大数据技术为工业企业转型升级,开辟了新思路、新模式和新途径,但大数据与工业的深度融合,是一项非常复杂的系统性工程,还需政府部门与工业企业协同配合,科学、有序、规范地共同推进。
大数据技术带来了新的生产率增长和盈利模式,为我国工业企业转型升级开辟了新思路、新模式和新途径,已成为塑造国家竞争力的战略制高点。近年来,我国工业与大数据技术融合发展的态势良好,但与发达国家相比,在融合的行业数量、应用深度、业务规模、发展均衡性等方面还存在一定的差距。
信息化总体水平不高,与工业领域融合深度不够。据统计,我国工业领域中90%的企业信息化建设基础不足,信息化水平总体偏低,43%的企业信息化覆盖业务部门范围较窄,各IT系统处于割裂状态或者集成程度不高。从数据质量方面来看,大多数工业企业缺乏科学、现代的数据采集机制,且数据质量把控不严,直接导致数据可用性和价值较低,而低劣的数据质量则会造成资源浪费、生产力损失和额外开支,进而影响企业盈利。
数据集成和共享的水平较低。一方面,企业内部由于“信息孤岛”和“数据壁垒”的普遍存在,且缺乏数据资源管理的意识和方法,导致数据集成与汇总面临着很大难度和挑战。另一方面,企业间数据共享流通渠道和规范缺乏:一是出于观念、技术和利益等角度考量,掌握大量用户和数据的大型企业,往往将数据“金矿”视为“私产”,主观上不愿意对外开放,导致工业领域上下游企业间数据不能共享,未能形成覆盖产业链的数据闭环,严重阻碍了大数据价值的发挥；二是现有法律法规虽然对网络运营者收集、使用、保存用户个人信息等数据资源的行为进行了规定,但对于共享用户数据的要求、规范、场景和条件,仍缺乏具体法律法规进行约束；三是市场化的数据交易应用机制尚不健全,缺乏合理沟通与管控方法,制约了数据的流动、共享。
缺乏成熟的平台级工具,工业企业使用数据进行分析管理的难度较大。当前,工业大数据作为一种新生事物,正处于发展起步阶段,面临着数据规范缺乏、标准不统一、平台技术架构复杂等一系列问题,面向工业领域提供大数据解决方案的业务尚不成熟,大部分行业仍未能形成主流的平台级工具,特别是行业统一的工业大数据平台,难以满足工业企业的大数据应用需求。同时,由于工业企业信息化水平不一、行业应用场景区别较大,使得大数据技术企业开发的技术平台与各行业实际应用需要存在显著差异,这也为工业大数据的应用增添了难度。
缺乏产业龙头企业,未能形成成熟的商业模式和示范带动效应。我国工业领域近年来迅速崛起了一批在某些方面能力较为突出的龙头企业,但尚缺乏实现了大数据与工业融合发展的典型企业,无法对新形势下工业转型升级、高质量发展起到引领、示范和带动作用,导致在全产业链、全环节上推进“中国智造”的能力仍然欠缺。另外,由于高质量数据和平台级工具的缺失,工业企业采用大数据进行分析和管理的成熟度不高,利用大数据进行精准营销的商业收益也存在争议,导致这方面的创新创业不够活跃,进一步限制了龙头企业的诞生。
大数据与传统工业的深度融合是一项非常复杂的系统性工程,也是难得的历史机遇与战略窗口,我国应因势而动、顺势而为,促进政府部门与工业企业协同配合,科学、有序、规范地共同推进。
支持鼓励大数据创新创业。鼓励大数据行业应用的大众创业、万众创新,营造大数据应用的创业氛围。扶持大数据创新开发团队,打造大数据创新成果转化平台,提供“一站式”配套服务,筛选出具有经济效益和社会效益的重点行业和商业模式。通过采取政府购买和一定补贴的形式,鼓励资源丰富、技术先进的大数据领先企业建设大数据平台,开放平台数据、计算能力、开发环境等基础资源,降低创新创业成本。
积极推进数据资产管理和共享开放。吸纳国内外数据资产管理的先进经验,利用最新技术开展政务和行业的数据资源管理；以企业为主导,通过建立工业大数据平台、完善各平台之间的互联互通机制,促进数据流通共享；进一步完善用户个人信息保护的政策法规,规范用户数据授权流程和服务协议,健全用户数据保护法律体系和使用规范；鼓励企业通过商业谈判明确双边数据共享的权利和义务,积极推动行业数据共享。
降低工业企业应用大数据的技术门槛。支持鼓励大数据技术企业不断提升平台和应用的可用性和操作便捷程度,向工业企业提供产品、服务和技术解决方案；帮助工业企业构建数据化思维,基于数据开放平台构建大数据应用生态,通过加强宣传等方式鼓励工业企业选用适合的大数据平台,逐步推动大数据在工业领域的广泛应用,有效汇聚数据资源,从而降低工业大数据应用的门槛。
推动工业大数据龙头企业试点示范。制定出台工业大数据发展规划,明确融合发展的思路、目标、任务和举措。一方面,选择一批具有创新性、典型推广意义的工业企业开展试点示范,探索发展模式和路径,树立行业标杆,共享成功经验,加以宣传推广；另一方面,出台鼓励支持工业企业与互联网企业跨界融合的相关政策,尽快培育出一批依靠信息化、具有互联网思维的工业大数据龙头企业,引导和带动传统工业转型升级。
