同一场大会上，中国服装协会顾问、东华大学教授闻力生谈了一个更技术的话题，智能制造今后十年。他给了一个判断，过去十年行业在智能化上有了标杆，但整体数字化成熟度仍有待提升，数据尚未全面打通。未来十年的方向里，他提到工业 AI 大模型与智能体、AI 工业软件、数字孪生、视觉质检，还有一条容易被忽略的，推动数据资产化并进入交易所。
数据资产化并进入交易所。这句话在董事会上通常会引起两种反应，一种觉得离自己很远，一种立刻让 IT 部门去研究怎么把数据做成资产。
两种反应都偏了。
先说清一件事，数据能不能算资产，会计上有明确的门槛。它要能被识别、能被计量、能带来未来经济利益，还要有明确的权属。四条里最难过的是权属和计量。一家服装企业的数据，分散在设计、商品、销售、会员、财务五个系统里，每个系统由不同部门采购，合同签的是软件服务，数据存在供应商的服务器上。这种情况下去主张数据是自己的资产，法律上站不住。
再说计量。数据的价值怎么算，现在没有统一的方法。能进交易所挂牌的数据产品，通常是经过清洗、脱敏、结构化，有明确使用场景和买家的。多数企业内部的数据，连一份完整的目录都没有，谈不上产品化。
数据资产化这件事，门槛在治理，技术反而好办。而治理的起点，是三个很朴素的问题。
第一个问题，这份数据在谁手里。是公司自己的系统，还是供应商的系统，还是某个部门的 Excel。这一条决定了你有没有处置权。
第二个问题，谁能用。同一个会员数据，市场部能用，商品部能用，外部合作方能不能用，用的时候要不要脱敏。权限不清楚，数据就不敢流动，不流动就没有价值。
第三个问题，卖出去之后，谁还愿意给你数据。这是最容易被忽略的一条。数据一旦商品化，提供数据的一方会重新评估风险。供应商、经销商、会员，任何一方觉得不划算，数据的来源就会枯竭。
三个问题答完，多数企业会发现自己在第一关就过不去。数据散在五个系统里，权属不清，连内部打通都没做到。
希纪在给服装企业做 AI 经营改革时，第一步往往落在统一指标口径上，选模型排在后面。一个「毛利率」，财务有一套算法，商品部有一套，电商还有一套。三套口径同时存在，任何 AI 工具跑出来的结论都会被质疑，因为它跟某个部门熟悉的数字不一样。
口径统一是枯燥的活，要开很多会，要得罪人，要推翻一些部门多年的习惯。但它是一切数据应用的地基。没有这个地基，AI 就是一个更贵的报表工具。
可以先做的是三件小事。
第一件，做一份指标字典。把公司最常用的三十个指标写清楚，每个指标一个定义、一个算法、一个负责人。这份字典不需要很长，但要在全公司生效。
第二件，做一次数据盘点。有哪些数据，存在哪，谁负责，更新频率多少，能不能对外。盘点不需要工具，一张表就够。
第三件，选一个高频决策做试点。比如每周的补货判断，或者每月的新品淘汰判断。用一个具体的场景把数据、口径、责任人串起来，跑通了再复制。
三件事做完，数据才有了被称作资产的可能。
至于进交易所，那是很远的一步。它需要数据产品化、合规审查、买家认可，中间隔着专业机构的评估。对多数服装企业，现在谈这一步太早。
但有一件事现在就该做，把数据的权属写进合同。跟系统供应商、跟平台、跟合作方签新合同时，加一条数据归属与使用范围的约定。这一条不难，成本很低，但它是未来所有可能性的前提。
数据这件事，最贵的从来是那些没人愿意先做的琐碎工作，技术反倒便宜。
希纪 · 服装产业观察