【工业大数据】工信部：加强工业大数据标准体系建设，加快数据质量、数据治理和数据安全等关键标准研制

vlambda
2020-05-19

【工业大数据】工信部：加强工业大数据标准体系建设，加快数据质量、数据治理和数据安全等关键标准研制

点击“数据质量管理智库” 订阅！

我国是全球第一制造大国，工业大数据资源极为丰富。近年来，随着新一代信息技术与工业融合不断深化，特别是工业互联网创新发展，工业大数据应用迈出了从理念研究走向落地实施的关键步伐，在需求分析、流程优化、预测运维、能源管理等环节，数据驱动的工业新模式新业态不断涌现。但相比于互联网服务领域大数据应用的普及和成熟，工业大数据更加复杂，还面临数据采集汇聚不全面、流通共享不充分、开发应用不深化、治理安全短板突出等问题，总体上仍处于探索和起步阶段，亟待拓展和深化。

工业和信息化部近日印发《关于工业大数据发展的指导意见》，明确将促进工业数据汇聚共享、深化数据融合创新、提升数据治理能力、加强数据安全管理，着力打造资源富集、应用繁荣、产业进步、治理有序的工业大数据生态体系。并提出加快数据汇聚、推动数据共享、深化数据应用、完善数据治理、强化数据安全、促进产业发展、加强组织保障等七方面21条指导意见。

未来三到五年，随着5G、工业互联网、人工智能等的发展，工业大数据将从探索起步阶段迈入纵深发展阶段，迎来快速发展的机遇期，全球工业大数据的竞争也将变得更为激烈。立足当前、着眼未来，制定出台《指导意见》意义重大。一是贯彻落实党中央、国务院工作部署的重要举措；二是有利于加快工业数字化转型进程；三是有利于凝聚各方共识，构建协同推进的工作体系，形成发展合力，着力解决突出问题，共建共创工业大数据生态。

（十一）开展数据管理能力评估贯标。推广《数据管理能力成熟度评估模型》（GB/T 36073-2018，简称DCMM）国家标准，构建工业大数据管理能力评估体系，引导企业提升数据管理能力。鼓励各级政府在实施贯标、人员培训、效果评估等方面加强政策引导和资金支持。

目前工业大数据的顶层设计已经基本完备，落地实施的一个关键抓手在微观企业上：只有当千千万万的微观工业企业有能力管好、用好数据，工业大数据价值才能真正遍地开花。但当前，仍有大量工业企业对数据不重视，欠缺数据管理的意识和能力。从美国的经验和我国推进两化融合的经验来看，建立数据管理能力标准、然后引导企业进行贯标，是快速将数据驱动能力注入企业的行之有效的方法。《指导意见》强调推广《数据管理能力成熟度评估模型》（DCMM）国家标准，以贯标评估引导工业企业切实提升数据管理能力，为全面激发工业数据价值打下坚实微观基础。

（十二）推动标准研制和应用。加强工业大数据标准体系建设，加快数据质量、数据治理和数据安全等关键标准研制，选择条件成熟的行业和地区开展试验验证和试点推广。

（十七）打造工业数据产品和服务体系。推动工业大数据采集、存储、加工、分析和服务等环节相关产品开发，构建大数据基础性、通用性产品体系。培育一批数据资源服务提供商和数据服务龙头企业，发展一批聚焦数据标准制定、测试评估、研究咨询等领域的第三方服务机构。

（二十）强化资金人才支持。发挥财政资金的引导作用，推动政策性银行加大精准信贷扶持力度。鼓励金融机构创新产品和服务，扶持工业大数据创新创业。完善人才培养体系，培育既具备大数据技术能力又熟悉行业需求的复合型人才。

（二十一）促进国际交流合作。围绕政策、技术、标准、人才、企业等方面，推进工业大数据在更大范围、更宽领域、更深层次开展合作交流，不断提升国际化发展水平。

《指导意见》文件

工业大数据是工业领域产品和服务全生命周期数据的总称，包括工业企业在研发设计、生产制造、经营管理、运维服务等环节中生成和使用的数据，以及工业互联网平台中的数据等。为贯彻落实国家大数据发展战略，促进工业数字化转型，激发工业数据资源要素潜力，加快工业大数据产业发展，现提出如下意见。

一、总体要求

坚持以习近平新时代中国特色社会主义思想为指导，深入贯彻党的十九大和十九届二中、三中、四中全会精神，牢固树立新发展理念，按照高质量发展要求，促进工业数据汇聚共享、深化数据融合创新、提升数据治理能力、加强数据安全管理，着力打造资源富集、应用繁荣、产业进步、治理有序的工业大数据生态体系。

二、加快数据汇聚

（一）推动工业数据全面采集。支持工业企业实施设备数字化改造，升级各类信息系统，推动研发、生产、经营、运维等全流程的数据采集。支持重点企业研制工业数控系统，引导工业设备企业开放数据接口，实现数据全面采集。

（二）加快工业设备互联互通。持续推进工业互联网建设，实现工业设备的全连接。加快推动工业通信协议兼容统一，打破技术壁垒，形成完整贯通的数据链。

（三）推动工业数据高质量汇聚。组织开展工业数据资源调查，引导企业加强数据资源管理，实现数据的可视、可管、可用、可信。整合重点领域统计数据和监测数据，在原材料、装备、消费品、电子信息等行业建设国家级数据库。支持企业建设数据汇聚平台，实现多源异构数据的融合和汇聚。

（四）统筹建设国家工业大数据平台。建设国家工业互联网大数据中心，汇聚工业数据，支撑产业监测分析，赋能企业创新发展，提升行业安全运行水平。建立多级联动的国家工业基础大数据库，研制产业链图谱和供应链地图，服务制造业高质量发展。

三、推动数据共享

（五）推动工业数据开放共享。支持优势产业上下游企业开放数据，加强合作，共建安全可信的工业数据空间，建立互利共赢的共享机制。引导和规范公共数据资源开放流动，鼓励相关单位通过共享、交换、交易等方式，提高数据资源价值创造的水平。

（六）激发工业数据市场活力。支持开展数据流动关键技术攻关，建设可信的工业数据流通环境。构建工业大数据资产价值评估体系，研究制定公平、开放、透明的数据交易规则，加强市场监管和行业自律，开展数据资产交易试点，培育工业数据市场。

四、深化数据应用

（七）推动工业数据深度应用。加快数据全过程应用，发展数据驱动的制造新模式新业态，引导企业用好各业务环节的数据。

（八）开展工业数据应用示范。组织开展工业大数据应用试点示范，总结推广工业大数据应用方法，制定工业大数据应用水平评估标准，加强对地方和企业应用现状的评估。

（九）提升数据平台支撑作用。发挥工业互联网平台优势，提升平台的数据处理能力。面向中小企业开放数据服务资源，提升企业数据应用能力。加快推动工业知识、技术、经验的软件化，培育发展一批面向不同场景的工业APP。

（十）打造工业数据应用生态。面向重点行业培育一批工业大数据解决方案供应商。鼓励通过开展工业大数据竞赛，助力行业创新应用。加大宣传推广力度，开展线上线下数据应用培训活动。

五、完善数据治理

（十三）加强工业数据分类分级管理。落实《工业数据分类分级指南（试行）》，实现数据科学管理，推动构建以企业为主体的工业数据分类分级管理体系。

六、强化数据安全

（十四）构建工业数据安全管理体系。明确企业安全主体责任和各级政府监督管理责任，构建工业数据安全责任体系。加强态势感知、测试评估、预警处置等工业大数据安全能力建设，实现闭环管理，全面保障数据安全。

（十五）加强工业数据安全产品研发。开展加密传输、访问控制、数据脱敏等安全技术攻关，提升防篡改、防窃取、防泄漏能力。加快培育安全骨干企业，增强数据安全服务，培育良好安全产业生态。

七、促进产业发展

（十六）突破工业数据关键共性技术。加快数据汇聚、建模分析、应用开发、资源调度和监测管理等共性技术的研发和应用，推动人工智能、区块链和边缘计算等前沿技术的部署和融合。

（十八）着力构建工业数据创新生态。支持产学研合作建设工业大数据创新平台，围绕重大共性需求和行业痛点开展协同创新，加快技术成果转化，推动产业基础高级化和产业链现代化。

八、加强组织保障

（十九）健全工作推进机制。省级工业和信息化主管部门（大数据产业主管部门）要建立工业大数据推进工作机制，统筹推进地方工业大数据发展。鼓励各地因地制宜加强政策创新，开展重大问题研究，实施政策评估咨询，助力工业大数据创新应用。

工业和信息化部

2020年4月28日

关于指导意见的详细解读请点击“阅读原文”

vlambda博客
学习文章列表