《江苏省工业大数据发展实施意见》政策解读
打印2020年12月25日，省工信厅印发了《江苏省工业大数据发展实施意见》（以下简称《意见》），现就《意见》有关内容解读如下：
1、为什么出台《江苏省工业大数据发展实施意见》？
当前，工业大数据日渐成为工业发展最宝贵的战略资源和关键生产要素。全球主要国家和领军企业向工业大数据聚力发力，积极发展数据驱动的新型工业发展模式。党中央、国务院高度重视大数据发展，强调推动大数据在工业中的应用，工业和信息化部制定出台了《工业大数据发展的指导意见》。江苏是工业大省，工业大数据资源极为丰富，近年来，省内工业大数据应用迈出了从理念研究到落地实施的关键步伐，由于工业场景复杂，工业大数据发展在数据采集、流通共享、开发应用等环节还面临较突出问题，亟待拓展和深化。依据工信部《指导意见》，立足江苏实际，制定出台《实施意见》非常必要也十分迫切。
2、《意见》总体思路及目标？
从工业企业侧，着力激发企业内生动力，持续提升工业数据采集、汇聚、治理、应用及安全管理能力。从信息技术服务企业侧，着力强化工业大数据产品及服务供给，推进工业大数据技术创新、企业培育、载体建设、生态打造，以数据驱动江苏制造业加速转型升级。
《意见》提出两阶段发展目标：到2023年，全省工业大数据发展水平保持全国前列，培育10个省级工业大数据应用示范区，打造10个工业大数据典型应用场景，50家工业大数据产品和服务标杆企业，60个工业大数据应用示范项目。到2025年，初步形成资源富集、应用繁荣、产业进步、治理有序的工业大数据生态体系，工业大数据成为支撑工业高质量发展的关键要素和创新引擎。
3、《意见》有哪些重点任务？
重点任务部分，提出推动工业数据共享流通、深化工业数据融合应用、完善工业数据治理体系、培育工业大数据产业生态五方面17项任务。前三方面任务，着力解决数据从哪来、到哪去、怎么用的问题；“完善工业数据治理着力”解决数据有但没法用的问题；“培育工业大数据产业生态”着力解决工业大数据谁来做，怎么做的问题。任务安排上注重可操作能落地，有具体举措和量化目标，在推动工业数据流通共享、培育新业态新模式等方面也安排了有一定前瞻性、探索性的任务。
加强工业数据采集汇聚方面，围绕数据从哪来。一是着眼工业企业内部，推动工业企业加快数字化改造，提升工业现场数据采集能力。同时，针对当前数据采集标准多、打通困难等共性问题，鼓励行业龙头发挥引领作用，带动产业上下游，采用兼容统一的方案，推动形成行业标准。二是着眼工业企业外部，积极布局数字基础设施，加快5G、窄带物联网、IPv6建设部署；推动工业互联网标识解析二级节点建设；三是落实国家“新基建”工作要求，推动区域、行业大数据中心建设，开展边缘数据中心建设试点。
推动工业数据共享流通方面，围绕数据到哪去，立足当前，提出三项任务。一是促进工业数据共享开放。鼓励行业龙头企业联合上下游企业、工业互联网平台企业，合作建设共享环境安全可信、共享过程全程可控、可多对多高效共享的工业数据空间。二是强化安全共享技术支撑，组织工业大数据安全共享与开发平台技术攻关，构建工业数据可信流通环境。三是探索工业数据流通交易。着眼今后3-5年数据要素市场发展要求，在工业数据流通交易上，鼓励有条件的企业和地区在工业数据资产价值评估模型、数据资产化目录体系、数据共享流通模式等方面先行先试，争取国家工业数据资产交易试点。
深化工业数据融合应用方面，围绕数据怎么用，提出打造应用环境、探索行业应用路径、大中小企业协同、培育新业态模式等四项任务。一是继续培育工业大数据应用示范区，推动园区在政策、资金、技术、人才等方面构建有利于工业大数据发展的良好环境。二是围绕我省信息化基础较好的优势行业，供需双向发力，挖掘工业大数据典型应用场景，要注重工业数据与交通、环境、医疗等领域相关数据的融合应用以及大数据技术与人工智能、区块链、AR/VR/MR等相关技术的融合。三是鼓励大企业利用工业互联网平台、大数据平台等，向中小企业共享生产要素、开放创新资源、提供人才支持，形成协同创新、相互促进的应用体系。四是推动企业利用大数据、工业互联网，培育数字化研发、智能化生产、规模化定制、精益化管理、网络化协同、服务化延伸等新业态新模式。
完善工业数据治理体系是盘活数据资源、提升数据质量、加快数据要素价值创造、培育数据要素市场的基础工作，此项工作尚处于起步阶段，需要加强宣传引导和政策扶持，包括三项任务。一是继续推进工业数据分类分级试点，引导企业以业务流程、信息系统为单位，做好数据梳理分类和分级差异化管理。二是大力推动《数据管理能力成熟度评估模型》（DCMM）宣贯及评估试点，提高各级工信主管部门、企业的数据管理意识，以贯标评估引导企业切实提升数据管理能力。三是鼓励工业企业、信息技术服务企业积极参与工业大数据标准制定，突破引领产业发展的基础性、共性工业大数据标准。
培育工业大数据产业生态部分，围绕工业大数据谁来做，怎么做的问题提出四项任务。一是围绕工业多样性数据采集、工业大数据平台云边协同、多模态数据管理、强关联数据集成等工业大数据共性及特定行业应用关键技术。二是培育工业大数据方向“数动未来”融合创新中心、省级制造业创新中心两类创新载体。三是打造工业大数据产品和服务体系。培育一批工业数据资源提供商、应用提供商以及总集成、总承包服务商和第三方服务机构。四是加强大数据企业、工业企业交流，分行业开展对接活动，发挥行业组织作用，凝聚行业共识，鼓励平台企业、应用提供商、咨询机构、整体解决方案提供商加强合作，为工业企业提供一站式服务。
4、如何推动《意见》落实？
为推动重点任务落实，意见提出完善工作机制、加大政策支持、加快人才培养、强化安全保障四方面保障措施。一是各级工业和信息化主管部门要建立本地区工业大数据推进工作机制，将工业大数据与工业互联网、5G、物联网等技术，及电子、装备、消费品、原材料等产行业发展协同推进。加强省市联动，鼓励各地结合本地优势产业，因地制宜加强政策创新，加快推进工业大数据技术创新和融合应用。二是发挥财政资金引导作用，各有关专项资金要加大对工业大数据发展的支持力度，鼓励各地、各园区对入园落户的工业大数据企业发展提供支持，配套政策措施。三是创新人才培养模式，培养既具备大数据思维又熟悉工业的复合型、实用型工业大数据人才。四是强化安全保障，明确企业安全主体责任和政府监督管理责任，推动企业加大安全投入，完善工业信息安全管理制度，建立企业工业信息安全风险防控体系。加快安全骨干企业培育，推动数据安全产品研发，增强数据安全服务能力，全面保障数据安全。
5、《意见》中工业大数据、工业数据空间、工业基础大数据库、工业数据分类分级、数据管理能力成熟度评估模型是什么？
工业大数据：工业领域产品和服务全生命周期数据的总称，包括工业企业在研发设计、生产制造、经营管理、运维服务等环节中生成使用的数据，以及工业互联网平台中的数据等。
工业数据空间：工业数据空间是以标准体系和技术措施为基础、多方认证企业共同参与、核心在于促进数据资源共享流通和价值释放的虚拟空间。相较于传统的数据共享概念，工业数据空间实现三方面的本质提升：一是构建安全可信的共享环境，大幅度降低参与主体间的信任沟通成本；二是实现全流程的可控，有效避免传统基于纸质媒介、互联网等渠道所带来的二次分享或泄露的风险；三是实现多对多的共享，参与主体可自主选择符合需求的数据资源进行利用，有效提升单对单模式下的数据共享效率。
工业基础大数据库：由工信部统一部署，多级联动，整合利用国家及省市重点工业领域统计数据，汇集第三方机构工业经济运行监测数据，建设覆盖产业、企业、产品、技术等多个维度的国家原材料数据库、国家装备数据库、国家消费品数据库和国家电子信息数据库，支撑研制产业链图谱和供应链地图，服务行业主管部门对产业发展进行精准管理。
工业数据分类分级：工业数据分类分级是通过对工业企业研发设计、生产制造、经营管理、运维服务等环节的数据加以梳理，形成企业工业数据分类清单（工业企业工业数据分类维度包括但不限于研发数据域、生产数据域、运维数据域、管理数据域、外部数据域；平台企业工业数据分类维度包括但不限于平台运营数据域和企业管理数据域）。根据不同类别数据遭篡改、破坏、泄露或非法利用后，可能对工业生产、经济效益等带来的潜在影响对工业数据分级（工业数据分为一级、二级、三级3个级别，三级数据遭篡改、破坏、泄露或非法利用后潜在影响最大）。对工业数据分类分级目的是帮助企业了解自身工业数据整体状况并为数据防护工作提供指引，解决工业企业数据管理不到位、开发利用不深入、流通共享不充分等问题。
数据管理能力成熟度评估模型（DCMM）：数据管理能力成熟度评估模型（DCMM）是我国数据管理领域首个正式发布的国家标准，模型定义了数据战略、数据治理、数据架构、数据应用、数据安全、数据质量、数据标准和数据生存周期八个核心能力域及28个能力项。目的是帮助组织梳理数据管理现状，识别数据管理存在的问题，对标行业最佳实践，为提升数据管理能力提供路线图。组织数据管理能力成熟度自低向高依次分为初始级、受管理级、稳健级、量化管理级、优化级等五个等级。初始级：数据需求的管理主要是在项目级进行体现，没有统一的管理流程，主要是被动式的管理；受管理级：组织已意识到数据是资产，根据管理策略的要求制定了管理流程，指定了相关人员进行初步的管理；稳健级：数据被当做实现组织绩效目标的重要资产，在组织层面制定了系列的标准化管理流程，促进数据管理规范化；量化管理级：数据被认为是获取竞争优势的重要资源，数据管理效率能够进行量化分析和监控；优化级：数据被认为是组织生存的基础，相关管理流程能够实时优化，能够在行业内进行最佳实践的分享。