?工業數據治理是一個久久為功的系統工程，不能期待一勞永逸。在推進過程中，應兼顧數據治理長期目標和短期成效，按照“總體規劃—重點突破—分步實施—全面推進”的整體思路，引導多方參與，以工業企業為主體，營造“產學研用金政”協同的工業數據治理生態。

張紅艷 工業和信息化部電子第五研究所高級工程師

閆一新 工業和信息化部電子第五研究所工程師

數據是經濟社會發展的基礎性戰略資源，黨的十九屆四中全會首次提出將數據作為生產要素，標志著我國正式進入數字經濟紅利大規模釋放的時代。工業數據作為對工業產品、服務全生命周期進行記錄并可以鑒別的符號，是工業信息的載體，是數字經濟時代實現我國工業高質量發展的“石油”和“鉆石礦”。

國外工業數據治理經驗

近年來，美國、歐盟、日本等國家和地區將大數據產業發展作為提升國家競爭力、奪取新一輪競爭制高點的宏觀戰略，紛紛出臺相關規劃文件，落實配套措施，系統推動工業數據治理的創新發展。

在產業政策方面，歐盟于2018年11月頒布了《非個人數據自由流動條例》，明確了工業數據等“非個人數據”的內涵，為工業數據的存儲和其他處理活動創造更具競爭力的市場；2020年2月發布《歐洲數據戰略》，提出建立工業等領域的數據空間，旨在支持歐盟工業競爭力的提升，獲取工業數據潛在使用價值；2020年11月發布《歐洲數據治理條例》草案，鼓勵科技企業充分利用歐洲工業數據來創造數字經濟時代新優勢。德國于2019年11月公布《國家工業戰略2030》，提出建設自主和可信任的數據基礎設施，在全球范圍內維護德國工業的技術主權。

在模型與標準方面，美歐等數字經濟發達國家高度重視企業數據管理能力，相關行業協會、高校、企業紛紛制定發布數據管理標準和模型，為工業企業開展數據管理提供重要工具，如國際數據管理協會發布的《數據管理知識體系指南》、卡耐基梅隆大學軟件研究所發布的《數據管理成熟度模型》、國際數據治理研究所發布的《數據治理框架》、數據管理行業協會發布的《數據管理能力評價模型》和IBM公司發布的《數據治理統一流程》等。

在典型案例方面，日本工業價值鏈協會于2019年發布了《互聯產業開放框架》，該框架提供了一套“標準+技術+機制”的數據流通解決方案，實現了機器－機器、系統－系統、平臺－平臺的連接，極大地挖掘了數據價值。美國于20世紀60年代發布了“政府－工業界數據交換計劃”，大大方便了軍方與工業部門之間的信息交換，減少三軍在相同配件/零部件／材料方面重復性試驗造成的資源消耗。德國于2015年啟動了“工業數據空間”項目，即一種基于標準通信接口、實現安全數據共享的虛擬架構，旨在為數字化服務和創新商業模式提供安全、自主的數據交換。

我國初步形成協同推進機制

我國高度重視大數據產業發展，已經初步形成了以戰略引領、政策支持、標準指引等為一體的工業數據治理協同推進機制，涌現出一批工業數據治理領域優秀案例。

在政策體系方面，國務院于2015年印發《促進大數據發展行動綱要》，該綱要作為我國促進大數據發展的第一份權威性、系統性、戰略性、指導性文件，為我國大數據應用、產業和技術發展提供了行動指南。圍繞綱要的任務部署，工信部出臺了《工業數據分類分級指南（試行）》《關于工業大數據發展的指導意見》《“十四五”大數據產業發展規劃》等一系列文件，對工業數據的匯聚、共享、應用、安全等作出具體部署。此外，各地區也積極響應，陸續發布實施了300多份相關政策文件，23個省區市、14個計劃單列市和副省級城市設立了大數據管理機構，為工業數據治理營造了良好的政策環境。

在模型與標準方面，2018年，工信部指導全國信標委大數據標準工作組組織企業、科研院所、行業專家等，借鑒國外先進經驗做法，結合我國數據管理發展現狀，研制發布了《數據管理能力成熟度評估模型》（DCMM）。該標準從數據戰略、數據治理、數據安全等8個方面對企業數據管理能力進行全方位評估，將其成熟度劃分為初始級、受管理級、穩健級、量化管理級、優化級共5個等級。2019年，工信部委托中國電子信息行業聯合會牽頭，建立DCMM貫標評估工作體系，對近200家企業開展貫標評估，探索出一條能夠大規模、快速提升企業數據管理能力的路徑。

在典型案例方面，工信部圍繞大數據關鍵技術產品研發、重點行業應用、數據管理及服務等方面，分別于2018年、2020年、2021年遴選出三批大數據產業發展試點示范項目，通過試點先行、示范引領，樹立了一批工業領域數據治理的排頭兵。如網易針對當下工業企業業務訴求與痛點，搭建了工業大數據平臺，基于大數據集成工具、可視化大數據開發工具、大數據地圖、大數據質量管控工具，實現了研發、生產等全量數據分門別類地加工、管理、應用，幫助工業企業提質、降本、增效。DCMM的貫標也幫助不少企業提升了數據治理水平，如國家電網探索形成了“五位一體”的工作思路，圍繞定戰略、抓體系、夯基礎、建平臺、促應用五個方面，全面推進公司數據管理體系建設。

機遇與挑戰并存

在機遇方面，一是企業對數據重視程度普遍增強，我國工業企業廣泛認識到數據價值、數據創新應用的重要性，對企業內部數據分析、挖掘、創新應用的意愿高漲，重視程度逐漸增強。根據工業互聯網產業聯盟開展的《工業大數據利用與管理》問卷調查統計結果，高達70%的企業愿意參與工業數據共享流通活動。二是數據治理技術體系基本建立，4G/5G通信技術、傳感器技術的發展，大大降低了獲取工業實時數據的成本，云計算等技術的興起使得工業設備的運算能力大幅提升，軟件開源技術也使得構建工業大數據平臺的技術門檻越來低。根據全國信息技術標準化技術委員會發布的《數據治理發展情況調研分析報告》，94.5%的企事業單位在數據治理過程中采用了相應的平臺或工具。三是工業數據產業生態持續優化，我國建設了8個國家大數據綜合試驗區和11個大數據領域國家新型工業化產業示范基地，逐漸形成一批有影響力的工業大數據產業集群；標準體系逐漸完善，大數據國家標準的內容從基礎、技術、產品、平臺、管理等通用技術領域逐步向工業等垂直行業延伸；多層次企業梯隊基本形成，涌現出一批創新能力強、服務水平高、具有競爭力的綜合型龍頭企業，成長出一批創新能力強、具有國際競爭力的專精特新“小巨人”企業和“單項冠軍”企業。

在挑戰方面，一是數據采集匯聚難，主要體現在工業數據的數據采集量大、數據的協議標準不統一、視頻傳輸所需帶寬巨大、企業原有系統數據采集難度大。二是數據開放共享難，由于數據體量龐大、流通要求嚴苛、數據結構較為雜亂等原因，我國工業數據壁壘、碎片化等問題依然突出，亟需進一步完善工業數據資源產權、交易流通相關基礎制度和標準規范。三是數據應用創新少，與發達國家相比，我國工業企業的數據分析應用、創新能力還普遍處于淺層階段。根據工業互聯網產業聯盟對國內外366個工業互聯網平臺應用案例的分析，40%的平臺應用集中在產品或設備數據的檢測、診斷與預測性分析領域，而在涉及數據范圍更廣、分析復雜度更高的經營管理優化和資源匹配協同等場景中，多數平臺現有數據分析能力還無法滿足應用要求。四是數據安全防護弱，工業數據面臨巨量性、多樣性、擴大性、快速率、非對等性、開放性等風險，亟須進一步完善我國工業企業安全保障體系，提升涉及商業秘密數據的安全防護能力。

治理路徑：政府引導+產業協同+企業主導

工業數據治理是一個久久為功的系統工程，不能期待一勞永逸。在推進過程中，應兼顧數據治理長期目標和短期成效，按照“總體規劃—重點突破—分步實施—全面推進”的整體思路，做好工業數據治理的頂層設計、總體規劃，明確各階段的戰略目標和重點任務，引導多方參與，以工業企業為主體，營造“產學研用金政”協同的工業數據治理生態。

在政府層面，一是完善頂層戰略規劃，聚焦突出問題和明顯短板，統籌繪制工業數據治理戰略藍圖，探索建設符合我國工業數字化基礎的“工業數據空間”。二是健全相關法規標準，圍繞工業數據確權、使用、安全等方面，制定可操作的實施細則，加快重點標準研制，構建工業大數據規范化發展的環境。三是推動公共數據開放，積極制定公共數據開放共享目錄，優先推動與工業生產相關的公共數據開放，輔助企業科學決策。四是培育壯大企業主體，對標埃森哲、Google等國際一流數據服務商，面向重點工業領域培育工業大數據龍頭企業，打造一批具有競爭力的“專精特新”數據服務商。五是培育工業數據交易市場，依托北京國際大數據交易所、上海數據交易所建設，完善工業數據流通制度體系，建立合理的數據價值評價體系，開展工業數據交易試點。六是打造高水平數據人才隊伍，結合“新工科”和特色化示范性軟件學院建設，加強復合型人才培養，加強海外高層次人才引進，加大工業行業人才再培訓。七是加強國際交流合作，利用金磚、G20、中俄、中歐等多雙邊合作關系，與各國建立工業數據治理領域的合作機制，推動我國工業數據領域優秀企業、產品、技術“走出去”。

在產業層面，一是推廣完善行業標準，持續開展DCMM數據管理標準系列宣貫活動，提升企業參與貫標的積極性，擴大數據管理標準的社會影響力；引導企事業單位參與標準的修訂和試驗驗證，不斷完善工業數據標準的配套服務生態。二是落實數據分類分級，梳理行業重要數據和核心數據具體目錄，對目錄實施動態管理，對列入目錄的數據進行重點保護。三是引導沿鏈協同治理，發揮鏈主企業的引領作用，鼓勵大型企業通過開放平臺等多種形式與中小企業開展互利合作；開展工業數據協同治理試點，探索多元聯動、共建共治的數據協同治理新機制。四是提升公共服務能力，發展面向工業企業的數字化服務平臺，搭建聚焦質量大數據的公共服務平臺，不斷豐富工業數據治理支撐生態。五是開展標桿示范推廣，充分利用工信部大數據產業發展試點示范項目標桿效應，樹立一批標桿企業，引領全行業發展。

在企業層面，一是以數據驅動決策，形成“用數據說話、用數據決策、用數據管理、用數據創新”的數據思維，合理制定企業數據治理戰略。二是完善工業數據治理制度體系，根據相關戰略規劃調整數據治理組織架構，在決策層成立數據治理委員會，設置企業首席數據官。三是實施全生命周期數據管理，加快工業設備互聯互通和關鍵設備上云上平臺，推動工業數據采集匯聚；對內構建數據中臺，對外構建數據開放共享平臺，促進工業數據流通共享；規范工業數據開發應用，發揮各類工業互聯網平臺優勢，推動工業知識、技術、經驗的軟件化和流程化，培育發展面向不同場景的工業數據應用APP；重視工業數據退役銷毀。四是強化數據安全與質量管理，明確企業的數據安全主體責任，圍繞數據的分級分類、隱私保護、權限管理、訪問行為審計、數據加密，加強工業企業數據安全技術能力建設；按照“事前數據質量校核、事中數據質量監控、事后數據質量認責”的原則，打造全流程、閉環的數據質量管理體系。五是加快高端人才的培養和引進，持續提升員工數字素養和工業大數據技能；建立健全企業數據人才發展通道，優化數據人才評價制度，加快設立數據分析師、數據工程師、數據科學家等專業崗位。