工业企业数据管理亟需“补课”

近年来，随着信息化的持续推进及工业互联网应用的逐步深入，工业企业数据进入井喷期，工业数据的分析挖掘在推动企业降本增效、提升竞争力等方面的作用也日益凸显。

近日，中国信息通信研究院联合工业互联网产业联盟，针对我国工业企业数据管理现状展开调研并发布报告。调研结果显示，工业企业的数据管理工作滞后于其他行业，数据基础远不足以支撑智能化需求，亟需“补课”。

基础薄弱管理滞后

数据管理的概念伴随着20世纪80年代数据库技术在各行业的应用而出现，其目的是为了更有效地对计算机系统中的数据进行存储和访问。2000年以来，银行、电信等信息化程度较高的行业，面临越来越庞大和复杂的数据资产，开始建设数据仓库，并逐渐建立起专业化的数据管理体系。

与上述行业相比，工业领域信息化起步较晚，工业数据也更为复杂，涉及研发、生产、管理、运维、服务等多个环节，因而数据管理工作的推进也相对滞后。

中国信息通信研究院云计算与大数据研究所工程师王妙琼指出，随着工业互联网发展的不断深化，在工业领域加强数据管理的重要性日益突出。与其他行业类似，工业数据管理工作的重点也是保障数据质量与安全，促进数据互操作，为工业智能提供高质量、高可靠性的基础数据资源。

此次调研结果显示：我国工业企业的数据资源存量普遍不大，66%的企业数据总量都在20TB以下，还不及一个省级电信运营商日增数据量的1/10；管理手段比较落后，51%的企业仍在使用文档或更原始的方式进行数据管理；数据孤岛情况普遍，企业对自身可用的数据资产缺乏全面了解。

“由此可见，无论是管理手段还是技术手段，目前都远不足以支撑工业互联网发展应用后数据管理的风险和复杂度。”王妙琼说。

随着工业企业信息化的普及以及工业互联网的快速发展，工业企业对于数据管理重要性的认识正逐步提高，但实际落地情况却令人担忧。

调查显示，98.6%的企业觉得数据管理工作值得投入，其中77%的企业坚信数据管理很重要，并认为数据管理是一个长期的过程，且最终会为企业带来价值。然而，仅32.4%的企业开展了数据管理相关工作，接近半数的企业尚未规划专门的人力投入。

相比之下，金融领域已经充分认识到数据管理工作的重要性并已经形成企业和行业层面的工作机制。早在2011年，原银监会就印发了《银行监管统计数据质量管理良好标准（试行）》。2018年5月发布的《银行业金融机构数据治理指引》又提出银行业金融机构应当将数据治理纳入公司治理范畴，建立自上而下、协调一致的数据治理体系。目前，大部分国有银行和股份制银行都已经建立了专门的数据管理部门。

需求旺盛但阻力大

随着工业数据及其应用需求的快速增长，企业数据的存储、管理、流通都面临新的挑战。

王妙琼表示，工业企业在选择本地化部署工业互联网平台，或者云服务商进行数据和业务托管时，首要考虑的因素是成本和安全。据2018年的统计数据显示，减少基础设施投资和满足资源快速扩展需求是企业选择公有云的重要原因，但最大顾虑仍是公有云的安全性，超过50%的企业会出于安全性和可控性选择私有云。

顺应数据融合互联的趋势，以传统物理隔离、封闭数据的方式保障安全已经不再适合新时期下的数据环境。然而，数据向平台集中的发展趋势会形成新的潜在安全风险。

2018年7月，通用汽车、菲亚特、克莱斯勒、福特等100多家制造企业的敏感文件因其合作供应商存储服务器的漏洞而面临泄露风险。云服务安全事故频发，且行业尚未形成完善的数据资产定价和赔偿机制，更导致了工业企业对数据上云心存芥蒂。

“工业互联网的价值体现在数据跨领域跨行业的共享。”王妙琼指出，随着数据应用需求和大数据技术的发展，工业企业对于数据合作的需求大量增加。调查显示，超过半数的企业表示需要使用外部数据或对外提供数据。

但是，数据流通需求的增长会带来很多问题，如数据质量、数据定价和数据流通合规性等。实地走访中，大量企业表示，由于没有明确的法律法规保障以及成熟的技术解决方案支撑，所以对企业间数据合作存有很大的顾虑。

事实上，国内外对于数据流通的研究已有一段时间的积累。德国从2014年开始进行工业数据空间的研究，随后组建了国际数据空间（IDS）协会，目前已有近百家企业和组织加入，其核心理念是企业在保有数据主权的同时进行数据的共享交换。国内银行业的数据流通则由政府推动，其中最典型的应用是征信服务，早在2006年央行就成立了征信中心，全面收集企业和个人的信息。

总的来看，国内工业数据流通体系仍不完善。虽有多家活跃于市场的数据交易中心，但数据流通的合法合规性仍未得到应有的重视，现行法律对于数据流通的很多问题都没有明确，许多工作仍以行业自律的模式开展。

调研报告总结，当前我国工业企业的数据管理工作整体还处于起步阶段。除了一些大型企业因数据增长或业务需求已有数据管理的经验积累，大部分企业仍在摸索之中。

基于上述分析，报告对工业企业提出如下建议：一是提升数据管理意识，积极跟进业务需求，以需求带动数据管理体系建设；二是开展新技术引入，合理衡量技术使用风险和成本，有效推进数据管理工作；三是在强化安全意识的同时积极应对风险，实施数据分级分类防护，建立数据保障体系；四是直面数据流通需求，加强数据主权意识，对企业自身的数据资产负责。（何珺）