工业数据分类分级实施路径

工业数据分类分级实施路径第一部分

工业数据分类分级背景具体来看，工业数据涵盖工业领域中从客户需求到销售、订单、计划、研发、设汁、工艺、制造、采购、供应、库存、发货和交付、售后服务、运维、报废或回收再制造等整个产品全生命周期各个环节，其以产品数据为核心，极大延展了传统的工业数据范围，同时依托智能制造的相关技术和应用发挥巨大作用。工业数据是工业领域产品和服务全生命周期产生和应用的数据，包括但不限于工业企业在研发设计、生产制造、经营管理、运维服务等环节中生成和使用的数据，以及工业互联网平台企业在设备接入、平台运行、工业APP应用等过程中生成和使用的数据。内涵理解工业数据具有重要的应用价值。基于大数据采集、存储、分析等关键技术，对工业生产、运维、服务过程中的数据进行分析应用，能够实现设计、工艺、生产、管理、服务等各个环节智能化水平的提升，满足用户定制化需求，提高生产效率并降低生产成本，为企业创造可量化的价值。价值特征01加强工业数据管理的重要意义主要发达国家纷纷布局工业数据抢占先机随着云计算、大数据和物联网等新兴技术的发展，全球掀起了以制造业转型升级为首要任务的新一轮工业变革，发达国家纷纷制定“再工业化”战略。美国白宫发布《美国先进制造业领导力战略》，提出“要通过将大数据分析和先进的传感和控制技术应用于大量制造业活动，促进制造业的数字化转型”。2018

年10

月德国提出“工业4.0”战略，实施重点在于信息互联技术与传统工业制造的结合。强调通过CPS（信息物理系统）提升制造业的灵活性和工程效率。法国推出“新工业法国计划”，主要内容是实现工业生产向数字化、智能化转型，以生产工具的转型升级带动商业模式转型。2013

年2015年4月法国发布未来工业计划，旨在使工业工具更加现代化，并通过数字技术帮助企业转变经营模式、组织模式、研发模式和商业模式，实现经济增长模式转变。2015

年5

月2017年3月日本提出“互联工业”战略，其三个主要核心是包括：人与设备和系统的相互交互的新型数字社会，通过合作与协调解决工业新挑战，积极推动培养适应数字技术的高级人才。2019年2月德国发布《国家工业战略2030》草案，并于12月发布最终修订版。文件提出要加大数字化创新支持力度，建设数据基础设施，掌握数据主权。我国由制造大国向制造强国转变的关键举措中国制造业面临产业“双向转移”的压力劳动密集型的以出口或代工为主的中小制造企业正在向越南、缅甸、印度和印尼等劳动力和资源更低廉的新兴发展中国家转移。部分高端制造业在美国、欧洲等发达国家“再工业化”战略的引导下回流。中国制造业如不能快速转型升级，在高端产品制造尚未形成国际竞争力之前，中低端产品的制造竞争力也将被削弱，进一步面临“产业空心化”的风险。作为制造业大国，我国时刻产生着海量的工业数据。工业数据已成为国际产业竞争和国家工业安全的基础要素，也是我国制造业转型升级的重要战略资源。相关技术与应用必将成为我国工业“由跟跑、并跑到领跑”、“弯道取直”、“跨越发展”的关键支撑。落实国家大数据战略的切实行动《大数据产业发展规划（2016-2020年）》将分类分级作为数据管理要点。《工业控制系统信息安全防护指南》提出对数据进行分级分类管理。《数据管理能力成熟度评估模型》（DCMM）明确将数据分类分级作为数据管理能力第2级（受管理级）至第5级（优化级）的基本要求。工业数据作为新的生产要素资源，支撑供给侧结构性改革、驱动制造业转型升级的作用日益显现，正成为推动质量变革、效率变革、动力变革的新引擎。工业数据分类分级是提升企业数据管理水平的基础，是有效挖掘数据价值、实现企业生产方式变革的必由路径。工业数据存在管理执行不到位、开发利用不深入、流通共享不充分等问题，尚未完全发挥对数字经济的放大、叠加和倍增作用。推进企业数字化转型的紧迫要求工业数据是制造业实现从传统要素驱动向数据要素驱动的核心优化全要素配置效率-通过汇聚全产业链供需数据，优化配置制造企业所需要的原材料、设备、劳动力、资金等要素，可以实现工业生产、调度、分配全局优化，促进工业全要素生产率全面提升。改进生产过程的质量保障-通过建立包括产品生产过程工艺数据、在线监测数据、使用过程数据等在内的产品全生命周期质量数据体系，关联企业内外部多源数据的大数据分析，可以有效追溯质量问题的产生原因，并持续改进生产过程的质量保障能力。促进生产流程智能化-通过对设备和工厂进行智能化升级，促进信息共享、系统整合和业务协同，实现制造过程的科学决策，最大程度实现生产流程的智能化、定制化、柔性化和自我优化，实现提高精准制造、高端制造、敏捷制造的能力。工业数据的聚合融通，离不开数据的有效管理，更需要数据的安全使用。工业数据作为全新的生产资源要素，在管理执行、开发利用和流通共享等方面还存在一定问题和困难，工业数据的潜在价值有待进一步挖掘。02工业数据分类分级的价值所在土地资本劳动7大类生产要素由市场评价贡献、按贡献决定报酬的机制《决定》强调了“知识、技术、管理”作为生产要素，反映了现代经济中知识、技术、管理等要素对经济增长的贡献明显上升的趋势。特别是《决定》首次增列了 作为生产要素，反映了随着经济活动数字化转型加快，数据对提高生产效率的乘数作用凸现，成为最具时代特征新生产要素的重要变化。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一二三数据资源建设：优化经济治理基础数据库，加快推动各地区各部门间数据共享交换，制定出台新一批数据共享责任清单数据开放和流动：研究建立促进企业登记、交通运输、气象等公共数据开放和数据资源有效流动的制度规范数据开发利用：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、公共资源交域规范化数据开发利用的场景数据采集标准化：发挥行业协会商会作用，推动人工智能、可穿戴设备、车联网、物联网等领域数据采集标准化数据管理制度：探索建立统一规范的数据管理制度，提高数据质量和规范性，丰富数据产品数据产权性质：研究根据数据性质完善产权性质数据安全保护制度：制定数据隐私保护制度和安全审查制度数据分级分类：推动完善适用于大数据环境下的数据分类分级安全保护制度，加强对政务数据、企业和个人数据的保护党中央、国务院对数据要素市场培育作出相关部署要求2020年4月9日，中共中央

国务院公布了《关于构建更加完善的要素市场化配置体制机制的意见》，明确提出“加快培育数据要素市场”。工业数据管理由“杂货铺”变成“自动化仓库”，实现工业数据共享流通。工业数据分类分级的重要性工业数据分散存储在不同系统，使用数据时导致找不到、不匹配、不互认。工业数据分类标识是实现共享互认的基本功结合工业数据属性、安全防护要求，构建数据分级治理体系，分级施策，确保工业数据安全。越来越多的设备、系统、生产和服务过程暴露在工业互联网上，数据安全威胁日益加剧。工业数据逐类分级是确保数据安全的基准线工业数据多方治理是厘清各方职责的指示灯数据治理涉及主体众多，参与方职责不清晰，

协同各方有效推进工业数据分类分级。推进机制不明确。研发域生产域运维域管理域外部域行业要求业务规模数据复杂程度系统设备业务活动已有数据资产分类目录……全面梳理数据类型工业数据清单工业数据按潜在影响分为一级、二级、三级等3个级别三级数据（一）特别重大生产安全事故或突发环境事件，或造成直接经济损失特别巨大；（二）对国民经济、行业发展、公众利益、社会秩序乃至国家安全造成严重影响。二级数据（一）较大或重大生产安全事故或突发环境事件，给企业造成较大负面影响，或直接经济损失较大；（二）引发的级联效应明显，影响范围涉及多个行业、区域或者行业内多个企业，或影响持续时间长，或可导致大量供应商、客户资源被非法获取或大量个人信息；（三）恢复工业数据或消除负面影响所需付出的代价较大。一级数据（一）对工业控制系统及设备、工业互联网平台等的正常生产运行影响较小；（二）给企业造成负面影响较小，或直接经济损失较小；（三）受影响的用户和企业数量较少、生产生活区域范围较小、持续时间较短；（四）恢复工业数据或消除负面影响所需付出的代价较小。第二部分 工业数据分类分级实施要点工作目标2020年10月底前，按照《工业数据分类分级指南（试行）》要求，工业数据分类分级试点企业完成工业数据分类分级试点工作，理清企业工业数据底账，提升企业数据管理能力。工作原则坚持问题导向、目标导向、结果导向相结合。坚持问题导向，就是以解决问题为指引，集中全部力量和有效资源攻坚克难，全力化解工作中的突出矛盾和问题；坚持目标导向，就是以实现目标为方向，持之以恒、一步一步地朝着既定目标奋斗前行；坚持结果导向，就是以工作成效为标准，以实实在在业绩接受检验、评判工作。1）建立健全企业工业数据分类分级管理体系机制；2）企业工业数据分类分级目录清单；3）企业工作数据逐类分级目录清单及配套分级量化指标；4）企业工业数据分级管理配合措施方案；5）经验提炼、难点梳理、持续改进；通过本次工业数据分类分级应用试点，不断提高各企业工业数据管理能力及管理水平，促进企业工业数据资源开发利用，筑牢企业工业数据安全防线，形成可复制、可推广的优秀案例，引领各行业工业数据治理体系和治理能力的良性发展。应用试点的预期成果企业协会支撑单位试点主体逐类定级（准）分级管理 分类标识（细） （全）企业工业数据分类分级管理体制机制体制机制企业工业数据分类分级差异化防控措施防控措施技术支撑总结企业工业数据分类分级经验分析各类数据的安全防护措施是否到位研判数据上云的必要性或适合共享的范围充分利用有序流动安全共享制造企业对应的组织架构企业组织架构对制造企业来讲，工业数据分类分级工作由企业数据治理委员会（或原企业信息化管理委员会）、信息化管理部门和各业务部门构成。组织结构角色角色描述职责数据治理委员会（或原企业信息化管理委员会）数据决策者由各业务分管副总裁和IT副总裁（CIO）组成负责领导数据分类分级工作；决策数据分类分级管理重大工作内容和方向。在数据角色方出现问题时负责仲裁。负责领导数据分类分级的年度复查工作研发/生产/运维/管理/外部业务单元总经理、信息化管理部门数据管理者由研发/生产/运维/管理/外部业务单元总经理、信息化管理部门组成负责牵头制定数据分类分级管理的政策标准、规则、流程，协调认责冲突；监督各项数据规则和规范的约束的落实情况；负责数据分类分级管理平台中整体数据的管控流程制定和平台功能系统支撑的实施；负责数据平台的整体运营、组织、协调。负责牵头开展数据分类分级的年度复查工作。研发设计/开发测试/生产控制/生产工况/加工工艺/日志监控/物流/售后/资产管理/客户管理/供应链管理/统计管理/其他主体共享等业务单元，以及IT技术服务部数据提供者数据所有人和权限管理人员根据数据标准要求提供相关数据规范。作为数据出现质量问题时的主要责任者数据开发者数据开发人员负责数据开发，有责任执行数据标准和数据质量内容，负责从技术角度解决数据质量问题。作为数据出现质量问题时的次要责任者。数据消费者数据使用人员，包含用户和外部用户作为数据分类分级管理平台数据的使用者，负责反馈数据效果，作为数据分类分级管理平台数据闭环流程的发起人。、。制造企业组织架构角色职责数据是企业的资产，建立工业数据分类分级管理目录，并利用数据资产管理工具对目录进行管理，是实现企业数字化转型的战略举措，绝不只是信息部门的事，需要各业务管理部门共同参与、紧密合作。要打破部门之间的边界和壁垒，共同建立数据分类分级的组织架构和工作流程，实现各部门的充分沟通、通力合作、共担责任、共享成果，实现从“一把手工程”向“全员工程”的转变。数据提供者和数据消费者是数据分类分级的责任主体，要充分发挥主导作用，牵头组织需求确认、流程梳理、数据准备、人员培训等工作。工业数据分类分级目录模板（试行）工业数据分类分级目录模板（试行）定义：说明工业数据分类的类目信息。数据类型：字符型注解：必选项，最大出现次数为1。说明：数据分类分为行业分类、业务分类、管理对象分类、主题分类、数据类别分类。其中，行业分类包括包装行业、化工行业、酒业、纺织业、建筑材料行业、工程机械行业、电力建设行业、电力企业，试点企业可以根据企业所属行业自行选择；一级子类可以从研发、制造、运维、管理、外部5个数据域分别对应的业务部门来分类；二级子类可以理解为业务分类的下一级分类，可以是业务部门的子部门；三级子类可以理解为管理对象分类的下一级分类，可以是子部门根据不同职能所设立的工作小组；数据类别分类包括基本信息、动态信息、统计信息。数据域数据类别行业分类一级子类二级子类三级子类数据类别分类工业数据分类分级目录模板（试行）数据名称数据简介数据提供方数据来源系统数据来源数据库数据格式数据存量数据存储位置数据项信息共享属性提供方单位名称提供方部门提供方联系方式数据格式分类数据格式类型数据记录数/条数据存储量数据项名称数据项类型共享类型共享范围共享方式定义：工业数据的来源系统。数据类型：字符型注解：必选项；最大出现次数为1。说明：说明数据的来源系统，其中，研发方面的系统包括计算机辅助设计（CAD）系统、工程仿真分析（CAE）系统、工业软件开发系统、工业系统测试工具等；生产方面的系统包括制造执行系统（MES）、可编程逻辑控制器（PLC）、数据采集与监视控制（SCADA）系统、分布式控