制造业面临数据问题和挑战有哪些？

制造业企业数据资产管理能力不足。

1. 数据多源异构让数据集成共享存在壁垒

异构信息源导致制造企业形成巨大而 复杂的异构信息环境。由于历史原因或其它 原因，大部分制造业企业已拥有多种业务系 统，这些系统和数据已成为企业运转和发展 不可缺少的组成部分，但这些数据库大都是 被独立创建和管理的，在信息系统方面，企 业内部各部门往往各自独立，彼此的信息和 组织也不尽相同，以至于计算环境和信息系 统平台都不一样，因此每个部门都可视为一 个异构的信息源。这些异构信息源使得整个 企业构成了异构信息的集成。 大量异构数据制约制造业企业数据的 传输和共享。随着制造业企业数字化的建 设，制造业企业出现并收集存储了许多新的 数据形式（文本、音频、图像、视频数据 等），这些大量存在的异构数据，被分布保 存在不同的存储环境或数据库中仅服务建设 初期自身的独立系统，制约了企业各部门间 的数据传输和共享。传统的关系数据库之间 的数据信息的交换采用文本文件作为中间媒 介，但文本只能实现单张关系表间的简单信 息交互。在信息系统中，需要交互的信息量 是庞大而复杂的，这种简单的文本信息交换 显然力不从心。如何将不同的数据库应用系 统纳入到一个系统下，实现用户在各系统间 的数据信息交换、共享和集成，就必须利用 一种具有通用性、操作性良好的数据交换技 术，使信息系统具有异构相容、集成现有信 息的特点。因此如何将原有的各类成熟的数 据库系统不加修饰的纳入到新的数据集成系 统中，实现多个异构数据库间信息的共享和 互操作已成为企业迫切需要解决的问题。

制造业企业数据资产管理能力不足。 调查显示工业、制造业、能源行业、医疗行业、 教育行业等传统行业仍处于初级阶段，数据 资产管理的意识和动力不足，数据资产管理 的资源投入仍集中于大数据平台建设，尚未 组建相对专业化的数据资产管理团队，尝试 性对核心业务开展数据标准化工作。根据 数据管理能力成熟度评估模型标准 (DCMM) 评估结果显示，以上行业评估结果集中于第 2 级。金融行业、互联网行业、通信行业、 零售行业等较早享受到了“数据红利”，持 续推进业务线上化，数据资产管理重要性随 之提升，逐步发展数据资产管理部门，加大 技术创新与应用，开展数据分析和数据服务。 DCMM 评估结果显示，以上行业评估结果 集中于第 3 级或以上。传统的数据整合思路 是建立组织的数据中心，将数据从各个系统 抽取过来进行集中，再统一提供数据服务。 随着大数据与人工智能技术的应用普及，海 量多源异构数据急剧增加，特别是非结构化 数据的增加，传统大数据平台在面临多源异 构数据处理时，面临数据采集处理能力不足、 数据结构难以统一，数据运维困难等挑战， 为洞察数据的价值带来了层层阻碍。 因此，传统大数据中心已经无法适应 现在的组织数据整合要求，需要考虑一种新 的整合方式，基于服务的逻辑数据整合，而 不是基于数据集中的物理整合。

2. 数据质量难以满足企业需要、可信度低

制造业产业链条长，多业态并存，形 成“数据孤岛”，数据质量难以保证。非数 字原生企业，特别是大中型的制造企业，往 往有着较长的业务链路，从研发到销售全产 业链覆盖，在各个工艺流程中沉淀着大量的 复杂数据。在信息化时代初期建立了很多相 对独立的 IT 系统，典型的的特点是形成了 “一类业务、一个 IT 系统、一个数据库” 的烟囱式 IT 架构。其直接带来的问题就是 “数据孤岛”。IT 系统中的数据语言不统一， 不同 IT 系统之间的数据不贯通，同样的数 据需要在不同的 IT 系统中重复录入，甚至 在不同 IT 系统中的同一个数据不一致等。

制造业企业数据环境复杂，历史包袱 重，缺乏数据认责，数据质量难以保障。非 数字原生企业特别是制造业企业普遍有较长 的历史，组织架构和人员配置都围绕着线下 业务开展，大都经历过信息化过程。很多制 造型企业随着不同阶段的发展需求，保留着 各个版本的 ERP 软件和各种不同类型的数 据库存储环境，导致数据来源多样，独立封 装和存储的数据难以集中共享，也不敢随意 改造或替换，IT 系统历史包袱沉重。数据 没有管理责任人，各系统之间甚至同系统内 的数据标准不统一。

3. 企业数据文化建设薄弱、数据驱动意识缺位

制造业企业数据战略，数据建设目标 不明确，企业数据文化重视度不高。数据作 为一种新的生产要素，在企业构筑竞争优势 的过程中起着重要作用，企业应将数据作为 一种战略资产进行管理。数据从业务中产生， 在 IT 系统中承载，要对数据进行有效治理， 需要业务充分参与，IT 系统确保遵从，这 是一个非常复杂的系统工程。一个企业想要 做大做强，成为世界一流企业需要注重数据 文化建设，明确企业数据战略，数据建设目标，指明企业数据建设的方向。 制造业企业没有完整的数据综合治理 体系，缺乏数据驱动意识，数据管理责任制。 只有构筑一套企业级的数据综合治理体系， 才能确保关键数据资产有清晰的业务管理责 任，IT 建设有稳定的原则和依据，作业人 员有规范的流程和指导；当面临争议时，有 裁决机构和升级处理机制；治理过程所需的 人才、组织、预算有充足的保障。

4. 让数据可视、可控、可用及可信是当务之急

树立正确的企业数据建设工作思路成 为保障企业成功实现数据治理的根本。制造 行业作为非数字原生企业，数字化转型的关 键要素之一是在现实世界的基础上构建一个 跨越孤立系统、承载业务的“数字孪生”的 数字世界。通过在数字世界汇聚、联接与分 析数据，进行描述、诊断和预测，最终指导业务改进。在实现策略上，企业需要构建以 云为基础、以数据为驱动的新型 IT 架构。 数字世界一方面要充分利用现有 IT 系统的 存量数据资产，另一方面要构建一条从现实 世界直接感知、采集、汇聚数据到数字世界 的通道，不断驱动业务对象、过程与规则的 数字化，让企业数据实现可视、可控、可用和可信企业数据建设工作的整体思路。

建立完善的企业数据建设框架是企业顺利完成数据治理的必要手段。针对企业数据治理 整体思路解读形成企业数据建设工作框架，基于统一的规则与平台，以业务数字化为前提， 数据入湖为基础，通过数据主题联接并提供服务，支撑企业业务数字化运营。