工业大数据应用的四大挑战（1）

工业大数据应用的四大挑战（一）

（2019年7月13日）

以数据为关键要素驱动工业转型升级，不仅成为宏观层面的行业共识，也正在微观层面为企业带来实际收益。然而，工业大数据的发展，还面临数据资源不丰富、数据管理滞后、孤岛普遍存在以及应用深度不足等四大挑战。为此，需要在企业层面夯实数据基础，抓住技术创新机遇，在行业层面建立数据互操作与流通的标准与规则。

一、以数据为关键要素驱动工业转型升级

宏观上，大力发展工业互联网，用数据智能助推工业转型升级相结合，已经成为全国上下的高度共识。微观上，大数据技术的应用也开始为诸多企业带来实际收益。工业互联网产业联盟2019年2月发布的《工业互联网平台白皮书》显示，数据在工业研发设计、工艺优化、设备维护、质量控制、节能减排等方面的作用日益凸显。

可以说，随着这几年工业互联网的不断深入发展，工业领域的数据分析应用取得了令人可喜的进步。然而，也应该看到，由点及面形成燎原之势，任重道远。

二、工业大数据发展面临四方面挑战

挑战1：工业数据资源不丰富

理论上，工业领域的数据应该是非常丰富的，但实际上，有价值的数据非常稀缺，原因是在工业领域，有分析利用价值的机器数据往往需要包含故障情形下的“坏”样本。

数据资源不丰富，与我国工业互联网发展还处于起步阶段有关。企业数字化、网络化程度普遍较低，数据资源的积累尚需时日。而目前工业系统协议“七国八制”现象非常突出，很多软件系统的接口不开放，也增加了数据采集的技术难度。

挑战2：工业数据资产管理滞后

数据质量问题是长期困扰数据分析工作的难题。权威数据专家估计，每年低质量的数据会给企业带来10%~20%的损失。工业领域很多时候追求确定性的分析结果，对数据分析的可靠性要求高，因而对数据质量的要求也就更高了。

用数据，更要“养”数据。从信息化程度较高的金融、电信、互联网等行业经验来看，如果不开展专门的数据治理，就难以确保数据质量。不过，随着机器学习技术的发展，智能化的数据资产管理工具也越来越完善，工业数据资产的管理，可以更多依赖人工智能高效完成。但相比信息化程度较高的金融、电信、互联网等行业，工业数据的管理，还有很多欠账要补。

挑战3：工业数据孤岛普遍存在

数据孤岛几乎是所有企业都面临的困境。从单一企业内部来看，存在着不同时期由不同供应商开发建设的客户管理、生产管理、销售采购、订单仓储、财务人力等众多IT系统，可谓烟囱林立。而要深度推进智能制造，不仅是上述IT系统要横向互通，还要进一步纵向打通IT（Information Technology）和OT（Operation Technology）两界的数据，推进难度非常大。而且，企业越大，管理和技术包袱越重。

从全行业看，发展工业互联网，实现从单一企业内的局部优化，到整个产业链的全局优化的跨越，必然要实现整个供应链上跨企业的数据流通，这就进一步面临着安全合规、商业模式和技术标准等方面的更大挑战。

（未完待续）

摘编自 微信公众号 优管网