2020年中国工业大数据行业概览-20200430[31页].pdf

1、1 2020年 中国工业大数据行业概览 概览标签：大数据、工业互联网、工业软件 报告提供的任何内容（包括但不限于数据、文字、图表、图像等）均系 头豹研究院独有的高度机密性文件（在报告中另行标明出处者除外）。 未经头豹研究院事先书面许可，任何人不得以任何方式擅自复制、再造 、传播、出版、引用、改编、汇编本报告内容，若有违反上述约定的行 为发生，头豹研究院保留采取法律措施，追究相关人员责任的权利。头 豹研究院开展的所有商业活动均使用“头豹研究院”或“头豹”的商号、商标 ，头豹研究院无任何前述名称之外的其他分支机构，也未授权或聘用其 他任何第三方代表头豹研究院开展商业活动。 报告主要作者：王则烨 2

2、020/04 4 2020 LeadL 工业大数据指在工业领域中，围绕智能制造模式，在数据采集集成、分析处理、服务应用等各类工业制造环节所产生的数据，同 时包括工业大数据相关技术和应用。基于利好政策的持续颁布以及大数据技术的创新融合，中国工业大数据行业得以快速发展， 2019年中国工业大数据行业收益规模为145.7亿元。伴随工业4.0概念的提出及推广，政府及各工业企业致力于将数字生产技术应 用在工业领域，加速工业企业的数字化转型，工业智能化转型需求的增长加速工业大数据产品的商业化落地。此外，部分工业大 数据服务商通过将核心产品向云端迁移，以低成本、灵活交付的优势吸引企业客户采购，进一步推动工业

3、大数据行业收益规模增 长，2024年中国工业大数据行业收益规模有望达到497.6亿元。 工业大数据产品的优势加速其在工业领域不同场景的应用和普及，推动行业发展 工业大数据产品的商业化落地及广泛应用助力企业实现产品的智能化设计、智能化生产及智能化服务等目标，加速优化产业链各环节。 例如在设计环节，工业大数据的应用可有效提高研发人员创新能力、研发效率可提升30%。 数据资产管理措施有望逐步完善，刺激工业大数据释放更多商业价值 2019年9月工信部公开征求工业大数据发展指导意见，意见指出政府将结合工业领域大数据管理的特点和需求，提升工业大数据资 源管理能力，系统构建工业大数据管理能力评估体系，同时鼓

4、励并引导企业全面且系统的提升工业大数据管理能力。在利好政策的推动 下，部分企业自创数据资产管理模型，针对海外数据资产管理模型的弊端及弱势，自主研发适合中国数据资产管理现状的模型。 探索工业大数据创新应用示范，构建产业生态体系 工业大数据是制造业智能化发展的基础性战略资源，为加速工业大数据在工业领域的渗透，政府积极打造示范项目，鼓励工业大数据企 业开展股权融资。截至2020年3月，工信部已公布的工业大数据融合应用产业发展试点示范项目共90项，发展区域覆盖北京、江苏、武 汉、新疆、湖北等地。 企业推荐： 凯奥思、中云数据、大数点 概览摘要 5 2020 LeadL 名词解释-05 中国工业大数据行

5、业市场综述-07 定义及特征-07 工业大数据与传统大数据的区别-08 工业大数据资源获取渠道-09 产业链分析-10 产业链上游分析-11 产业链中游分析-12 产业链下游分析-13 市场规模-14 中国工业大数据行业驱动因素-15 工业智能化转型需求增长-15 工业大数据应用优势突出-16 中国工业大数据行业政策分析-17 中国工业大数据行业发展趋势-18 数据资产管理措施将逐步完善-18 发挥工业大数据创新应用示范-20 中国工业大数据行业风险分析-21 目录 6 2020 LeadL 中国工业大数据行业竞争格局分析-22 中国工业大数据行业投资企业推荐-23 凯奥思-23 中云数据-2

6、5 大数点-27 方法论-30 法律声明-31 目录 7 2020 LeadL 传感器：可感知物体环境信息，并将感知信息按一定规律变换成为电信号或其他所需形式的信息输出检测装置。 MEMS传感器：采用微电子和微机械加工技术制造出来的新型传感器。 新旧动能转化：利用新技术、新产业、新业态、新模式转变传统以资源和政府为导向的经济发展模式。 大数据：Big Data，无法在一定时间范围内用常规软件工具进行捕捉、管理和处理的数据集合。 数字经济：以信息和知识的数字化为关键生产要素、以现代信息网络为重要载体、有效利用信息通信技术提升经济发展效率、优化经济结构的系 列经济活动。 工业互联网：全球工业系统与

7、高级计算、分析、传感技术以及互联网的高度融合，通过智能机器间的连接并最终将人机连接，结合软件和大数据 分析，重构全球工业、激发生产率。 区块链：分布式数据存储、点对点传输、共识机制、加密算法等计算机技术的新型应用模式。 云计算：Cloud Computing，基于互联网的相关服务的增加、使用和交付模式，通常涉及通过互联网来提供动态易扩展虚拟化的资源。 数据交易服务平台：Data Transaction Service Platform，为数据交易提供各项服务的信息化平台。 源数据：Source Data，未经过特定需求加工直接用于交易的数据。 协同制造：充分利用互联网技术为特征的网络技术、信息

8、技术，实现供应链内及跨供应链间的企业产品设计、制造、管理和商务等的合作，最终 通过改变业务经营模式与方式达到资源最充分利用的目的。 ERP：Enterprise Resource Planning，企业资源计划，建立在资讯技术基础上，以系统化的管理思想，为企业决策层及员工提供决策运行手段的 管理平台。 PLM：Product Life Management，产品生命周期管理，从用户对产品的需求开始，到产品淘汰报废的全部生命历程。 名词解释（1/2） 8 2020 LeadL SCM：Supply Chain Management，供应链管理，满足一定的客户服务水平的条件下，为了使整个供应链系统

9、成本达到最小而把供应商、制造商、 仓库、配送中心和渠道商等有效地组织在一起来进行的产品制造、转运、分销及销售的管理方法。 CRM：Customer Relationship Management，客户关系管理，为企业提供全方位的管理视角，赋予企业完善的客户交流能力，最大化客户的收益 率。 EMS：Energy Management System，能耗管理系统企业通过科学化的管理手段，在帮助工业、企业扩大生产的同时，合理计划和利用能源以降 低单位产品能源消耗和企业整体能耗，以达到帮助用户提高经济效益为目的智能化管理系统。 离散型制造业：离散型制造产品由多个零件经过一系列并不连续的工序加工而成，加

10、工离散制造产品的行业称为离散型制造业（如机械制造业、 汽车制造业、家电制造业）。 流程型制造业：流程型制造产品被不间断地通过生产设备及加工装置，进行化学或物理变化，制造流程型制造产品的行业称为流程型制造业（如 化工业、造纸业、钢铁业）。 名词解释（2/2） 9 2020 LeadL 工业大数据指在工业领域中，围绕智能制造模式、在数据采集集成、分析处理、服务应用等各类工业制造环节所产生的数据，包括从客户需求到销 售、订单、计划、研发、设计、制造、采购、供应、库存、售后服务、运维等整个产品全生命周期各个环节。工业大数据以产品数据为核心，极大 延展传统工业数据范围，同时包括工业大数据相关技术和应用。

11、工业大数据具有一般大数据的特征（海量性、多样性等），在此基础上具有四个典 型特征，分别为价值性、实时性、准确性、闭环性。 工业大数据具备双重属性：价值属性和产权属性，一方面，通过工业大数据分析等关键技术能够实现设计、工艺、生产、管理、服务等各个环节智 能化水平的提升，满足用户定制化需求，提高生产效率并降低生产成本，为企业创造可量化的价值；另一方面，这些数据具有明确的权属关系和资 产价值，企业能够决定数据的具体使用方式和边界，数据产权属性较明显。 中国工业大数据行业市场综述定义及特征 工业大数据指在工业领域中，围绕智能制造模式、以数据采集集成、分析处理、服务 应用为主的各类经济活动所产生的数据，

12、同时包括工业大数据相关技术和应用 来源：信通院云计算与大数据研究所，大数据技术标准推进委员会，头豹研究院编辑整理 01.价值性 强调用户价值驱动和数据本 身的可用性 价值性体现在提升创新能力 和生产经营效率 促进个性化定制、服务化转 型等智能制造新模式变革 02.实时性 工业大数据主要来源于生产 制造和产品运维环节，生产 线、设备、工业产品等 对数据采集频率、数据处理、 数据分析、异常发现和应对 等方面均具有较高的实时性 要求 03.准确性04.闭环性 数据的真实性、完整性和可靠 性，对数据质量的要求较高 注重数据处理、分析技术和方 法的、的可靠性 产品全生命周期横向过程中 数据链条的封闭和关

13、联 智能制造纵向数据采集和处 理过程中，需要支撑状态感 知、分析、反馈、控制等闭 环场景下的动态持续调整和 优化 工业大数据典型特点 10 2020 LeadL 中国工业大数据行业市场综述工业大数据与传统大数据的区别 工业大数据与传统大数据（又称“商务大数据”）均以大数据技术为基础，但在数据处理 环节和应用方面存在一定区别 在传统的信息安全领域，工业系统的保密性、完整性和可用性是系统安全的三种基本属性。但工业控制系统侧重工业自动化过程及相关设备的智能 控制、监测与管理，二者在系统架构、设备操作系统、数据交换协议等方面与存在较大差异。 工业大数据环节与应用传统大数据 通过传感器与感知技术，采集物

14、联设备、生产经营过程业务数据、外部 互联网数据等，对数据采集具有很高的实时性要求 采集 通过交互渠道（如门户网站、购物网站社区、论坛）采集交易、偏好、 浏览等数据，对数据采集的时效性要求不高 工业大数据以工业软件为基础，强调数据格式的转化，数据信噪比低， 要求数据具有真实性、完整性和可靠性，更加关注处理后的数据质量 处理 仅对数据进行清洗、归约，去除大量无关、不重要的数据，相较于工业 大数据，传统大数据对数据质量要求较低 数据关联性很强，存储复杂存储 数据间关联性较低，存储自由 数据建模、分析更加复杂，需要专业领域的算法（如轴承、发动机）， 不同行业、不同领域的算法差异很大，对分析结果的精度和

15、可靠度高 分析 利用通用大数据分析算法，进行相关性分析，对分析结果要求效率不高 数据分析结果可视化及3D工业场景可视化，对数据可视化要求强实时性， 实现近乎实时的预警和趋势可视 可视化 数据结果展示可视化 强调闭环性，实现过程调整和自动化控制 闭环反馈 控制 通常不需要闭环反馈 工业大数据和传统大数据对比 来源：中国信通院，头豹研究院编辑整理 11 2020 LeadL 来源：头豹研究院编辑整理 中国工业大数据行业市场综述工业大数据资源获取渠道 数据是工业大数据行业的核心竞争资源，伴随工业大数据与新技术领域联系更加紧密， 工业大数据的商业价值将得以进一步释放 工业大数据的来源渠道共分为三类：（

16、1）企业运营管理相关的业务数据（企业运营管理数据）；（2）工业制造过程中产生的数据（生产数据）； （3）企业外部数据。伴随工业大数据与云计算、物联网、边缘计算、人工智能等技术融合与发展，工业大数据的数据获取量将逐渐提高，工业大数 据将实现商业价值最大化。 企业运营管理数据：该类数据来自企业信息化范畴，包括企业资源计划(ERP)、产品生命周期管理(PLM)、供应链管理(SCM)、客户关系管理(CRM)和 能耗管理系统（EMS)等，此类数据是工业企业传统意义上的数据资产。 生产数据：该类数据是在工业生产过程中，装备、物料及产品加工过程的工况状态参数、环境参数等生产情况数据，通过MES系统实时传递，

17、目前在 智能装备大量应用的情况下，此类数据量增长最快。 企业外部数据：该类数据包括工业企业产品售出之后的使用、运营情况的数据，及大量客户名单、供应商名单、外部的互联网数据等。 中国工业大数据源特征 数据类别收集渠道采集难度数据利用率数据服务合作方数据应用场景 企业运营管理数据企业内部各运营管理部门 工业软件服务商 大数据技术服务方 数据挖掘算法服务 提供商 其他 智能化设计 智能化生产 协同制造 智能化服务 智能化服务 其他 生产数据企业内部生产线 企业外部数据企业内部及企业外部 12 2020 LeadL 来源：赛迪数据，头豹研究院编辑整理 中国工业大数据行业市场综述产业链分析 中国工业大数

18、据行业上游资源提供商为中游参与者提供多样化软硬件资源，中游工业 大数据服务商为下游工业领域各细分行业用户提供工业大数据产品及服务 中国工业大数据行业上游资源供应商为工业大数据软硬件服务商，为中游服务商提供保障工业大数据产品和服务正常运转所需的多样化软硬件资源， 以及大数据存储、网络和计算相关的软硬件产品和服务，行业利润率为10%。中国工业大数据行业中游参与者按照企业类型可分为专业工业大数据服 务商、大数据服务商等，行业利润率为12.7%，中游工业大数据服务商为下游各领域企业用户及政府用户提供工业大数据产品及服务。 中国工业大数据行业产业链 下游：行业用户中游：工业大数据服务商上游：软硬件服务商

19、 工业大数据软硬件服务行业利润率为10% 美国、日本、德国合计占据全球传感器市 场份额的60% 中国中高端传感器进口率由2007年的99% 降至2018年的85% 中国工业大数据行业中游行业利润率为 12.7% 大数据服务商综合实力较强，工业大数 据服务商专业性较强 传感器提供商传感器提供商 云服务提供商云服务提供商 专业工业大数据服务商专业工业大数据服务商 大数据服务商大数据服务商工业互联网企业工业互联网企业 离散型制造业 按产品销售额计占63.0% 流程型制造业 按产品销售额计占18.0% 电力业 按产品销售额计占8.2% 热力和燃气业 按产品销售额计占7.2% 采矿业按产品销售额计占3.

20、0% 其他 2019年中国工业大数据行业下游离散型制 造企业用户收益（71亿元）居行业首位， 其次为流程型制造业（20.5亿元） 13 2020 LeadL 传感器提供商：在全球传感器供给市场中，美国、日本、德国等国家占据主导地位，三国合计占据全球传感器市场份额的60%。中国传感器领域处于 发展阶段，中国中高端传感器进口率由2007年的99%降至2018年的85%，中国传感器进口依赖程度逐步降低，提升中游大数据服务商利润空间，但竞 争力仍有待进一步提高。 目前，中国传感器市场以半导体加工工艺为代表的MEMS传感器发展速度较快，MEMS凭借其体积小、功耗低、成本低、集成度高、智能化等特点， 现应

21、用于智能电网、车联网等多个领域，在工业物联网领域的适用性尤为显著。中国长三角地区是MEMS产业研发设计和制造中心，传感器产业规模 居中国首位。除长三角地区外，珠三角、环渤海以及中西部地区均有传感器产业分布。 中国MEMS传感器产业链的主体结构包括上游的基础材料、芯片设计等环节，中游工艺平台对产品进行封装测试，保障下游终端应用。中国企业 MEMS传感器的布局较完整，但在科研、设计、制造、工业设备等方面与海外企业差距较大。未来智慧物流、智能家居、无人机及各类智能机器人等 物联网相关新兴应用领域兴起，将为传感器行业的发展增添新动力。 传感器是工业大数据行业上游用于数据传输的重要载体，中国存储服务器国

22、产化程度 逐渐提高 研发设计制造封装测试软件芯片及解决方案应用 设计环节代工环节封测环节应用与系统集成环节 本土企业具备一定创新能力，但业 务重合度高，产品处于中低端水平 技术授权建设产 品的产能有限 歌尔股份和瑞声科技为代表的声学 MEMS产品已位居全球MEMS TOP30 应用与系统集成环节包括手机、智能家居、无人机等 领域企业，参与者较多 中国工业大数据行业市场综述产业链上游分析：传感器 中国MEMS传感器产业链主体结构 来源：中国传感器与物联网产业联盟，头豹研究院编辑整理 14 2020 LeadL 专业服务为工业大数据服务商的核心业务模式 工业大数据服务商的业务模式包括专业服务、功能

23、订阅、金融 服务、应用市场四种。其中专业服务是现阶段工业大数据服务 商的核心业务模式，原因为工业体系具有专业性与复杂性，通 用化产品及解决方案难以满足工业企业客户对数据增值的需求。 部分工业大数据服务商升级商业模式，提高服务水平 传统工业软件企业将软件能力转化为平台PaaS及SaaS服务，一 方面以低成本、灵活交付优势吸引更多用户采购，另一方面借 助PaaS、SaaS核心技术提升数据采集及分析能力，更深层次挖 掘工业数据价值。 用友、金蝶、Ansys、Infor等工业软件企业已将核心软件产品向 云端迁移；华龙讯达与腾讯合作，借助腾讯云计算、大数据技 术实现业务数据的云端存储管理和快速处理。 部

24、分工业大数据服务商构建平台简化数据连接，借助边缘计算、 AI分析等技术深化数据分析能力、提升工业大数据服务解决方案 技术水平和能力。例如日立推出Lumada平台，利用大数据处理 和AI分析等技术助力客户形成资产运维、能耗优化、产线监测、 工艺优化。 中国工业大数据行业市场综述产业链中游分析 专业服务为工业大数据服务商的核心业务模式；部分工业大数据服务商通过将核心产 品向云端迁移，以低成本、灵活交付的优势吸引企业客户采购 专业 服务 定制化解决方案 开发和现场部署 为客户提供数据 增值咨询服务 功能 订阅 云资源订阅 功能组件订阅 托管服务订阅 金融 服务 应用 市场 “数据+保险” “数据+信

25、贷” “数据+租赁” 构建应用市场， 提供多元化工业 大数据软件工具 用友利用精智平台的 数据集成能力，为厦 门侨兴提供定制化解 决方案 极熵物联提供空压机 等设备的运营托管服 务，助力企业客户节 能减排提升30%以上 中科云谷基于平台对 设备租赁进行全过程 管理，实现租赁回款 管理等功能 PTC构建应用市场， 提供超过200个软件 工具 工业大数据服务商的业务模式 核心产品及服务内容案例 来源：工业互联网产业联盟，头豹研究院编辑整理 15 2020 LeadL 80% 16% 4% 大型企业 中型企业 小型企业 来源：信通院云计算与大数据研究所，大数据技术标准推进委员会，赛迪数据， 头豹研究

26、院编辑整理 中国工业大数据行业市场综述产业链下游分析 在企业结构层面，中国工业大数据行业以大型企业用户为主，2018年大型企业用户占据中国工业大数据行业整体用户的80%，中型企业和小型企业 占比分别为16%和4%。大型企业自动化程度较高，生产线丰富且工艺流程复杂，产生的数量体量较大，因此对于工业大数据产品的需求较高，企业 可通过向中游工业大数据服务商购买工业大数据产品及服务（生产过程可视化、生产流程优化、设备故障诊断等）提升生产效率，降低成本。 中国工业大数据下游用户行业结构中，离散型制造企业用户收益占中国工业大数据市场收益总额比例高达63%，离散型制造企业用户购买的工业大 数据产品销售总额近

27、71亿元。离散制造业包括装备、工程机械、汽车、大家电和IT产品等制造企业，由于设备和零部件数量较多，零部件变更较困 难，设备故障检测过程较繁琐，离散型制造企业依赖工业大数据产品对其工业生产线做出故障诊断、流程优化。流程型制造业工业大数据产品销售 总额为20.5亿元，其整体收益占据中国工业大数据市场收益总额的18%，电力（9.6亿元）、热力和燃气（8.0亿元）及采矿（3.8亿元）等行业工业 大数据产品销售额较低。未来，伴随下游工业企业在大数据领域的投入有望增加，工业大数据产品在各领域的渗透率将持续提升。 中国工业大数据应用企业结构占比统计，2018年中国工业大数据用户行业结构占比统计（按收益规模

28、计），2018年 63.0% 18.0% 8.2% 7.2% 3.0% 0.6% 离散型制造业 流程型制造业 电力业 热力、燃气业 采矿业 其他 工业大数据产品的应用助力下游工业企业用户提升生产运营效率，降低企业成本，下 游企业用户在企业大数据应用领域的投入将加快工业大数据产品在各领域的渗透 16 2020 LeadL 来源：IDC中国，赛迪数据，头豹研究院编辑整理 大数据行业利好政策及相关技术的发展驱动中国大数据市场保持平稳较快增长，IDC中国预测，2023年中国大数据行业收益规模将增长至226.5亿 美元，大数据市场的稳定发展将辐射其细分市场。 伴随工业4.0概念的提出及推广，政府及各工业

29、企业致力于将数字生产技术应用在工业领域，加速工业企业的数字化转型，工业智能化转型需求的 增长加速工业大数据产品的商业化落地。2018年销售额居首位的工业大数据产品为设备故障诊断产品，其次为生产可视化产品，工业大数据产品 的落地为企业用户带来新的生产方式、商业模式及经济增长点，同时推动中国工业企业向智能化、数字化转型。未来伴随更多工业大数据产品的商 业化落地，2024年中国工业大数据行业收益规模有望达到497.6亿元。 中国工业大数据行业市场综述市场规模 40.2 60.8 90.3 112.6 145.7 193.6 253.4 320.7 402.8 497.6 0 100 200 300

30、400 500 600 20152016201720182019 2020预测2021预测2022预测2023预测2024预测 亿元 中国工业大数据行业市场规模 （按收益规模计） 年复合增长率 2015-2019年38.0% 2019-2024年预测27.8% 基于利好政策的持续颁布以及大数据技术的创新融合，中国的工业大数据行业得以快 速发展。未来伴随更多工业大数据产品的商业化落地，大数据服务市场将持续扩容 中国工业大数据行业市场规模（按收益规模计），2015-2024年预测 17 2020 LeadL 中国工业大数据行业驱动因素工业智能化转型需求增长 工业作为国民经济的重要物质生产部门，是推

31、动国民经济发展的基础动力，伴随新一代信息技术与工业的深度融合，中国工业迎来产业变革，新的 生产方式、产业形态、商业模式及经济增长点推动中国工业企业向智能化、数字化转型。同时工业4.0概念的出现和普及，以及中国制造2025等 利好政策的颁布，对工业发展提出新的要求，例如（1）保障工业制造本身价值化的同时减少生产过程的浪费；（2）在原有自动化的基础上实现“自 省”；（3）在工业制造过程中达到零故障、零忧虑、零意外、零污染等。工业4.0的实现以数字化整合为主要驱动力，工业智能化转型需求的增长加 速工业大数据商业化产品的落地。 中国工业大数据市场产品结构（按销售额计），2018年 工业大数据技术及产品

32、在工业生产各环节可实现多方要素覆盖，加速优化工业生产生 命周期各环节，提升工业企业智能化程度 28.9% 27.1% 21.3% 11.5% 9.4% 设备故障诊断 生产过程可视化 生产流程优化 产品设计研发 供应链优化 中国工业企业的智能化、数字化转型需求持续上涨 工业大数据商业化产品契合工业智能化转型需求 伴随信息化与工业化的深度融合，中国工业企业在生产各环节产生的数据量日益丰富，数据对工业生产的驱动作用日渐突出。工业大数据技术及产 品覆盖从订单到研发设计、采购、生产、交付、运维、报废及再制造的生命周期的全过程，现已落地的工业大数据产品类型包括设备故障诊断、生 产过程可视化、生产流程优化、

33、供应链优化等。2018年销售额居首位的工业大数据产品为设备故障诊断产品，销售额高达33.0亿元，占据工业大数 据产品销售总额的28.9%，其次为生产可视化产品，其销售额为31.0亿元，占据工业大数据产品销售总额的27.1%。 保障工业制造本身价值化的同时 减少生产过程的浪费 在原有自动化的基础上 实现“自省” 工业制造过程中达到零故障、零 忧虑、零意外、零污染 中国智造 工业智能化转型需求 来源：信通院云计算与大数据研究所，大数据技术标准推进委员会， 头豹研究院编辑整理 18 2020 LeadL 中国工业大数据行业驱动因素工业大数据应用优势突出 工业大数据产品的商业化落地及广泛应用助力企业实

34、现产品的智能化设计、智能化生产以及智能化服务等目标，加速优化产业链各环节，例如（1） 在设计环节，工业大数据的应用可有效提高研发人员创新能力、研发效率可提升30.0%；（2）在生产环节，企业可通过采集和汇聚设备运行工业数据、 工艺参数、质量检测数据、物料配送数据和进度管理数据等生产现场数据，利用大数据技术分析和反馈并在制造工艺、生产流程、质量管理、设备 维护、能耗管理等具体场景应用，实现生产过程的优化、产品质量的监测和异常追溯，产品良品率可提升1.3%，研发周期缩短35.0%、资源利用率提 升30.0%；（3）在市场营销环节，企业可利用大数据挖掘用户需求和市场趋势，建立用户对商品需求的分析体系

35、，挖掘用户深层次的需求，寻找机会 产品，进行生产指导和后期市场营销分析；（4）在售后服务环节，数据驱动企业创新服务模式，从被动服务、定期服务发展成为主动服务、实时服 务。中国工业大数据产品的优势加速其在工业领域不同场景的应用和普及，推动工业大数据行业发展。 来源：信通院云计算与大数据研究所，大数据技术标准推进委员会， 头豹研究院编辑整理 工业大数据应用场景及应用价值 工业大数据技术及产品在工业生产各环节可实现多方要素覆盖，加速优化工业生产生 命周期各环节，提升工业企业智能化程度 个性化服务需求：全流程建模，数据集成贯通 用户订单研发设计采购生产制造交付运维报废再制造 智能化设计 产品开发效率提

36、高30% 智能化生产 产品良品率提升1.3% 网络化协同制造 研发周期缩短35%、资源利用率提升30% 智能化服务 精准推荐产品、科学预测销量 192019.12 LeadL 来源：工信部，中国政府网，头豹研究院编辑整理 基于大数据技术对经济社会转型发展的积极作用，中央及各级政府对大数据发展的重视程度得以显著提升。自2015年起，国家、各部委、各地政府 （含省、市、区县等）已形成多层次协同推进的大数据发展政策环境。大数据利好政策正逐渐向各细分应用领域延伸，强调大数据技术与具体应用 场景的结合，重视大数据在产业转型和政府治理方面的应用，逐步完善大数据产业从顶层设计到落地应用的多层次政策体系，持续

37、优化大数据各应 用场景的发展状态。伴随物联网、云计算、人工智能等新兴技术不断向工业领域渗透，以数字化驱动的工业大数据加速制造业发展向智能化新模式 转变，在新旧动能转换的设备背景下，工业大数据行业利好政策的发布推动其商业化产品的落地，驱动行业快速发展。 政策及标准名称颁布日期颁布主体政策要点 工业大数据发展指导意见（征求 意见稿） 2019-04工信部 推进工业大数据发展，逐步激活工业数据资源要素潜力，不断提升数据治理和安全保障 能力，计划至2025年基本建成工业大数据资源体系、融合体系、产业体系和治理体系 工业互联网发展行动计划 （2018-2020年） 2018-05工信部 以供给侧结构性改

38、革为主线，以全面支撑制造强国和网络强国建设为目标，着力建设先 进网络基础设施，打造标识解析体系，发展工业互联网平台体系，初步形成有力支撑先 进制造业发展的工业互联网体系 深化“互联网先进制造业”发展 工业互联网的指导意见 2017-11国务院 明确开展网络基础、平台体系、安全保障、融合应用和制度保障等五方面的工作，打造 网络、平台、安全三大体系，推进大型企业集成创新和中小企业应用普及两类应用，构 筑产业、生态、国际化三大支撑任务 大数据产业发展规划（2016- 2020年） 2017-01工信部 以大数据产业发展中的关键问题为出发点和落脚点，以强化大数据产业创新发展能力为 核心，推动促进数据开

39、放与共享、加强技术产品研发、深化应用创新，打造数据、技术、 应用与安全协同发展的自主产业生态体系 关于组织实施促进大数据发展重 大工程的通知 2016-01国家发改委 政府将重点支持大数据示范应用、共享开放、基础设施统筹发展，以及数据要素流通。 国家发改委将择优推荐项目进入国家重大建设项目库审核区，并根据资金总体情况予以 支持 中国工业大数据行业政策解析 中国大数据行业相关政策 伴随数字经济建设速度的加快，政府对大数据行业发展重视程度逐渐提升，其中工业 大数据产品的应用加速制造业向智能化新模式转变 20 2020 LeadL 中国工业大数据行业发展趋势分析数据资产管理体系逐步完善（1/2） 中

40、国数据资产管理和应用尚处于摸索阶段，企业及政府部门尚未建立及完善有效的管 理和应用数据模式，影响大数据在各领域的共享和应用 中国工业大数据资产管理和应用尚处于摸索阶段，大部分企业和政府部门尚未建立有效的管理和应用数据模式，如数据价值评估、数据成本管理等， 大部分企业及政府部门数据基础较薄弱，数据标注尚未统一，数据质量参差补齐，数据孤岛化亟待解决，影响大数据在各领域的共享和应用。 数据资产管理实施步骤 标准制定、标准执行的检查建立组织体系 统筹规划 （明确数据资产管理目标） 管理实施 （对数据资产的定义、规划、梳理） 稽核检查 （检查数据标准及质量） 制定管理制度 盘点数据资产 数据质量管理流程

41、检查、改善 灵活配置数据存储策略的检查 数据安全管理定期检查 数据模型管理 数据安全管理 数据标准管理 元数据管理 资产运营 （提供数据价值） 评估数据管理水平 制定数据标准规范 主数据管理 数据质量管理 数据资产服务 应用 数据资产价值评估 数据资产内部共享 和运营流通 数据资产管理发展滞后，影响大数据共享及应用 利好政策助力工业大数据管理能力评估体系逐步建立 大数据是保障生产实施及组织运营的重要生产资料，伴随管理对象逐渐复杂，数据处理技术日渐成熟，数据应用愈发广泛，政府在数据资产管理方 面的力度持续加大。2019年9月工信部公开征求工业大数据发展指导意见，意见指出政府将结合工业领域大数据管

42、理的特点和需求，提升工业 大数据资源管理能力，系统构建工业大数据管理能力评估体系，同时鼓励并引导企业全面且系统的提升工业大数据管理能力。 来源：工信部，信通院云计算与大数据研究所，大数据技术标准推进委员会， 头豹研究院编辑整理 21 2020 LeadL 虽然在数据资产管理领域起步较晚，但相较海外数据资产管理模型，数据资产管理 “AIGOV五星模型”在关注数据资产管理的全局性和应用性等方面具有较大优势 在利好政策的推动下，部分企业自创数据资产管理模型，针对海外数据资产管理模型的弊端及弱势，自主研发适合中国数据资产管理现状的模型。 例如新炬网络自主设计的“AIGOV五星模型”现已覆盖五大管理域、

43、十三个能力项，相较于海外数据资产管理模型，新炬网络研发的数据资产管理五 星模型在全局性和应用性等方面具有较大优势。数据资产“AIGOV五星模型”的五大管理域分别从数据架构、数据集成共享、数据治理、数据运营管 理及数据增值应用五方面进行重构和治理，旨在实现数据资产保值和增值。截至2020年3月，新炬网络已与广东、浙江、安徽、湖南等省份的省级 运营商建立合作关系，新炬在各省的营运中心派驻专业数据资产管理团队，协助当地运营商建设自身的数据资产管理体系，现已协助多省用户建立 数据资产管理制度、流程以及规范。 来源：工信部，信通院云计算与大数据研究所，大数据技术标准推进委员会， 头豹研究院编辑整理 数据

44、资产管理AIGOV五星模型内容及价值 数据资产管理 AIGOV 五星模型 数据增值 应用 数据 运营 管理 数据治理 集成 共享 数据 架构 策略 数据分析挖掘 数据开放服务 组织架构/ 策略制度 数据采集 数据集成 数据共享中心 数据模型管理 元数据管理 数据标准 数据质量 数据生命周期 数据安全管理 主数据管理 数据资产管理AIGOV五星模型价值： 助力企业科学制定数据资产管理规划 规避常见实施过程中的数据资产管理风险 沉淀企业数据资产知识图谱 推动企业内外数据共享与应用 实现数据资产保值与增值 中国工业大数据行业发展趋势分析数据资产管理措施逐步完善（2/2） 22 2020 LeadL 工业大数据是制造业智能化发展的基础性战略资源，为加速工业大数据在工业领域的 渗透，政府积极打造示范项目，鼓励工业大数据企业开展股权融资 2019年9月，工信部发布工业大数据发展指导意见（征求意见稿），提出工业大数据是制造业数字化、网络化、智能化发展的基础性战略资源， 但目前中国工业大数据还存在数据价值开发不足、技术实力亟需增强、企业积极性有待提高等问题。政府为加速工业大数据在工业各领