作者简介
李 铮：中国信息通信研究院信息化与工业化融合研究所数字化转型与智能制造研究部主任，主要研究领域为工业互联网、智能制造、工业大数据等。
刘 迎：中国信息通信研究院信息化与工业化融合研究所数字化转型与智能制造研究部工程师，主要研究领域为大数据、工业互联网、智能制造等。
论文引用格式：
李铮，刘迎. 开放共享发展理念下的工业数据治理体系建设[J]. 信息通信技术与政策, 2020(4):15-17.
开放共享发展理念下的工业数据治理体系建设
李铮 刘迎
（中国信息通信研究院信息化与工业化融合研究所，北京 100191）
摘要：在工业数据战略性资源地位愈发凸显的大背景下，开展数据治理成为促进开放共享、发挥流通活力的重要抓手。系统梳理了工业数据治理面临的困难挑战，对欧盟及相关企业开展的工业数据治理实践进行了详细分析，并结合我国实际，从顶层设计、内部实施和共享交互三方面提出针对性的建议。
关键词：工业数据治理；工业数据共享；工业数据资产
1 引言
随着新一代信息技术与制造业的深度融合发展，新的数据采集与使用方式不断创新传统生产方式和制造流程，工业数据成为重要的战略资源，有力推动了制造业在更大范围、更深层次实现更有效率、更加精准的资源配置，在极大促进了全社会要素资源的网络化共享、集约化整合、协作化开发、高效化利用的同时，也面临着泄露、过度或非法利用的风险。全球领先国家在强调工业数据价值挖掘的同时，不约而同地强调数据开放共享，并将工业数据治理作为发挥数据流通活力的重要抓手，我国也在2019年发布了《工业大数据发展指导意见（征求意见稿）》，提出了推动工业大数据资源共享流通、提升工业大数据资源管理能力、完善工业大数据治理规则等重要任务。在此背景下，本文面对工业数据开放共享的发展需求，从开展数据治理的必要性角度切入，重点梳理发达国家和领先企业的先进实践经验，并就促进我国工业数据开放共享、建立数据治理体系提出下一步工作建议。
2 数据治理是推动工业数据开放共享的重要前提
2.1 从企业自身基础看工业数据开放共享面临的“严、繁、杂、散”困境
（1）“严”：数据在利用过程中需要保证企业对产品工艺、生产流程、质量管理等核心知识产权和商业机密的安全可控。
（2）“繁”：工业数据相较其他行业，具有来源杂、批量大、频率高、维度多等特点，共享价值评估难度较高。
（3）“杂”：由于缺乏统一的数据治理体系，工业数据在采集、存储、处理等环节可能存在不科学、不规范等问题，导致错误数据、异常数据、缺失数据等脏数据产生，无法确保数据的一致性、完整性和准确性。
（4）“散”：企业内部信息孤岛现象普遍存在，部门间、企业间数据互通又存在标准缺失、风险较大等问题，导致难以进行数据整合和开放共享。
因此，有必要建立一套治理规范加强工业数据的管理体系，为下一步开放共享打好基础。
2.2 新技术发展应用为工业数据安全管理带来更大挑战
更多的传感器和控制的引入、云平台的广泛应用、通用有线/无线网络技术的发展、工业控制系统的进一步软件化等，传统工业控制的专有性和封闭性被打破，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，数据安全保护面临威胁。建立数据治理体系，将有利于提升工业数据保护过程的严密性和合规性，明确相关各方主体的安全保护责任，进一步实现风险管理和价值挖掘的平衡。
2.3 工业数据流通需求旺盛但阻力重重
工业互联网产业联盟发布的《2018工业企业数据资产管理现状调查报告》显示，超过半数的被调查企业表示需要使用外部数据或对外提供数据，但大量企业表示由于没有明确的法律法规保障以及成熟的技术解决方案支撑，许多工作仍以行业自律的模式开展，数据交易共享缺乏可靠保障。与此同时，围绕工业数据的相关数据表示、数据处理、数据存储、数据服务等方面的标准体系尚未建立，也在很大程度上阻碍了工业数据的流通共享和价值挖掘，因此有必要通过数据治理逐渐促进技术应用标准化。
3 发达国家构建立法、战略、实践相互交融的工业数据治理框架体系
当前，国际上围绕工业数据开放共享尚未形成统一的数据治理框架，不同国家采取的治理思路和技术手段各不相同。其中，欧盟作为最早开展个人数据保护的地区，其针对工业等非个人数据颁布的主要数据监管政策，以及开展的实践，对我国开展工业数据治理工作具有典型示范作用。
欧盟以建设数字化单一市场为目标，通过制定严格的律法打造工业数据治理“欧盟标准”。《非个人数据在欧盟境内自由流动框架条例》于2019年5月正式生效。针对设备运行、企业交易等非个人数据，条例旨在消除各成员国的数据本地化要求、确保成员国有权机关能够及时获取数据、保障专业用户能够自由地迁移数据，进一步加强成员国的数据流动。同时，立足于区域内深厚的工业数据积累强化单一市场战略，2020年2月欧盟委员会发布《欧盟数据战略》文件，明确提出将建设通用的欧洲工业数据空间，通过搭建治理框架提升工业数据互操作性和应用质量，实现工业数据价值的深度挖掘。
德国工业4.0战略提出“工业数据空间（IDS）”项目，强调安全可信与主权保护的治理规则。该项目由德国弗劳恩霍夫应用研究促进协会的12个研究机构共同参与，通过建立一个虚拟数据空间，结合相关标准规则和统一信息模型，促进工业生态系统中数据的便捷连接与安全交换，同时确保了数据所有者的数据主权。为了打造可信任的数据交易共享网络，IDS搭建“工业数据空间”参考架构，结合数据提供者、数据使用者、中间人、应用商店运营者以及认证机构5种主体在数据共享交易中的作用，设计了一套包括数据主权、交易、定价等在内的完整的商业模型和交易规程。截止到目前，德国“工业数据空间”参考架构模型已经更新至第三版，应用案例增加至数十种，在医疗、能源、制造等领域均已开展相应的探索试点。
德国“工业数据空间”项目由数据集成、认证、交易和应用4类关键技术支撑。数据集成即为工业多源异构数据的集成，既包括针对底层的数据采集协议集成，也包含对上层数据交换的集成，如德国IDS开发标准化接口“连接器”，支持数据供需双方对元数据进行集成。数据认证是保证数据安全交换的基础条件，德国IDS采取基于PKI的数据认证方式，当连接器与另一个连接器建立通信信道时，使用核心系统的私钥和对应证书进行身份验证。数据交易是实现数据共享的核心环节，德国IDS采取清算中心的方式进行交易共享，通过独立的清算中心记录数据供需双方的交易信息。数据应用是数据价值发挥的最终体现，德国IDS采取封装底层认证协议、提供数据集成服务的方式来支撑工业数据的应用落地。
面向典型工业数据开放共享应用场景，德国企业探索基于IDS的工业数据治理模式。例如，博朗、SAP合作开展某类抗生素研发，由卫生服务提供者、制药公司和研究所、研究中心、保险公司、医疗器械制造商等主体共同构成一个医药工业数据空间，通过部署IDS标准化接口、认证技术等组件，对分散的个人医疗数据、临床研究数据、流行病学数据、市场数据、环境数据等敏感信息进行匿名化处理，在确保访问过程不侵犯个人隐私的同时，也保证了科学家之间的数据和结果有序、可控交换；此外，蒂森克虏伯钢铁构建基于IDS的工业数据治理模式，与其物流公司、承运商和零售商充分进行数据开放共享，增强了供应链的透明度，提高了物流系统的效率。
4 发展启示
中国是制造大国，也是数据资源大国和应用大国，但与此同时，我国工业数据治理仍处于起步阶段，亟需充分吸取发达国家在工业数据治理顶层设计、交易共享方面的先进实践经验，构建符合我国发展实际的工业数据治理框架，进一步促进数据开放共享。
（1）在顶层设计上，针对工业数据建立“科学分类、风险分级”治理体系。从保护和共享的平衡出发，建立工业数据分级、分类管理的标准和制度，对不同类型、不同级别的数据明确不同的治理手段和安全责任。涉及国家秘密、国家安全的重点行业数据，交由相关主管部门进行统一监管；其他纳入统一治理体系的工业数据，可由企业承担安全主体责任，综合公众权益、个人隐私和企业合法利益等因素，结合数据共享需求，分别制定不同的管理规范和流动标准，对未来的共享交易做到心中有“数”。
（2）在企业内部实施中，做好数据资产管理，保障数据完整性、准确性和一致性。建立质量画像、异常检测、质量修复等完整的工业数据治理体系，加强工业数据标准管理、质量检测和模型管理。完整全面地定义数据质量的评估维度，包括完整性、时效性等，按照已定义的维度，在系统建设的各个阶段均根据标准进行数据质量检测和规范，及时进行治理，避免事后的清洗工作。明确工业数据全生命周期各个环节的质量管理流程，加强事前风险研判与监测，推动企业建立工业数据质量自评估和流动自监管的治理机制。
（3）在共享交互过程中，建立工业数据资产价值评估标准，推动共享交易流程规范化。围绕数据质量、交易频次、交易范围和预期风险等因素，考虑工业数据成本价值和应用溢价因素，实现对数据资产的科学评估和精准定价。基于价值评估模型，在交易市场上统筹建设工业数据资源目录体系，规范流通、共享和交易的过程、方法和实施规则，运用标准化手段建立工业数据共享交易规范；探索区块链等技术在工业数据交易流通中的验证工作，逐步形成工业数据资产评估的技术手段。
参考文献
[1] European Commission. Regulation of the European Parliament and of the Council on A Framework for the Free Flow of Non-Personal Data in the European Union[B], 2018.
[2] European Commission. A European Strategy for Data[B], 2020.
[3] Fraunhofer-Gesellschaft. Industrial Data Space: Digital Sovereignty Over Data[B], 2016.
[4] 魏凯. 工业大数据应用的四大挑战[J]. 信息通信技术与政策, 2019(5):8-10.
[5] 工业互联网产业联盟, 中国信息通信研究院. 2018工业企业数据资产管理现状调查报告[R], 2018.
[6] 王晨, 郭朝晖, 王建民. 工业大数据及其技术挑战[J]. 电信网技术, 2017(8):1-4.
Building industrial data governance system for open and shared development strategy
LI Zheng, LIU Ying
(China Academy of Information and Communications Technology, Beijing 100191, China)
Abstract: The strategic position of industrial data is becoming more and more prominent. Data governance is an important tool to promote the sharing and exchange of data. In this paper, we identify the problems and challenges we are facing in industrial data governance, and analyze the best practice in this area by EU, Germany and relevant enterprises. At last, we promote the suggests for the following three aspects, the top-down system design, implementation, and data sharing and exchange based on the reality of China.
Key words: industrial data governance; industrial data sharing; industrial data assets
本文刊于《信息通信技术与政策》2020年第4期
主办：中国信息通信研究院
《信息通信技术与政策》是工业和信息化部主管、中国信息通信研究院主办的专业学术期刊。本刊定位于“信息通信技术前沿的风向标，信息社会政策探究的思想库”，聚焦信息通信领域技术趋势、公共政策、 国家/产业/企业战略，发布前沿研究成果、焦点问题分析、热点政策解读等，推动5G、工业互联网、数字经济、人工智能、区块链、大数据、云计算等技术产业的创新与发展，引导国家技术战略选择与产业政策制定，搭建产、学、研、用 的高端学术交流平台。
点亮“在看”