《工业大数据发展指导意见》权威解读暨中国经济时报圆桌会议记录

导读：

据统计,制造企业在利用大数据技术后,其生产成本能够降低10%—15%,并将在工业各个方面创造价值,最终驱动工业升级和产业整合。

工业大数据作为制造业数字化、网络化、智能化发展的基础性资源,正在对制造业生产方式、运行模式、生态体系产生重大而深远的影响。随着第四次工业革命的深入展开,工业大数据日渐成为工业发展最宝贵的战略资源,全球主要国家和企业都向工业大数据聚焦发力,培育发展数据驱动的工业发展模式。预计未来三年中国工业大数据市场规模将保持30%以上的增长速度持续增长,国家工信部于今年5月出台了《关于工业大数据发展的指导意见》,明确到2025年基本建成工业大数据体系。到 2022年达到 346.1 亿元,并将持续促进传统制造产业转型升级,助力工业智能化发展。

《工业大数据发展指导意见》权威解读

工信部日前发布《工业大数据发展指导意见（征求意见稿）》（以下简称《指导意见》），对工业大数据发展作出顶层设计，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，基本建成工业大数据资源体系、融合体系、产业体系和治理体系，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。当前，“得数据者得天下”已经成为全球普遍共识，工业大数据作为贯穿整个产品生产过程的新要素，是未来工业在全球市场竞争中发挥优势的关键，世界各国都高度重视。比如，美国从2009年开始陆续推出数据开放、技术创新、协作发展系列战略与规划。我国也高度重视发展工业大数据，近年来出台了《促进大数据发展行动纲要》《大数据产业发展规划（2016-2020年）》《关于深化“互联网+先进制造业”发展工业互联网的指导意见》等文件，把促进工业大数据的发展和应用作为重点任务。此次《指导意见》为我国工业大数据发展作出了全面规划，划出了线路图、设定了时间表。

《指导意见》围绕资源、融合、产业和治理四大体系，提出了重点任务和发展目标。比如，在数据资源高效汇聚方面，将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。在融合应用繁荣发展层面，将培育3-5个达到国际先进水平的工业大数据解决方案供应商。在增强技术实力方面，将形成一批技术先进、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等。

为完善工业大数据治理体系，《征求意见稿》提出完善工业大数据法规标准、推动工业大数据分类分级管理等强化发展保障。比如，加强工业数据确权、数据流通、数据安全等相关法律法规立项和研究，加快完善工业大数据规范化发展的法制环境；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等。

近年来，在国家大数据战略的引领下，我国工业大数据产业发展不断壮大。比如，三一重工组建树根互联工业互联网平台，集成了大数据分析及预测模型、端到端全流程运营管理系统等软件工具和系统；海尔也自主研发了支持大规模定制的COSMO平台。目前，我国工业大数据领域已经形成龙头企业带领、上下游企业互动的良好局面。

需要指出的是，在我国工业大数据突飞猛进的同时，也暴露出一些发展短板，比如企业各领域信息化程度差异大，存在信息孤岛现象和应用深度不足等。

此次《指导意见》表示，将健全统筹推进机制。加强政策创新，结合各地工业大数据发展实际，发挥重点工程和最佳实践的试点示范作用，激励创新应用的落地实施。

《指导意见》还表示，要强化财税金融支持。持续发挥财政资金的杠杆效应和引导性作用，推动政策性银行加大精准信贷扶持；加强市场化融资力度，支持符合条件的工业大数据企业开展股权融资，引导社会风险投资向工业大数据初创企业倾斜；加强金融产品创新，延展产业链金融服务范围，探索开发工业大数据相关保险产品、信贷产品和服务。

可以预见，随着政策的落实，工业大数据将迎来发展机遇期，有望成为支持工业高质量发展的新引擎，促进中国制造向中国创造升级。

《工业大数据创新发展圆桌会议》中国经济时报近日，中国经济时报召开主题为《深挖工业数据价值 打造创新发展新引擎》圆桌会议，对以上指导意见进行了分析讨论。国务院发展研究中心产业经济研究部研究室主任：魏际刚；

工业和信息化部赛迪研究院工业经济研究所工业发展研究室主任：张厚明；

中国电子信息产业发展研究院规划所研究总监：黄玉洁。

应邀参加此次会议，并针对以下问题作出讨论：

1.工业数据赋能高质量发展的作用体现在哪些方面？

2.当前，工业数据实施需解决哪些问题？

3.对于提升企业数据管理能力您有哪些建议？

当前，我国大数据技术在工业领域用户需求精准分析、生产过程改进优化、营商管理智能决策等方面的运用方兴未艾，工业数据作为新的生产要素资源，支撑供给侧结构性改革，驱动制造业转型升级的作用日益显现，正成为推动制造质量变革、效率变革、动力变革的新引擎。

记者：工业数据赋能高质量发展的作用体现在哪些方面？

魏际刚：

大数据是工业企业发展的核心要素之一，企业通过工业大数据来提高资源配置效率，提高市场响应能力与应急保障能力，优化生产方式，促进供需匹配与创新，减少浪费、降低成本，增加透明度、提高产品质量，提供更多个性化产品与服务，提高企业生产率和竞争力，能够促进经济高质量发展。大数据是智能制造与工业互联网的基础。“无数据不智能”“无数据难互联”。数据重塑制造方式，驱动着传统制造业向智能制造和工业互联网的迭代升级。

张厚明：

一是通过工业数据实现业务场景交互，推进生产制造智能化升级。大数据在生产过程中的应用类似于给生产制造配上了“大脑”，使之能灵活应对各种业务场景，主要是通过分析整合产品数据、制造设备数据、订单数据以及生产过程中产生的其他数据，显著提升生产控制的准确性，大幅增强生产制造的柔性化水平和协调度。

二是工业数据与传统工业行业加速融合，催生出大量新产品、新产业和新业态。例如，将工业数据融入到传统的汽车、家居、可穿戴设备等产品的功能开发中，可以形成智能网联汽车、智能家居和智能可穿戴设备等制造业发展新领域，从而形成新的经济增长点。

三是工业数据支撑生产性服务业发展，加快制造业与服务业的融合。大数据的应用，将企业的发展模式从以往围绕产品生产销售提供售后服务转变为围绕提供持续服务而进行的产品设计，并促使企业业务从传统的产品生产销售向生产性服务领域延伸，最终使得工业企业的主要利润来源于产品售后的服务环节，而不是此前的产品生产和销售环节。

四是工业数据辅助科学决策，增强工业企业经营管理能力。工业数据的应用，能够显著推动跨区域、跨行业创新组织的建立，同时促进电子商务、研发设计和众包众创等新模式的协同发展，从而增强工业企业的经营管理能力。

黄玉洁：

随着新一代信息技术与制造业融合的深入推进，特别是工业互联网的创新发展，制造业加速向数字化、网络化、智能化发展，工业数据日益成为制造业发展的关键生产要素，在很大程度上缓解了制造业人工成本大幅上升的问题，有效提高了制造业企业生产效率和产品质量、降低了企业生产成本和单位产值能耗，成为支撑制造业高质量发展的重要力量。

以国家组织开展的智能制造试点示范项目为例，经初步摸底，试点示范项目生产效率平均提高近三分之一，能源利用率提升超过10%，运营成本降低近两成，产品研制周期缩短三成，产品不良品率降低26.3%。

从地市情况看，以宁波为例，该市于2017年启动了规上工业企业智能化诊断和技术改造“三年两个全覆盖”行动，大力推进“机器换人”、自动化（智能化）生产线改造、数字化车间和智能化工厂建设，在已经竣工的改造项目中，企业生产效率平均提高了三成，运营成本平均降低9.3%，产品不良品率平均降低8.2%，单位产值能耗平均降低5.9%。

从微观企业看，以入选全国首批智能制造试点示范项目的湖北长飞光纤的光纤智能制造试点示范项目为例，该项目实施后，预制棒人均产量提高15.3%，光纤人均产量提高47.4%，拉丝速度提高了38.9%。

记者：当前，工业数据实施需解决哪些问题？

黄玉洁：为加大工业数据的有效利用，需着力解决好如下几个问题。

一是加大工业数据采集。目前，我国工业企业，尤其是传统制造业领域的中小企业信息化基础相对较差，截至2020年6月，全国制造规上工业企业生产设备数字化率仅为48.7%、数字化研发设计工具普及率达71.5%、关键工序数控化率达51.1%，加之信息化设备接口不开放，导致工业数据采集汇聚较难。为此，国家层面要鼓励和引导工业企业，尤其是中小企业加快实施设备数字化、智能化改造，加快覆盖范围更多的工业数据的采集。地方省市也要根据自身制造业发展实际，制定有针对性的推进信息化、智能化改造的政策，如浙江省在2018年出台了《关于推动工业企业智能化技术改造的意见》，提出到2022年全省规模以上工业企业与18个振兴实体经济财政激励县（市、区）的中小企业实施智能化技术改造覆盖面达到70%以上的目标。

二是加快制定权威的工业数据标准。每个制造业企业每天都会产生和利用大量的研发设计、经营管理、设备运行、外部市场等数据，但由于工业设备种类繁多、应用场景复杂、数据格式不统一、设备数据接口未开放等原因，导致工业数据难以转化为有用的数据资源，亟待有关部门、相关行业组织、企业加快研究制定和推广工业数据标准。

三是促进工业数据流通共享。由于工业数据权属界定不清，跨企业、跨行业的数据共享流通较难，针对该问题，要鼓励和引导优势产业上下游企业率先开放数据，探索建立互利共赢的工业数据共享机制；同时，要加强区块链等技术在数据流通中的应用，为工业数据流通建立一个可信的环境。

四是保护工业数据安全。工业数据涉及到企业研发、生产、管理、用户等多个方面的信息，一旦泄露，会给企业和用户带来严重的安全隐患，甚至会威胁到关键基础设施安全乃至国家安全。目前，工业数据已经成黑客攻击的重点目标，我国34%的联网工业设备存在高危漏洞，长期遭恶意嗅探。为有效提供工业数据安全，要加快工业数据安全责任体系建设，积极引导企业加强工业设备信息安全防护。

魏际刚：

工业数据实施需要解决数据质量、流动、存储、标准、安全、节能、责任等一系列问题。数据的质量、真实性和完整性是数据价值利用的关键，尤其是在人工智能部署的语境下。在高度数字化连接的世界中，跨边界安全地交换数据的流动能力至关重要。由于更多的产业通过利用物联网、工业互联网、电商等结构或非结构化数据资源来提取有价值信息，而海量数据的处理与分析均要求构建大数据存储与计算中心。工业数字化转型取决于安全、节能、负担得起的高质量数据处理能力，包括在数据中心和边缘设备上的云基础架构和服务所提供的能力。制定和推动数据标准，提高数据一致性、完整性和互操作性。随着数据使用的增加，必须确保以合法、安全、公平和道德的、可持续、可追责的方式负责任地使用数据，同时支持研究和创新。

张厚明：当前，工业数据实施需解决以下问题。

一是对工业数据重要性的认识不足。因我国工业领域信息化起步相对较晚，当前许多行业和企业对工业数据的重要性缺乏客观、科学的认识，对数据资源在推动工业发展方面的战略价值认识不足，多数企业对数据资源建设不够重视。

二是工业数据存在信息孤岛现象。各个工业企业存在着不同时期由不同供应商开发建设的生产管理、订单仓储、销售采购、客户管理、财务人力等众多IT系统，上述信息系统彼此分割无法对接。此外，作为工业行业主管部门的政府，其内部各个部门之间也是多套信息系统并行，相互之间的数据信息资源也无法共享互通。

三是缺乏工业数据方面的专业人才。大数据作为一个新兴的、高速发展的产业，现有的人才储备远远不能满足众多工业企业当前及未来发展的需要。特别是那些既熟悉制造业相关业务，又懂得大数据技术与管理知识的复合型人才更是严重缺乏。

四是工业数据发展与应用安全风险高。工业企业在选择本地部署工业互联网平台或云服务商进行数据和业务的托管时，其选择的合作供应商存储服务器若存在漏洞会导致企业面临敏感信息泄露风险。当前，云服务安全事故频发，且工业领域各行业尚未形成完善的数据资产定价和赔偿机制，导致工业数据发展与应用面临安全性挑战。

记者：对于提升企业数据管理能力您有哪些建议？

张厚明：

在企业层面，一是提升企业数据管理意识，积极跟进企业业务需求，不仅要关注最终数据分析的显性价值，更要重视数据采集、数据资产管理、数据互操作与数据标准化等基础性工作的价值，以需求带动数据管理体系建设。

二是积极运用DCMM（数据管理能力成熟度评估模型），以提高企业的数据管理意识和数据资产管理能力，实现企业数据管理体系革新、生产模式优化、运行效率提升，加快推动企业向数字化、网络化、智能化转型发展。

三是在强化安全意识的同时积极应对各类风险，企业要努力实施数据分级分类防护，建立数据保障体系。企业应选择规范可信的工业互联网平台或云服务商进行数据和业务的托管，切实降低敏感数据外泄风险。

在政府与行业层面，一是积极发挥政府的引导作用，建立完善工业数据的监管体系，为企业的数据应用和企业间的数据合作提供可靠保障。

二是推动制定形成工业企业间数据共享的标准与规则，创造安全可信、利益均衡的数据流通生态，有效破解数据孤岛难题。

三是发挥行业联盟与协会的作用，在数据采集协议、数据模型构建等方面建立行业标准，从技术层面为工业数据互通共享扫清障碍。

黄玉洁：

数据治理是激活工业数据价值、释放数据潜力的重要抓手，为有效提升企业数据管理能力，需着重加强复合型人才供给。与互联网消费大数据仅依赖统计学工具挖掘数据属性之间的相关性不同，工业数据更注重数据特征背后的物理意义以及特征之间关联性的机理逻辑，为此，为有效管理和利用工业数据，急需大量的既懂大数据技术又熟悉行业需求的复合型人才。

须深入挖掘工业数据价值。我国是世界第一制造业大国，大量数据来自于产品研发、生产制造、企业管理和产品服务等环节，工业数据资源极为丰富，但其潜在价值尚未得到较好的开发利用。要抓住我国5G、工业互联网、人工智能等信息技术快速发展的良好契机，加快推动国家工业互联网大数据中心建设，加速各行业工业数据的汇聚、分级分类和开发利用，推动工业数据向工业大数据的转变，助力制造业高质量发展。

魏际刚：

提升企业数据管理能力，需要从多个维度进行提升。一是提升企业科学制定大数据战略与规划的能力，对大数据管理框架与制度进行全面的设计与创新。二是提升数据采集、整理、结构化的能力，让大数据成为企业发展的重要生产性要素。三是提升大数据分析与预测的能力，为企业决策、生产方式改进、组织变革、供应链建设提供支撑，使大数据价值最大化。四是提升数据安全防护能力，企业要设计建构好更加完善的大数据安全保护体系。五是充分利用先进适宜的数字化技术来提升大数据管理的能力。

未来大部分数据将来自于产业界、公共利益相关领域或日常生活中的物联网应用等领域，这些领域中国有最为丰富的数据、场景，也有较强的实力。但机会与挑战并存，全球在大数据领域的争夺与竞争会更加激烈。今天的赢家未必是明天的赢家，但是今天的战略与行动决定了接下来数十年数据经济方面的竞争力来源。所以中国应立即行动起来，为大数据时代、数字经济时代、智能经济时代的竞争做好准备。