中国冶金报 中国钢铁新闻网
记者 樊三彩 报道
数据作为新型生产要素，是数字化、网络化、智能化的基础，已快速融入生产、分配、流通、消费和社会服务管理等各环节，深刻改变着生产方式、生活方式和社会治理方式。可见，数据基础制度建设事关国家发展和安全大局。
近日印发的《中共中央 国务院关于构建数据基础制度更好发挥数据要素作用的意见》（以下简称“数据二十条”），明确了数据要素市场制度建设的基本框架、前进方向和工作重点，被称为“建立数据生态体系的纲领”。在1月13日召开的2022年（第三届）钢铁工业智能制造标准与技术大会上，国家智能制造专家委员会委员丛力群在做《激活数据要素潜能 赋能行业转型发展》报告时，结合数据二十条，对当前工业数据应用的现状及困境进行了分析。
数据≠智能
进阶“会分析的钢厂”须模式创新
丛力群表示，当前，企业数据应用存在缺少工具和方法、难以形成完整数据样本、使用者对数据结果体验不佳、使用者获取数据渠道不畅、数据价值挖掘不满足需求等现状，导致数据不能协同工作，无法产生期望的价值。“一方面，大量已有制造过程数据被闲置甚至放弃；另一方面，又缺少基本的数据环境来解决企业所存在的问题。”他说道。
回归到钢企智能化问题，丛力群表示，当前的现状其实是一个必经的过程。“我们必须从‘会管控的钢厂’发展到‘会分析的钢厂’，再发展到‘会思考的钢厂’，我们目前正处于向‘会分析的钢厂’进化的‘焦虑’阶段。”他进一步解释道，“会分析的钢厂”即从流程中提取数据，再通过数据分析，改进和优化流程。
在丛力群看来，要通过大数据应用成为“会分析的钢厂”，钢企必须进行模式创新。第一，要利用好存量数据，这是成本较低、速度较快的工作。第二，要让产品产生数据，这是扩大数据规模、快速兑现价值最有效的办法。第三，要推进数据资产数字化，这意味着通过数字孪生空间的构建、实物资产的虚拟描述，实现在虚拟环境中利用软件工具、基于数据开展各项工作，从根本上消除不确定性带来的风险和成本。第四，要整合更大范围数据。即追求全样本、全周期数据的融合集成，流程越长、要素越多，数据所承载的内在价值就越高。第五，进行数据交互，这是在更高层面统筹数据质和量的重要方法。第六，数据服务的产品化，这是大数据应用的更高阶段，即在业务数据化基础上形成更高的数据应用专业能力，将数据服务能力产品化、差异化变成一种独特的能力。
应用≠照搬
工业企业须着力突破自身瓶颈
丛力群提出，要真正激活数据要素潜能，赋能行业转型发展，工业企业还需重点关注以下几方面问题。
工业数据生态环境建设的瓶颈问题。丛力群认为，瓶颈主要体现在管理意识和技术瓶颈两方面。关于管理意识，丛力群提醒道，工业企业应明确数据治理的目的，是在确保安全的前提下让数据发挥价值。“强烈的数据保护意识和垄断数据的潜在冲动，或将被‘伪装’成‘合情合理’的诉求被接纳进入企业的数据治理体系中，缩减数据作为新生产要素应有的作用空间。”他说。对于技术瓶颈，他认为，工业企业迫切需要找到有效的技术方法，既消除对敏感数据安全的担忧，又强化数据赋能业务价值的预期，这是实现数据交互、增加数据样本、扩大数据适用范围、融合长链多维数据的重要手段。“消费互联网数据生态环境的构建方法和过程不能照搬，工业需要找到适合自己的有效路径和方法。”丛力群特别强调。
数据应用中价值权益的界定问题。“这主要要求界定好数据应用中的两个经济权益事项，既要保护数据权属方的利益，又要避免这种主张无边界扩大化。”丛力群指出。首先是数据权属方的权益，这是要优先保证的。丛力群表示，没有这一权益的充分保证，就不能激发权属方对数据应用的兴趣，就免谈后面的一切价值挖掘工作。其次是数据挖掘产生额外价值的权益归属问题——增值权益。“各企业要科学地界定数据的初始产权与增值产权，平等保护数据流通不同环节各类产权的合理权益，才是充分发挥数据价值的有效途径。”他强调。
如何“让专业的人干专业的事”的问题。“数据应用不是‘个人全能’赛。”在丛力群看来，熟悉业务和精通IT（信息技术）的人员相互结合，虽然快速应对了具体问题，但全局效率不高。分工是现代社会之必然，专业人要干专业的事，IT人员不能总是“不懂业务”的“背锅侠”。“数据服务者和使用者的角色定位关乎企业数据应用的水平乃至成败。”他强调。
基于此，丛力群表示，数据赋能业务中必须存在3种角色。首先是管理者，使命是让数据“循规蹈矩”，即要进行数据治理而非管死数据。其次是服务者，让数据“水到渠成”，即要改变传统的数据集成和交付方式，满足非数据专业员工便捷的数据应用需求，同时要持续进行能力构建，不断优化数据环境。最后是使用者，让数据“点石成金”。在这一模式下，员工不再是数据分析的旁观者，而是数据的消费者，通过服务接口获取模型化、关联化处理的完整数据。
“只有让专业的人做专业的事，形成完整的链条，才能最大限度发挥不同专业的不同技能，充分激发数据要素的潜能。”丛力群表示。
免责声明：矿库网文章内容来源于网络，为了传递信息，我们转载部分内容，尊重原作者的版权。所有转载文章仅用于学习和交流之目的，并非商业用途。如有侵权，请及时联系我们删除。感谢您的理解与支持。
