5-5 工业数据治理和数据资源化思考与实践 -钟虓

一、背景

• 数字化转型已成为国家战略和企业核心发展趋势，数智化转型是关键，核心在于构建以数据为核心、以大数据计算为支撑的智慧大脑。
• 数智化转型不仅降本增效，更推动业务升级转型，数字化领军企业通过数据驱动构建数字化生态。
• 数据是企业转型升级的重要要素，数据治理是数据价值落地能力变革的关键环节。

二、实践

• 通过高端复杂装备、煤矿综采设备、动力透平设备、新能源商用车&工程机械、数字化产线等案例，展示了数据治理在提升设备智能化水平、优化运营效率、改善产品质量等方面的价值。
• 案例涵盖多源异构数据治理、数据资源化应用开发、数据驱动模型构建等实践，实现数据价值释放。

三、思考

• 提出全链路数据治理规划、分阶段按需数据治理方法，并分析数据接入时实时治理、保留原始数据的实践问题。
• 阐述工业大数据的数据质量问题，包括完整性、重复性、一致性、正确性、时效性等方面，并提出相应的解决方案。
• 对比传统基于IT视角的数据使用模式和基于领域模型的数据资源化应用模式，强调领域模型驱动数据使用的优势。
• 定义数据资源化的核心理念，即基于统一资产模型的数据服务，并展示设备资产管理示例。

四、观点

• 提出分阶段数据治理、按需数据资源化、体系化建设并行、业务视角审视等观点，强调数据治理需结合业务需求和发展阶段。
• 强调数据资源化体系需要具备敏捷的数字化办公室、敏捷的组织体系、3T融合的团队、完善的合作生态等关键要素。

五、关于昆仑数据/工业大数据创新中心

• 介绍昆仑数据/工业大数据创新中心的使命、愿景、价值观，以及其在工业数据挖掘领域的专业性和前瞻性。
• 展示创新中心的网络布局、行业深度合作、国家级工业互联网平台等荣誉和成果，强调其作为工业企业大数据合伙人的定位。