2022年制造业数据治理白皮书.pdf

关于软通动力软通动力信息技术（集团）股份有限公司（以下简称“软通动力”）是中国领先的软件与信息技术服务商，致力于成为具有全球影响力的数字技术服务领导企业，企业数字化转型可信赖合作伙伴。2005 年，公司成立于北京，坚持扎根中国，服务全球市场。目前，在全球 40 余个城市设有近百个分支机构和超过 20 个全球交付中心，员工 90000 余人。秉承用数字技术提升客户价值的使命，软通动力长期提供软件与数字技术服务和数字化运营服务，其中软件与数字技术服务包括咨询与解决方案、数字技术服务和通用技术服务；凭借深厚的行业积累，公司在 10 余个重要行业服务超过 1000 家国内外客户，其中超过 200 家客户为世界 500 强或中国 500 强企业。关于亚马逊云科技亚马逊云科技(Amazon Web Services）是全球云计算的开创者和引领者，超过 15 年以来一直以不断创新、技术领先、服务丰富、应用广泛而享誉业界。亚马逊云科技可以支持几乎云上任意工作负载。亚马逊云科技目前提供超过 200 项全功能的服务，涵盖计算、存储、网络、数据库、数据分析、机器人、机器学习与人工智能、物联网、移动、安全、混合云、虚拟现实与增强现实、媒体，以及应用开发、部署与管理等方面；基础设施遍及 26 个地理区域的 84 个可用区，并计划新建 8 个区域和 24 个可用区。全球数百万客户，从初创公司、中小企业，到大型企业和政府机构都信赖亚马逊云科技，通过亚马逊云科技的服务强化其基础设施，提高敏捷性，降低成本，加快创新，提升竞争力，实现业务成长和成功。1mNzRyRqQmOmOrPoNqNmNsOaQbP6MoMqQsQtQlOqQwPjMnNsN9PnNzQwMtPoMxNrQvM制造业数据治理白皮书本白皮书由软通动力信息技术(集团)股份有限公司和 Amazon Web Services,Inc.或其关联方（“亚马逊云科技”）共同撰写，双方就各自撰写的内容分别、独立享有相关知识产权。其中软通动力负责第一章、第二章和第三章 1、3 部分，单独享有该部分的知识产权;其余部分由软通动力和亚马逊云科技共同研讨撰写，共同享有该部分的知识产权。关于软通动力部分的声明:本白皮书中所含内容乃一般性信息，任何软通动力信息技术(集团)股份有限公司、其全球成员所网络或它们的关联机构并不因此构成提供任何专业建议或服务。在作出任何可能影响您的财务或业务的决策或采取任何相关行动前，您应咨询合格的专业顾问。我们并未对本白皮书所含信息的准确性或完整性作出任何(明示或暗示)陈述、保证或承诺。软通动力信息技术(集团)股份有限公司、其成员所、关联机构、员工或代理方均不对任何方因使用本通讯而直接或间接导致的任何损失或损害承担责任。软通动力信息技术(集团)股份有限公司及其每一家成员所和它们的关联机构均为具有独立法律地位的法律实体，相互之间不因第三方而承担任何责任或约束对方。软通动力信息技术(集团)股份有限公司及其每一家成员所和它们的关联机构仅对自身行为及遗漏承担责任，而对相互的行为及遗漏不承担任何法律责任。软通动力信息技术(集团)股份有限公司并不向客户提供服务。请参阅 https:/ DataGo 和亚马逊云科技原生架构的数据治理平台助力制造业企业数据治理、制造业关键场景专项数据治理和软通动力与亚马逊云科技助力其他行业的数据治理的案例。软通动力与亚马逊云科技在封面页所示日期的有关服务产品及实践，该等信息可能变化且我们不会另行通知。客户对于本部分的信息以及软通动力及亚马逊云科技的产品或服务应自己做出独立的判断，该等内容都是“依现状”提供，不包含任何明示或者暗示的保证。本部分内容并没有创设来自软通动力、亚马逊云科技或其各自的关联方、提供方或许可方的任何保证、陈述、合同性承诺、条件或者担保。本部分内容不是软通动力、亚马逊云科技和其各自的客户之间任何协议的组成部分，也不构成对任何协议的修改。2声明声明声明制造业是国民经济的主体，是立国之本、兴国之器、强国之基。伴随科学技术的发展，在云计算、人工智能、机器学习、区块链、物联网等新兴技术的推动下，正全面改变着制造业企业的生产制造与运输方式，推进制造业企业数字化转型和数据治理将会为制造业企业创造巨大价值。而这一切的核心关键是制造业企业数据治理框架的形成、数据治理平台的建设和企业数据资产的管理。数据资产作为人类最新最有活力的资产形式将成为企业最核心竞争力的来源。时下，制造业企业如何形成企业数据治理框架、搭建数据治理平台和实现数据资产管理已成为制造业企业当下共同面临的巨大难题。虽受经济形势影响，制造企业发展放慢了步伐，但数字化转型和推行数据治理已成为制造企业发展的必然趋势。不少著名大型制造业企业已注意到这一点并已经着手开始数字化转型和推进企业数据治理，这无疑是一个明智和有规划的决定。对于制造业企业的数字化转型和数据治理的推进是制造业实现智能制造的必经之路，制造业企业实现数字化转型和推进数据治理应充分理解国家和各级政府部门出于对国家发展、国家安全、社会稳定和公众利益的考虑而构建的法律体系和指导办法，积极响应政策要求，推进制造业企业早日实现数字化转型和完成企业数据治理。本白皮书旨在为制造业企业数字化转型和数据治理提供建议，解读相应的法律法规，分析面临的问题和挑战，并提出应对策略以建立相应管理体系和构建数据治理平台，助力制造业企业数字化转型和数据治理。3前言前言前言制造业数据治理白皮书一、制造业发展背景及趋势1.经济增速下行形势下制造业艰难转型2.国家对数字化转型战略的政策导向3.国内制造业复苏势头强劲4.新晋生产要素数据治理助力制造业转型升级二、制造业面临数据问题和挑战1.数据多源异构让数据集成共享存在壁垒2.数据质量难以满足企业需要、可信度低3.企业数据文化建设薄弱、数据驱动意识缺位4.让数据可视、可控、可用及可信是当务之急三、制造类企业平台级数据治理建议1.国家层面的数据治理导向2.平台化的集中式数据治理3.推进数据进行资产化管理和应用四、制造业关键场景专项治理1.在企业统一数字底座上的制造业供应链控制塔项目建设2.大数据和人工智能引领下的计划协同五、数据治理案例1.高科技行业数据治理案例2.装备制造业数据治理案例3.医疗行业数据治理案例4.零售及快消品行业数据治理案例前言03050507101112121313133434363839161617252727314目录目录前言前言目录前言中国制造业体量领跑全球。对于中国而言，制造业称得上是“立国之本”。中国经济能够在短短几十年时间内实现腾飞，坐上世界第二大经济体的位置，制造业可以说是功不可没。现如今，中国制造的商品出口到世界各地，更是得到了“世界工厂”的称号。改革开放四十年以来，中国制造业有了显著的发展，无论制造业总量还是制造业技术水平都有很大的提高。据工信部统计，中国工业拥有41个大类、207个中类、666个小类，是全世界唯一拥有联合国产业分类中所列全部工业门类的国家。在 500 种主要工业产品中，有40%以上产品的产量居世界第一。光伏、新能源汽车、家电、智能手机、消费级无人机等重点产业跻身世界前列，通信设备、工程机械、高铁等一大批高端品牌走向世界。中国制造业正努力摆脱“大而不强”的困境。比如管理方面上我国只有少数大型企业局部采用了计算机辅助管理，多数小型企业仍处于经验管理阶段；设计方面上我国采用 CAD/CAM 技术的比例较低；自动化技术方面上我国尚处在单机自动化，刚性自动化阶段，柔性制造单元和系统仅在少数企业使用。中国制造业在劳动生产率、产品质量表 1-1 2019 年各国制造强国发展指数和利润率等方面都处于较低水平。据2019中国制造强国发展指数报告显示，2018年中国制造业劳动生产率 28974.93 美元/人，仅为美国 19.3%、日本 30.2%和德国27.8%；在产品质量上，美国制造的产品平均合格率为 99.99932%，而中国的合格率为 98.76%；中国企业平均利润尚未达到全球平均水平，总利润与平均利润分别相当于美国的 60和 56，且中美高端制造业的投资资本回报率（ROIC）近乎为 1：2。2021 年 12 月份，规模以上工业增加值同比增长 4.3%，环比增长 0.42%。制造业采购经理指数为 50.3%，比上月上升 0.2 个百分点。2021 年，全国工业产能利用率为77.5%，比上年提高 3.0 个百分点，欧美国家基本可达到 80%90%。机械制造业从产品研发、技术装备和加工能力等方面都取得了很大的进步，但具有独立自主知识产权的品牌产品却不多。与工业发达国家相比，仍然存在一个阶段性的整体上的差距。据2019 中国制造强国发展指数报告显示，2019 年世界各国制造强国发展指数情况如表 1-1 2019 年各国制造强国发展指数所示：一、制造业发展背景及趋势阵列第一阵列第二阵列第三阵列第四阵列国家美国德国日本中国韩国法国英国印度巴西指数值168.71125.65117.16110.8473.9570.0763.0343.5028.691.经济增速下行形势下制造业艰难转型5制造业数据治理白皮书表 1-2 制造强国评价指标体系数据来源：2019 中国制造强国发展指数报告数据来源：2019 中国制造强国发展指数报告据2019 中国制造强国发展指数报告显示，2019 年中国制造强国评价指标体系如表 1-2 制造强国评价指标体系所示：一级指标二级指标指标权重权重排名具体指标权重权重排名规模发展0.1954制造业增加值0.12871制造业出口占全球出口总额比重0.06649质量效益0.29311质量指数0.043111一国制造业拥有世界知名品牌数0.09932制造业增加值率0.035613制造业全员劳动生产率0.08993销售利润率0.025214结构优化0.28052高技术产品贸易竞争优势指数0.06897基础产业增加值占全球比重0.08354全球 500 强中本国制造业企业营业收入占比0.06868装备制造业增加值占制造业增加值比重0.051010标志性产业的产业集中度0.008518持续发展0.23133单位制造业增加值的全球发明专利授权量0.08215制造业研发投入强度0.039712制造业研发人员占从业人员比重0.013215单位制造业增加值能耗0.07486工业固体废物综合利用率0.011616信息化发展指数（IDI 指数）0.0099176国家重点推动企业数字化转型和数据。国家发布十四五规划，以工业互联网为基点，强调工业互联网建设是新一代信息技术和实体经济深度融合。2019 年以来中国数字经济行业最新政策汇总一览表如下图 1-3 中国数字经济行业最新政策汇总一览表所示：2.国家对数字化转型战略的政策导向中国数字经济产业新政策汇总一览表发布时间政策名称主要内容2022 年 1 月“十四五”数字经济发展规划提出,建设高速泛在、天地一体、云网融合、智能敏捷、绿色低碳、安全可控的智能化综合性数字信息基础说施。有序推进骨干网扩容，协同推进千兆光纤络和 5G 网络础设施建设，推动 5G 商用署和规模应用，前瞻布局第六代移动通(6G)网络技术储备,加大 6G 技术研发支持力度,积极参与推进 6G 国际标准化工作。到 2025 年,数字经济核心产业加值占国内生产总值比重达 10%，数据要素市场体系初步建立，产业数字化转型迈上新台阶，数字产业化水平显提升,数字化公共服务更加普惠均等，数字经济理体系更加完善。2021 年 11 月“十四五”大数据产业发展规划提出，“十四五“时期,大数据产业发展要以推动高质量发展为主题，以供给侧结构性改革为主线，以释放数据要素价值为导向,围绕夯实产业发展基础,着力推动数据资源高质量、技术新高水平、基础设施高效能,围绕构建高效产业链，着力提升产业供给能力和行业赋能效应，统筹发展和安全，培育自主可控和开放合作的产业生态，打造数字经济发展新优势。到 2025 年，我国大产业测算规模突破 3 万亿元,创新力强、附加值高、自主可控的现代化大数据产业体系基本形成。2021 年 10 月物联新型基础建设三年行动计划（2021-2023 年）明确到 2023 年底，在国内主要城市初步建成物联新型基础设施，物联连接数突破 20 亿，为物联，数字化产业蓬勃兴起和全面发展赋能。7制造业数据治理白皮书中国数字经济产业新政策汇总一览表2021 年 9 月中共中央国务院关于完整准全面贯彻新发展理念做好碳达峰中和工作的意见2030 年前碳达峰行动方案“碳达峰”、“碳中和”的“1+N”政策体系的顶层设计出炉,为实现碳达峰碳中和的目标壁画了行动路线图，进一步推动行业、企业共同建设工业互联网,往数智制造方向转变。2021 年 5 月常见类型移动联网应用程序必要个人信息范围规定规定明确了 39 种常见类型 App 的必要个人信息范围，其中13 类 App 无须个人信息，即可使用基本功能服务。2021 年 3 月中华人民共和国国民经济和社会发展第十四个五年规划和 2035 年远景目标纲要迎接数字时代,激活数据要素潜能推进网络强国建设，加快建设数字经济、数字社会、数字政府,以数字化转型整体驱动生产方式、生活方式和治理方式变革。充分发挥海量数据和丰富应用场景优势,促进数字技术和实体经济深度融合，赋能传统产业转型升级，催生新产业新业态新模式，壮大经济发展引擎。2021 年 1 月工业互联网创新发展行动计划(2021-2023年)指出,2021-2023 年是我国工业互联网的快速成长时期,并提出工业互联网创新发展目标，其中包括新型基础设施进一步完善、融合应用成效进一步彰显、技术创新能力进一步提升、产业发展生态进一步健全和安全保障能力进一步增强。着力解决工业互联网发展中的深层次难点、痛点问题，推动产业数字化，带动数字产业化。2020 年 7 月关于支持新业态新模式发发展,激活消费市场带动扩大就业的意见培育产业平台化发展生态、加快传统企业数字化转型步伐,打造跨越物理边界的“虚拟”产业园和产业集群,发展基于新技术的“无人经济”。2020 年 4 月关于构建更加完的要素市场化配置体制机制的意见培育数字经济新产业、新业态和新模式，支持构建农业、工业、交通、教育、安防城市管理、公共资源交易等领域规范化数据开发利用的场景。2020 年 4 月关于推进”上云用数赋智“行动大力培育数字经济新业态,深入推进企业数字化转型,打造数据供应链,以数据流引领物资流人才流、技术流、资金流，形成产业链上下游和跨行业融合的数字化生态体系，构建设备数字化-生产线数字化-车间数字化-工厂数字化-企业数字化-产业链数字化-数字化生态的典型范式。主要方向为筑基础,夯实数字化转型技术支撑,搭平台,构建多层联动的产业互联网平台，促转型，加快企业”上云用数赋智“，建生态，建立跨界融合的数字化生态，兴业态，拓展经济发展新空间，强服务，加大数字化转型支撑保障。8中国数字经济产业新政策汇总一览表2020 年 3 月工业和信息化部办公厅关于推动工业互联网加快发展的通知在加快新型基础设施建设方面,提出改造工业互联网内外网络,增强完善工业互联网标识体系、提升工业互联网平台核心能力、建设工业互联网大数据中心，加快工业互联网发展步伐。2020 年 3 月中小企业数字化赋能专项行动方案发展数字经济新模式新业态,扶持疫情控期间涌现的在线办公、在线教育、远程医疗、无人配送、新零售等新模式新业态加快发展,培育壮大共享制造、个性化定制等服务型制造新业态，深挖工业数据价值，探索企业制造能力交易、工业知识交易等新模式,鼓励发展算法产业和数据产业，培育一批中小学数字化服务商，打造开源 App 开发者社区和中小企业开放开平台,搭建中小企业资源库和需求池,发展众包、众创、云共享、云租赁等模式。在中国际中小企业国际博览会,中国(四川)中小微企业云服务大会、中国数字经济高端峰会等会议期间，举办中小企业数字化赋能高端论坛,促进理论研究与实践交流。2019 年 10 月国家数字经济创新发展试验区实施方案各试验区要坚持新发展理念，坚持推动高质量发展，坚持以深化供给侧结构性改革为主线，结合各自优势和结构转型特点，在数字经济流通机制、新型生产关系、要素资源配置、产业集聚发展模式等方面开展大胆探索，充分释放新动能。2019 年 9 月禁止垄断协议暂行规定禁止用滥用市场支配地位行为暂行规定制止滥用行政权力排除、限制竞争行为暂行规定在技术细节上，一是明确了市场份额认定的指标范围,二是规了认定具市场支配地位的特殊考虑因素三是规定了以低于成品价格销售商品的特殊情形，对涉及互联网等新型经济业态中的免费模式，应当综合考虑经营者提供的免费商品以及相关收费商品等情况。2019 年 8 月关于促进平台经济规范健康发展的指导意见首次从国家层面发展平台经济做出的全方位部署，提出要依法查处互联网领域滥用市场支配地位限制交易、不正当竞争等违法行为，重点强调严禁平台单边签订排他性服务提供合同，针对互联网领域价格违法行为特点制定监管措施等要求。信息来源：中商情报网（）9表 1-3 中国数字经济行业最新政策汇总一览表制造业数据治理白皮书近年国内制造业复苏势头迅猛，制造企业纷纷谋求转型升级。根据国家统计局发布的数据显示，2020 年 12 月份，中国制造业采购经理指数(PMI)、非制造业商务活动指数和综合 PMI 产出指数分别为 51.9%、55.7%和 55.1%，均继续位于年内较高运行水平，连续 10 个月保持在荣枯线以上。2021 年我国制造业增加值在 GDP 中所占的比重达到了 27.4，相比于 2020 年时的数据，提升了 1.22。在我国庞大的制造业产值和 GDP 总量下，1.22的进步可谓十分可观，这也是自 2011 年以来，我国的制造业增加值在 GDP 中所占的比重第一次出现上升的情况。根据数据显示，去年我国的先进制造业（包括 5G 通信设备制造、医药制造、医疗设备制造等等）增加值的增速达到了惊人的 18.2，这也是我国制造业升级转型处于高速发展阶段的直接证明。全球经济环境的恶化让中国制造业企业意识到，长期处于产业链中下游，如“三来一补”等劳动密集型、低附加值的企业发展策略愈发难以为继。因此，国内掀起一波更加汹涌的制造业转型升级的变革浪潮！3.国内制造业复苏势头强劲大数据技术日渐成熟推动制造业升级。2021 年通过的“中华人民共和国国民经济和社会发展第十四个五年规划和 2035 年远景目标纲要”(以下简称“十四五”规划)对于大数据的发展作出了重要部署。历经多年发展,大数据从一个新兴的技术产业,正在成为融入经济社会发展各领域的要素、资源、动力、观念。特别是我国提出“加快培育数据要素市场”后,大数据的发展迎来了全新的阶段。2021 年以来,全球各国大数据战略持续推进,聚焦数据价值释放,而国内围绕数据要素的各个方面正在加速布局和创新发展。政策方面,我国大数据战略进一步深化,激活数据要素潜能、加快数据要素市场化建设成为核心议题;法律方面,从基本法律、行业行政法规到地方立法,我国数据法律体系架构初步搭建完成;技术方面,大数据技术体系以提升效率、赋能业务、加强安全、促进流通为目标加速向各领域扩散,已形成支撑数据要素发展的整套工具体系;管理方面,数据资产管理实践加速落地,并正在从提升数据资产质量向数据资产价值运营加速升级;流通方面,数据流通的基础制度与市场规则仍在起步探索阶段,但各界力量正在从新模式、新技术、新规则等多角度加速探索变革思路;安全方面,随着监管力度和企业意识的强化,数据安全治理初见成效,数据安全的体系化建设逐步提升。基于制造业现状及业内数据治理咨询趋势，预测制造业将会发生三大变革：一是工业互联网建设加速，打造中国特色的“互联网+制造”的政、企、客、银、税及公共环境等万物互联的新业态。制造业数字化、智能化转型加速，越来越多制造企业认识到“机器”，特别是“智能机器”的重要性，会更加主动地应用工业互联网进行智能化和数字化变革，必将推动中国先进制造业等相关战略和任务的进一步落实。二是智能制造成为制造业企业追求的共同目标。部分医疗器械企业、服装企业、石化企业、汽车制造企业，甚至富士康等代工企业，根据特殊时期市场需要，转产防护服、口罩等医疗防护产品，充分体现了其柔性生产经营满足市场应急需求的灵活性和快速响应性等优势，也为其他制造企业起到示范作用。未来，制造企业生产经营将更加柔性。三是全球经济环境变化，让部分制造10企业更关注强大的内需市场。全球经济环境变化，外需减少将会持续较长一段时间，而我国经济市场逐步恢复，复工复产全面推进，市场活力和潜力将被逐步激活，促使部分制造企业将外需市场转向内需市场。数据作为新型生产要素，是数字经济深化发展的核心引擎。2020 年 04 月 10 日，中共中央国务院关于构建更加完善的要素市场化配置体制机制的意见（简称 意见）正式公布。意见分类提出了土地、劳动力、资本、技术、数据五个要素领域改革的方向，明确了完善要素市场化配置的具体举措。数据作为一种新型生产要素被写入文件，意见强调要加快培育数据要素市场，推进政府数据开放共享，提升社会数据资源价值，加强数据资源整合和安全保护。日前，国务院印发“十四五”数字经济发展规划（以下简称规划），作出了“十四五时期”我国数字经济发展的重点部署的指导，充分发挥数据要素作用，成为规划重点任务之一。规划要求强化高质量数据要素供给，加快数据要素市场化流通，创新数据要素开发利用机制。数据治理是充分发挥企业数据价值的必经之路，是助力制造业转型升级的有力保障。数据作为生产要素，作为资产的重要性，而数据价值却因上述种种原因常常难以充分发挥，但依托数据治理手段，能解决释放数据价值过程中面临的诸多问题，以体系化的方式实现数据的可得、可用、好用，用较小的数据成本获得较大的数据收益，具体体现在以下六个方面：(一)掌握数据现状。数据治理对数据家当进行全面盘点，形成数据地图，为业务应用和数据获取夯实基础。数据地图作为数据的全盘映射，帮助数据开发者和数据使用者了4.新晋生产要素数据治理助力制造业转型升级解数据，成为对数据资产管理进行有效监控的手段。(二)提升数据质量。数据治理通过建立一套切实可行的数据质量监控体系，设计数据质量稽核规则，加强从数据源头控制数据质量，形成覆盖数据全生命周期的数据质量管理，实现数据向优质资产的转变。(三)实现互联互通。数据治理通过制定统一的数据标准，建立数据共享制度，完善数据登记、数据申请、数据审批、数据传输、数据使用等数据共享相关流程规范，打破数据孤岛，实现数据高效共享。(四)提高获取效率。数据治理将大量前期的数据准备时间和交付项目的时间缩短，提升数据的获取和服务效率，让数据随时快速有效就绪，缩短数据分析人员的数据准备时间，加快数据价值的释放过程。(五)保障安全合规。数据治理通过制定完善的数据安全策略、建立体系化的数据安全措施、执行数据安全审计，全方位进行安全管控，确保数据获取和使用合法合规，为数据价值的充分挖掘提供了安全可靠的环境。(六)持续释放价值。数据治理通过一个持续和动态的全生命周期管理过程，以持续释放数据价值为理念来实现数据资源管理工作。管理方面，建立一套符合数据驱动的组织管理制度流程和价值评估体系。技术方面，建设现代化数据平台，确保持续、健康地为数据资产管理提供服务。11制造业数据治理白皮书异构信息源导致制造企业形成巨大而复杂的异构信息环境。由于历史原因或其它原因，大部分制造业企业已拥有多种业务系统，这些系统和数据已成为企业运转和发展不可缺少的组成部分，但这些数据库大都是被独立创建和管理的，在信息系统方面，企业内部各部门往往各自独立，彼此的信息和组织也不尽相同，以至于计算环境和信息系统平台都不一样，因此每个部门都可视为一个异构的信息源。这些异构信息源使得整个企业构成了异构信息的集成。大量异构数据制约制造业企业数据的传输和共享。随着制造业企业数字化的建设，制造业企业出现并收集存储了许多新的数据形式（文本、音频、图像、视频数据等），这些大量存在的异构数据，被分布保存在不同的存储环境或数据库中仅服务建设初期自身的独立系统，制约了企业各部门间的数据传输和共享。传统的关系数据库之间的数据信息的交换采用文本文件作为中间媒介，但文本只能实现单张关系表间的简单信息交互。在信息系统中，需要交互的信息量是庞大而复杂的，这种简单的文本信息交换显然力不从心。如何将不同的数据库应用系统纳入到一个系统下，实现用户在各系统间的数据信息交换、共享和集成，就必须利用一种具有通用性、操作性良好的数据交换技术，使信息系统具有异构相容、集成现有信息的特点。因此如何将原有的各类成熟的数据库系统不加修饰的纳入到新的数据集成系统中，实现多个异构数据库间信息的共享和互操作已成为企业迫切需要解决的问题。制造业企业数据资产管理能力不足。调查显示工业、制造业、能源行业、医疗行业、教育行业等传统行业仍处于初级阶段，数据资产管理的意识和动力不足，数据资产管理的资源投入仍集中于大数据平台建设，尚未组建相对专业化的数据资产管理团队，尝试性对核心业务开展数据标准化工作。根据数据管理能力成熟度评估模型标准(DCMM)评估结果显示，以上行业评估结果集中于第 2 级。金融行业、互联网行业、通信行业、零售行业等较早享受到了“数据红利”，持续推进业务线上化，数据资产管理重要性随之提升，逐步发展数据资产管理部门，加大技术创新与应用，开展数据分析和数据服务。DCMM 评估结果显示，以上行业评估结果集中于第 3 级或以上。传统的数据整合思路是建立组织的数据中心，将数据从各个系统抽取过来进行集中，再统一提供数据服务。随着大数据与人工智能技术的应用普及，海量多源异构数据急剧增加，特别是非结构化数据的增加，传统大数据平台在面临多源异构数据处理时，面临数据采集处理能力不足、数据结构难以统一，数据运维困难等挑战，为洞察数据的价值带来了层层阻碍。因此，传统大数据中心已经无法适应现在的组织数据整合要求，需要考虑一种新的整合方式，基于服务的逻辑数据整合，而不是基于数据集中的物理整合。二、制造业面临数据问题和挑战1.数据多源异构让数据集成共享存在壁垒 12制造业产业链条长，多业态并存，形成“数据孤岛”，数据质量难以保证。非数字原生企业，特别是大中型的制造企业，往往有着较长的业务链路，从研发到销售全产业链覆盖，在各个工艺流程中沉淀着大量的复杂数据。在信息化时代初期建立了很多相对独立的 IT 系统，典型的的特点是形成了“一类业务、一个 IT 系统、一个数据库”的烟囱式 IT 架构。其直接带来的问题就是“数据孤岛”。IT 系统中的数据语言不统一，不同 IT 系统之间的数据不贯通，同样的数据需要在不同的 IT 系统中重复录入，甚至在不同 IT 系统中的同一个数据不一致等。制造业企业数据战略，数据建设目标不明确，企业数据文化重视度不高。数据作为一种新的生产要素，在企业构筑竞争优势的过程中起着重要作用，企业应将数据作为一种战略资产进行管理。数据从业务中产生，在IT系统中承载，要对数据进行有效治理，需要业务充分参与，IT 系统确保遵从，这是一个非常复杂的系统工程。一个企业想要做大做强，成为世界一流企业需要注重数据文化建设，明确企业数据战略，数据建设目树立正确的企业数据建设工作思路成为保障企业成功实现数据治理的根本。制造行业作为非数字原生企业，数字化转型的关键要素之一是在现实世界的基础上构建一个跨越孤立系统、承载业务的“数字孪生”的数字世界。通过在数字世界汇聚、联接与分析数据，进行描述、诊断和预测，最终指导2.数据质量难以满足企业需要、可信度低3.企业数据文化建设薄弱、数据驱动意识缺位4.让数据可视、可控、可用及可信是当务之急制造业企业数据环境复杂，历史包袱重，缺乏数据认责，数据质量难以保障。非数字原生企业特别是制造业企业普遍有较长的历史，组织架构和人员配置都围绕着线下业务开展，大都经历过信息化过程。很多制造型企业随着不同阶段的发展需求，保留着各个版本的 ERP 软件和各种不同类型的数据库存储环境，导致数据来源多样，独立封装和存储的数据难以集中共享，也不敢随意改造或替换，IT 系统历史包袱沉重。数据没有管理责任人，各系统之间甚至同系统内的数据标准不统一。标，指明企业数据建设的方向。制造业企业没有完整的数据综合治理体系，缺乏数据驱动意识，数据管理责任制。只有构筑一套企业级的数据综合治理体系，才能确保关键数据资产有清晰的业务管理责任，IT 建设有稳定的原则和依据，作业人员有规范的流程和指导；当面临争议时，有裁决机构和升级处理机制；治理过程所需的人才、组织、预算有充足的保障。业务改进。在实现策略上，企业需要构建以云为基础、以数据为驱动的新型 IT 架构。数字世界一方面要充分利用现有 IT 系统的存量数据资产，另一方面要构建一条从现实世界直接感知、采集、汇聚数据到数字世界的通道，不断驱动业务对象、过程与规则的数字化，让企业数据实现可视、可控、可用13制造业数据治理白皮书和可信企业数据建设工作的整体思路如图 2-1 所示：建立完善的企业数据建设框架是企业顺利完成数据治理的必要手段。针对企业数据治理整体思路解读形成企业数据建设工作框架，基于统一的规则与平台，以业务数字化为前提，数据入湖为基础，通过数据主题联接并提供服务，支撑企业业务数字化运营。如下图 2-2 企业数据建设工作框架所示：图 2-1 数据建设工作整体思路现有 IT 系统分析联接汇聚描述诊断预测指导对象数字化过程数字化规则数字化感知采集汇聚业务数据业务结果数据现实世界：业务流图 2-2 企业数据建设工作框架数据消费数据源数据底座主题联接数据湖客户以业务流为中心联接明确数据责任人以业务对象为中心联接发布数据标准报告数据认证数据源智能标签定义数据密级制定数据质量方案注册元数据算法模型合作伙伴员工供应商消费者数据治理报告/自助分析实时可视数据分析平台五种数据中台联接方式物理入湖虚拟入湖风控推演智能决策供应销售交付人力资源财务其他数据数据体系数据分类数据感知数据质量数据安全与隐私企业数据建设工作框架主要包含以下 6 个方面：1）数据源：业务数字化是数据工作的前提，通过业务对象、规则与过程数字化，不断提升数据质量，建立清洁、可靠的数据源。142）数据湖：基于“统筹推动、以用促建”的建设策略，严格按六项标准，通过物理与虚拟两种入湖方式，汇聚企业内部和外部的海量数据，形成清洁、完整、一致的数据湖。3）数据主题联接：通过五种数据联接方式，规划和需求双驱动，建立数据主题联接，并通过服务支撑数据消费。4）数据消费：对准数据消费场景，通过提供统一的数据分析平台，满足自助式数据消费需求。5）数据治理：为保障各业务领域数据工作的有序开展，需建立统一的数据治理能力，如数据体系、数据分类、数据感知、数据质量、安全与隐私等。15制造业数据治理白皮书国家重点推动工业互联网建设和企业数据治理。2020 年 5 月工信部颁发关于工业大数据发展的指导意见，推动工业数据全面采集，加快工业设备互联互通，推动工业数据高质量汇聚，统筹建设国家工业大数据平台，推动工业数据开放共享，激发工业数据市场活力，深化数据应用，完善数据治理。2020 年 9 月国务院国资委办公厅下发关于加快推进国有企业数字化转型工作的通知，要求各国有企业加快集团数据治理体系建设，提出构建数据治理体系，“明确数据归口管理部门，加强数据标准化、元数据和主数据管理工作”，“定期评估数据治理能力成熟度”。同时，“强化业务场景数据建模，深入挖掘数据价值，提升数据洞察能力”，提升数据服务水平。2022 年 4月 19 日，习近平总书记主持召开中央全面深化改革委员会第二十五次会议（以下简称“会议”），审议通过了关于加强数字政府建设的指导意见，强调要全面贯彻网络强国战略，把数字技术广泛应用于政府管理服务，推动政府数字化、智能化运行，为推进国家治理体系和治理能力现代化提供有力支撑。加强数字政府建设的关键在于抓出“数据治理”牛鼻子，综合运用好制度和技术工具，在保障数据安全的前提下，打通各级政府和各部门之间数据共享堵点，破除“数据孤岛”顽疾。如图 3-1 为中央全面深化改革委员会第二十六次会议关于数据治理的重点内容。三、制造类企业平台级数据治理建议1.国家层面的数据治理导向图 3-1 中央全面深化改革委员会第二十六次会议内容根据国家的数据治理导向得出的启示：制造业企业当下应抓住机遇，积极推进企业智能制造和数据治理，实现转型升级。第一，制度与技术双轨并行。加强顶层设计,强化技术支撑，发挥制度与技术的高效融合，在保障数据安全前提下推进数据高效利用，提升数据治理有效性与安全性，推进制造业企业数字化转型和数据治理平台建设。16要把安全贯穿数据治理全过程守住安全底线明确监管红线加强重点领域执法司法把必须管住的坚决管到位要建立数据产权制度推迸公共数据企业数据个人数据分类分级确权授权使用建立数据资源持有权数据加工使用权数据产品经营权等分置的产权运行机制健全数据要素权益保护制度数据基础制度建设事关国家发展和安全大局第二，强化创新引领。制造业转型升级的主要支撑因素是技术创新能力的提高，目前，我国智能制造处于初级发展阶段，须在关键短板装备、基础零部件、工业软件等关键环节和薄弱领域寻求突破，以技术创新支撑制造业向智能制造转型升级。第三，系统总结并复制推广智能制造示范项目经验模式。对智能制造发展规划（2016-2020 年）智能制造工程实施指南（2016-2020 年）进行系统评估，继续推进智能制造示范项目，坚持以应用促发展，进一步推进示范应用，将形成的经验模式向同行业同类型企业复制推广。第四，发挥强大国内市场优势，强化市场拉动作用。打通国内巨大市场需求的恢复和增长链条，为制造业智能化转型和生产率的提高提供更多机会，为新技术、新产品发展创造更多商业化的应用场景。第五，加大政策引导和资金支持力度。进一步鼓励全国产业转型升级示范区出台和落实精准有效的政策举措，保障企业智能制造在人、财、物等要素的需求，推进制造企业进行系统化、智能化、数字化转型。软通动力以为企业数字化转型为重点构建了软通动力数据治理体系。数据作为一种新的生产要素，在企业构筑竞争优势的过程中起着重要作用，企业应将数据作为一种战略资产进行管理。软通动力作为中国领先的软件与信息技术服务商，以用数字技术提2.平台化的集中式数据治理升客户价值为愿景，从为客户战略规划，业务运营，应用系统构建，为客户提供全面的端到端的咨询与实施服务的根本目标出发，并结合软通动力多年来积累的企业数据治理经验，构建了软通动力-数据治理框架。如图 3-2 所示为软通动力-数据治理框架：图 3-2 软通动力-数据治理框架 1 数据战略数据治理领域管理数据架构管理数据资产目录元模型管理质量目标管理安全目标主数据识别管理数据标准业务元数据控制数据质量数据安全策略主数据管理模式管理数据模型技术元数据度量数据质量数据安全分级主数据整合架构管理数据分布操作元数据改进数据问题改进数据问题管理元数据管理主数据管理数据质量管理数据安全2 管理管理组织数据组织3 数据政策数据管理办法实施细则4 IT 支撑数据中台数据分析工具数据治理平台5 运作机制数据 Owner数据管理制度模型设计工具数据管控融入业务变革管理数据管控融入流程运营管理6 17制造业数据治理白皮书图 3-3 数据治理平台建设思路建设一个完美的数据治理平台是企业实现数字化转型和数据治理的必经之路。数据从业务中产生，在 IT 系统中落地，决定了企业数据治理工作必须充分融入到企业的数据治理平台建设中去。如下图 3-3 所示为数据治理平台建设思路:数据治理平台建设的七个关键步骤：(一)平台设计：企业数据治理平台设计要充分考虑企业数据架构，包含但不限于需求分析、总体架构设计、数据规范定义、数据引入和数据指标设计等。在数据治理平台设计过程中还需充分考虑到平台界面设计、数据库设计、数据集成方案设计，向上承接企业数据战略的规划要求，向下要保证字段遵从数据标准的定义，库表和字段的设计满足企业数据架构的设计要求，从而达到数据治理融入到数据治理平台的目标。(二)数据采集：数据采集是企业数据治理平台建设的基础，主要指数据的收集和同步。数据同步包含同构/异构数据库同步、基于Log 的文件同步、实时数据同步、增量/批