应用价值维度的评分前提是可量化，没有数字总得分会被压在 6 分以内。本文列出自测数据、合作单位数据、公开统计数据三类来源的获取方式、可信度排序与引用注意事项，并给出确实拿不到数据时的三种替代论证与效益数据的呈现规范。
应用价值这一维的评分条款里有一句关键限定：方案若不能带来可量化的经济效益或社会效益，本部分总得分不超过 6 分。也就是说，「有效益」只到及格线，「有数字」才是拉开差距的部分。而真正卡住多数队伍的往往不是不会写，是不知道这些数字该从哪里来。
一、三种数据来源与可信度排序
可量化效益的数据来源不外乎三类。三者没有优劣之分，但在评审场景中的说服力有差别，能同时凑到两类以上最稳。
| 来源 | 怎么拿 | 说服力 | 主要风险 |
|---|---|---|---|
| 自测数据 | 在自有场景或实训场地做对照测试 | 中（可控、可复现） | 样本小、口径自定，易被视为自说自话 |
| 合作单位数据 | 向合作方调取台账、工单、检验记录 | 高（第三方留痕） | 脱敏与授权手续需提前走完 |
| 公开统计数据 | 政府部门、行业协会、年鉴与公开报告 | 高（来源可查） | 口径不匹配、年份过旧、地域不可比 |
可信度上，第三方留痕的数据优于自测数据；但自测数据胜在随时可得、可反复验证，是备赛早期最容易先出成果的一条路。
二、自测数据：把「比之前好」变成可复现的结论
自测最容易犯的错，是只测一次就写进材料。一份站得住的自测结论需要三个要素：基线、对照、重复。
- 基线。先说清改善之前是什么状态——原来的耗时、原来的合格率、原来的返工次数。没有基线，改善幅度无从谈起。
- 对照。同样的任务、同样的条件，分别记录改善前后两组数据。条件不一致的对比在评审时会被直接质疑。
- 重复。同一组测试至少跑三遍，给出波动范围而不是单一最好值。用最好值做宣传，一旦被追问就会失分。
测试过程要留原始材料：时间、场地、参与人、仪器读数、现场照片或视频。原始记录不必写进展示材料，但必须能随时拿出来。评委未必要求翻记录，但团队究竟有没有真测过，从数据形态上就看得出来。
三、合作单位数据：从口头认可到可引用的数字
合作方一句「你们这个确实有用」是评价，不是数据。要把它变成可引用的材料，需要走完三步：
- 明确要哪个指标。不要笼统地问效果怎么样，直接指定指标名称与统计区间，例如某个环节的单件耗时、某类缺陷的发生比例。
- 取原始记录而不是加工结论。台账、工单、检验记录这类原始材料比一份汇总表格更可信，也更容易核对。
- 完成脱敏与授权。涉及企业名称、产线编号、人员信息的内容一律替换处理，并在材料中注明数据已脱敏、名称已隐去。
这里有一条与匿名评审直接相关的注意点：效益数据可以引用，但材料中不得出现可识别的企业或人员名称。用行业通用词替代具体主体，是既保留数据说服力、又不触碰合规要求的通行做法。
四、公开统计数据：用对口径，不做地域攀附
公开数据的优势是来源可查、无需授权，劣势是口径经常与项目场景不匹配。使用时守三条：
- 标来源与年份。写清发布主体、报告名称、统计年度；只写一句「据行业统计」等于没有引用。
- 口径对齐。先确认统计口径与项目要说明的指标是不是同一件事，不同口径的数据不能直接相减或换算。
- 只做背景，不做结论。公开数据适合说明问题的普遍性与行业趋势，项目自身的效益结论仍应由前两类数据支撑。
五、确实拿不到数据时的三种替代论证
备赛早期数据不全很正常，此时可以用替代方式维持论证完整，但须明确标注其性质为估算。
| 替代方式 | 做法 | 标注要求 |
|---|---|---|
| 专家意见 | 向行业从业者或专业教师确认问题严重程度与改善方向 | 注明为访谈意见，不作量化结论 |
| 同类案例 | 引用同场景、同类技术的公开案例作为参照 | 注明案例来源与可比性说明 |
| 逻辑推算 | 基于已知的单次损耗，按作业量推算年度量级 | 写明推算公式与假设条件 |
三种替代论证的共同原则是「标明性质，不冒充实测」。把推算写成实测，比数据缺失更严重。
六、效益数据的呈现规范
- 一页纸说清一件事：改善了什么指标、从多少到多少、依据是什么。
- 统一单位与口径，同一指标在同一份材料里不出现两种写法。
- 用对比代替形容词：能画出前后对照图，就不要写「大幅提升」。
- 给每个数字标来源标签——自测 / 合作单位 / 公开统计，让评委一眼判断分量。
文中方法为通用备赛参考，评分要素、数据引用规范与材料要求均以大赛官方发布为准，实际操作请以组委会正式文件核对。