《工业和信息化部关于工业大数据发展的指导意见》解读

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，工业和信息化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。