工业企业有多少数据?黑客可能比一些企业更清楚……

时间:2021-10-29来源:栏目:新媒体

文 | 赛迪工业和信息化研究院 王伟玲 左佐卉 近期,黑客对工业行业的网络攻击尤为频繁,攻击目标遍布世界各地,在造成大面积数据泄露的同时,也给工业行业带来巨大的经济损失。...

文 | 赛迪工业和信息化研究院 王伟玲 左佐卉

近期,黑客对工业行业的网络攻击尤为频繁,攻击目标遍布世界各地,在造成大面积数据泄露的同时,也给工业行业带来巨大的经济损失。

从一系列数据安全事件不难看出,工业数据泄露影响巨大,必须加大工业数据治理的推进力度,理性研判工业数据治理的内在动因,客观分析工业数据治理的障碍性因素,提出应对之策。

▲图/图虫创意

工业数据,一本糊涂账?

第一,在工业数据资产层面,底数不清现象普遍存在,阻碍了数据资产化进程,亟待理清。

任何企业或组织要想将数据变成资产,都必须先摸清自己到底有多少数据,分布在哪里,进而形成自己的工业数据地图。然而,目前我国工业数据要素市场面临的普遍问题就是数据底数不清。

究其原因,以往的系统建设规划往往只针对特定业务需求设计,缺乏对数据进行全局的通盘考虑,致使工业数据像“杂货铺”一样分散存储于不同系统,使用数据时找不到,找到了又不匹配且不互认。

企业内部信息系统众多,从最高管理者、业务部门到IT部门,大都搞不清企业内部数据到底有哪些、是什么、谁管理、在哪里。工业数据底账不清,不仅阻碍着数据的价值实现,还需企业花费一定的成本进行存储运营。

第二,在工业数据质量层面,存在失真、错位、不一致等问题,影响了分析决策的有效性,数据质量亟待提升。

数据质量的高低将直接影响分析结果的有效性。质量不高的数据,不仅会使分析结果与实际偏离,还可能引发不可逆的灾难性后果。如果支撑企业决策的数据失真,无疑会使企业经营决策与预期目标相背离。

通常情况下,在工业现场受限于苛刻的工作条件,制造设备难免会产生数据失真和错位问题。而工业信息系统大多来自不同厂家,工业数据的一致性又难以确保。

因此,在不同业务场景下,往往存在多数据来源、结构化与非结构化数据并存现象,有效的数据质量保障措施匮乏。此外,工业数据预测分析结果容错率较低,在数据出现噪音等问题时,预测结果的准确性无法得到有效保障。

第三,在工业数据采集层面,存在样本不全、效率低、准确性低等问题,亟待得到解决。

工业数据采集是数据生成的起点,对数据全生命周期的应用价值具有重要作用。从源头看,工业数据主要来自数字化设备、工业控制系统、人工采集终端等。一是不同厂家的数字化设备兼容性不足,尤其是国外厂商一般不开放设备的读写功能,数据采集存在技术壁垒。二是PLC/SCADA/DCS等工业控制系统大多采集设备的状态信息,数据采集丰富性略弱,且高端市场基本被国外PLC厂商所垄断。三是人工采集终端受限于人的主观性,所采数据的实时性、准确性、客观性有待提升。

▲图/图虫创意

此外,工业企业依然存在一些老旧的“哑”设备,这些设备即使通过改造,所采集到的信息依然有限,无法全面满足数据采集需求。

比如,数控机床作为精密加工制造业中最重要的设备,在生产管理过程中,却往往成为车间的“信息孤岛”。机床行业由于CNC设备种类繁多,年代跨度大,协议接口封闭,传统数据采集方式产量数据不准、无法实现设备数据与生产数据的关联,生产管理者也无法及时了解设备运行信息、无法准确记录刀具及加工过程信息,无法及时获取生产汇总信息。

第四,在工业数据联通层面,存在系统不联通、数据中心不链接、产品数据不衔接等问题,数据孤岛普遍,亟待提高数据畅通水平。

从企业信息化发展进程看,各业务部门的信息系统大多分散建设,在软件使用和数据管理上相互独立,不同软件厂商提供的生产管理、销售管理、财务管理、采购管理系统林立,彼此不通,企业不同部门间数据难以共享。

从数据存储情况看,大型集团公司甚至跨国公司的系统,大多承载在不同区域或不同国家的数据中心,数据割裂存储给数据共享互通带来巨大挑战。

从行业看,工业互联网链接范围不断扩大,正从单一企业向整个产业链全局优化迈进,产业链上下游企业数据共享互通,在技术标准、安全合规等方面面临更大挑战。

比如,纺织行业多数厂商只研究纺纱流程某种或几种设备,并未研制全流程纺纱设备,致使不同设备间的数据无法进行有效衔接。智能家居在实际应用过程中,不同厂家、不同品牌间的家居产品也难以实现互联互通,无法达到消费者心目中的“智能”,导致众多智能家居产品普及率不高。

第五,在工业数据应用层面,面临机理模型匮乏困境,应用层次不高,数据价值亟待有序释放。

对工业数据的应用分析涉及计算机、数学建模、行业规律等知识,目前仅有少量工业互联网平台企业针对特定行业梳理总结了工业机理模型,工业数据综合应用受到一定限制。

从国家大力推动的工业APP来看,我国自主研发的工业APP大多面向经营管理、财务管理等领域,面向工业研发设计、生产制造领域的偏少,在技术与功能上与国外存在差距,且主要面向中低端市场,90%以上的高端研发设计类APP被国外企业垄断。

截至2021年第一季度,我国工业APP数量超过40万个。但目前并未发现有任何一款工业APP成果推广到某一行业甚至某一应用,缺乏实际应用的工业APP寸步难行。

▲这是在2020年全国工业APP和信息消费大赛现场展出的“智慧健康医养云平台”(12月15日摄)。新华社记者 陈泽国 摄

工业数据治理面临三大难题

工业数据治理是面向工业数据存在问题开展的系统性、规范性和制度性管理行为。目前阻碍数据治理的关键问题集中体现在三个方面:

从体制机制看,数据治理职责有待健全。大多数企业目前尚未意识到数据治理的重要性,也没有相应部门和专业人员从事数据治理工作。即便成立了相应部门,也缺乏企业数据治理能力,大部分人对数据治理的认识还停留在理念层面,对具体实践操作较为茫然。

正因为数据治理意愿低、存在认识不足问题,大多数企业管理者认为数据治理是一项投入产出比不高的工作,业界推动工业数据治理的进程受到阻碍;企业投入数据治理的意愿不强,不仅影响企业数据价值的挖掘,也陷入了数据价值难以量化的恶性循环。

▲技术人员在调试自动化机械手。图/新华社发

从方式方法看,数据治理理论有待完善。从数据管理能力成熟度评估和工业数据分类分级应用试点看,当前工业数据治理理论缺失是掣肘工业数据价值释放的一大难题。

在理论研究方面,部分企业根据一线实践总结出版了一些工业数据治理相关的书籍,但内容与企业自身业务相关性太强,“一家之言”嫌疑较大,无法满足整体上推动工业数据治理较快较好发展的理论需要。

因此,应联合高校、研究机构、行业协会等不同主体,加大工业数据治理理论研究力度,群策群力,攻坚克难。

从自主创新看,数据治理技术有待突破。在信息技术创新日渐盛行的今天,数据治理技术作为一种舶来品,面临自主可信技术缺失的尴尬局面。

▲9月8日,参观者在2021中国国际数字经济博览会5G智慧展区参观。新华社发(陈其保 摄)

从实际调研情况看,当前工业数据治理的软件大多由西门子、甲骨文等国外公司提供,国内可提供工业数据治理技术的公司较少,特别是基于工业互联网标识解析体系研发工业数据治理工具和产品的机构少之又少,很多公司表示对Handle根系统和工业互联网标识解析缺乏认知和了解,无疑增加了工业数据治理技术实现自主创新的难度。

加快工业数据治理的五个切入点

一是树立价值驱动的工业数据治理理念。工业数据治理理念源自数据治理实践,对工业数据治理价值链中的各项活动具有重要影响,树立价值驱动的数据治理理念尤为重要。

工业数据治理价值的实现,需发挥价值生成在工业数据治理中的引领作用,将价值创造贯穿于工业数据治理整个过程之中,激发不同部门、不同主体参与工业数据治理的积极性,改变以往保守封闭的数据管理态度,探索数据免费提供和有偿开放相结合的模式,切实推动工业数据共享流通,保障工业数据资源价值有效释放。强化产学研用协同,支持工业数据治理理论研究,形成一批普及推广价值大的工业数据治理理论研究成果。

二是建立工业数据治理组织机构体系。建立由高层领导牵头的企业数据治理委员会,形成数据治理跨部门协调机制,理顺工业数据采集、共享、开放、利用和销毁的全生命周期权责体系。

建立首席数据官制度,专门负责工业数据治理工作,促进工业数据价值实现。探索建立利益相关方激励补偿机制,吸引各类主体参与工业数据治理,让相关方按贡献获取适当回报,增强数据治理相关主体的积极性。

三是制定工业数据治理制度标准体系。制度标准是工业数据治理的保障条件,对数据价值链各环节具有决定性影响。英美等国在数据治理各环节已经建立起完备的法律法规制度体系,而国内目前尚未有一部专门针对工业数据安全的管理法规。

工业数据治理的实现必须进一步强化制度供给,为工业数据治理流程和内容提供制度保障,打造依法治数的良好环境。加强数据权属研究,以明确不同主体在数据治理活动中的权限和责任。制定科学合理的数据标准,为工业数据融通共享创造条件。建立工业数据全员质量管理制度,注重数据的可获得性、可用性、可信性和可追溯性。

四是完善工业数据治理评价考核体系。依据《数据管理能力成熟度评估模型》对工业企业进行诊断,提出有针对性的数据战略规划,协助企业掌握数据管理方法,提升数据管理能力。

鼓励相关行业开展全国性工业数据管理能力普查,了解不同行业的数据管理能力,为分领域分行业推进工业数据管理能力提供参考。围绕软件、硬件、外部攻击等多个方面,开展工业数据安全评估,构建工业数据安全风险评估体系,增强工业数据安全风险防控能力,夯实工业数据安全基石。

五是强化工业数据治理平台技术研发。在区块连、云计算、人工智能等技术领域进一步加强探索,提升工业数据应用水平。

利用区块链不可篡改、可追溯、时间戳等技术特点,合理选取工业数据共享工作环节,推进数据上链、跨链互认等技术在工业数据共享中的应用创新,打造全链共享闭环,充分发挥区块链在固化工业数据共享机制方面的重要作用。

对于敏感性较高的工业数据,探索通过数据沙箱等技术手段,在数据不搬家的情况下,满足较为复杂和敏感的数据分析应用需求。探索存算分离的工业数据应用环境,依托工业数据所在的云平台,设立超算中心,推出通用数据模型和算法,为工业数据建模分析提供公共计算环境,加快工业数据的价值释放。

支持围绕数字水印、数据脱敏、匿名化、差分隐私、可信计算和同态加密等数据保护技术,加强自主创新,提升数据安全防护技术实力。

觉得内容不错

来个“一键三连”――分享、点赞、在看

看完不吐不快,就给我们留言吧

留言点赞多有惊喜

1.本站部分来源于互联网用户自主整合上传,如有侵权,请联系我们删除;

2.文章内容并不代表本站的观点或立场,如有关于文章内容,版权或其它问题请联系删除;

3.本文地址:https://jiatu888.com/xmt/84939.html

最新文章

网站介绍

本站部分内容收集于互联网,如有侵犯贵司(个人)版权,请联系本站删除。

Copyright@2018-2021 www.jiatu888.com 嘉图网 All Rights Reserved 粤ICP备20051635号 网站地图 tag列表

嘉图网