《工業和信息化部關于工業大數據發展的指導意見》解讀
時間：2020-05-14 17:30 來源：信息技術發展司近日，工業和信息化部發布《關于工業大數據發展的指導意見》（工信部信發〔2020〕67號，下稱《指導意見》），現就《指導意見》有關內容解讀如下：
一、什么是工業大數據？為什么要出臺《指導意見》？
工業大數據是工業領域產品和服務全生命周期數據的總稱，包括工業企業在研發設計、生產制造、經營管理、運維服務等環節中生成和使用的數據，以及工業互聯網平臺中的數據等。隨著第四次工業革命的深入展開，工業大數據日漸成為工業發展最寶貴的戰略資源，是推動制造業數字化、網絡化、智能化發展的關鍵生產要素。全球主要國家和領軍企業向工業大數據聚力發力，積極發展數據驅動的新型工業發展模式。
黨中央、國務院高度重視大數據發展，強調推動大數據在工業中的應用。習近平總書記指出，要“構建以數據為關鍵要素的數字經濟”“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。”《促進大數據發展行動綱要》《關于深化“互聯網+先進制造業”發展工業互聯網的指導意見》等政策文件均提出要促進工業大數據的發展和應用。今年4月，黨中央、國務院印發《關于構建更加完善的要素市場化配置體制機制的意見》，明確提出要支持構建工業等領域規范化數據開發利用的場景，提升數據資源價值。
我國是全球第一制造大國，工業大數據資源極為豐富。近年來，隨著新一代信息技術與工業融合不斷深化，特別是工業互聯網創新發展，工業大數據應用邁出了從理念研究走向落地實施的關鍵步伐，在需求分析、流程優化、預測運維、能源管理等環節，數據驅動的工業新模式新業態不斷涌現。但相比于互聯網服務領域大數據應用的普及和成熟，工業大數據更加復雜，還面臨數據采集匯聚不全面、流通共享不充分、開發應用不深化、治理安全短板突出等問題，總體上仍處于探索和起步階段，亟待拓展和深化。
未來三到五年，隨著5G、工業互聯網、人工智能等的發展，工業大數據將從探索起步階段邁入縱深發展階段，迎來快速發展的機遇期，全球工業大數據的競爭也將變得更為激烈。立足當前、著眼未來，制定出臺《指導意見》意義重大。一是貫徹落實黨中央、國務院工作部署的重要舉措；二是有利于加快工業數字化轉型進程；三是有利于凝聚各方共識，構建協同推進的工作體系，形成發展合力，著力解決突出問題，共建共創工業大數據生態。
二、《指導意見》是怎么編制的？總體考慮是什么？
《指導意見》編制過程如下：2019年4月，我們組織中國信息通信研究院、國家工業信息安全發展研究中心、中國工業互聯網研究院、中國電子信息產業發展研究院、中國電子技術標準化研究院、工業和信息化部電子第五研究所等單位組建文件編寫組，啟動《指導意見》編制工作。編寫組在赴廣東、浙江、江蘇和北京等典型地區實地調研基礎上，組織召開了工業企業、互聯網企業、工業軟件企業等參加的專題座談會，就工業大數據和工業數字化轉型等相關問題聽取了近50家企業和院士、專家的意見，并就數據管理等專題聽取了部分地方行業主管部門的建議，形成《指導意見》初稿。2019年8月，我們征求了中央網絡安全和信息化委員會辦公室、國家發展改革委等相關部門意見，2019年9月在工業和信息化部網站向社會公開征求意見，經認真研究，我們采納了其中的合理建議，修改完善后形成了《指導意見》。
《指導意見》總體考慮如下：一是堅持全盤布局、系統推進。發展工業大數據是一項復雜的系統工程，既要構建工業大數據采集、匯聚、流通、分析、應用的價值閉環，推動創新發展，也要提升數據治理和安全防護能力，保障發展安全；既要重視在需求側促進大數據與實際業務深度融合，也要在供給側推動大數據技術和產業創新發展；既需要在宏觀層面加強體系化布局，建立全面系統的工業大數據生態，也需要在微觀層面務實著力，提升企業的數據管理能力。因此，《指導意見》的重點任務涉及數據匯聚、數據共享、數據應用、數據治理、數據安全、產業發展6個方面，能夠全面支撐工業大數據發展。二是堅持問題導向、突出重點。工業大數據高度復雜，數據采集匯聚難、共享流通難、分析應用難、安全治理難，一蹴而就解決全部問題是不可行也不現實的。在廣泛調研和深入研討的基礎上，《指導意見》緊盯問題短板，抓住重點關鍵，針對我國工業大數據現階段的發展特點、主要問題和亟待取得突破的重點領域，共設置了18項重點任務，精準施策，務實有序推動工業大數據發展。
三、當前工業數據采集匯聚存在哪些問題？《指導意見》提出了什么舉措？
工業大數據的采集匯聚過程中面臨的痛點較多。企業反應的主要問題包括：因企業信息化基礎差、設備接口不開放等造成數據采集不上來；企業數據底賬不清，不知道自己有哪些數據、分布在哪里，大部分工業數據處于“睡眠”狀態；因設備不互聯，通信協議不兼容等造成不同數據不匹配、不互認，數據孤島現象普遍；數據失真、失準及一致性差等因素導致數據匯聚質量不高，等等。
《指導意見》部署了3項重點任務，推動全面采集、高效互通和高質量匯聚，包括加快工業企業信息化“補課”、推動工業設備數據接口開放、推動工業通信協議兼容化、組織開展工業數據資源調查“摸家底”、加快多源異構數據的融合和匯聚等具體手段，目的是為了形成完整貫通的高質量數據鏈，為更好地支撐企業在整體層面、在產業鏈維度推動全局性數字化轉型奠定基礎。
四、《指導意見》提出要統籌建設“國家工業大數據平臺”的考慮是什么？
在國家層面把基礎數據匯聚起來，建設以大數據為手段支撐政府精準施策、精準管理的平臺，正變得日益重要。比如，在此次疫情爆發初期，針對重點物資保障需求不明、底數不清、對接不暢等困難，工業和信息化部依托制造強國產業基礎大數據平臺快速建成“國家重點醫療物資保障平臺”，運用信息化手段保障重點醫療物資的科學調度、統籌平衡和高效供應，為打贏疫情防控阻擊戰提供有力支撐。《指導意見》部署了“建設國家工業互聯網大數據中心”“建立多級聯動的國家工業基礎大數據庫”等具體手段，以更好地服務政府決策和企業發展。
五、關于促進工業數據共享流通，《指導意見》有哪些舉措？
隨著新一代信息技術與工業融合從單點局部走向全局優化，工業企業對于跨企業、跨行業數據共享合作的需求正在快速增加。推動數據共享流通，促進數據要素市場化配置，也是4月黨中央、國務院發布的文件《關于構建更加完善的要素市場化配置體制機制的意見》部署的重點任務。但目前，企業普遍反應，因數據權屬界定不清、規則不明、難以定價等基礎性問題沒有得到解決，跨企業、跨行業的數據共享流通難以開展。這是一個全球性難題。《指導意見》部署了2項重點任務，通過探索建立工業數據空間、加快區塊鏈等技術在數據流通中的應用、完善工業大數據資產價值評估體系等方式，從技術手段、定價機制、交易規則等多個方面著手，激發工業數據市場活力，促進數據市場化配置。
六、當前工業大數據應用中存在什么問題？《指導意見》如何促進工業大數據應用？
部分領軍企業在數據應用上進行了深入探索，也取得了發展實效，但大量工業企業的數據應用仍然是單點的，局部的、低水平的。企業反映的原因包括：對數據的不重視，“不想用”；數據分析的手段、人才等缺乏，“不會用”；對數據應用規律缺乏認識，數據應用投入大，“不敢用”，等等。《指導意見》部署了4項重點任務，通過在需求端組織開展工業大數據應用試點示范、開展工業大數據競賽等手段，解決不想用、不敢用等問題；通過在供給端培育海量工業APP、工業大數據解決方案供應商、向中小企業開放數據服務能力、培育應用生態等手段，降低企業數據應用的成本投入和專業壁壘，解決不會用、不敢用問題。供需雙向發力，共同推動工業大數據全面深度應用。
七、《指導意見》為什么強調要“開展數據管理能力評估貫標”？
目前工業大數據的頂層設計已經基本完備，落地實施的一個關鍵抓手在微觀企業上：只有當千千萬萬的微觀工業企業有能力管好、用好數據，工業大數據價值才能真正遍地開花。但當前，仍有大量工業企業對數據不重視，欠缺數據管理的意識和能力。從美國的經驗和我國推進兩化融合的經驗來看，建立數據管理能力標準、然后引導企業進行貫標，是快速將數據驅動能力注入企業的行之有效的方法。《指導意見》強調推廣《數據管理能力成熟度評估模型》（DCMM）國家標準，以貫標評估引導工業企業切實提升數據管理能力，為全面激發工業數據價值打下堅實微觀基礎。
八、在強化數據安全防護方面，《指導意見》有哪些重點舉措？
工業數據已成為黑客攻擊的重點目標。相關數據顯示，我國34%的聯網工業設備存在高危漏洞，這些設備的廠商、型號、參數等信息長期遭惡意嗅探，僅在2019年上半年嗅探事件就高達5151萬起。導致工業信息安全防護能力滯后于工業融合發展進程的原因，除了技術上傳統IT信息安全系統無法有效防護工業數據安全外，工業數據安全責任體系建設方面的部分空白也是重要原因。此外，我國工業信息安全領域的企業規模普遍小，缺少龍頭企業，產品競爭力不強。《指導意見》布局了2項重點任務，強調明確企業安全主體責任和各級政府監督管理責任，建立工業數據安全責任體系；支持安全產品開發，培育良好安全產業生態，多措并舉創新和強化工業數據安全防護，筑好筑牢發展的底線和防線。
九、下一步，如何推動《指導意見》落實？
（一）組織宣貫培訓。面向地方各級工業和信息化主管部門、事業單位、工業企業和工業互聯網平臺企業等，詳細解讀和宣貫《指導意見》內容。
（二）建立推進機制。會同工業和信息化部相關司局以及業內外資深專家等組建推進工作機制，與各地工業和信息化主管部門做好對接，建立縱向聯動、橫向協同的推進工作機制，確保重點任務落實，及時溝通信息、交流經驗。
（三）任務分解落實。抓緊制定形成可落地、可執行的重點任務分工表，落實推進責任。鼓勵和指導地方工業和信息化主管部門結合區域特點，提出適合本地區實際情況的政策措施。
（四）開展試點示范。鼓勵有條件的地方、行業和工業企業圍繞數據共享流通、數據應用、數據管理能力評估、數據分級分類等重點任務先行先試，按照邊試點、邊總結、邊推廣的思路，探索可復制、可推廣的實施路徑和模式。
