改进工业数据：现状和未来方向（英）

核心观点与关键数据

美国工业制造业的经济和能源数据对于指导商业投资、运营决策以及公共和私营部门的长期战略至关重要。然而，现有数据存在诸多局限性，包括数据分散、方法不一致、商业敏感性限制以及重要数据缺失等，导致难以进行全面分析和有效决策。

数据局限性

1. 数据分散与不一致：数据来源众多，但在部门范围、地理范围、分类、收集频率等方面存在差异，阻碍了综合研究。
2. 数据聚合程度高：数据通常按地理区域和行业进行聚合，掩盖了地区或子部门之间的差异。
3. 数据获取限制：私营机构数据需付费获取，使用限制严格；公共机构数据也可能受限或难以获取。
4. 数据缺失：缺乏按设施类型划分的特定高能耗设备信息等有价值数据。

数据需求与应用

1. 能力扩张分析：需要更详细的设施和子过程数据，包括能力、能源和材料强度，以及运营和资本成本。
2. 经济建模与分析：需要更详细的子部门和区域数据，以准确评估贸易、就业、工资、价格和社会福利趋势。
3. 过程建模与分析：需要更精确的工艺细节和性能数据，以识别改进生产工艺的机会。

数据类型与来源

1. 现有设施、运营和贸易的实证数据：主要来源包括EIA、美国人口普查局、USGS、BEA、SEC、交通部、DOE和EPA等联邦机构，以及行业协会、咨询公司和非政府组织。
2. 技术的性能与成本评估：数据来源包括私营部门、学术界和国家实验室，但存在假设不一致、数据泛化不足、无法充分代表不确定性等问题。

数据共享平台构建步骤

1. 创建利益相关者社区：确定各群体的数据需求、持有情况和合作兴趣，开展用户参与活动，建立跨部门合作伙伴关系。
2. 确定数据类型的优先级：优先收集现有设施和设备特性、生产、能源和材料使用、国内商品流、工业商品贸易、主要现有技术和新兴技术的代表性成本和性能数据，以及特定工艺细节。
3. 建立数据标准和方法：建立数据字典，制定数据标准和规范，编制复合数据集，提高数据互操作性和一致性。
4. 改进原始数据：收集和整理文献信息，规范研究中定义的标准化；改进或扩展现有数据来源，研究新技术经济分析成本和性能。
5. 组织数据访问与协作机制：设计满足用户需求的数据访问机制，确保数据透明度、易用性和用户支持。

研究结论

通过构建工业数据共享平台，可以整合公共和私人资源，改进工业数据质量，支持更有效的分析和更好的政策决策，从而释放工业制造的效益，推动美国工业制造业的繁荣。