京公网安备 11010802034615号
经营许可证编号:京B2-20210330
工信部正制定多个文件 鼓励发展工业大数据
作为新一轮工业革命的重要内容,正在快速发展的工业大数据成为世界各国争相抢夺的制高点。
10月10日,在由工信部指导、由中国电子学会主办的“2017中国工业大数据创新发展高峰论坛”上,21世纪经济报道记者获悉,今年中国工业大数据市场规模预计将达到212亿元,而2020年,这一数字有望突破800亿元。
工信部相关官员在论坛上表示,为促进工业大数据发展,该部正加快编制《工业技术软件化三年行动计划(2018-2020年)》,由该部牵头编制的关于数字工业发展的指导意见目前也完成了初稿,预计在今年底明年初发布。同时,该部与发改委共同编制的促进数字经济发展的战略纲要也已完成征求意见。
培育数据驱动的新型工业体系
论坛上,中国工业大数据创新发展联盟发布的《2017中国工业大数据产业发展概要》(下称概要)显示,2016年中国工业大数据市场规模已达150亿元,今年这一规模有望达到212亿元,2020年这一数字预计将达到822亿元,在行业应用中,预计到2020年工业大数据的占比将达到6.64%。
工信部信软司软件产业处处长商超表示,IT技术的持续创新催生了大数据时代的加速到来,在此大背景下,数据成为关键的生产要素,预计到2020年,全球的数据总量将达到40ZB,中国的数据量将占全球数据总量比例的20%,成为世界第一大数据资源大国。
清华大学软件学院院长王建民表示,工业大数据主要包括企业内部数据、产业链数据以及跨界数据(市场、地理、环境、法律和政府等外部跨界信息和数据)三部分。
他认为,当前人和机器是产生数据的主体,未来由人产生的数据占比将越来越少,而机器产生的数据所占的比例将越来越高。显然,巨大的人口规模以及庞大的工业体量为中国提供了难得的工业数据“富矿”。
工信部信软司副司长李冠宇在上述论坛上也表示,中国既是制造大国也是网络大国,并由此正在成为数据大国,拥有丰富的工业数据资源的中国,急需深挖工业大数据的潜力,培育数据驱动的新型工业体系。
李冠宇认为,推动工业大数据的应用发展,核心任务是构建覆盖工业全环节、全流程和产业全生命周期的数据链,并在此基础上形成基于数据分析的系统级的工业智能。
在他看来,智能制造的核心就是打通数据链,从需求分析,设计、生产、制造到销售,打通全生命周期、全产业链的数据链,并催生出网络协同制造、个性化定制,服务型制造等一系列新的商业模式。
当前,中国发展工业大数据面临重重挑战。在制造业方面存在着明显的“大而不强”的现象,工业各领域信息化程度参差不齐,生产的各环节信息采集仍不充分,信息孤岛现象比较严重,缺乏统一的数据标准,工业数据难以集成应用,数据管理和建模技术水平也不够高,对海量实时异构数据的挖掘能力不足,大数据在产品全生命周期各环节的应用也尚未普及。
不过,随着处理能力步入超摩尔、后摩尔时代以及AI技术的爆发,算法效果提升非常显著,这为工业大数据的应用提供了难得的机遇。
商超表示,工业大数据与AI正呈现出相辅相成的关系:一方面海量的数据为AI技术提供了充足的学习资源,另一方面深度学习技术能够有效利用海量数据资源。
重点支持百万工业APP工程
作为新一轮工业革命的重点,工业大数据正在成为世界各国争相抢夺的制高点。
其中,美国掌控着CPU、操作系统、软件、云计算等信息领域核心技术,大力推行工业互联网,Google、Amazon等互联网巨头加速向机器人、汽车等制造业渗透,在大数据方面,美国开放政府数据做大了数据体量,通过大数据研发计划资助研发应用,发布《联邦大数据研究与开发战略计划》。
欧洲的代表德国提出“工业4.0”战略,希望以“信息物理系统”升级制造业,阻止美国信息技术在制造业中取得支配地位,同时狙击中国等新兴制造大国的赶超。
中国政府也高度重视大数据产业的发展。从《中国制造2025》,到《关于积极推进“互联网+”行动的指导意见》,到《“十三五规划纲要”》,再到《关于深化制造业与互联网融合发展的指导意见》均对大数据产业做出明确部署,并专门制定了《促进大数据发展行动纲要》。
商超表示,工业大数据是大数据最为重要的一项内容,《促进大数据发展行动纲要》的一项主要任务就是深化工业大数据创新应用。
在下一步推动工业大数据发展方面,李冠宇表示,将依托大数据产业集聚区和综合试验区的创建,支持有条件的地区,重点发展工业大数据,进一步完善工业大数据的发展环境。其次,加快工业大数据的标准研制和推动;同时,支持推进大数据创新中心和生态系统建设,推动工业大数据与工业云,工业互联网平台,CPS协同发展。
商超透露,目前工信部与发改委正在共同编制《促进数字经济发展纲要》,纲要已经征求过意见。他表示,数据成为核心生产要素后正带来一种新的经济形态,有研究机构预测2016年我们国家的数字经济总量是22.6万亿,占GDP的比重达到30.3%。
“这个纲要之后,我们汇同相关的研究机构,也在牵头编制数字工业发展的指导意见,目前也有一个初稿,预计在今年底或者明年初向社会发布。”
同时,工信部还在大力推进工业技术软件化和百万APP工程。商超表示,工信部将加快《工业技术软件化三年行动计划(2018-2020年) 》的编制,将工业APP研发纳入工业互联网平台建设的日程表,予以重点支持。
工信部将支持先发地方建设省级工业技术软件化创新中心,引导地方加强对工业APP的资源投入,打造工业技术承载平台、开发平台,推动工业APP关键技术研发和成果产业化。
其次,开展重点企业试点示范,以制造业行业龙头企业为主体,联合同行业的中小企业以及互联网企业、系统集成商、平台提供商等,构建面向重点行业领域的工业APP,以及研发、交易、应用体系。
“我们还要支持部属单位牵头成立工业APP发展联盟,整合政产学研用各方资源,建立协同工作体系,建设工业APP知识库等基础平台;指导部属单位研制工业技术软件化标准体系,开展质量检测认证,以此推动百万APP工程落地,这一工程将在年底开始启动。”商超说。
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
在信贷业务中,违约率是衡量信贷资产质量、把控信用风险、制定风控策略的核心指标,其统计分布特征直接决定了风险定价的合理性、 ...
2026-02-03在数字化业务迭代中,AB测试已成为验证产品优化、策略调整、运营活动效果的核心工具。但多数业务场景中,单纯的“AB组差异对比” ...
2026-02-03企业战略决策的科学性,决定了其长远发展的格局与竞争力。战略分析方法作为一套系统化、专业化的思维工具,为企业研判行业趋势、 ...
2026-02-03在统计调查与数据分析中,抽样方法分为简单随机抽样与复杂抽样两大类。简单随机抽样因样本均匀、计算简便,是基础的抽样方式,但 ...
2026-02-02在数据驱动企业发展的今天,“数据分析”已成为企业经营决策的核心支撑,但实践中,战略数据分析与业务数据分析两个概念常被混淆 ...
2026-02-02在数据驱动企业发展的今天,“数据分析”已成为企业经营决策的核心支撑,但实践中,战略数据分析与业务数据分析两个概念常被混淆 ...
2026-02-02B+树作为数据库索引的核心数据结构,其高效的查询、插入、删除性能,离不开节点间指针的合理设计。在日常学习和数据库开发中,很 ...
2026-01-30在数据库开发中,UUID(通用唯一识别码)是生成唯一主键、唯一标识的常用方式,其标准格式包含4个短横线(如550e8400-e29b-41d4- ...
2026-01-30商业数据分析的价值落地,离不开标准化、系统化的总体流程作为支撑;而CDA(Certified Data Analyst)数据分析师,作为经过系统 ...
2026-01-30在数据分析、质量控制、科研实验等场景中,数据波动性(离散程度)的精准衡量是判断数据可靠性、稳定性的核心环节。标准差(Stan ...
2026-01-29在数据分析、质量检测、科研实验等领域,判断数据间是否存在本质差异是核心需求,而t检验、F检验是实现这一目标的经典统计方法。 ...
2026-01-29统计制图(数据可视化)是数据分析的核心呈现载体,它将抽象的数据转化为直观的图表、图形,让数据规律、业务差异与潜在问题一目 ...
2026-01-29箱线图(Box Plot)作为数据分布可视化的核心工具,能清晰呈现数据的中位数、四分位数、异常值等关键统计特征,广泛应用于数据分 ...
2026-01-28在回归分析、机器学习建模等数据分析场景中,多重共线性是高频数据问题——当多个自变量间存在较强的线性关联时,会导致模型系数 ...
2026-01-28数据分析的价值落地,离不开科学方法的支撑。六种核心分析方法——描述性分析、诊断性分析、预测性分析、规范性分析、对比分析、 ...
2026-01-28在机器学习与数据分析领域,特征是连接数据与模型的核心载体,而特征重要性分析则是挖掘数据价值、优化模型性能、赋能业务决策的 ...
2026-01-27关联分析是数据挖掘领域中挖掘数据间潜在关联关系的经典方法,广泛应用于零售购物篮分析、电商推荐、用户行为路径挖掘等场景。而 ...
2026-01-27数据分析的基础范式,是支撑数据工作从“零散操作”走向“标准化落地”的核心方法论框架,它定义了数据分析的核心逻辑、流程与目 ...
2026-01-27在数据分析、后端开发、业务运维等工作中,SQL语句是操作数据库的核心工具。面对复杂的表结构、多表关联逻辑及灵活的查询需求, ...
2026-01-26支持向量机(SVM)作为机器学习中经典的分类算法,凭借其在小样本、高维数据场景下的优异泛化能力,被广泛应用于图像识别、文本 ...
2026-01-26