建成资源、融合、产业和治理四大体系。

 

       9月4日，工信部发布《工业大数据发展指导意见(征求意见稿)》，提出打造以资源体系建设为基础、以融合体系建设为动力、以产业体系建设为支撑、以治理体系建设为保障的工业大数据发展整体架构。其目标是：到2025年，工业大数据资源体系、融合体系、产业体系和治理体系基本建成，形成从数据集聚共享、数据技术产品、数据融合应用到数据治理的闭环发展格局。

 

       意见还提出，面向能源化工、航空航天、建筑钢铁、家电、纺织服装、食品追溯等新一代信息技术与制造业融合发展的重点产业和领，培育3-5个达到国际先进水平的工业大数据解决方案供应商。

 

       目标：建成资源、融合、产业和治理四大体系

 

       工信部相关负责人在解读征求意见稿时指出，该部在赴北京、广东、浙江、江苏等地区开展实地调研，并组织召开了工业企业、互联网企业、工业软件企业等50家企业参加专题座谈会的基础上制定了征求意见稿，其目的是系统构建工业大数据资源体系、融合体系、产业体系和治理体系，一方面促进行业发展，逐步激活工业数据资源要素潜力；另一方面，保障行业安全，不断提升数据治理和安全保障能力。

 

       其发展目标是：到2025年，工业大数据资源体系、融合体系、产业体系和治理体系基本建成，形成从数据集聚共享、数据技术产品、数据融合应用到数据治理的闭环发展格局，工业大数据价值潜力大幅激发，成为支持工业高质量发展的关键要素和创新引擎。

 

       在数据资源汇聚上，工业数据实现大范围、深层次的集成汇聚与互通共享，科学、完备、可行的数据共享流通机制基本建立，建成国家工业互联网大数据中心、制造强国产业基础大数据平台等国家级基础工业数据资源平台。

 

　　在应用发展上，工业大数据在全流程、全生命周期广泛应用，算法库、知识库、模型库、参数库、专家库等工业大数据分析工具库基本建成，培育3-5个达到国际先进水平的工业大数据解决方案供应商。

 

　　在技术产业上，大数据采集、存储、管理、分析与应用等技术处于国际领先地位，形成一批技术先进、可满足重大应用需求的大数据软硬件产品，创建一批推动工业大数据集聚发展的国家新型工业化产业示范基地。

 

　　治理体系方面，意见的目标是工业大数据安全保障体系基本建成，工业大数据安全技术达到国际先进水平，工业大数据分类分级管理体系全面建成和加速推广。

 

　　工业大数据的九大任务、三大工程

 

　　值得注意的是，意见围绕资源、融合、产业和治理四大体系，提出了9项重点任务和3大推进工程。

 

　　在资源体系方面，包括3项重点任务：加强工业大数据资源采集汇聚、推动工业大数据资源共享流通、提升工业大数据资源管理能力；2大推进工程：国家工业基础数据资源平台建设工程和企业工业大数据管理能力提升工程。其主要内容是：推进工业企业数据资源采集汇聚、流通共享和全链条管理能力的提升，为扩大和深挖数据价值打好坚实基础。

 

　　意见要求，指导建设国家工业互联网大数据中心，推动形成数据资产目录和资产地图。

 

　　在融合体系方面，包括2项重点任务：推动工业大数据全面深度应用、强化工业大数据应用供给能力；1个推进工程：工业大数据应用工程。主要内容是：聚焦深化工业大数据创新应用，激发企业应用工业大数据新模式新业务的内在动力，加快培育工业大数据解决方案提供商，推进融合应用的纵深发展。

 

　　意见要求，培育数据驱动的制造新模式。支持企业利用大数据技术开展用户精准画像，促进用户数据与制造全流程数据的贯通集成，实现面向用户需求的柔性化、定制化生产。

 

　　意见还要求，面向能源化工、航空航天、建筑钢铁、家电、纺织服装、食品追溯等新一代信息技术与制造业融合发展的重点产业和领域，发挥政策导向作用，支持培育一批市场份额大、服务能力强、专业化和集成化水平高的工业大数据解决方案供应商。

 

　　在产业体系方面，包括2项重点任务：提升工业大数据技术能力、发展工业大数据核心产业。主要内容是：推动关键底层和共性技术突破，打造健全的工业大数据软硬件产品体系，培育完整的产业生态，引领工业大数据核心产业发展壮大。

 

　　意见要求，突破工业大数据关键共性技术。全面梳理工业大数据关键共性技术短板，形成攻关清单，研究制定工业大数据技术发展路线图，明确关键共性技术的发展方向、目标和路径。

 

　　在治理体系方面，包括2项重点任务：完善工业大数据法规标准环境、加强工业大数据安全风险防范。主要内容是：聚焦有序推进工业大数据分级分类管理体系建设和应用推广，加强工业大数据安全技术和产品研发，提升工业企业大数据安全防护水平，构建工业大数据安全保障体系。

 

　　意见要求，推动工业大数据分类分级管理。完善工业大数据分类分级顶层规划，制定《工业数据分类分级指南》，实现数据的差异化管理。

 

　　专家：工业大数据“富矿”亟待开掘

 

　　清华大学软件学院院长、工业大数据研究中心主任王建民在接受21世纪经济报道采访时指出，工业大数据主要包括企业内部数据、产业链数据以及跨界数据(市场、地理、环境、法律和政府等外部跨界信息和数据)三部分。

 

　　他认为，当前人和机器是产生数据的主体，未来机器产生的数据所占的比例将越来越高。巨大的人口规模以及庞大的工业体量为中国提供了难得的工业大数据“富矿”。

 

　　“中国既是制造大国也是网络大国，并由此正在成为数据大国，拥有丰富的工业数据资源的中国，急需深挖工业大数据的潜力，培育数据驱动的新型工业体系。”

 

　　他指出，数据正在成为关键的生产要素，预计到2020年，全球的数据总量将达到40ZB，中国的数据量将占全球数据总量比例的20%，成为世界第一大数据资源大国。

 

　　前瞻产业研究院的一份报告指出，眼下全球工业大数据的规模不断增加。2017年全球工业大数据的市场规模为201亿美元，当年全球大数据市场规模为394亿元，工业大数据占全球大数据总规模超过50%。

 

　　而据贵阳大数据交易所统计资料显示，2017年我国工业大数据市场规模约为212元，较上年同比增长41.3%，预计2018年国内工业大数据的规模增加至292亿元。

 

　　而中国工业大数据创新发展联盟发布的一份报告预计，到2020年工业大数据市场规模预计将达到822亿元，在行业应用中，预计到2020年工业大数据的占比将达到6.64%。

 

　　然而，当前中国发展工业大数据也面临多重挑战。在制造业方面存在着明显的“大而不强”的现象，工业各领域信息化程度参差不齐，生产的各环节信息采集仍不充分，信息孤岛现象比较严重，缺乏统一的数据标准，工业数据难以集成应用，数据管理和建模技术水平也不够高，对海量实时异构数据的挖掘能力不足，大数据在产品全生命周期各环节的应用也尚未普及。

 

　　而在工信部信软司副司长李冠宇看来，推动工业大数据的应用发展，核心任务是构建覆盖工业全环节、全流程和产业全生命周期的数据链，并在此基础上形成基于数据分析的系统级的工业智能。

 

　　在他看来，智能制造的核心就是打通数据链，从需求分析，设计、生产、制造到销售，打通全生命周期、全产业链的数据链，并催生出网络协同制造、个性化定制，服务型制造等一系列新的商业模式。