工业大数据应该如何发展面临那四个方面的挑战如何解决

工业大数据应该如何发展面临那四个方面的挑战如何解决

以数据为关键要素驱动工业转型升级

2017年12月，习近平总书记在中央政治局第二次集体学习时强调，要深入实施工业互联网创新发展战略，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，加快形成以创新为主要引领和支撑的数字经济。在2019年两会上，李克强总理在《政府工作报告》中提出，要打造工业互联网平台，拓展“智能+”，为制造业转型升级赋能。

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。

工业大数据发展面临四方面挑战

然而，也应该看到，成功案例仍然只是星星之火。由点及面形成燎原之势，任重道远。

2

挑战2：工业数据资产管理滞后

计算机科学家警钟长鸣：警惕“垃圾进，垃圾出（Garbage in，Garbage out）”。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。美国一直重视数据质量，在1990年还专门颁布了数据质量法案（Data Quality Act），2016年美国《联邦大数据研发战略计划》也专门把确保数据质量与提升数据分析可信性作为七大战略之一。

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