近几年随着互联网及人工智能等新技术的发展，网络技术的进步和应用的普及，海量的数据随之爆炸性增长，而作为数字经济和第四次工业革命的新生产要素，这些海量的数据为智能化技术的发展奠定了基础，也是经济、社会发展的新契机，但是随之企业面临着数据标准不统一、数据信息分散、数据质量参差不齐、开发维护困难等问题，很难满足实时分析和决策的高要求。因此，数据治理对于工业互联网的发展至关重要。

数据治理的概念

数据治理的概念有广义和狭义之分，狭义的数据治理指数据资源及其应用过程中相关管控活动、绩效和风险管理的集合，保证数据资产的高质量、安全及持续改进。广义的数据治理含义大于狭义数据治理，包括数据管理和数据价值变现，具体包括数据架构、主数据、数据质量、数据安全等一系列数据管理活动的集合。

数据治理

数据治理现状

大数据的快速发展，使它成为IT领域的又一大新兴产业。据中央财经大学中国经济管理研究院博士张永力估算，国外大数据行业约有1000亿美元的市场，而且每年都以10%的速度在增长，增速是软件行业的两倍。我国2012年大数据市场规模大约4.7亿元，2013年增速将达到138%，达到11.2亿元，产业发展潜力非常巨大。我国大数据产业加速发展的背后存在诸多的问题：存在行业发展良莠不齐、数据开放程度较低、安全风险日益突出、技术应用创新滞后等问题。

大数据

工业数据治理面临的挑战

工业领域信息化起步相对较晚，工业数据也更为复杂，涉及研发、生产、管理、运维、服务等多个环节，因而数据管理工作的推进也相对滞后。

（1）数据基础薄弱。我国工业企业的数据资源存量普遍不大，调查显示，66%的企业数据总量都在20TB以下；管理手段比较落后，51%的企业仍在使用纸质或更原始的方式进行数据的管理。数据孤岛几乎是所有企业都面临的困境。

（2）数据治理滞后。数据管理缺失，技术手段落后，导致企业数据质量难以得到保障，数据共享困难，数据的价值不能得到充分的挖掘和变现。

（3）数据价值难以量化评估。数据治理投入大，短期内很难看到成效，而数据价值的评估又很难量化。因此，很多企业投入数据治理的意愿不大，这反过来又影响了企业数据的使用。

工业数据治理体系研究

工业数据可划分为操作技术数据(OT)和信息技术数据(IT)。OT数据是工业数据的主要部分，源自工业生产机器设备、自动化采集系统等，包含时序数据和非时序数据。时序数据包括温度、压力、流量等数据。非时序数据包括工业系统的日志数据以及生产调控的经验数据。IT数据主要包括企业资源计划(ERP)、制造执行系统(MES)等业务数据。其中ERP系统主要包括财务、客户关系、供应链管理等数据，MES系统位于上层ERP层与底层控制层之间，主要包括生产调度、质量管理、人员管理等数据。

数据治理常用工具

工业大数据治理需要多种数据治理工具软件的支撑，包括以主数据为核心的套装软件、以数据资源目录为核心的数据资源管理工具、以元数据和数据模型为核心的数据中台，此外还有时序数据、数据交换等。这些工具互有侧重，需要根据实际需求予以选裁。

数据治理工具集

工业数字化之数据治理实践

恒力华振推出了“恒睿工业大数据治理平台”，以企业生产过程中人、机、料、法、环的工业数据为生产要素，以车间现场数据管理为核心，融合数据处理、数据分析与挖掘、数据可视化、机器学习等大数据和AI人工智能等创新技术，为高端制造、军工装备、工程机械等领域提供自动化、信息化与数字化融合的数据治理服务与业务场景应用服务，为企业建立可信可管、可视可控的工业数据资产体系，实现数据驱动的智能分析与决策的基础平台。

恒睿工业大数据治理平台

结语

大数据时代，数据已成为企业的核心资产和重要战略资源，是重要的生产因素，数据资产已日益成为企业抢占未来发展主动权的前提和保障，而数据治理就是发掘这些数据资产的重要手段和工具。本文介绍了数据治理的概念、现状，分析了工业数据治理面临的挑战，旨在通过完整的工业数据治理知识体系帮助读者更好地理解数据治理，并希望通过实际落地应用帮助企业真正实现数字化转型，促进新一代数字技术与企业效益增长深度融合，助力企业持续健康快速发展。