2023年12月31日，國家數據局等17個部門聯(lián)合印發(fā)《“數據要素×”三年行動計劃（2024—2026年）》（下文簡稱《行動計劃》），旨在落實《中共中央 國務院關于構建數據基礎制度更好發(fā)揮數據要素作用的意見》，充分發(fā)揮數據要素乘數效應，賦能經濟社會發(fā)展。

《行動計劃》指出，實施“數據要素×”行動，就是要發(fā)揮我國超大規(guī)模市場、海量數據資源、豐富應用場景等多重優(yōu)勢，推動數據要素與勞動力、資本等要素協(xié)同，以數據流引領技術流、資金流、人才流、物資流，提高全要素生產率。

數據要素×工業(yè)制造

七大難題需關注

工業(yè)制造是“數據要素×”的關鍵領域之一?！缎袆佑媱潯诽岢觯攸c行動包括：

“推進產品主數據標準生態(tài)系統(tǒng)建設，支持鏈主企業(yè)打通供應鏈上下游設計、計劃、質量、物流等數據，實現敏捷柔性協(xié)同制造”，“支持企業(yè)整合設計、生產、運行數據，提升預測性維護和增值服務等能力，實現價值鏈延伸”。

而由于數據具備不同于其他生產要素的種種特性，工業(yè)制造企業(yè)在數字化實踐過程中，往往會面臨以下難題：

海量數據存算，支撐難

對于工業(yè)制造企業(yè)而言，數據不僅來自信息化時期建立的數百套業(yè)務系統(tǒng)，伴隨著自動化、智能化程度不斷提升，遍布世界各地的車間都在生產數據——機器設備規(guī)律性、不間斷生產的數據量已經遠超想象。進一步，經過各業(yè)務環(huán)節(jié)的透傳和分析，加工后的數據量更是倍增。

相應的，過去建立的大數據技術棧也正面臨海量數據存算帶來的挑戰(zhàn)。

數據多源分散，匯聚難

“全球幾十個基地，各建一套機房，各有一個MES”，“數據分散在各個單位，各自獨立建庫，沒法統(tǒng)一盤點”，這樣的情況在大型工業(yè)制造企業(yè)尤為常見。

多云、多系統(tǒng)、多組織…當企業(yè)開始建立和管理全域數據資產，最先會面臨數據多源、過于分散的問題。

“多源”往往也會帶來“海量”，而更多的難題在于其復雜性，例如：同一個指標在MES和ERP各有數據，且質量不同，應該取哪個？它不僅需要一個支持對接多云、多系統(tǒng)的數據平臺，也需要IT和業(yè)務部門投入，將業(yè)務流和數據源梳理清楚。

數據種類多樣，處理難

工業(yè)制造企業(yè)需處理的數據種類多樣，除了大數據領域最常見的結構化數據，也包括日志、圖片、視頻等半結構化和非結構化數據。例如，生產設備的傳感器產生時間序列數據，質檢報告是表格數據。而傳統(tǒng)的數據技術棧往往難以處理如此豐富多樣的數據種類，更無從追求效率。

安全合規(guī)要求，保障難

相較消費零售，工業(yè)制造企業(yè)面臨的個人信息保護合規(guī)問題并不突出。但仍應注意數據合規(guī)，例如，在境外設廠，數據通常應在當地完成存算，如果需要跨境傳輸，必須符合當地的數據安全管理條例。

除了合規(guī)問題，企業(yè)對數據泄露、破壞、竊取等安全風險的重視度往往相對較低。然而一旦關鍵數據遭到破壞，可能面臨業(yè)務中斷等嚴重后果，重要數據的泄露也將給企業(yè)帶來經濟損失。

相應的，企業(yè)數據系統(tǒng)不僅要在安全合規(guī)上有保障（例如支持分類分級、風險監(jiān)控等），還必須具備合規(guī)要求的跨云多域管控等能力。

實時數據洞察，服務難

越實時的數據，越能反映生產和經營情況，越能更及時地支持決策、調整計劃、預警風險。而實時的技術方案也往往伴隨著更多的存算成本、更高的性能挑戰(zhàn)。

因此，對于工業(yè)制造企業(yè)而言，達到實時或近實時不僅需要現代的流批技術架構，也需要選擇合適的應用場景，打通數據鏈條，讓實時數據洞察的結果真正為企業(yè)所用。

系統(tǒng)上線多年，治理難

“臟亂差”的數據，將降低企業(yè)使用數據的效率，甚至對業(yè)務產生負面影響。

數據平臺建設初期，完成了業(yè)務流程的梳理和數據標準的建立，數據準確性往往不成問題。而伴隨著數字化深入，如果沒有相應的機制和標準來保障，行動易出現變形，數據質量不達標準。

好的數據平臺應該是“業(yè)務系統(tǒng)的一面鏡子”：通過“監(jiān)控—問題分發(fā)—整改”的閉環(huán)機制，對核心數據進行質量監(jiān)控，識別反推業(yè)務問題、系統(tǒng)問題，確保數據準確性始終達標。

數據斷點異常，拉通難

數據缺失，可能讓數據分析結果產生偏差。例如，對產品在企業(yè)供應鏈的執(zhí)行效率展開分析，除了需要產品本身特點屬性的數據，還需要產品執(zhí)行過程的全生命周期數據，包含所有關鍵的事實和維度數據，才能形成立體、多維的畫像。

數據完整性問題在企業(yè)實踐中并不少見，但它不是一味“能采盡采”。企業(yè)需要從業(yè)務場景出發(fā)，盤點業(yè)務流程、梳理系統(tǒng)和盤點數據，識別出數據斷點并補齊，分析完整、全面的數據來還原業(yè)務、反哺業(yè)務。

“四橫十縱”

找到典型應用場景

《行動計劃》的目標包括“到2026年底，數據要素應用廣度和深度大幅拓展，在經濟發(fā)展領域數據要素乘數效應得到顯現，打造300個以上示范性強、顯示度高、帶動性廣的典型應用場景”。行動基本原則包括“需求牽引，注重實效”，“試點先行，重點突破”等。

可見，《行動計劃》看重落地實踐的成效，不要求“一口氣吃成大胖子”，也不鼓勵只能看、不中用的“面子工程”和只有理論價值的“空中樓閣”。

工業(yè)制造企業(yè)往往有廣泛的業(yè)務范圍和復雜的業(yè)務流程，數據的“用武之地”也非常多，究竟應該從哪里“重點突破”？

大數據基礎軟件廠商奇點云綜合“分析主線”和“業(yè)務域”雙視角，把工業(yè)制造數字化轉型的路徑歸納為“四橫十縱”：

四橫：即“訂單到回款拉通”、“產品全生命周期”、“業(yè)財經營一體化”、“產業(yè)鏈外延協(xié)同”共四條主線，企業(yè)可以優(yōu)先擇其最關注的一條主線，端到端建立分析鏈路并橫向貫通，達成目標結果；

十縱：即從研發(fā)、營銷、運營、供應、生產、物流、質量、售后、人資、財經十個業(yè)務域，選擇與業(yè)務痛點最為緊密或分析鏈路上出現斷點的業(yè)務域，縱向單點切入，拆解為若干分析主題，搭建數據指標體系，實現對每個業(yè)務域的深度洞察，從而實現數據賦能管理決策與業(yè)務運營。

在制定數字化轉型戰(zhàn)略規(guī)劃時，企業(yè)常常遇到“大而全”的困境。在初期階段，奇點云更推薦從上述“四橫十縱”中擇其一切入，在攻克痛點、看到數據價值、幫助組織建立轉型信心的同時，逐步帶動企業(yè)數據能力提升，形成全域數據資產。而對于數字化建設已經較為完善的企業(yè)，也可以對照“四橫十縱”進行全局盤點，“查缺補漏”。

關于奇點云：

奇點云是獨立第三方的大數據基礎軟件提供商，成立于2016年，旗下有“奇點云”、“GrowingIO”兩大品牌，主力產品包括數據云平臺、數據存算引擎、數據安全引擎、增長分析、客戶數據平臺等。除了提供專業(yè)技術產品為數據“生產—消費”提質提效，奇點云也提供咨詢、運營、運維等企業(yè)級的服務支撐，助客戶攻克數字化不同階段的各項難題。

目前，奇點云已服務制造、消費零售、金融等領域1500+客戶，協(xié)同客戶構建其自有的數據能力，全場景賦能商業(yè)決策。