B2B市场的客户有着很高的信息需求，并且尽可能的想降低成本和风险，同时他们承受向他人证明自己的购买决策正确性的压力。为了更好地了解客户的需求，供货方必须了解客户企业的价值链。
B2B市场客户的需求，系建立在企业价值链提升基础之上，客户购买B2B产品和服务的最终价值，是帮助企业价值增值，或使得生产过程更加经济、更加高效。上升到一个国家战略来说，B2B商业模式的成熟度，决定了国家工业制造业的整体实力。
在全球制造业产业转型的背景下，世界主要经济体国家，开始探寻B2B产业转型与制造业升级的协同路径，这包括德国工业4.0,美国工业互联网，以及中国制造2025与互联网＋行动计划。
在我国经济高速发展时期，也同样是B2B产业高速发展时期，这时的B2B交易需求旺盛，一方面来自于规模化的工厂建设的项目物料需求，一方面是来自于工厂设备运行与维护的MRO需求。
在全球产业转型升级的背景下，我国经济进入中低速增长的新常态。B2B需求发生结构性的变化，一方面是对环保性、安全性的可持续发展需求，另一方面企业开始追求经济性和即时性的高效服务。
然而现实状况是，我国工业制造业普遍不重视基础管理，加之B2B供应商存在大量低价竞争导致的粗制滥造、劣币驱逐良币的现象突出，B2B供需之间缺乏有效的信息匹配，使得B2B产业升级面临严峻的挑战。
我们很容易模仿，以GE为代表的B2B企业，推出基于物联网应用的工业互联网平台，认为绕过工厂基础管理，从物联网数据驱动的B2B产业变革会成为主流。而实际上除了个别领域的高附加值设备，或适合租赁和托管的领域以外，这很难形成主流的B2B商业模式。
或者，我们更多借鉴BAT在消费互联网的经验，搭建平台和电商渠道，但实际上连接B2B服务商和产品比较容易，但缺乏用户的需求有效匹配，最终也成效不大。
这是由于B2B用户在购买产品与服务之前，就想知道这些产品与服务对于企业价值增值、生产过程提效、成本节约有没有实质性的帮助。这些诉求，使得B2B产业需要有新的定位，这包括：
1.传统的买卖关系向合作伙伴转变；
2.风险共担向利润共享模式转变；
新的商业模式，要有利于对B2B企业用户的需求有更全面的理解，更贴近用户以满足服务即时性的需求，线上线下结合的MRO服务社区或是最佳商业实践。
B2B属于典型的多用户、多需求与多解决方案的交易类型，很难有单独一家能全面解决用户需求的服务商存在，这就导致了MRO服务社区的主体很难在B2B企业产生。
MRO服务社区，应该能代表企业的利益，一种新兴的园区物业形态，或大型企业独立出来的企业服务机构，将成为MRO服务社区的主体，这将有利于：
1.增强服务粘性，稳固的合作关系，有利于服务的即时响应和服务质量追溯；
2.更广的服务范围，将服务范围从维修、工业品提供，向诸如租赁、托管及人力资源服务、培训等服务范围延伸，有利于增强园区品质与竞争力；
当然，单一的MRO服务社区，因资源和技能结构局限于园区或大型企业工厂与工厂之间的资源协作，需要更广度和深度的服务支撑，以城市或跨区域的服务和工业品协作＋基于B2B工业服务（工业互联网）平台的生态协作系统，将有利于整合优势资源，实现B2B产业转型突围。
点评：B2B要搭上互联网的快车，必须解决规模化与定制的问题，MRO服务社区模式的优势，正好实现了规模化的需求与B2B解决方案的高效匹配。
工业服务的决策者并非B2B用户组织中的个人，由于工业制造企业的决策是组织行为，虽然我们很容易判定用户的实际需求是什么，一线的工程部门也知晓问题是什么，但由于其无决策权，简单的平台很难被用户采纳。且不说工厂决策者是否有时间关注细节，即便是工业服务资源与其对接，也需要由组织论证，在在决策时间和成交率也是不高的。
这关键在于如何提升B2B用户的优化用户价值链，而这本质上是知识积累程度的差异，我国工业制造业缺乏有效的基于数据的决策管控机制，严重制约了企业的智能制造转型的进程。通过有效数字化，解决数据效度和信度的条件下，加速知识互动与积累，就显得尤为关键，这体现在：
1.由于数据驱动决策的实现，作业指标与企业目标高度关联，作业价值被有效的衡量，这意味着从决策层、管理层、操作层、维修层及采购层，遵循同一套数据系统，形成人人关注指标，人人为目标负责的新的管理氛围；
2.形成智能决策报告提供给决策者，结合TOC约束生产理论：一方面智能分析出影响设备管理及盈利目标的关键制约条件，促进其组织持续盈利能力的目标实现；另一方面基于数据决策的驱动，使得知识积累与结果和过程高度统一；
3.管理的核心是知识技能的积累和传承，基于数字化条件下的数据系统：不仅是对这些宝贵经验的有效记录和存档，防止员工流失造成的知识流失；通过算法优化，还将实现同类设备的知识匹配，实现知识重用，发挥知识价值最大化。
数据驱动决策，不仅在于加速制造业企业内部知识的互动和积累。更重要的是，通过大数据与AI人工智能技术，将有效加速内外部知识的互动，实现基于价值数据下制约因素与外部资源，如维修、备品配件、装备制造商、管理与技术咨询服务商等资源的智能匹配。
由于制造企业在购买B2B商品之前，就想知道这些产品和服务对他们的价值增值活动能有多大的帮助，抑或是对他们的生产过程会不会因此而更加经济、更加高效。
而B2B产品与服务的探索特性，在数据驱动决策条件下如实反映出来，用户可在购买前直观查询到这些产品和服务客观特性（如，历史使用反映的MTBF(平均故障间隔时间。表现产品的质量和可靠性)、MTTR(平均故障修复时间，表现服务效率)等）。而购买后又可通过这些客观的指标获得验证。这正是数据决策驱动的关键，不仅可以使得用户依据数据快速做出购买决策，提高B2B产品与服务供需匹配效率，更有利于促进B2B产业的转型升级。
伴随多数制造业需求识别，从而最终实现数据驱动B2B工业服务生态变革，建立更智能、更快速、更安全、更清洁且更经济的工业生态体系。
参考文献
杨明波，刘华，郭显昌.数字化工厂＋工业维修服务体系［M］. 北京：机械工业出版社，2017.
作者简介
杨明波，中国工业设备管理交流中心首席顾问，工业4.0俱乐部.工业服务研究中心主任，长沙啄鸟网络科技有限公司首席市场官。著有《数字化工厂＋工业维修服务体系》，本书获得工业和信息部苗圩部长亲自推荐
