工业大数据行业研究

随着工业4.0概念的引入，工业产业进入了新一轮的全球性革命，新型工业体系最核心的就是互联网、大数据与工业的融合发展，工业大数据是工业4.0最核心的支撑之一，工业大数据的应用将带来工业生产与管理环节的极大的升级和优化，其价值已经得到了全球的认可。全球大数据储量规模和产业规模不断上升随着物联网、电子商务、社会化网络的快速发展，全球大数据储量迅猛增长，成为大数据产业发展的基础。根据国际数据公司(IDC)的监测数据显示，近几年全球大数据储量的增速每年都保持在40%左右，2016年甚至达到了87.21%的增长率；2018年全球大数据储量达到33ZB。结合2019年全球大数据市场发展情况看，2019年全球大数据储量约为42ZB。从市场规模来看，2014年以来，全球大数据硬件、软件和服务整体市场规模稳步提升，2018年全球大数据硬件、软件和服务整体市场规模达到420亿美元，同比增长20%。根据测算，2019年全球大数据整体市场规模为540亿美元，同比增长28%。全球工业大数据市场规模不断增长随着工业4.0概念的引入，工业产业进入了新一轮的全球性革命，新型工业体系最核心的就是互联网、大数据与工业的融合发展，工业大数据是工业4.0最核心的支撑之一，工业大数据的应用将带来工业生产与管理环节的极大的升级和优化，其价值已经得到了全球的认可。近年来，随着全球工业化改革的发展，全球工业大数据的规模不断增加。至2019年全球工业大数据的市场规模为313亿美元，当年全球大数据市场规模为540亿元，工业大数据占全球大数据总规模超过50%，可见工业大数据已经成为全球大数据行业发展的主要的领域。未来，随着以德国为代表的工业4.0的深化发展及各国制造业的智能化转型的加快，预计2020年全球工业大数据的市场规模为363亿美元，占大数据总规模的比重约为60%。工业大数据产业发展空间巨大在各国对“工业4.0”战略布局和大数据相关发展政策的支持下，大数据技术将会与智能制造深入结合，而工业网络、数据采集、集成、计算和分析技术在工业领域的应用，将促使工业数据发挥巨大价值，工业大数据市场将会迎来高速增长。国际数据公司IDC统计显示，预计到2025年，全球数据量将比2016年的16.1ZB增加十倍，达到163Z。据Wikibon预计，2019至2024年，大数据增长率将出现较小幅度的放缓，维持在10%-15%之间。前瞻预计，到2025年全球工业大数据市场规模将达到639亿美元，在大数据整体市场规模中占比将达到70%，市场发展前景广阔。以上数据来源于前瞻产业研究院《中国工业大数据产业发展前景与投资战略规划分析报告》，同时前瞻产业研究院提供产业大数据、产业规划、产业申报、产业园区规划、产业招商引资等解决方案。 （文章来源：前瞻产业研究院）

我国工业大数据发展总体仍处于起步阶段在“工业 4.0”和《中国制造 2025》全面部署的背景下，中国制造业加快转型升级，从”中国制造”向“中国智造”方向发展，而工业大数据则是制造业升级转型的重要战略资源，是工业互联网的核心，对我国深入实施工业互联网创新发展战略和加快形成以创新为主要引领和支撑的数字经济具有重要意义。现阶段，我国工业大数据主要包括企业运营管理相关的业务数据、制造过程数据和企业外部数据三类。其中，企业运营管理相关的业务数据和制造过程中产生的海量数据是工业大数据的主要来源。由于工业互联网与经济社会各个领域的联系日益紧密，气候变化、生态约束、政治事件和市场变化等外部因素也会对企业经营产生显著影响，因而外部数据也成为工业大数据重要来源之一。工业大数据具有一般大数据的特征(海量性、多样性等)，在此基础上具有四个典型特征，分别为价值性、实时性、准确性、闭环性。近年来，我国加快出台了一系列政策文件以全面指导我国工业大数据技术发展、产业应用及其标准化进程，在需求端和供给端均出台了相应的规划，加快了信息化技术和工业的深度融合，我国工业大数据应用迈出关键步伐，在需求分析、流程优化、能源管理等环节，数据驱动的工业新模式新业态不断涌现。但总体而言，我国工业大数据发展仍处在探索和起步阶段，依然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，针对这些问题，在国家层面把基础数据汇聚起来，建设以大数据为手段的支撑制造业企业数字化转型升级的平台显得尤为重要。市场规模增长快 细分结构主要以应用服务层为主伴随物联网、云计算、人工智能等新兴技术不断向工业领域渗透，在工业大数据行业利好政策不断发布和“工业化、信息化”融合深入推进的背景下，我国工业大数据发展呈现爆发式增长态势，应用广度和应用深度不断加强，持续促进传统制造产业转型升级，助力工业智能化发展。根据直属于工业和信息化部中国电子信息产业发展研究院赛迪顾问发布的数据，2016-2019年，中国工业大数据市场规模稳步增长，年复合增长率达到38.0%。2019年整体规模达到146.9亿元，同比增长28.6%。工业大数据产业主要集中在基础层、平台层和应用层。各部分主要功能如下所示：目前，我国工业大数据的市场结构主要以应用服务层为主，占比在40%左右，其次是基础层，平台层占比最少。从基础层来看，随着工业企业不断完善基础层部署，网络传输、集成、存储方面企业竞争日益激烈，技术带来的红利逐渐缩小，工业大数据基础层净利润增长趋于平缓发展，市场规模增速放缓。从应用服务层来看，伴随各项大数据相关技术的逐步成熟以及国外先进的解决方案的不断引进，大数据技术在传统工业领域的融合应用将持续深化，工业大数据应用端的市场需求会进一步扩大。从平台层来看，作为上市企业数量三层中最多的部分，平台层在技术不断进步的背景上设计将进一步优化，所占市场份额也会逐步扩大。产业集聚特征开始初显 广东产业规模位居第一作为大数据中的一个重要细分领域，工业大数据产业的资源分布多依赖于现有大数据产业基础，大数据产业园是集聚大数据产业资源的重要载体。而随着智能制造步伐的加快，工业大数据产业集聚特征也开始初显，其中珠三角、长三角地区和北京、山东等环渤海地区发展水平较高，不同区域工业大数据产业发展各具特色。从各省(直辖市、自治区)分布来看，2019年广东工业大数据产业规模为11.6万元，占比为7.9%，位居全国第一。工业大数据产业规模排名前五的省份分布为广东、北京、上海、浙江和江苏;湖北、湖南等地区总体表现也较为优秀，增长势头强劲。企业竞争格局呈三级梯队分布 专注领域各具优势目前，中国工业大数据行业竞争格局呈三级梯队分布，不同梯队内的企业专注领域不同，各具优势：大数据龙头企业综合实力强劲，工业大数据服务商在垂直领域的专业度较高，工业互联网企业依托流量优势布局大数据服务细分市场。工信部出台重磅文件 行业发展空间巨大未来三到五年，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。在此背景下，2019年9月，工信部发布《工业大数据发展指导意见(征求意见稿)》，指出到2025年，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。2020年4月28日，工业和信息化部官网发布《关于工业大数据发展的指导意见》，提出6个方面18项重点任务，包括数据的汇集、共享、应用、治理和安全工作，以及促进产业发展等领域。从整体架构来看，这些举措充分考虑宏观和微观、供给侧和需求侧、发展与安全三方面辩证关系，构建了一个系统推进工业大数据发展的政策架构体系。在国家引导建设和相关政策大力扶持的背景下，政府及各工业企业将加快数字生产技术在工业领域的应用，工业企业的数字化转型进程也将加速，而工业智能化转型需求的增长也将推动工业大数据产品的商业化落地。直属于工业和信息化部中国电子信息产业发展研究院的赛迪咨询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，到2022年将达到346.1亿元，工业大数据将持续促进传统制造产业转型升级，助力工业智能化发展。未来随着相关政策的落地、5G和人工智能等新型技术的快速发展与新基建的稳步推进，前瞻预计到2025年中国工业大数据行业收益规模有望达到497.6亿元，行业发展空间巨大，未来可期。以上数据来源于前瞻产业研究院《中国工业大数据产业发展前景与投资战略规划分析报告》，同时前瞻产业研究院提供产业大数据、产业规划、产业申报、产业园区规划、产业招商引资等解决方案。

无论是欧美老牌国家制造业的重振，还是中国制造业的转型提升，工业大数据都将发挥不可替代的作用。当前，全球主要国家掀起了新一轮以“信息技术与制造业融合”为共同特征的工业革命，加速发展新一代信息技术，并推动其与全球工业系统的深入融合，以期抢占新一轮产业竞争的制高点。无论是欧美老牌国家制造业的重振，还是中国制造业的转型提升，工业大数据都将发挥不可替代的作用。何为工业大数据工业大数据是指在工业领域中，围绕典型智能制造模式，从客户需求到销售、订单、计划、研发、设计、工艺、制造、采购、供应、库存、发货和交付、售后、服务、运维、报废或回收再制造等整个产品全生命周期各个环节所产生的各类数据及相关技术和应用的总称，工业大数据以产品数据为核心，极大延展了传统工业数据范围，同时还包括工业大数据相关技术和应用。工业大数据具备双重数据，即价值属性和产权属性。一方面，通过工业大数据分析等关键技术能够实现设计、工艺、生产、管理、服务等各个环节智能化水平的提升，满足用户定制化需求，提高生产效率并降低生产成本，为企业创造可量化的价值；另一方面，这些数据具有明确的权属关系和资产价值，企业能够决定数据的具体使用方式和边界，数据产权属性明显。工业大数据的价值属性实质上是基于工业大数据采集、存储、分析等关键技术，对工业生产、运维、服务过程中数据实现价值的提升或变现；工业大数据的产权属性则偏重于通过管理机制和管理方法帮助工业企业明晰数据资产目录与数据资源分布，确定所有权边界，为其价值的深入挖掘提供支撑。工业大数据产业现状工业是国民经济的基础和支柱，也是一国经济实力和竞争力的重要标志。近年来，工业大数据作为我国“智能制造”和“工业互联网”的关键技术支撑以及两化融合的重要基础备受关注。党中央、国务院出台了一系列“大数据”“两化融合”“互联网与制造业融合”等综合性政策与指示，其中对工业大数据发展提出了明确的要求，全面指导我国工业大数据技术发展、产业应用及其标准化进程。国家工业大数据相关政策从供给侧看，工业大数据供给侧能力持续提升，涌现出一批专精特新企业，成为推动我国工业大数据发展的中坚力量。一是由传统工业制造企业数字化、软件化、平台化发展，出现了一批具有较强数据汇聚能力的衍生型企业，如航天云网、树根互联等；二是软件企业向工业领域渗透，出现的技术型企业，如昆仑智汇、东方国信等企业在工业数据建模、分析处理等领域不断突破核心技术；三是互联网企业积极进入工业领域，如阿里推出“ET工业大脑”等产品和服务，腾讯推出工业互联网“木屋云”平台。从需求侧看，随着智能制造、工业互联网等国家战略的逐一推进，个性化定制、网络化延伸以及智能化设计、生产、服务等新模式不断出现，对于工业大数据技术、产品、平台的需求不断增大，为工业大数据提供了充足的应用场景。然而，在我国工业大数据产业发展不断优化提升的同事，仍需要清楚认识到我国工业大数据的仍存在物联数据无法获取、格式不同意，数据产权不清晰、数据壁垒难以打破，全产业链数据应用不足等问题。主要原因在于，第一，在我国国产工业软件、高端物联设备核心技术供给不足，而国外设备读写不开放，数据无法读取或者格式多样，无法直接利用；第二，面对体量大、分布广、结构复杂、类型多样化的工业数据，目前工业行业整体数据资源管理水平不足，难以管理企业内部和外部各类数据，更无法充分分析和利用。第三，缺乏可用、好用、可信的工业大数据平台，难以充分利用工业全产业链上下游的数据，以实现人、机、物等各类工业要素、工业业务流程以及产业链上下游企业间更大范围的实施链接与智能交互，推动工业生产的资源优化、协同制造和服务延伸。与智能制造、工业互联网的关系与智能制造的关系与智能制造的关系关 系智能制造是工业大数据的载体和产生来源，其各环节信息化、自动化系统所产生的数据构成了工业大数据的主题。另一方面，智能制造又是工业大数据形成的数据产品最终的应用场景和目标。工业大数据描述了智能制造各生产阶段的真实情况，为人类读懂、分析和优化制造提供了宝贵的数据资源，是实现智能制造的智能来源。工业大数据、人工智能模型和机理模型的结合，可有效提升数据的利用价值，是实现更高阶的智能制造的关键技术之一。工业大数据标准在智能制造标准化体系中的定位与工业互联网的关系与智能制造的场景有所区别，工业互联网更为关注制造业企业如何以工业为本，通过“智能+”打通、整合、协同产业链，催生个性化定制、网络化协同、服务化延伸等新模式，从而提升企业、整体行业价值链或是区域产业集群的效率。与智能制造相似的，工业互联网既是工业大数据的重要来源，也是工业大数据重要的应用场景。尤其在工业互联网平台的建设中，工业大数据扮演着重要的角色。在工业互联网平台功能架构中，工业大数据技术、工业大数据系统是工业互联网平台层的重要核心。一方面，借助工业大数据处理、预处理、分析等技术，基于工业大数据系统，平台层得以实现对边缘层，IaaS层产生的海量数据进行高质量存储与管理；另一方面通过工业大数据建模、分析、可视化等技术，将数据与工业生产实践经验相结合，构建机理模型，支撑应用层各种分析应用的实现。工业大数据如何管理01数据质量管理工业大数据的质量存在很多问题。一是数据失真和失准。受制于工业现场的一系列恶劣工况，在工业OT域，现场物联网络、生产制造装备、过程控制设备均不同程度地存在数据失真。二是数据一致性差。对于来源于IT域的工业大数据，由于工业企业现有的信息化系统均不同程度的存在“系统林立”的问题，难以在数据生产过程中采用有效的控制手段来保障各个工业IT系统所产生的数据的一致性。三是对历史数据缺乏“再生”机制。工业历史数据的“再生”将有助于提升工业全生命周期管理能力。四是缺乏标准化的数据质量管理框架。在不同的业务场景中，各种结构化和非结构化数据集被多个使用者共享和使用。五是数据质量补偿手段尚未得到广泛应用。工业大数据的质量管理需要工业企业建立完善的工业大数据质量管理组织架构，明确数据权属、管理者、使用者；面对不同的工业大数据质量问题，制定质量为的定义、等级、处理及复盘机制，制定规范的数据质量改善流程，形成面向多样化的工业大数据应用场景的数据质量管理闭环。02数据安全管理大数据技术应用于工业领域给企业带来巨大的效益，然而工业大数据对工业企业来说既是机遇也是挑战，在给企业带来巨大经济利益的同事，其本身所存在的安全问题也让企业面临着巨大的风险。一方面，由于工业控制系统的协议多采用明文形式、工业环境多采用通用操作系统且不及时更新、从业人员的网络安全意识不高，再加上工业数据的来源多样，其有不同的格式和标准，使其存在诸多可以被利用的漏洞。另一方面，在工业应用环境中，对数据安全有着更高的要求，任何信息安全事件的发生都有可能威胁工业生产运行安全、人员生命安全甚至国家安全等。因而，研究工业大数据安全管理，加强对工业企业的安全保护变得尤为重要。工业大数据安全是跨多工业领域与学科的综合性问题，需要结合法律法规、行业特点、工业技术等多维度进行研究。考虑到工业大数据平台所承载的工业数据的巨大价值，因此将整个工业大数据安全技术体系分为工业大数据接入安全、工业大数据平台安全、工业大数据应用安全三个层次。其中工业大数据接入安全为工业现场数据的采集、传输、转换流程提供安全保障机制；工业大数据平台安全为工业数据存储、计算提供安全保障基础；工业大数据应用安全为上层应用的接入、数据访问等提供强力的安全管控。工业大数据应用安全应从几方面考虑：支持应用访问签名机制，确保只有授权的应用才能提交数据访问请求；支持应用数据按需访问，避免数据访问范围的扩大化；支持应用行为实时监控，实时拦截应用中包含的攻击行为，包括数据访问范围、频率、SQL语句合法性等；建立完整的应用流程管理机制，包括应用的提交、执行、状态监控、结果审计等，确保每个应用的审批、控制于追责有效结合，避免高权限人员的恶意操纵或误操作行为；构建完备的应用测试环境及测试规范，确保只有符合安全策略的应用可以审批执行。物联界：专注于物联网行业的垂直媒体文章来源中国电子技术标准化研究院《工业大数据白皮书》物联界编辑整理转载请注明来源和出处

工业大数据将成为智能制造和工业互联网发展的核心未来工业数据将呈现从消费数据、工业大数据到精准数据流的转变，构建从采集、分析、转化、反馈等环节的精准数据流闭环将成为智能制造和工业互联网发展的核心。以“大数据+工业互联网”为基础，结合云计算、大数据、物联网、人工智能等技术应用于产品设计研发、供应链优化、设备故障诊断等多个场景，引领工业生产方式的变革，拉动工业经济的创新发展。 根植行业、深耕场景将成为工业大数据企业发展的重要方向不同工业行业领域都有各自独特的知识领域和机理形成的行业门槛，每一个工业场景在不同行业、不同企业中的需求也会差异较大，没有一个普适性的解决方案可以在各个行业、场景、企业通用。因此，大多数工业大数据企业未来将呈现行业聚焦、场景聚焦模式，尤其对于工业企业成立分公司或部门专门研究大数据解决方案的企业，必将根植其优势行业，围绕优势行业拓展到相关行业，为相关行业的企业提供工业大数据解决方案。 数据安全将成为企业智能化升级决策的重要依据 工业核心数据、关键技术专利、企业用户数据等数字化资产已成为企业核心资产。目前我国数据安全法规体系和监督机制尚不健全，一定程度上抑制了企业智能化升级步伐。未来，提高数据全生命周期安全性，增加企业上云信任度和意愿，将成为中国企业智能化升级决策的重要依据。 数据资产管理将成为制造环节工业大数据价值挖掘的基础 企业应用大数据的成熟程度从使用预警手段监控企业的运行状态的业务监测阶段，经过在特定领域做出有意义决策的业务洞察阶段、业务运行中的优化阶段、利用大数据变现的数据盈利阶段，到达将商业模式转换到新的市场的业务重塑阶段，逐步实现大数据成熟。随着工业大数据成熟度的提升，工业大数据的价值挖掘也逐渐深入。面向数据全生命周期的数据资产管理通过对数据的管控、应用和运营，保证数据资产的安全、完整、高质量和有效利用，逐步提升工业大数据成熟度，深入工业大数据价值挖掘。 搭建工业机理模型库将成为工业大数据发展的重要路径 将各行业的工业技术、知识、经验和方法以数字化模型的形式沉淀，搭建包括理论基础模型、流程逻辑模型、工艺模型、故障模型、仿真模型等模型，形成行业级工业机理模型库，把海量数据加载入模型库中，经过反复迭代、学习、分析、计算后，可以实现状态感知、实时分析、科学决策、精准执行。行业级工业机理模型库能够简单有效地帮助工业企业应用工业数据，搭建工业机理模型库将成为工业大数据的重要发展路径。 工业APP将成为工业大数据发展的重要业务载体 工业 APP 是面向工业产品全生命周期的场景，把工业产品及相关技术过程中的知识、最佳实践及技术诀窍封装成应用软件，能够有效促进知识的显性化、公有化、组织化、系统化，极大地便利了知识的应用和复用。作为工业互联网体系的应用层，工业APP是工业企业应用数据的最简单方式，受工业企业青睐。同时，国家出台多项政策引领工业APP发展，也将助推工业APP成为工业大数据企业的重要业务发展方向。 构建数据闭环将成为制造企业创新业务模式的重要驱动力精准营销在精准定位的基础上，依托大数据等手段， 建立个性化的顾客沟通服务体系，提升企业产品渗透率，精准营销的相关数据可以作用于个性化定制场景中，目标直击服务受众，按照目标客户的特殊要求进行个性化产品开发，从产品设计开始到完整营销环节的精准化，增强数据流动和实用性，形成数据闭环，实现基于数据驱动的工业个性化定制新模式 。 内生培养数据思维工程师将成为工业企业数字化人才团队建设的主要手段 工业领域行业壁垒较高，工业大数据复合型人才的培养更倾向于工业企业内部培养的模式。工业企业需要复合型人才推进企业智能化生产，相比于从企业外部引进数据工程师，工业企业更倾向于通过培养企业内部学习能力强的研发技术工程师的数据思维以建设数字化人才团队。同时，越来越多的工业大数据企业参与到工业企业数据知识培训中，帮助工业企业培育一批对数据理解有深度的人为工业大数据在企业中的铺开奠定一定基础，便于工业大数据应用发展。

工业大数据分析能做什么？新基建为数据发挥生产要素的价值提供了更大的舞台。大数据分析成为数字经济时代的数字枢纽，与5G、特高压、城际轨道交通、新能源、人工智能、工业互联网等新基建多个领域都有着紧密关系，构成了数字产业的“新能源”。万物互联时代，各种智能设备源源不断地产生原始大数据，那么，工业大数据分析针对制造业的转型升级，能解决哪些问题？1、大量的生产设备实时数据采集和统一灵活控制，实现生产工艺流程的最优化，以达成对每个设备对象的建模。2、海量新旧数据的不断积累沉淀，企业需要可靠的低成本方案提高数据存储、提供计算能力，实现对该数据的高效管理。3、智能化分析门槛高，整合分散在业务中的碎片化领域知识，实现跨业务和跨领域的业务流程改进。以垃圾焚烧发电为例，解构大数据分析的实战价值很多城市的垃圾填埋场剩余库容已告急，同时新建填埋场面临选址困难的困境。目前，这些城市已经开始对现有的垃圾填埋场陈腐垃圾进行重新筛选、处理、参烧，以腾挪填埋场空间。而陈腐垃圾在燃烧前需要进行有效分选，筛选出陈腐垃圾可燃物。如何在垃圾焚烧过程中实现降低操作员工作强度，稳定锅炉热负荷，同时减少二恶英，硫化氢，二氧化硫等有毒有害气体超标排放？ACC自适应控制系统解决方案是从生产设备系统中有选择的抽取生产设备对象（一次风、二次风、炉排运动、锅炉、引风等）的历史样本，并结合专家知识，提取区分燃烧优良的关键特征，依据关键特征建立模型，能更准确的识别影响燃烧优化控制的主要因素。1、数据建模分析无掺腐垃圾掺有陈腐垃圾对比无掺陈腐垃圾和掺有陈腐垃圾的燃烧模型图。（横坐标Ai030106代表燃烧排放氧量；纵坐标tc030606代表燃烧中的烟道温度。）可以看出，掺杂陈腐垃圾后，出口氧量增高，说明在垃圾燃烧的过程中，燃烧不充分的因素增多；出口氧量范围扩大，表示燃料质量是燃烧过程中的主要指标，燃料发生了变化，对燃烧产生的废气有直接影响；炉膛内的温度波动范围明显增加，影响温度不确定性增加。所以进一步证明，填埋场的陈腐垃圾在送入垃圾焚烧发电厂作为燃烧原料时，不能直接送入垃圾焚烧发电厂焚烧。必须进行分选预处理，筛选出陈腐垃圾可燃物，并将其送入垃圾储坑，与原生垃圾分区存放。通过ACC自适应控制系统解决方案，可以通过混合物入炉之前的简单估测而快速得到较准确的热值，确定入炉垃圾混合物的燃烧性质，从而有利于垃圾焚烧发电厂运行人员及时根据入炉物料热值把握和调整垃圾焚烧系统的运行工况；充分考虑了垃圾中的不同组分分类，并对实施步骤中易产生误差的环节进行了参数修正，使得最终所得数据准确性高；估测方法步骤简单易实施，投入成本较小，可适应垃圾焚烧系统参数调整及跟踪要求。2、业务建模流程建模流程构建ACC自动控制系统识别模型，主要建模流程为：从自动化运行设备系统、专家知识中有选择性地抽取部分燃烧优良生产工艺、燃烧待改进的生产工艺、燃烧性价比低的生产工艺等原始数据；对样本数据探索分析，剔除检修、不合理、重复、缺失、逻辑错误等异常数据；对样本数据进行预处理，包括数据清洗、缺失值处理和数据变换；构建专家样本集；构建ACC自动控制系统识别模型；在线监测各个设备对象运行状况对燃机、烟气、主蒸汽的影响，调用模型实现实时诊断、控制；在ACC各个控制回路通过串级模式、自动模式或手动模式(由操作员根据焚烧炉的运行情况进行选择)对控制器的设定值或输出值进行无扰切换控制，保证在焚烧炉任何情况下，都有合适的控制模式。建模必备工具，大大提升建模效率和质量1、构建分布式存储、计算平台大数据存储计算平台大数据科学计算平台作为工业智能化发展的核心载体，已实现海量异构数据汇聚与建模分析、工业经验知识软件化与模块化、各类创新应用开发与运行，从而支撑生产智能决策、业务模式创新、资源优化配置。2、数据分析工具数据分析工具解决了交互式运行环境的难点，普通的数据工程人员通过简单的拖拖拽拽就可以完成数据分析工作，降低了数据分析技术门槛。3、数据自助分析系统自助数据分析系统数据探索分析平台集成了非常多的数据处理和分析相关的组件，拥有非常强大的可视化功能，可以对数据进行探索分析，通过可视化直观地发现问题，快速验证构想，并深入地分析和挖掘数据价值。4、部署架构网络拓扑图业务处理流程：现场设备经接口机采集，发送到实时数据库。模型计算服务器采集实时数据库中的数据，经过数据预处理、数据指标计算后，调用数据模型，模型评估后各个设备最优推荐值，反写入实时数据服务器。各个设备依据最优值进行自身调整。运行监视系统采集实时数据库中的数据显示。模型定时迭代更新，更优的拟合燃烧介质、设备、环境的运行状态。大数据赋能管理，让决策更高效智能企业级数据分析平台的建设价值主要体现在，通过对数据规则的分析、建模，为企业生产提供辅助决策。基于过往数据经验的决策将成为企业生产决策的有效方式，大数据分析平台通过提供一个开放的、动态的、以全方位数据深度融合为基础的辅助决策环境。例如结合入炉垃圾热值的掌握，对于控制垃圾焚烧系统的一次风和二次风配风量、垃圾焚烧炉的给料速度、焚烧炉排往复速度、垃圾在炉内的停留时间等的实际运行参数具有重要指导意义。在适当的时机、以适当的方式提供指标、算法、模型、数据、专家知识等各种决策资源，供决策者选择，最大程度帮助企业科学决策，带来新的数据驱动效益增长。

工业和信息化部日前发布《关于工业大数据发展的指导意见》（以下简称《指导意见》），提出促进工业数据汇聚共享、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。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。当前，工业大数据是推动制造业数字化、网络化、智能化发展的关键生产要素，全球主要国家和领军企业都在积极发展数据驱动的新型工业发展模式。我国是全球第一制造大国，工业大数据资源因此极为丰富。工信部信息技术发展司相关负责人表示，近年来，我国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、能源管理等环节，数据驱动的工业新模式新业态不断涌现。但是与互联网服务领域大数据应用的普及和成熟相比，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。“工业大数据的采集汇聚过程中面临的痛点较多。” 据工信部信息技术发展司相关负责人介绍，比如，因企业信息化基础差、设备接口不开放等造成数据采集不上来；企业数据底账不清，不知道自己有哪些数据、分布在哪里，大部分工业数据处于“睡眠”状态；因设备不互联，通信协议不兼容等造成不同数据不匹配、不互认，数据孤岛现象普遍；数据失真、失准及一致性差等因素导致数据汇聚质量不高，等等。针对这些问题，《指导意见》部署了3项重点任务来推动全面采集、高效互通和高质量汇聚，包括加快工业企业信息化“补课”、推动工业设备数据接口开放、推动工业通信协议兼容化、组织开展工业数据资源调查“摸家底”、加快多源异构数据的融合和汇聚等具体手段，目的是为了形成完整贯通的高质量数据链，为更好地支撑企业在整体层面、在产业链维度推动全局性数字化转型奠定基础。另一方面，在国家层面把基础数据汇聚起来，建设以大数据为手段支撑政府精准施策、精准管理的平台，正变得日益重要。比如，在此次疫情爆发初期，针对重点物资保障需求不明、底数不清、对接不畅等困难，工信部依托制造强国产业基础大数据平台快速建成“国家重点医疗物资保障平台”，运用信息化手段保障重点医疗物资的科学调度、统筹平衡和高效供应，为打赢疫情防控阻击战提供有力支撑。借鉴这些经验，此次《指导意见》强调部署了“建设国家工业互联网大数据中心”“建立多级联动的国家工业基础大数据库”等具体手段，以更好地服务政府决策和企业发展。此外，工业企业对于跨企业、跨行业数据共享合作的需求正在快速增加，但目前企业普遍反映，因数据权属界定不清、规则不明、难以定价等基础性问题没有得到解决，跨企业、跨行业的数据共享流通难以开展。对此，工信部信息技术发展司相关负责人坦言，这是一个全球性难题。为了克服这个难题，《指导意见》将通过探索建立工业数据空间、加快区块链等技术在数据流通中的应用、完善工业大数据资产价值评估体系等方式，从技术手段、定价机制、交易规则等多个方面着手，激发工业数据市场活力，促进数据市场化配置。中国软件测评中心副主任杨春立表示，目前，有一些领军企业在工业大数据应用上已进行了深入探索，但总体看，大量工业企业的数据应用仍然是局部的、低水平的，亟需政策推动，让这些企业想用、会用工业大数据。针对这些问题，《指导意见》提出，通过在需求端组织开展工业大数据应用试点示范、开展工业大数据竞赛等手段，解决不想用、不敢用等问题；通过在供给端培育海量工业APP、工业大数据解决方案供应商、向中小企业开放数据服务能力、培育应用生态等手段，降低企业数据应用的成本投入和专业壁垒，解决不会用、不敢用问题。“供需双向发力，将共同推动工业大数据全面深度应用。” 工信部信息技术发展司相关负责人说。链接案例：打造个性化定制服务本报记者 黄鑫登录大信家居官网的云设计平台，输入小区名称，找到自家户型，通过调用云设计平台中的模块就可以进行自由设计，然后“一键”自动生成效果图和生产指令并直达生产系统，最慢4天就能生产出货，并装车送货到家进行安装服务，这就是大信家居的个性化定制服务。而在这些个性化服务的背后，是大信家居基于浪潮云的In-Cloud工业互联网平台，通过生产设备、企业资源计划系统、能耗系统等集成互联，实现用户、设计、设备、生产线、信息系统数据互联互通，从而做到精细化管控，提高生产效率。不仅如此，大信家居还对生产过程的数据进行实时采集，动态监控生产过程，云端判断设备使用率、故障率、耗电等情况，实现高效协同。浪潮工业互联网平台是由工业云平台、工业大数据、公共服务平台共同组成工业大数据中心。借助这一平台，大信家居创造了“易简”大规模个性化模块化智能制造模式，将国际平均用材率从76%提高至94%，平均交货周期由30-45天缩短到4天内以内，综合成本降低至同行的50%，产品出错率由一般的6%-8%控制在0.3%以内，实现大规模精准智能制造生产，并且零库存。“以往大信家居没有重视生产设备之间的连接和管理，通过和浪潮合作，我们把这个短板接上了，让数据互联互通发挥出更大的价值。”大信家居董事长兼创始人庞学元说。

来源：证券时报原标题：工信部：突破工业数据关键共性技术证券时报记者 张达实习生 贺觉渊工信部昨日发布《工业和信息化部关于工业大数据发展的指导意见》，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。其中，《意见》提出，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。《意见》的总体要求是，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。同时，《意见》从加快数据汇聚、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、加强组织保障等七个方面提出21项具体措施。其中，在促进产业发展方面，《意见》提出，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。培育一批数据资源服务提供商和数据服务龙头企业。在加快数据汇聚方面，《意见》提出，支持工业企业实施设备数字化改造，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。持续推进工业互联网建设，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。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。统筹建设国家工业大数据平台。在深化数据应用方面，《意见》提出，组织开展工业大数据应用试点示范，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。面向重点行业培育一批工业大数据解决方案供应商。同时，在完善数据治理方面，开展数据管理能力评估贯标。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。在强化数据安全方面，《意见》提出，构建工业数据安全管理体系。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。此外，《意见》还提出，健全工作推进机制，鼓励各地因地制宜加强政策创新，助力工业大数据创新应用。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。据了解，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。赛迪顾问此前发布的《2019中国工业大数据发展及投资价值研究》认为，中国工业大数据市场受宏观政策、技术进步与升级、智能应用普及渗透等众多利好因素影响，成为工业领域转型新方向和突破口，在促进产业管理创新和生产升级转型中起重要作用，持续促进传统制造业转型升级，助力工业智能化发展。

中商情报网讯：工业大数据分析是利用统计学分析技术、机器学习技术、信号处理技术等技术手段，结合业务知识对工业过程中产生的数据进行处理、计算、分析并提取其中有价值的信息、规律的过程。近年来，随着移动互联网、物联网、云计算产业的深入发展，大数据国家战略的加速落地，我国大数据市场快速发展。同时智能制造不断深入，在此背景下，我国工业大数据迎来发展新机遇。一、大数据产业概况目前，我国的数据来源包括政府部门、企业数据采集及供应商、互联网数据采集及供应商、数据流通平台等。而大数据产品包括大数据平台、云储存、数据安全等基础软件产品；加工分析、解决方案等软件产品；大数据采集、接入、存储、传输等硬件设备产品。大数据服务方面，主要为应用服务、分析服务、基础设施服务等供应商。数据来源：中商产业研究院随着移动互联网、物联网、云计算产业的深入发展，大数据国家战略的加速落地，2019年大数据体量呈现爆发式增长态势。数据显示，2017年中国大数据产业规模达到4800亿元，同比增长23%；其中，大数据硬件产业的产值为234亿元，同比增长39%。据数据显示，2018年我国大数据产业规模突破6000亿元；随着大数据在各行业的融合应用不断深化，预计2019年中国大数据市场产值将达到8080亿元。2019年包括数据挖掘、机器学习、产业转型、数据资产管理、信息安全等大数据技术及应用领域都将面临新的发展突破，成为推动经济高质量发展的新动力。数据来源：中商产业研究院二、工业大数据市场现状工业大数据的分析要求用数理逻辑去严格的定义业务问题。由于工业生产过程中本身受到各种机理约束条件的限制，利用历史过程数据定义问题边界往往达不到工业的生产要求，需要采用数据驱动+模型驱动的双轮驱动方式，实现数据和机理的深度融合，能较大程度去解决实际的工业问题。来源：《工业大数据分析指南》，工业互联网产业联盟从数据来源来看，工业大数据的主要来源有三类，包括生产经营相关数据、设备物联数据、外部数据。其中，生产经营相关业务数据主要来自传统企业信息化范围，被收集存储在企业信息系统内部，包括传统工业设计和制造类软件、企业资源计划、产品生命周期管理、供应链管理、客户关系管理和环境管理系统等。设备物联数据，主要指工业生产设备和目标产品在物联网运行模式下，实时产生收集的涵盖操作和运行情况、工况状态、环境参数等体现设备和产品运行状态的数据。外部数据，指与工业企业生产活动和产品相关的企业外部互联网来源数据，例如，评价企业环境绩效的环境法规、预测产品市场的宏观社会经济数据等。而根据业务目标的不同，工业数据分析可以分成描述型分析、预测型分析、诊断型分析、处方型（指导型）分析四种类型：大数据时代到来，数据成为关键的生产要素，预计到2020年中国的数据量将占全球数据总量的20%，成为世界第一大数据资源大国。而随着我国工业大数据应用加深，市场规模持续扩大，工业大数据将成为大数据产业中重要的细分领域。数据显示，2016年我国工业大数据市场规模突破150亿元，保持增长，预计2019年市场规模将近500亿元。到2022年，中国工业大数据市场规模或超822亿元；2022年超1900亿元。三、工业大数据应用工业大数据的应用特征可以归纳为跨尺度、协同性、多因素、因果性、强机理等几个方面，这些应用特征是工业对象本身特性或需求所决定的。其中，跨尺度、协同性主要体现在大数据支撑工业企业的在线业务活动、推进业务智能化的过程中。而多因素、因果性、强机理体现在工业大数据支撑过程分析、对象建模、知识发现，并应用与业务持续改进的过程中。工业过程追求确定性、消除不确定性，数据分析过程就必须注重因果性、强调机理的作用。从应用场景来看，工业大数据可应用于现有业务优化、推动大中型企业实现智能制造升级和工业互联网转型，并支撑中小企业创新创业。四、工业大数据发展前景（1）工业大数据成新工业革命的基础动力。互联网技术全面深入发展，极大促进了人与人互联、机器和机器互联、人和机器互联的程度，随着5G、量子通信等新一代通信技术发展，世界将加速进入一个完全互联互通的状态。工业互联网也将随着机器的数字化、工业网络泛在化、云计算能力的提高而取得长足进步，海量工业大数据的产生将是必然结果，而基于工业大数据的创新是新工业革命的主要推动力。（2）工业大数据提升制造智能化水平、推动工业升级。大数据是提升产品质量、生产效率、降低能耗、转变高耗能、低效率、劳动密集、粗放型生产方式，提升制造智能化水平的必要手段。随着智能工厂的推广，广泛深入的数字化是智能工厂的基础。工业大数据能够为智能工厂建立从经营到生产系统贯通融合的数据流，提升企业整体生产效率，提升制造化水平、推动工业升级。（3）工业大数据将支持工业互联网发展。工业大数据是制造业实现从要素驱动向创新驱动转型的关键要素和重要手段。大数据可以帮助企业更全面、深入、几时了解市场用户和竞争态势的变化，以推出更有竞争力的产品和服务。此外，大数据也是实现更有企业从制造向服务转型的关键支撑技术。（4）工业大数据将推动制造业转型升级。《中国制造2025》规划中明确提到，工业大数据是我国制造业转型升级的重要战略资源。目前，我国工业大数据已成为国际产业竞争和国家工业安全的基础要素相关技术与应用必将成为我国工业“由跟跑、并跑到领跑”、“弯道取直”、“跨域发展”的关键支撑。更多资料请参考中商产业研究院发布的《2019-2024年中国工业大数据产业发展前景及投资机会研究报告》，同时中商产业研究院还提供产业大数据、产业规划策划、产业园策划规划、产业招商引资等解决方案。

近日，工业和信息化部发布《关于工业大数据发展的指导意见》（工信部信发〔2020〕67号）（下称《指导意见》），现就《指导意见》有关内容解读如下：一、什么是工业大数据？为什么要出台《指导意见》？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。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，是推动制造业数字化、网络化、智能化发展的关键生产要素。全球主要国家和领军企业向工业大数据聚力发力，积极发展数据驱动的新型工业发展模式。党中央、国务院高度重视大数据发展，强调推动大数据在工业中的应用。习近平总书记指出，要“构建以数据为关键要素的数字经济”“系统推进工业互联网基础设施和数据资源管理体系建设，发挥数据的基础资源作用和创新引擎作用。”《促进大数据发展行动纲要》《关于深化“互联网+先进制造业”发展工业互联网的指导意见》等政策文件均提出要促进工业大数据的发展和应用。今年4月，党中央、国务院印发《关于构建更加完善的要素市场化配置体制机制的意见》，明确提出要支持构建工业等领域规范化数据开发利用的场景，提升数据资源价值。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。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。二、《指导意见》是怎么编制的？总体考虑是什么？《指导意见》编制过程如下：2019年4月，我们组织中国信息通信研究院、国家工业信息安全发展研究中心、中国工业互联网研究院、中国电子信息产业发展研究院、中国电子技术标准化研究院、工业和信息化部电子第五研究所等单位组建文件编写组，启动《指导意见》编制工作。编写组在赴广东、浙江、江苏和北京等典型地区实地调研基础上，组织召开了工业企业、互联网企业、工业软件企业等参加的专题座谈会，就工业大数据和工业数字化转型等相关问题听取了近50家企业和院士、专家的意见，并就数据管理等专题听取了部分地方行业主管部门的建议，形成《指导意见》初稿。2019年8月，我们征求了中央网络安全和信息化委员会办公室、国家发展改革委等相关部门意见， 2019年9月在工业和信息化部网站向社会公开征求意见，经认真研究，我们采纳了其中的合理建议，修改完善后形成了《指导意见》。《指导意见》总体考虑如下：一是坚持全盘布局、系统推进。发展工业大数据是一项复杂的系统工程，既要构建工业大数据采集、汇聚、流通、分析、应用的价值闭环，推动创新发展，也要提升数据治理和安全防护能力，保障发展安全；既要重视在需求侧促进大数据与实际业务深度融合，也要在供给侧推动大数据技术和产业创新发展；既需要在宏观层面加强体系化布局，建立全面系统的工业大数据生态，也需要在微观层面务实着力，提升企业的数据管理能力。因此，《指导意见》的重点任务涉及数据汇聚、数据共享、数据应用、数据治理、数据安全、产业发展6个方面，能够全面支撑工业大数据发展。二是坚持问题导向、突出重点。工业大数据高度复杂，数据采集汇聚难、共享流通难、分析应用难、安全治理难，一蹴而就解决全部问题是不可行也不现实的。在广泛调研和深入研讨的基础上，《指导意见》紧盯问题短板，抓住重点关键，针对我国工业大数据现阶段的发展特点、主要问题和亟待取得突破的重点领域，共设置了18项重点任务，精准施策，务实有序推动工业大数据发展。三、当前工业数据采集汇聚存在哪些问题？《指导意见》提出了什么举措？工业大数据的采集汇聚过程中面临的痛点较多。企业反应的主要问题包括：因企业信息化基础差、设备接口不开放等造成数据采集不上来；企业数据底账不清，不知道自己有哪些数据、分布在哪里，大部分工业数据处于“睡眠”状态；因设备不互联，通信协议不兼容等造成不同数据不匹配、不互认，数据孤岛现象普遍；数据失真、失准及一致性差等因素导致数据汇聚质量不高，等等。《指导意见》部署了3项重点任务，推动全面采集、高效互通和高质量汇聚，包括加快工业企业信息化“补课”、推动工业设备数据接口开放、推动工业通信协议兼容化、组织开展工业数据资源调查“摸家底”、加快多源异构数据的融合和汇聚等具体手段，目的是为了形成完整贯通的高质量数据链，为更好地支撑企业在整体层面、在产业链维度推动全局性数字化转型奠定基础。四、《指导意见》提出要统筹建设“国家工业大数据平台”的考虑是什么？在国家层面把基础数据汇聚起来，建设以大数据为手段支撑政府精准施策、精准管理的平台，正变得日益重要。比如，在此次疫情爆发初期，针对重点物资保障需求不明、底数不清、对接不畅等困难，工信部依托制造强国产业基础大数据平台快速建成“国家重点医疗物资保障平台”，运用信息化手段保障重点医疗物资的科学调度、统筹平衡和高效供应，为打赢疫情防控阻击战提供有力支撑。《指导意见》部署了“建设国家工业互联网大数据中心”、“建立多级联动的国家工业基础大数据库”等具体手段，以更好地服务政府决策和企业发展。五、关于促进工业数据共享流通，《指导意见》有哪些举措？随着新一代信息技术与工业融合从单点局部走向全局优化，工业企业对于跨企业、跨行业数据共享合作的需求正在快速增加。推动数据共享流通，促进数据要素市场化配置，也是4月党中央、国务院发布的文件《关于构建更加完善的要素市场化配置体制机制的意见》部署的重点任务。但目前，企业普遍反应，因数据权属界定不清、规则不明、难以定价等基础性问题没有得到解决，跨企业、跨行业的数据共享流通难以开展。这是一个全球性难题。《指导意见》部署了2项重点任务，通过探索建立工业数据空间、加快区块链等技术在数据流通中的应用、完善工业大数据资产价值评估体系等方式，从技术手段、定价机制、交易规则等多个方面着手，激发工业数据市场活力，促进数据市场化配置。六、当前工业大数据应用中存在什么问题？《指导意见》如何促进工业大数据应用？部分领军企业在数据应用上进行了深入探索，也取得了发展实效，但大量工业企业的数据应用仍然是单点的，局部的、低水平的。企业反映的原因包括：对数据的不重视，“不想用”；数据分析的手段、人才等缺乏，“不会用”；对数据应用规律缺乏认识，数据应用投入大，“不敢用”，等等。《指导意见》部署了4项重点任务，通过在需求端组织开展工业大数据应用试点示范、开展工业大数据竞赛等手段，解决不想用、不敢用等问题；通过在供给端培育海量工业APP、工业大数据解决方案供应商、向中小企业开放数据服务能力、培育应用生态等手段， 降低企业数据应用的成本投入和专业壁垒，解决不会用、不敢用问题。供需双向发力，共同推动工业大数据全面深度应用。七、《指导意见》为什么强调要“开展数据管理能力评估贯标”？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。八、在强化数据安全防护方面，《指导意见》有哪些重点举措？工业数据已成为黑客攻击的重点目标。相关数据显示，我国34%的联网工业设备存在高危漏洞，这些设备的厂商、型号、参数等信息长期遭恶意嗅探，仅在2019年上半年嗅探事件就高达5151万起。导致工业信息安全防护能力滞后于工业融合发展进程的原因，除了技术上传统IT信息安全系统无法有效防护工业数据安全外，工业数据安全责任体系建设方面的部分空白也是重要原因。此外，我国工业信息安全领域的企业规模普遍小，缺少龙头企业，产品竞争力不强。《指导意见》布局了2项重点任务，强调明确企业安全主体责任和各级政府监督管理责任，建立工业数据安全责任体系；支持安全产品开发，培育良好安全产业生态，多措并举创新和强化工业数据安全防护，筑好筑牢发展的底线和防线。九、下一步，如何推动《指导意见》落实？（一）组织宣贯培训。面向地方各级工业和信息化主管部门、事业单位、工业企业和工业互联网平台企业等，详细解读和宣贯《指导意见》内容。（二）建立推进机制。会同工业和信息化部相关司局以及业内外资深专家等组建推进工作机制，与各地工业和信息化主管部门做好对接，建立纵向联动、横向协同的推进工作机制，确保重点任务落实，及时沟通信息、交流经验。（三）任务分解落实。抓紧制定形成可落地、可执行的重点任务分工表，落实推进责任。鼓励和指导地方工业和信息化主管部门结合区域特点，提出适合本地区实际情况的政策措施。（四）开展试点示范。鼓励有条件的地方、行业和工业企业围绕数据共享流通、数据应用、数据管理能力评估、数据分级分类等重点任务先行先试，按照边试点、边总结、边推广的思路，探索可复制、可推广的实施路径和模式。来源：工业和信息化部信息技术发展司