我国工业大数据应用的推进

我国工业大数据应用的推进

当前，以互联网为基础的新一代信息技术正在深入推动制造业创新发展，我国工业逐渐向智能化、集成化、服务化和高效化迈进。作为实现智能制造的重要驱动力，工业大数据可为企业制造与管理流程优化，产品、服务和商业模式创新，以及整个行业生态圈的快速聚合提供有效服务。然而，在数据处理技术和数据整合方面，目前我国数据加工服务业对智能制造的驱动作用尚未显现。加强对我国工业大数据应用的研究，对推动实现互联网与制造业跨界融合、加快实施《中国制造2025》，以及提高新时期制造业国际竞争力，具有重要意义。

我国推进智能制造需要工业大数据驱动

（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。

相关建议

（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。