从四方面推进我国工业大数据应用

 

 

　　(一)重塑企业制造与业务流程，实现并行、实时、透明的生产与管理

 

　　与其它行业大数据应用不同，工业大数据应用的最大价值，就在于对企业生产制造和业务管理流程的智能优化。在生产制造方面，由于工业生产部门的分工细化程度和复杂程度逐渐增强，它复杂的系统在生产过程中产生了大量机理不清的动态、半结构化和结构化数据，传统企业难以及时、快速地提取和处理，而工业大数据具有体量大、价值提取度高等特点，能够整合全部生产线数据，对生产动态模型建设、多目标控制流程进行优化，并可对物料品质、能耗、设备异常和零件生命周期进程进行监控预警，赋予设备和系统“自我意识”，进而实现低成本、高效率的并行生产。在业务流程管理方面，工业大数据将企业业务执行与数据高度融合，可打通分公司、分部门的数据隔离状态，让数据驱动实时决策和高效运营，实现企业柔性化、透明化管理。

 

　　(二)助力产品、服务和商业模式创新，实现供应链持续优化和敏捷响应

 

　　在产品应用层面，工业企业通过生产携带传感器等装的智能产品，实时采集、存储和传输大量用户使用和偏好的数据，让用户参与到产品的改进与创新之中，以帮助企业及时改进产品功能，预先诊断产品故障，并根据市场需求变化，在第一时间创新产品和改善服务。同时，还可在此基础上构建全新的商业模式，通过规模化定制，满足用户的个性化需求，为企业创造全新价值。在原材料供应层面，企业通过对工业大数据分析，能够对实时采集的订单、库存、物流与资金流等数据进行同步整合，持续优化并改进上游原材料供应链，帮助企业实现产业链协同、敏捷响应。

 

　　(三)有利于行业跨界融合，促进形成开放共赢的“互联网+”生态圈

 

　　工业大数据不仅对工业企业生产经营具有持续改善作用，对工业企业上下游与行业内外同样有正向聚合效应。比如，“互联网+汽车”就是基于汽车生产企业的工业大数据，综合人、车、路、环境、社会之间关系，实现了行业间的跨界融合与互动。汽车生产企业收集到车辆的安全数据、路况数据、驾驶数据，并将这些数据开放后，保险公司就可据此推出多样化和更有针对性的险种，车辆维修企业据此能够更加及时地响应救援，汽车零配件厂家则可提供更加个性化、人性化的汽车配件产品，交通部门可以据此预测节假日或高峰期交通状况，甚至结合地理信息数据和环境数据，提供更精准的天气预测等，最终实现交通领域不同行业部门之间的“互联网+汽车”大生态。

 

 

　　(一)挖掘工业大数据价值的核心技术体系尚未建立

 

　　工业大数据的挖掘需要一整套技术体系作支撑，任何一环的缺失都将降低工业大数据的应用价值。面对不同的生产对象，基于数据的汇总、分析、预测和决策等，都对应着不同的数据处理机理、模型和方法。特别是信息物理系统(CPS)的应用，将搭载一套多维度的智能技术体系，提升整个数据处理流程的智能化水平，实现虚拟和现实生产空间的映射与融合。当前，我国还处于促进制造业智能化升级的探索阶段，对大多数企业而言，能够自我感知、自我记忆的数据采集感应系统尚未建立，处理复杂数据结构的数据处理技术仍需优化，高效的数据库维护和管理机制还需完善。因此，我国需进一步规划和探索建立挖掘工业大数据价值的核心智能技术体系，以支撑智能制造环境下对工业生产与管理的高效决策。

 

　　(二)行业企业内外部数据整合应用不足

 

　　目前，我国大数据整体应用仍处于初级阶段，条数据采集应用较为广泛，块数据应用较为缺乏，行业内部数据和外部数据整合应用不足，跨行业的互动聚合效应尚未显现，对于工业大数据亦如此。《中国大数据发展报告》显示，当前60%以上的企业把内部业务平台数据、客户数据和管理平台数据作为大数据应用的主要来源，只有约1/3的企业使用外部互联网数据或其它行业企业数据，还没有形成企业内外融合互动的数据采集与处理模式，外部数据应用水平有待进一步提高。

 

　　(三)企业各部门之间数据集成应用难度较大

 

　　调研结果表明，部分工业企业各部门之间信息孤立情况比较严重，基本数据都由系统采集和统计，但不同的生产数据由不同部门的工作人员填报，加之每一个部门的关注点不同，部门之间数据尚未打通和整合，致使数据利用率极低。对工业企业大数据应用来说，内部数据的集成应用是实现生产、业务协同的首要环节，而目前我国众多企业内部信息的不互通，无疑为工业大数据的应用增加了一道门槛，也降低了企业优化转型的速度。

 

　　(四)工业大数据加工服务业实力较为薄弱

 

　　基于客户需求、生产环境的不同，不同行业、不同企业对数据的采集、处理过程和挖掘方向也各不相同，因此，工业大数据的应用与早期ERP等软件在企业中的应用类似，必须针对每家企业进行独立的设计、改造。这就对工业大数据加工服务业提出了更高要求——需兼备工业行业专业知识与大数据处理能力。目前，我国工业大数据的开发应用大多由工业企业自主探索，比如，尚品宅配、海尔、红领制衣等企业，专业数据加工服务企业的作用尚未显现。同时，不少数据加工服务企业的前向预测能力还有待加强，目前大多数只是将数据用于后向披露与原因分析。

 

 

　　(一)加强政策引导，提高工业大数据应用技术与水平

 

　　一是加强工业大数据顶层设计，尽快组织出台《关于促进工业大数据应用的指导意见》，壮大大数据产业发展规模，明确大数据应用需求迫切的技术、标准、产业，制定发展路线，提高大数据行业的服务水平和工业大数据应用水平。二是深入推进两化融合，引导企业加快内部数据整合与集成，夯实工业企业大数据应用基础。三是建议设立工业大数据统筹发展部门，引导建设国家级工业大数据联盟，负责指导和研究相关数据标准，提供工业企业大数据应用技术咨询培训、信息安全咨询等公共服务。

 

　　(二)加大财税金融、投融资政策扶持力度，推动工业大数据服务发展

 

　　一是设立国家工业大数据发展专项基金，充分发挥专项基金的政策放大作用引导社会资本积极参与工业大数据应用。要创新项目投资机制，引入政府和社会资本合作(PPP)模式，通过投资补助、基金注资、担保补贴、贷款贴息等多种方式，增强吸引社会资本的能力。二是完善企业研发费用计核方法，将工业企业大数据应用研究费用加计扣除优惠政策范围。三是加强对小微工业企业的财政税收政策支持，减轻小微工业企业进行大数据应用的负担。

 

　　(三)建立全方位的技术应用推广机制，扩大工业大数据应用范畴

 

　　一是针对工业企业实施一批具有特色的大数据应用试点示范项目，探索大数据产业的新模式、新业态。二是定期举办工业大数据应用优秀项目成果展，扩大工业大数据应用成果在全社会的影响力。三是加强工业大数据应用的国内外交流合作，组织相关机构和人员到国内外进行学习与交流。

 

　　(四)重视复合型人才的引进培养，构建有利于工业大数据发展的人才激励机制

 

　　一是全面改革人才引进机制，破除不利于人才发展、束缚人才成长的体制机制障碍，营造有利于工业大数据人才培养和发展的职业环境，构建领军型、科研型、复合型、实用型等多层次组合的工业大数据人才结构。二是完善人才激励机制，注重对大数据人才的就业创业引导，制定更加开放、有效的人才激励政策，建立适用的人才奖励基金，激发创业、创新、创造活力。三是加快大数据人才职业化进程，建立大数据分析师等职业资格考试和认证制度，在国有大中型工业企业率先推行首席数据官(CDO)制度。