工业大数据实施切入点

发布时间:2020-03-26阅读951

工业大数据是企业生产经营的一次重大变革,对于工业化、信息化都还没有完成的国内工业企业而言,数据化时代又到来了。工业大数据建设,首先是一种思维变革,改变以前以要素竞争为主的工业生产模式,进入到数据和创新竞争为主的新生产时代。

工业大数据按数据用途可分成三类,经营数据利用率最高,生产数据和环境数据相比存在较大差距。从未来数据应用趋势看,生产数据在企业数据中的占比将越来越大,环境类数据也将越来越多样化。

经营数据:如财务、资产、供应商基础信息等数据,这些数据在企业信息化建设过程中持续积累,是企业的经营要素和成果。

生产数据:围绕企业生产过程中积累的数据,包括原材料、生产工艺、设备运行等。这些数据是工业生产过程中价值增值的体现,是决定企业差异性的核心所在。

环境数据:包括能耗数据,废水废气的排放等数据。这些数据对工业生产过程中起到约束作用。

工业大数据主要工作内容包括数据识别与定义、数据集成与融合、数据分析与利用、数据安全。数据识别与定义是为了摸清数据资产状况,并规范数据。数据集成与融合是打通信息通道,让数据流动起来。数据分析与利用是为了让数据产生价值。数据安全则是为了保障数据的安全和质量。

开展工业大数据工作既可以选择构建数据安全体系为切入点,也可以选择数据模型开发为切入点,以理清数据资产和规范数据。还可以选择某一个业务域开展大数据分析应用,通过应用拉动数据规范化和数据安全。从宏观角度来看,它们并没有必然的次序,只是在具体工作推进时,通常遵循先识别定义,再集成、安全和分析利用的推进逻辑。

我们在实施和落地工业大数据的过程中首先要统一企业的数据标准,核心是数据模型,只有掌握一套企业级数据模型,并以此为基础对各应用的数据进行管控,企业的数据资产才真正受控。其次是数据融合,数据只有整合起来,建立数据关联,才能够发挥更大的价值,而数据融合的前提是有一套数据标准。再次是数据安全,对于企业尤其重要,大数据强调数据关联、融合,这势必会显著增加安全风险。为确保数据安全,就要充分利用技术手段,结合企业特定的应用场景进行定制。