从数据治理到业采融合：国企采购智慧供应链跃迁

2024年，国务院国有资产监督管理委员会（以下简称国务院国资委）、国家发展和改革委员会联合发布的《关于规范中央企业采购管理工作的指导意见》（国资发改革规〔2024〕53号，以下简称53号文）明确提出，要“提升采购数智化水平”，促进采购与业务深度融合。2025年2月，国务院国资委召开中央企业“AI+”专项行动深化部署会，会议强调，中央企业需聚焦关键领域掌握“根技术”，分批构建重点行业数据集，着力强化中央企业推进人工智能发展的要素支撑。在AI（Artificial Intelligence，人工智能）技术引领的时代浪潮之下，国企采购体系在数据维度上体现出多重变化：从采购物料来看，物料编码从混乱和无序走向标准和统一；从采购流程来看，采购流程从人工审批变为AI驱动，合同管理可以AI赋能依托智能体实现；从风险防控来看，采购合规从事后追溯升级为事前预警和拦截，风险管理的能力和效益显著提升。实践表明，数据要素与AI技术融合正在推动采购智慧供应链的智能化跃迁。随着全球供应链日趋复杂，在政策、市场、技术三大动力的驱动下，数智化采购的新时代正在到来。

政策：AI时代国企采购数智化

近年来，国有企业采购板块相关的政策频出。2023年，国务院国资委发布《关于中央企业在建设世界一流企业中加强供应链管理的指导意见》，明确提出提高采购数智化水平、推动供应链数智化，并将数智化采购平台建设纳入管理考核。2024年，更多政策文件涉及国企采购内容，如《关于创新完善体制机制推动招标投标市场规范健康发展的意见》（国办发〔2024〕21号）指出，要深化招投标领域改革，衔接国企采购新要求，强调公平竞争与监管协同；《政府采购领域三年行动方案（2024—2026年）》（国办发〔2024〕33号）进一步聚焦采购歧视条款、代理乱收费、供应商串标等问题；53号文从采购方式分类、供应商管理、数智化转型和社会责任多维度规范中央企业采购管理工作，推动电子采购系统全覆盖，实现业务流程全过程可追溯。

值得注意的是，53号文提出，要提升采购数智化水平，推动央企采购管理的规范化、精益化、协同化和智慧化，进一步促进采购与业务的深度融合，确保采购与企业整体运营协同发展。该文件说明对数智化采购的要求，已从单纯强调合规透明向着采购推动业务发展的路径转型。政策层面明确要求，通过数智化提升供应链管理水平，既是政策回应产业实践的表现，也是进一步推动采购与业务走向融合实践的重要力量。

技术的发展和政策的推动，促使数字化采购逐步向数智化采购发展。传统的采购模式面临寻源困难、效率低下、合规风险、成本控制难等多重难题，有些采购甚至将效率、质量、价格称之为“不可能三角”。2025年，中国社会科学院大学平台经济研究中心、中国市场学会和京东政企业务联合发布《业采融合发展白皮书》，其中将政企采购分为4个阶段，如图1所示。

沿用《业采融合发展白皮书》报告的阶段划分，笔者认为，数智化时代采购的主要特征是针对传统采购的寻源困难、流程烦琐、效率低下、管理低效等难点，实现需求、采购、库存多点数据打通，并推动人工智能技术与数据深度融合，使得企业能够利用AI＋数据实现需求端、采购端、存货端多端管理。同时，对信息流、商流、物流、资金流进行汇总分析，进一步推动采购与业务深度融合。但截至目前，国企在业采融合数据治理方面，大多数仍局限于“数据”本身，并没有建立起数据资产管理的体系。

基石：数据推动供应链智慧化

智慧供应链数据资源应用价值

采购智慧供应链的智慧大多来自数据，也就是说数据资源是智慧供应链的核心。这些数据可以有多种分类方式，比如从生产流程方面，可以分为需求与生产计划数据集、供应商数据集、采购物料数据集、库存数据集、交易数据集等类别，而一般的大型国企主要是从商流、物流、资金流、信息流数据资源进行分类。从短期看，智慧供应链通过数据整合、分析，把历史销售数据、市场趋势、用户行为等数据汇总，可能起到直接降低成本、提升效率的作用；从长期看，智慧供应链支撑供应链的数字化转型与生态竞争力构建，是企业在复杂市场环境中实现可持续发展的核心驱动力。

如何发掘供应链数据资源的价值呢？首先，从管理流程来分析。大型国企一般都有多家供应商，有些甚至高达数万家，采购过程中的寻源比价必然花费大量时间，达成契约关系之后合同管理也耗时耗力，且在履行合同过程中供应商风险管理存在信息不对称的情况，下游还存在应收账款风险。因此，企业首先应细化管理链条上的功能点，比如自建或者链接外部采购平台实现寻源比价高效化和可追溯，将达成合作协议的供应商进行统一管理，在合同签署环节设置关键词筛选与触发功能，实现合同AI管理，再对进入履约期的供应商进行台账式管理，设置关键时间点进行自动催货催缴提醒，实现采购过程的“大量自动、少量人工”管理。

智慧供应链的数据管理模式可以与企业各个职能部门充分衔接并整合提效，比如市场上有企业将人力资源管理类比采购管理，充分挖掘招聘管理的数据资源价值，取得了不错的成效。人力资源部招聘经理筛选简历的过程可以根据关键词进行，通过筛选后自动进入企业的简历库，并进行标签化处理，这就类似于寻源。同时，注意将招聘经理与求职者通话的每个环节记录在案，以便面试官充分掌握并全面评价整个招聘流程，过程中若出现求职者与所应聘岗位不完全契合，但适用公司其他团队的情况，人力资源部可以高效协调并完成资料转接。求职者与公司签订劳动合同之后，从人才库进入员工库，适配对应职位的绩效管理体系，自动匹配新员工手册、业务操作手册等知识库，缩短新员工学习周期。

综上，智慧供应链数据资源的应用价值，本质在于将碎片化信息转化为“可执行的洞察”，通过数据驱动实现从“被动响应”到“主动管理”再到“风险预测与规避”的升级。

数据资产的概念与实践

2023年，财政部发布《企业数据资源相关会计处理暂行规定》（财会〔2023〕11号），标志着数据资产化进入了制度保障时代。数据可能是天然的资源属性，但并非天然的资产属性。数据资产概念至少分两个重要维度，首先是资产确认的四大条件，即是企业过去的交易或事项形成、由企业拥有或控制、预期会给企业带来经济利益、成本或价值能够可靠计量；其次，该项资产的核心是数据。也就是说，满足资产确认条件、以数据为主要内容或者服务的、可辨认形态的才能称之为数据资产。根据大量公司的数据资产报表总结，数据资产大多数在企业报表里表现为“无形资产”，是一种长期非流动性资产的形态，这显然和大多数人对数据具有高重塑性、高时效性、流动性强等认知不同。但实际上，数据是流动的，要形成数据资产需要经过大量的加工，形成相对边界清晰的产品或者服务，才能符合对资产的界定。

自2023年以来，供应链数据产品在各地数据交易所挂牌数量呈现明显增长态势。例如，欧冶云商股份有限公司在上海数据交易所挂牌了“供应链碳宝”，围绕绿色供应链碳排放管理，涉及上游产品工艺、规格、设备等数据，有助于促进供应链上下游数据要素流通交易，带动产业链减排；江苏省农业科学院、南京苏农信数据科技有限公司在江苏省数据交易所挂牌“设施果蔬温室生产运行监控数据”，以数据赋能现代农业转型升级，用于连栋温室、日光温室、植物工厂等主流设施的精准管控和智能决策，属于供应链中农业生产环节相关的数据产品；中国建筑第八工程局有限公司的“数字供应链资产管理系统”、江苏物润船联网络股份有限公司的“船舶实时位置查询”、佛山众陶联供应链服务有限公司的“众陶联交易证据链证书”等均属于供应链数据产品范畴，且在现有基础上具备确认为“智慧供应链数据资产”的潜力。

综上，可确认为无形资产的供应链数据资源，需要满足“4＋1＋1”条件，即满足资产确认的四大条件、1个以数据为主要内容和服务的可辨认形态的条件以及1个要正常使用超过12个月以上的条件。因而，数据资产视角的管理思路需要市场主体以数据的应用场景为载体，强化数据物理属性与财务属性兼备的全过程管理。

突破：数据资产推动业采融合加速到来

前文分别从政策端和实践端探讨了数据赋能采购供应链建设的可能性，实际上，数据还可作为资产进行管理，这一转变推动数据治理在资产维度和管理维度上展现更丰富的价值。这种价值延伸必然将推动数据与业务深度融合，而其在供应链管理领域的表现形式，正是业内常说的“业采融合”。数据资产如何推动业采融合加速到来？后文将结合企业业务数字化转型、数据资产管理、数智化管理目标等方面探讨这一问题。

采购供应链数据治理和数智化由来已久，但大多数国企认为，其使用耗时耗力且成效难以评估。数据治理团队投入大量的时间精力做数据标准化，但管理层面感受度不强，没有建立积极的正向循环。笔者认为，供应链数据资源需要遵循体系化、规范化、价值化的治理原则，从数据资产、管理决策的维度进行提级管理，而理顺短中长期的目标，有助于改善这一现状。

数据资产管理是典型的跨部门工作，业务部门进行数据采集并提出需求，技术部门进行数据治理与需求反馈，财务部门进行资产成本核算与入表等。采购供应链数据形成数据资产并用资产视角进行管理，具有以下几个优点：第一，全过程成本核算透明。传统的数据治理方式都是点对点的信息交互模式，业务部门要数据，技术部门给结果，过程中的参与人数、投入成本、机会成本等均不清晰，而数据资产化过程以供应链数据治理应用场景（产品/服务）为导向，从需求分析开始进行成本核算，有助于以数据产品为载体实现对全过程成本的有效计量。第二，数据治理反向赋能业务效率。当前，很多企业在搭建管理平台时并未很好地梳理业务流程，企业内部常常存在如采购和库存脱节、寻源和比价反复等现象。以数据资产的视角重新看待数据治理，必然要梳理业务逻辑、优化数据采集标准、提升数据融合治理效率，有助于对业务进行反向赋能。第三，数据资产赋能管理决策。采购供应链数据资产管理要求对资产开发建设、应用价值进行长期跟踪，再反馈到业务处室进行流程优化与成本控制，间接实现降本增效，最终由财务人员进行资产账面价值的确认，实现数据资产对管理决策的赋能作用。多部门协同进行数据资产价值评估，不仅能提升资产使用效率，改善“数据孤岛”问题，也能够提高数据融合治理的能力。

在实践路径方面，可参考图2中提到的企业数据资产管理的维度、原则与目标。建议企业从规范业务流程、建立数据采集标准入手，选择单个供应链数据产品确认资产作为切入点，同步完成数据资产入表，编制数据资产管理制度，建立数据资产管理领导小组和工作小组，推动数据资产在公司内部达成共识。试行一段时间后，工作小组可围绕试点成果，加强内部的培训学习与宣贯落地，理顺各业务与数据条线的工作机制，挖掘数据资源的多元价值，形成数字化转型中期规划方案，完善数据资产管理体系。长期来看，企业可在战略规划中将数据资产规划单独列出，将数据工作提升为重点工程，在深化企业数字化能力的同时，逐步提高数据赋能管理决策、优化管理流程、资产全面管理的目标。

数据资产管理是一个时代命题。自2023年开始，产学研各界就对数据资产的确认与管理方式展开了深入探讨，但目前仍存在不少难以解决的实践问题。笔者以采购供应链数智化为背景，结合供应链平台数据资源采集与治理的操作过程，探讨国企以数据资产管理的视角，审视数据治理工作的流程与效益，提出短中长期目标相结合，体系化、规范化、价值化进行数据资产全过程管理的工作原则，以期为推动采购供应链数智化相关企业提供借鉴。

（作者单位：中国经济信息社数据资产运营研究中心）