《“互联网+制造业”行动计划》解读——工业大数据篇（2）

二、发展工业大数据若干关键问题

（一）高度重视工业大数据应用价值

工业大数据应用覆盖工业的研发设计、生产制造、供应链管理、市场营销和售出服务等产品生命周期的各个环节。在研发设计环节，可满足工程组织的设计协同要求、评估和改进当前操作工艺流程，提供更好的设计工具、减少产品交付周期。在生产制造环节，可综合大量的机器、产线、运营等数据的高级分析实现制造过程优化。在供应链环节，工业大数据主要用于实现供应链资源的高效配置和精确匹配。在市场营销环节，可利用大数据挖掘用户需求和市场趋势，找到机会产品，进行生产指导和后期市场营销分析。在市场营销环节，可利用大数据挖掘用户需求和市场趋势，找到机会产品，进行生产指导和后期市场营销分析。

然而，目前我国工业大数据应用正处于发展孕育期，需不断引导企业需求，帮助企业形成对数据客观、科学的认识。一是帮助企业优化数据源，尤其是对于机器设备、生产线等实时生产数据采集数量、类型、精度以及频率方面，积极弥补与国外先进水平存在的差别。二是推进企业间和企业内部部门间信息交互、共享和集成，充分发挥数据融合应用价值。三是推进工业大数据应用成熟模式和灯塔式项目建设，形成行业应用推广模式。

（二）牢牢把握工业大数据的产业变革机遇

作为新兴技术领域，工业大数据的产业格局尚处于集聚与形成阶段，但以GE、西门子、SAP等为首的IT、自动化、制造领域的领先企业正立足于已有优势领域，抓住技术升级和产业变革契机，在工业大数据发展初期意图通过优化重组优势要素将产业链各环节的单点优势扩大为产业生态的综合优势。

因此，我国企业应牢牢把握工业大数据发展的变革机遇，一方面依托强大的市场内需和产业规模优势，借助创新要素的不断积累，整合竞争要素打造产业整体优势；另一方面注重商业模式创新，特别是类似于德国为中小企业提供工业大数据服务平台、GE的设备管理服务盈利模式是按节省成本的一定比例收取等多元化商业模式。

（三）注重标准、安全等外部环境的完善

标准和安全是事关互联网与制造业统合创新发展重要保障，新型传感器和控制器的引入、云平台的广泛应用、通用有线/无线网络技术的发展、工业控制系统的进一步软件化，传统工业控制的专有性和封闭性被打破同时，数据类型更加多样。因此，亟需建立统一的、贯穿产业全生命周期的数据标准和安全防护管理技术体系，形成适用于智能制造新业态的标准和安全环境。

（未完待续）