以數據為關鍵要素驅動工業轉型升級

2017年12月，******在中央政治局第二次集體學習時強調，要深入實施工業互聯網創新發展戰略，系統推進工業互聯網基礎設施和數據資源管理體系建設，發揮數據的基礎資源作用和創新引擎作用，加快形成以創新為主要引領和支撐的數字經濟。在2019年兩會上，李克強總理在《政府工作報告》中提出，要打造工業互聯網平臺，拓展“智能+”，為制造業轉型升級賦能。

宏觀上，大力發展工業互聯網，用數據智能助推工業轉型升級相結合，已經成為全國上下的高度共識。

微觀上，大數據技術的應用也開始為諸多企業帶來實際收益。工業互聯網產業聯盟2019年2月發布的《工業互聯網平臺白皮書》顯示，數據在工業研發設計、工藝優化、設備維護、質量控制、節能減排等方面的作用日益凸顯。

工業大數據發展面臨四方面挑戰

然而，也應該看到，成功案例仍然只是星星之火。由點及面形成燎原之勢，任重道遠。

2

挑戰2：工業數據資產管理滯后

計算機科學家警鐘長鳴：警惕“垃圾進，垃圾出（Garbage in，Garbage out）”。數據質量問題是長期困擾數據分析工作的難題。權威數據專家估計，每年低質量的數據會給企業帶來10%~20%的損失。工業領域很多時候追求確定性的分析結果，對數據分析的可靠性要求高，因而對數據質量的要求也就更高了。美國一直重視數據質量，在1990年還專門頒布了數據質量法案（Data Quality Act），2016年美國《聯邦大數據研發戰略計劃》也專門把確保數據質量與提升數據分析可信性作為七大戰略之一。

用數據，更要“養”數據。從信息化程度較高的金融、電信、互聯網等行業經驗來看，如果不開展專門的數據治理，就難以確保數據質量。而調查顯示，我國工業企業只有不到1/3的企業開展了數據治理，51%的企業仍在使用文檔或更原始的方式進行數據管理。工業企業應該把數據視為與機器設備同等重要甚至更寶貴的資產，加強數據資產管理。好消息是，已經有越來越多的工業企業從主數據或元數據切入，著手開展數據資產管理。而且，隨著機器學習技術的發展，智能化的數據資產管理工具也越來越完善，工業數據資產的管理，可以更多依賴人工智能高效完成。但相比信息化程度較高的金融、電信、互聯網等行業，工業數據的管理，還有很多欠賬要補。

3

挑戰3：工業數據孤島普遍存在

數據孤島幾乎是所有企業都面臨的困境。從單一企業內部來看，存在著不同時期由不同供應商開發建設的客戶管理、生產管理、銷售采購、訂單倉儲、財務人力等眾多IT系統，可謂煙囪林立。而要深度推進智能制造，不僅是上述IT系統要橫向互通，還要進一步縱向打通IT（Information Technology）和OT（Operation Technology）兩界的數據，推進難度非常大。而且，企業越大，管理和技術包袱越重。

從全行業看，發展工業互聯網，實現從單一企業內的局部優化，到整個產業鏈的全局優化的跨越，必然要實現整個供應鏈上跨企業的數據流通，這就進一步面臨著安全合規、商業模式和技術標準等方面的更大挑戰。前述調查顯示，超過半數的企業表示需要使用外部數據或對外提供數據，僅有2.7%的企業覺得不會涉及到數據合作，但數據流通由于涉及確權、安全合規等問題，風險和阻力都很大。

德國工業4.0計劃已經把數據流通作為重點議題，在構建工業數據空間（Industrial Data Space）方面進行模式上的探索。與此同時，同態加密（Homomorphic Encryption）、安全多方計算（Secure Multi-party Computation）、零知識證明（Zero-knowledge Proof）、區塊鏈與智能合約等技術正在走向實用，也為用技術打破數據共享僵局提供了一條有前景的路線。國內如何打破數據孤島，促進工業數據流通，仍需加快探索。

4

挑戰4：工業數據應用還不深入

大數據在工業領域的作用，縱向可以從3個層次來看：

01

最基礎的，是可以根據數據來描述工業產線、營銷和企業經營活動的歷史與現狀。

02

更上一層樓，可以基于數據預測設備、車間和整個企業的未來狀況。

03

最高層次，是根據數據分析結果，繞過人工干預，自動地直接指導企業運作，形成智能化的數據閉環。

而大數據在工業領域的作用，橫向則可以跨越設計、生產、銷售、服務全鏈條。

然而，工業企業的數據分析應用還普遍處于淺層階段。最近，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進行了分析，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，還需要進一步推動數據分析技術創新以及實現長期的工業知識積累。

未來，工業數據分析還需以問題為導向，把工業機理與數據科學方法緊密結合，讓數據應用的層次再上臺階，從而產出更大價值。

推進工業大數據發展的思考

工業互聯網的長期目標，是構建“數字雙胞胎”。只有工業數據越來越豐富、全面，質量越來越高，“雙胞胎”才可能長得像，才能“心心相印”。也只有這樣，才能讓物理世界的萬物得以在數字世界重現，通過數字世界里的計算、分析、預測、優化，來指導物理世界的最優運行，從而開辟新的增長空間。

為此，還需直面上述挑戰，做好幾個方面的工作：

（1）夯實數據基礎，高度重視數據資產管理的戰略價值

企業不僅要關注最終數據分析的顯性價值，更要重視數據采集、資產管理、治理、互操作與標準化等基礎性工作的價值。磨刀不誤砍柴工，只有地基牢固了，工業大數據才能可信、可用，成為價值源泉。

（2）抓住技術創新機遇

數據技術正在進入新的發展階段，時序數據庫、知識圖譜、深度學習、安全多方計算等為工業大數據采集、整合與分析孕育著新的動力，將特定應用場景與這些新技術結合，有望帶來新的突破。

（3）建立行業標準與規則

在行業層面，可以發揮行業聯盟作用，在數據采集協議、數據模型等方面建立行業標準，掃清技術層面互通的障礙。同時，還要推動形成工業企業間數據共享的行業規則，創造安全可信、利益均衡的數據流通生態，為打破全行業數據孤島鋪平道路。