中小企业协同升级，形成一批服务型制造领军企业和产业集群。深化制造业领域的数据技术开放合作，积极引进国际领先的数据技术研发中心和领军科学家，探索创新制造业数据技术合作方式，提升制造业数据技术创新活力。
第三，提高数据安全保障水平。
重视对工业数据和用户隐私安全的保护，对服务型制造的数据全生命周期、全流程各环节和各参与方进行安全规范，加强数据知识产权保护规则体系建设，提升产业数据安全保护水平。加强数据安全技术在数据流通、连接和存储等环节的应用，采取加密技术、访问管控、数据监测、定期修补漏洞等技术手段，提高数据面向生产和服务的运行可靠性和稳定性。加强对数据硬件设施的安全保护，提高数字化生产设备和数字化产品搭载的数据装置的可靠性和可控性水平，对企业的服务器机房、数据中心等关键数字设施加强物理安全保护，定期开展硬件设施安全评估和更新升级。
第四，加快研制和推广数据技术标准。
加强服务型制造标准统筹规划，发挥标准对数据利用和规范管理的引导作用。重点推动基础通用和行业应用的数据标准研制，统一规范服务型制造的数据采集、数据处理、数据存储、数据分析、数据接口、数据交换、数据质量等数据技术标准，为不同行业、不同模式、不同场景提供服务型制造转型升级的标准依据。加强数据技术标准的推广普及，促进行业性、区域性和团体性标准工作组织针对新技术领域开展标准的创新研制，推动企业开展数据技术标准的贯标示范，展示数据技术标准的应用成效，鼓励更多企业参与数据技术标准的研制和应用。
第五，促进数据跨境流动。
适应全球产品和服务贸易市场变化，积极利用国际组织和国际对话机制参与国际数字治理，推进数据跨境流动规则的协商制定和国际互认制度建设。贴近海外市场用户，研究不同地区用户的消费习惯和文化特征，建立与海外用户的长期合作关系，重点推动“一带一路”等重点区域市场的数据互信能力建设，提高海外用户对数据采集和服务的信任度。研究不同国家和地区的数据跨境管理规则，综合考虑数据管理要求、数据响应时效、数据跨境成本等因素，研制本土算力与海外算力的布局策略，提高数据跨境的安全性和处理效率，增强服务型制造的国际化服务响应能力。
参考文献
[1]VANDERMERWES,RADAJ.Servitizationofbusiness:Addingvaluebyaddingservices[J].EuropeanManagementJournal,1988,6(4):314-324.
[2]李晓华，刘尚文．服务型制造内涵与发展动因探析[J]．开发研究，2019(2):94-101.
[3]王玉燕，姬含笑．服务型制造、差异化战略与企业绩效——来自中国制造业上市公司的经验证据[J]．南方经济，2023(5):127-142.
[4]OPRESNIKD,TAISCHM.Thevalueofbigdatainservitization[J].InternationalJournalofProductionEconomics,2015,165:174-184.
[5]TUKKERA.Eighttypesofproduct-servicesystem:eightwaystosustainabilityExperiencefromSusProNet[J].BusinessStrategyandtheEnvironment,2004,13(4):246-260.
[6]李晓华．数字技术推动下的服务型制造创新发展[J]．改革，2021(10):72-83.
[7]孙林岩，高杰，朱春燕，等．服务型制造：新型的产品模式与制造范式[J]．中国机械工程，2008(21):2600-2604.
[8]卓娜，周明生．国内外服务型制造研究热点与发展趋势[J]．科学管理研究，2022(6):50-58.
[9]王晓蕾，杜传忠，刘磊．工业互联网赋能服务型制造网络的演化逻辑与路径优化研究[J]．经济学家，2022(10):108-118.
[10]徐佳宾，孙晓谛．互联网与服务型制造：理论探索与中国经验[J]．科学学与科学技术管理，2022(2):87-112.
[11]单子丹，邹映，李雲竹．基于云计算的服务型制造网络流程优化与决策模型[J]．计算机集成制造系统，2019(12):3139-3148.
[12]罗建强，张弛．农机装备制造业服务型制造模式研究[J]．中国工程科学，2023(1):178-186.
[13]简兆权，刘晓彦，李雷．基于海尔的服务型制造企业“平台+小微企业”型组织结构案例研究[J]．管理学报，2017(11):1594-1602.
[14]王康周，彭波，江志斌．新一代信息通信技术在装备制造业服务化中的作用：基于我国4家企业的案例研究[J]．中国机械工程，2018(18):2259-2267.
[15]王维才，吴琦．服务型制造带动中国传统制造企业转型程度测度及提升策略研究——以钢铁行业为例[J]．南京社会科学，2019(4):18-24.
[16]REIMW,PARIDAV,ORTQVISTD.ProductServiceSystems(PSS)businessmodelsandtactics:Asystematicliteraturereview[J].JournalofCleanerProduction,2015,97(15):61-75.
[17]PORTERME,HEPPELMANNJE.Howsmart,connectedproductsaretransformingcompanies[J].HarvardBusinessReview,2015,10:97-114.
[18]AMITR,SCHOEMAKERPJH.Strategicassetsandorganizationalrent[J].StrategicManagementJournal,1993,14:33-46.
[19]TRONVOLLB,SKLYARA,SORHAMMARD,etal.Transformationalshiftsthroughdigitalservitization[J].IndustrialMarketingManagement,2020,89:293-305.
[20]李三希，李嘉琦，刘小鲁．数据要素市场高质量发展的内涵特征与推进路径[J]．改革，2023(5):29-40.
[21]LANGLEYDJ.Digitalproduct-servicesystems:theroleofdatainthetransitiontoservitizationbusinessmodels[J].Sustainability,2022,14(3):1303.
[22]ZHANGX,GUOXL,YUEWT,etal.ServitizationfortheenvironmentTheimpactofdata-centricproduct-servicemodels[J].JournalofManagementInformationSystems,2022,39(4):1146-1183.
[23]许宪春，王洋．大数据在企业生产经营中的应用[J]．改革，2021(1):18-35.
[24]EGGERTCG,WINKLERC,VOLKMANNA,etal.Understandingintra-andinterorganizationalparadoxesinhibitingdataaccessindigitalservitization[J].IndustrialMarketingManagement,2022,105:404-421.
[25]刘雅君，张雅俊.数据要素市场培育的制约因素及其突破路径[J].改革，2023(9):21-33.
张亚豪，东北财经大学产业组织与企业组织研究中心博士研究生。
刘尚文，服务型制造研究院院长，高级工程师。
张亚豪,李晓华,刘尚文.数据要素赋能服务型制造发展：场景应用、作用机制与政策建议[J].改革,2024,(01):69-81.