数字化转型：制造业企业大数据标准的研究-凯发官网首页

    不论是哪种行业在进行数字化转型时都离不开大数据的支持，当然制造业企业这类大数据企业会通过采集、加工、存储、共享、分析数据，实现管理创新、技术创新和商业模式创新。而制造业正是我国国民经济中的重要支柱，随着社会经济的快速发展，制造业与信息化的结合也越发紧密，使之制造业自动化、智慧化、数字化趋势更加明显，同时这些也离不开大数据技术的支撑，而制造业中的大数据标准正是重要技术的基础。

 

    研究发现制造业大数据标准体系建设可以分为基础标准、业务标准、治理标准和技术标准四大类，而建设完善后各类标准之间会相互联系、相互约束、相互补充，共同构建成完整的统一体，同时还会随着行业大数据战略实施的深入而不断细化和完善。

 

    1、基础标准

 

    基础类的标准包括术语、工作指南、人员要求和能力评价指标等类别。其中术语标准适用于规范和统一各类专业名词；而工作指南标准需明确标准化工作的任务、标准体系、以及标准编制、实施和改进的主要内容以及基本要求，这也是从事标准研究和制定工作的指导性文件。人员要求和能力评价指标适用于对开展大数据管理工作的人员、机构提出基础性和框架性的要求。

 

    2、业务标准

 

    业务类标准需要从产品生命周期视角，按照不同的应用场景，对生产制造过程中需要使用或共享的数据范围和格式进行规范和约定，让各个数据环节的使用者对数据的作用有个统一的理解。而且这类标准中涉及到的主体复杂多样、数据来源广泛，因此可以在标准设计以及实施过程中采用分阶段、分步骤的方式，根据数据采集、共享范围的扩大而逐步完善。

 

    3、治理标准

 

    治理类标准可以说是一套经过行业实践检验的最佳方法论，包括组织架构和治理领域两个类别。其中组织架构类标准较适用于规范企业大数据战略、组织架构、制度和流程等；数据治理标准包括数据标准、数据模型、元数据、数据生命周期、数据安全、数据架构、数据质量等标准，这些领域之间的关系比较密切。

 

    4、 技术标准

 

    技术类标准用于指导开展大数据基础平台建设，在技术类标准的编制过程中，不仅可以参考现有的大数据技术标准体系，设计基础平台架构；还可以结合制造业在数据安全和业务连续性等方面的要求，提出大数据应用的技术规范和安全规范。技术类标准主要包括通用架构、关键技术、接口规范和安全规范。

 

    企业在数字化转型过程中不仅需要建设和完善以上四种类别的大数据标准体系，还需要稳步做好基础工作，欣思博认为如此才会奠定推进大数据技术深化应用坚实的基础。