党的二十大报告指出，要建设现代化产业体系，构建新一代信息技术、人工智能等一批新的增长引擎，加快发展数字经济，促进数字经济和实体经济深度融合，打造具有国际竞争力的数字产业集群。江苏用全国1%的面积、6%的人口创造了全国约12%的工业增加值，贯彻落实党的二十大精神，发挥大数据基础支撑作用，将大数据技术广泛融入企业研发设计、生产制造、经营管理、销售和运维服务等各个环节，赋能制造业转型升级、提质降本增效，既是奋斗目标，也是实践经验、发展之需。

一、国内外制造业领域大数据发展现状

智能制造背景下全球竞相发力制造业大数据。当前，企业研发设计、生产制造、经营管理、销售和运维服务等环节沉淀的工业数据，正成为智能制造的核心驱动力，日益成为提速数字经济发展的关键引擎。

我国现阶段正加强工业大数据治理和融合应用，探索推进安全体系建设。2020年5月，工信部发布《关于工业大数据发展的指导意见》，促进工业数据汇聚共享、深化数据融合创新、提升数据治理能力、加强数据安全管理，着力打造资源富集、应用繁荣、产业进步、治理有序的工业大数据生态体系。2021年11月，工信部发布《“十四五”大数据产业发展规划》，提出以制造业数字化转型为引领，面向研发设计、生产制造、经营管理、销售服务等全流程，培育专业化、场景化大数据解决方案，构建多层次工业互联网平台体系，推动工业大数据深度应用。同时，我国正通过推行工业数据分类分级、工业大数据应用试点示范，引导企业加强数据安全管理和应用，赋能制造升级。

二、制造业领域大数据的主要特征

工信部发布的《关于工业大数据发展的指导意见》中的定义较为典型，工业大数据是指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和使用的数据，以及工业互联网平台中的数据等。制造业大数据主要来源于生产制造和产品运维环节以及生产线、设备、工业产品等。制造业大数据与传统大数据都是以大数据技术为基础，不同点在于数据采集、处理、存储、分析、可视化、闭环反馈控制等方面，制造业大数据对数据实时性、关联性、精准性、可靠性等要求更高，更注重数据质量、分析结果可视化以及闭环反馈控制。

当前全球数据规模呈指数级增长，制造业大数据也进入高速增长期。在工业大数据用户行业结构中，离散型制造业企业由于设备和零部件数量多、零部件变更困难、设备故障检测过程繁琐等原因对大数据需求较高，用户占比最大；大型企业由于自动化程度高、工艺流程复杂、产生数据体量庞大、利润高，数据需求量占比最高。

三、制造业大数据发展的显著趋势

近年来，随着数字化转型的推进，大数据加快应用于制造业领域，涉及数据源、数据采集与传输、数据分析与管理、数据流通、数据安全与应用等主要环节，发展趋势明显。

一是数据源方面，装备物联网成为增长引擎，企业外部跨界数据将释放更多价值。制造业大数据来源多样且具有不同的格式和标准，主要包括企业信息系统、装备物联网和企业外部互联网。近年来，物联网技术快速发展，装备物联网实时自动采集生产设备和交付产品的状态与工况数据，成为工业大数据增长最快的来源之一。企业外部互联网存在海量跨界数据，政策法规、宏观经济数据、市场变化等外部要素同样影响企业生产运营，如环境法规数据影响生产成本、宏观经济数据影响产品市场预测、气象数据影响装备作业等。未来外部跨界数据将释放更多工业大数据价值，催生更多新业态新模式。

二是数据采集和传输方面，支持重点企业全面采集数据的技术产品及解决方案将涌现。数据采集是利用泛在感知技术对多源设备、异构系统、运营环境、人等要素信息进行实时高效采集和云端汇聚。我国鼓励工业数据全面采集数据，《工业和信息化部关于工业大数据发展的指导意见》提出，支持工业企业实施设备数字化改造，升级各类信息系统，推动研发、生产、经营、运维等全流程的数据采集；支持重点企业研制工业数控系统，引导工业设备企业开放数据接口，实现数据全面采集。现阶段有的企业构建兼容转换协议的技术产品体系和网络架构，提高采集设备互联互通性。例如，中国电信与潍柴集团合作实施基于工业光纤网络的工业网络互联网与数据采集项目。也有企业部署边缘计算模块，实现数据在机器设备端的轻量级运算和实时分析，缓解数据向云端传输、存储和计算压力。例如，华为提供EC-IoT边缘计算物联网解决方案。未来，为进一步满足产线高速运转、精密生产和实时监测等工业场景需求，企业将立足场景需求推出更多相关技术产品及解决方案。

三是数据分析与管理方面，企业级数据仓库将是主流，数据标准与模型成为重要管理工具。企业所分析的数据量一般以TB（万亿字节）为单位，按照目前发展速度，将快速进入PB（拍字节）时代，特别是超100TB的分析数据集数量将呈3倍或4倍增长。分析数据集数量的扩大将造成以往的部门层级数据集不能满足大数据分析需求。企业数据仓库能保存大量异构数据，并结合各系统数据进行联机分析处理，尤其是在业务繁多、数据量庞大、跨系统的情况下，企业出具决策报告具有独特优势。目前，国内部分工业企业已经实践。例如，一汽解放“基于车联网的大数据挖掘与应用”项目，在数据架构上运用Hadoop生态圈开源技术栈搭建车联网数据仓库，并构建实时计算流和离线计算流，实现数据的高效分析与管理。根据数据仓库研究院（TDWI）调查，如今约2/3用户已使用企业数据仓库，未来将会更高。随着政府数据和行业数据的公开，将促进外部数据纳入企业级数据仓库，使得数据仓库数量更大且数据价值更高。

四是数据流通与安全防护，“数据可用不可见”成为趋势，政策重视程度加大。以往，数据明文形态给数据的确权、流通及交易带来了挑战，数据产权难以确定和验证，数据流通过程中隐私泄露风险较高。而隐私计算、区块链、动态加密、标识解析等新技术发展完善，为“数据可用不可见、可算不可识”提供了技术支撑。通过对信息进行加密与共享，实现数据按用途与用量使用，避免数据资产被数据需求方二次流转，保障数据在交易流通过程中的安全性，已经成为技术发展趋势。例如，蚂蚁集团旗下区块链技术服务公司蚂蚁链研发的摩斯安全计算平台，解决企业数据协同计算过程中的数据安全与隐私保护问题，已在电信、汽车等行业落地。我国近年愈发重视数据安全防护。《工业和信息化领域数据安全管理办法（试行）》正在公开征求意见；《“十四五”大数据产业发展规划》提出加强隐私计算、数据脱敏、密码等数据安全技术与产品的研发应用。数据安全监测预警、应急管理、检测评估与认证管理等制度在以汽车为代表的工业领域逐步落地。2021年，我国先后发布《汽车数据安全管理若干规定（试行）》《关于加强智能网联汽车生产企业及产品准入管理的意见》，规范汽车数据处理活动，要求加强汽车数据安全、网络安全、软件升级、功能安全和预期功能安全管理，保证产品质量和生产的一致性。

五是应用热点方面，从制造向服务环节拓展，新业态新模式不断涌现。现阶段制造业大数据已经应用于研发设计、生产制造、经营管理、销售服务、供应链协同等各环节，推动工业增值领域从制造环节向服务环节拓展，赋能企业提质降本增效的同时，为企业创造更多价值。比如，设备制造企业借助大数据技术，向设备使用企业提供预测性维护方案与服务，可以延伸服务链条，实现价值增值。通用电气公司原来是以制造为主的企业，现在将业务领域拓展到技术、管理、维护等服务领域，这部分服务创造的产值已经超过公司总产值的2/3。以“大数据+个性定制”“大数据+信贷”“大数据+保险”等为代表的大数据新业态新模式也陆续涌现。比如，随着企业内外部数据连接更加广泛，消费者的需求和画像将会更及时地传递到工厂，原先单一产品大规模制造方式将逐渐被大规模定制方式所取代。而随着工业互联网平台以及数据流通、安全等技术的发展，跨领域数据将加速汇聚融通，未来将催生出更多工业应用场景和商业模式。