以数据激活工业企业 实现发展新动能
高智伟 李尧
近期，重庆市、浙江省、四川省、广东省、福建省、河北省（雄安新区）陆续开展数字经济创新发展试验区建设行动。广州赛宝认证中心服务有限公司（以下简称“赛宝认证”）作为工业和信息化部电子第五研究所的下属单位，通过面向产业数字化转型的企业体系建设、能力优化、品牌培育和人才培训等抓手，开展了大量的数据管理相关技术服务，有效地支撑了河北、浙江、贵州、山西、广东等省的数字经济建设工作，支撑了电子、政务、能源、冶金、通信、电力、重工、化工等众多行业转型升级。
企业数字化转型之痛
我国工业企业在长期发展中沉淀了大量的工业数据，对于数字化转型来说极为有利，但也因为应用系统多、人为操作多、标准不统一、数据质量差、数据确权不明晰、数据质量工具少以及应用场景少等原因，导致工业数据难以被有效利用。总的来说，主要存在以下三类问题：
一是企业无法有效评估数据要素的重要性。企业自身的发展离不开具备指导性作用的发展战略，工业企业的战略达成情况，一般通过效益来表现，而无法由研发、生产、检测等数据要素及相关支撑应用系统直接反映，因此导致应用系统建设混乱、数据标准不统一等问题出现。企业需要根据问题导向来部署应用系统，由应用系统供应商提供解决方案，企业对产生的数据缺少应有的整合和分析能力，进一步削弱了数据要素在企业发展方面的重要作用。
二是企业无法有效梳理自身的数据生产要素。由于应用系统较多且数据标准不统一，导致数据无法有效地在各个系统之间流转和共享，形成了较多的数据孤岛现象，企业的研发、生产、检测和信息化部门均无法有效打通数据孤岛，沉淀在各个系统里的数据也无法被挖掘和充分利用，导致企业梳理数据资产时，缺乏头绪、无从下手。
三是企业无法充分激活数据要素。企业应用数据的场景单一，较好的企业可以实现诸如业务展示、产品追溯、市场分析、质量分析等，数据分析工作主要由业务部门自行开展，缺少公司层面整体的数据模型和动态的数据分析能力，而且由于数据难以互通，数据获取和处理的工作量大、专业性强，部门自发研究分析得到的结果对于产品优化、市场优化和问题追踪都缺乏足够的指导性。对于新增的数据分析工作，则囿于数据质量、数据标准等问题，难以充分体现数据要素的价值。
鉴于以上问题，工业企业无法评估数字化转型所需的经济成本和时间成本，而且缺乏有效的管理策略和方法，严重迟滞了工业数据要素形成的进程。
支撑数字化转型之路
赛宝认证为工业和信息化部的行业管理和地方政府提供了大量的技术支撑，针对工业企业数字化转型，通过开展信息技术应用创新、数据管理能力成熟度评估、两化融合管理体系评定以及建设产品/服务认证、体系认证、能力评估、综合技术服务、专项技术服务、绿色发展综合服务及综合培训等服务体系，形成了工业企业数字化转型的理论体系和方法论。方法论工作主要包括四个方面：实施信息技术应用创新能力评价和人才培训，实现企业数据能力基础提升；开展数据管理能力成熟度试点，推动企业形成自身数据生产要素；实施两化深度融合工作，为企业持续改进指明发展路径；开展各项IT建设、运维管理、信息安全和技术培训，为企业数字化转型提供不竭的动力。
赛宝认证前期开展的工作主要包括以下三个方面：
第一，通过数据管理能力评估，打造工业企业数据发展的核心要素。
作为全国首批数据管理能力成熟度评估机构，面向工业企业CMMI、信息安全、两化融合、IT服务、系统集成等跨体系、跨领域、跨专业的评估需求，建立数十人的专业评估技术团队开展综合技术服务。经过长期的理论研究和工程探索，在中国电子信息行业联合会的指导下，通过对全国各主要省份相关企业的数据管理能力成熟度进行评估，先后为电子、政务、能源、冶金、通信、电力、重工和化工等多个行业的数据管理领先企业提供服务，总结企业数据管理存在的问题和难点，提出的参考建议有效推进企业数字化转型，为企业迈向高等级量化管理、为行业梳理数据生产要素提供了实践路径。
第二，通过两化融合，促进工业企业数据与战略的深度结合。
作为“两化融合管理体系联合工作组”成员及工业和信息化部首批推进的两化融合管理体系贯标咨询服务机构，全程参与两化融合管理体系标准的策划、编制、推广和技术支持工作，为企业开展信息化和工业化深度融合提供权威指导。通过支撑推进“两化融合”体系贯标，充分发挥管理层在数字化转型工作中的积极作用，使管理角色能够充分参与，支撑企业梳理和明晰战略实施步骤，加快数据要素的价值形态形成，有力推动企业转型升级的步伐和进程。
第三，建立健全数据管理相关体系能力，为企业发展提供不竭的动力。
面向数字化转型，支撑工业企业开展IT建设、运维管理、信息安全、低碳节能等各类体系能力建设，打造完整的工业企业数据管理技术服务体系，为企业提供全面的技术服务解决方案，企业的业务能力、管理能力明显提升，也为企业培养了大量复合型人才。通过体系能力持续改进优化，有力推动了我国工业企业的快速转型升级。
未来数字化转型发展展望
针对工业企业数据要素价值评估难、无从梳理工业数据要素、无法激活数据要素等问题，面向未来企业数字化转型难点，为解决工业企业数据要素的价值困境，依据数字化转型方法论，提出以下三个方面的思考与建议：
其一，建立数据战略和业务战略的关联，通过评估和治理实现业务战略目标。
结合工业企业的两化融合业务战略发展目标，制定与业务相关的数据战略目标，如市场占有率、效率和数据任务成本效益等目标。建立与目标相对应的企业数据治理团队和制度，制定以上目标的评估模型，通过定期分析和跟踪，确保数据管理工作的有效性和可持续性。
其二，建立工业企业数据标准，重视数据质量工作，以高质量数据支撑高质量应用。
梳理工业产品、工艺流程等国际国内的标准、规范，形成企业内统一的数据标准和格式要求，通过数据流转过程中的数据检查、数据质量工具的应用，以及建立数据质量相关的奖惩制度，开展企业人才培训和技术沟通，充分保证流转过程中的数据质量，为数据分析应用提供有效的支撑。
其三，以数据安全和全生命周期策略为保障，不断完善组织级别的数据模型。
企业在应用数据的过程中，可以不断丰富数据来源，同时充分识别数据安全的风险，建立数据安全和全生命周期的工作策略，如数据需求、设计、应用和备份的策略等，以此建立能够支撑业务战略的数据模型。此处建立的数据模型以及相关数据集体现了数据要素的价值，可以有效支撑业务战略的达成，可以实现企业产品、流程优化，实现经营、销售战略优化，实现业务整合和技术转型。
工业企业数字化转型存在较多实际问题，本质上是企业的意识和投入成本的问题，赛宝认证建立的数据管理服务体系和方法论，将为工业企业数字化转型提供参考思路，也为企业发展提供新的动能。
（作者分别系赛宝认证高级工程师、赛宝认证副总经理）
