强化工业数据分类分级管理共创数字经济蓬勃发展未来

2020-12-30工业和信息化部信息技术发展司

网络安全和信息化 2020年4期

■ 工业和信息化部信息技术发展司

随着新一轮科技革命和产业变革的孕育兴起，数字经济热潮席卷全球。我国高度重视大数据在推动数字经济发展中的作用，党的十九届四中全会首次提出将“数据”作为生产要素参与分配，为数据赋予了新的历史使命。为贯彻国家大数据战略，更好地释放工业数据对质量变革、效率变革、动力变革的驱动作用，工业和信息化部办公厅印发了《工业数据分类分级指南（试行）》（以下简称《指南》），指导企业提升数据管理能力，加速数字化转型，助力制造业高质量发展。

一、迎机遇，工业数据成为驱动产业创新发展的主引擎

（一）工业数据是数字化转型升级的必然产物

近年来，我国两化深度融合步伐明显加快，在需求分析、研发设计、生产制造、运行维护直至报废回收的产品全生命周期中，以数据为纽带逐渐实现物理世界和信息世界的无缝链接，数据量呈爆炸式增长。随着服务型制造、共享制造等新业态新模式的涌现，智能化设计、网络化协同制造、个性化定制服务等场景将积累更加丰富的工业数据资源。

（二）工业数据资源不断释放蕴藏的巨大能量

大数据技术在工业领域用户需求精准分析、生产过程改进优化、营销管理智能决策等方面发挥的作用日益显现，工业数据成为新的生产要素资源。数据流带动技术流、资金流、人才流、物资流，提升资源优化配置能力，促进全要素生产率提升，成为带动业务创新发展、推动供给侧结构性改革、实现包容性增长和可持续发展的重要驱动力。

（三）工业互联网平台加速实现海量数据汇聚

工业互联网平台作为工业全要素、全产业链、全价值链连接的枢纽，全面采集产品设计、生产工艺、设备运行、运营管理等海量工业数据资源，实现数据的有效整合、深度分析以及快速处理。我国工业互联网平台已进入发展快车道，赋能效用日益显现，为进一步挖掘工业数据价值、重塑生产制造和服务体系提供支撑，给经济创新发展注入了新动能。

二、促管理，分类分级是释放工业数据潜能的必由路径

（一）工业数据具有复杂性差异性特征

从数据形态看，种类繁多、价值不一。复杂多样的业务场景导致工业数据存在时序、非时序、结构化、非结构化等多种形式，承载信息、应用领域、重要程度等各不相同，实时性、连续性、稳定性需求差异较大。从数据流向看，路径复杂、主体多样。工业数据在企业内部研发、生产、运维、管理等环节之间互通，在上下游企业间、平台间流转，涉及设备厂商、工业企业、平台企业、服务商等相关方，加大了流向跟踪、风险定位、责任追溯等数据管理难度。

（二）分类分级是工业数据管理的基础

区分工业数据的类型和重要级别是部署细粒度、层次化数据管理措施，促进数据充分利用、有序流动和安全共享的前提。一方面，有利于明确差异化数据管理要求，引导企业建立工业数据管理机制，按类逐级排查管理风险、统筹部署防护策略、合理分配资源，切实提升数据管理水平。另一方面，有利于确定不同数据的共享范围，在遵循“最小知情原则”的前提下打破信息孤岛，促进跨企业、跨行业、跨区域的工业数据关联分析与深度挖掘，加快工业生产智能转型步伐。

（三）贯彻落实分类分级管理相关要求

2015年，国务院发布《促进大数据发展行动纲要》，要求建立数据分类目录等标准规范体系。2016年，工业和信息化部印发《大数据产业发展规划（2016—2020年）》，部署了开展数据资源分类、开放共享等基础通用标准研制的重点任务。同年印发的《工业控制系统信息安全防护指南》提出应根据风险评估结果对数据信息进行分级分类管理。2018年国标委发布《数据管理能力成熟度评估模型》（GB/T36073-2018，以下简称DCMM），将数据分类分级作为数据管理能力第2级（受管理级）至第5级（优化级）的基本要求。

三、重实践，积极稳妥提升指南内容的科学性与合理性

（一）坚持问题导向、目标导向、结果导向

工业数据分类分级是一项较为复杂的系统性工作。在《指南》编制过程中，我们组织国家工业信息安全发展研究中心、中国电子技术标准化研究院等单位深入研究工业数据的内涵与特征，广泛调研数据管理突出问题和迫切需求，多次与地方工业和信息化主管部门、行业主管部门、领域专家及企业代表研讨，以可操作、可实施为目标，以实践效果为牵引，提出基于数据业务属性的分类分级管理方法。

（二）坚持试验验证、边试边改、逐步完善

《指南》初稿完成后，在江苏、广东、四川、江西4个地区和钢铁、烟草2个行业开展了工业数据分类分级试验验证，赴14家企业对近600类工业数据进行定级分析。通过深入企业现场逐条检验《指南》主要内容，不断总结经验、迭代优化，在分类分级方法设计方面注重兼顾科学性和可操作性，在颗粒度把握方面尽量平衡全局通用性、行业灵活性和横向可扩展性，最终形成了试行版本。