孙杰贤

根据工业和信息化部印发的《工业大数据发展指导意见（征求意见稿）》：到2025年，我国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。

愿景

闭环发展格局的形成也就意味着工业大数据生态体系的建成。那么，成熟生态体系下的工业大数据是一种什么状态呢？

数据资源高效汇聚。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，工业大数据管理体系在全国各地区及重点行业全面推广，建成国家级基础工业数据资源平台。

融合应用繁荣发展。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，工业互联网平台的数据应用支撑体系逐步成熟，能够为广大中小企业提供便捷、优质、低成本的数据服务，形成数据驱动的新模式新业态。

技术产业实力增强。大数据采集、存储、管理、分析与应用等技术成熟，并形成一批技术先进、可满足重大应用需求的大数据软硬件产品，数据服务类企业繁荣发展，产业支撑基础坚实。

治理体系保障有力。工业大数据标准体系持续完善，工业大数据安全保障体系基本建成，工业大数据分类分级管理体系全面建成和加速推广。

挑战

工业大数据是制造业数字化、网络化、智能化发展的基础性战略资源，对制造业生产方式、运行模式、生态体系将产生重大而深远的影响。目前，我國发展工业大数据具备一定基础，但要想实现上述目标，还有不少挑战。

在日前召开的2019中国（黄石）工业互联网创新发展大会上，中国工程院院士何友认为，虽然我国的工业大数据已经在诸多领域得到了应用，但是挑战依然不容忽视。

首先，大数据技术本身的应用有困难，主要表现在：数据不足，工业大数据需要融合企业内部和外部相关数据，但很多企业在数据采集及融合方面尚未完成，这导致大数据分析的效果难以达到预期成果。工业数据的信噪比比较低，分析结果很容易出现严重偏离事实的畸变。数据清洗的要求较高，需要保持数据的清洁和干净。工业大数据分析需要计算机/数学专业技术，以及相关行业的技术背景，通过这些知识经验进行建模，才能找到数据的价值，否则，可能导致极大的损失。

其次，大数据技术的应用给涉及到国民经济的工控系统带来新的安全挑战。因为大量数据的集中存储增加了其泄露风险，对工控系统的现有存储和安全理念和措施提出了挑战。与此同时，黑客可收集更多有用信息，大数据分析让攻击更精确。

第三，如何创造出智能新产品和新的智能应用系统是工业大数据应用面临的重要课题。新产品包括智能应用软件、智能基础设备、智能自主产品、智能穿戴产品、智能家居产品等等。新应用系统包括：在智能制造方面，如创造智能自主的装备与系统、制造云服务、流程智能制造系统等等；在智能物流方面，有智能化分拣、仓储、装卸、搬运、集成信息平台、产品质量及安全追溯、配货调度智能化等；还有业务链的智能优化、生产线智能调度与重构等等。

举措建议

如何加快形成我国工业大数据的闭环快速发展？

中国信息通信研究院两化融合研究所数字化转型与智能制造研究部主任李铮认为，应该立足我国当前工业大数据产业融合发展变革的关键时点与历史性机遇，有效聚合各领域企业、高校与科研机构并形成合力，共同推进关键技术和产品的创新、部署以及实践推广，以应用引领产业链整体性突破，实现向价值链高端水平跃升。

具体实践方面，要坚持以需求应用为牵引，聚焦行业生产特点和企业痛点问题，把握好工业大数据产业突破的重点方向与关键领域，充分发挥我国领先企业在数据分析领域多年积累的经验，加大面向细分行业、具体应用场景的分析工具、算法、模型等的研发力度，加快突破工业数据清洗、集成、存储计算等数据分析共性技术，以及面向工业的机器学习等前沿技术的研发和攻关。

同时要进一步构建以市场化机制为基础的产业生态体系。加强制造企业和大数据、人工智能领域的软件及平台企业的集成创新，加强重点行业领域产用对接。引导高校建设工业大数据等“新工科”专业，鼓励高校与行业组织、龙头企业、产业园区等社会力量共建产业学院和新型交叉学科，加强工业数据建模分析等复合型人才培养。

此外，李铮还建议加强工业大数据领域的国际合作交流。一方面学习国际先进发展模式、人才培养方式和核心技术研发模式，为我国未来工业数据分析提供可复制和可参考的样板。另一方面积极参与工业数据分析领域的国际标准的制定，确保我国工业数据分析技术标准发展符合国际主流趋势，提升全球影响力。