2023年12月31日，国家数据局等17个部门联合印发《“数据要素×”三年行动计划（2024—2026年）》（下文简称《行动计划》），旨在落实《中共中央 国务院关于构建数据基础制度更好发挥数据要素作用的意见》，充分发挥数据要素乘数效应，赋能经济社会发展。
《行动计划》指出，实施“数据要素×”行动，就是要发挥我国超大规模市场、海量数据资源、丰富应用场景等多重优势，推动数据要素与劳动力、资本等要素协同，以数据流引领技术流、资金流、人才流、物资流，提高全要素生产率。
数据要素×工业制造
七大难题需关注
工业制造是“数据要素×”的关键领域之一。《行动计划》提出，重点行动包括：
“推进产品主数据标准生态系统建设，支持链主企业打通供应链上下游设计、计划、质量、物流等数据，实现敏捷柔性协同制造”，“支持企业整合设计、生产、运行数据，提升预测性维护和增值服务等能力，实现价值链延伸”。
而由于数据具备不同于其他生产要素的种种特性，工业制造企业在数字化实践过程中，往往会面临以下难题：
海量数据存算，支撑难
对于工业制造企业而言，数据不仅来自信息化时期建立的数百套业务系统，伴随着自动化、智能化程度不断提升，遍布世界各地的车间都在生产数据——机器设备规律性、不间断生产的数据量已经远超想象。进一步，经过各业务环节的透传和分析，加工后的数据量更是倍增。
相应的，过去建立的大数据技术栈也正面临海量数据存算带来的挑战。
数据多源分散，汇聚难
“全球几十个基地，各建一套机房，各有一个MES”，“数据分散在各个单位，各自独立建库，没法统一盘点”，这样的情况在大型工业制造企业尤为常见。
多云、多系统、多组织…当企业开始建立和管理全域数据资产，最先会面临数据多源、过于分散的问题。
“多源”往往也会带来“海量”，而更多的难题在于其复杂性，例如：同一个指标在MES和ERP各有数据，且质量不同，应该取哪个？它不仅需要一个支持对接多云、多系统的数据平台，也需要IT和业务部门投入，将业务流和数据源梳理清楚。
数据种类多样，处理难
工业制造企业需处理的数据种类多样，除了大数据领域最常见的结构化数据，也包括日志、图片、视频等半结构化和非结构化数据。例如，生产设备的传感器产生时间序列数据，质检报告是表格数据。而传统的数据技术栈往往难以处理如此丰富多样的数据种类，更无从追求效率。
安全合规要求，保障难
相较消费零售，工业制造企业面临的个人信息保护合规问题并不突出。但仍应注意数据合规，例如，在境外设厂，数据通常应在当地完成存算，如果需要跨境传输，必须符合当地的数据安全管理条例。
除了合规问题，企业对数据泄露、破坏、窃取等安全风险的重视度往往相对较低。然而一旦关键数据遭到破坏，可能面临业务中断等严重后果，重要数据的泄露也将给企业带来经济损失。
相应的，企业数据系统不仅要在安全合规上有保障（例如支持分类分级、风险监控等），还必须具备合规要求的跨云多域管控等能力。
实时数据洞察，服务难
越实时的数据，越能反映生产和经营情况，越能更及时地支持决策、调整计划、预警风险。而实时的技术方案也往往伴随着更多的存算成本、更高的性能挑战。
因此，对于工业制造企业而言，达到实时或近实时不仅需要现代的流批技术架构，也需要选择合适的应用场景，打通数据链条，让实时数据洞察的结果真正为企业所用。
系统上线多年，治理难
“脏乱差”的数据，将降低企业使用数据的效率，甚至对业务产生负面影响。
数据平台建设初期，完成了业务流程的梳理和数据标准的建立，数据准确性往往不成问题。而伴随着数字化深入，如果没有相应的机制和标准来保障，行动易出现变形，数据质量不达标准。
好的数据平台应该是“业务系统的一面镜子”：通过“监控—问题分发—整改”的闭环机制，对核心数据进行质量监控，识别反推业务问题、系统问题，确保数据准确性始终达标。
数据断点异常，拉通难
数据缺失，可能让数据分析结果产生偏差。例如，对产品在企业供应链的执行效率展开分析，除了需要产品本身特点属性的数据，还需要产品执行过程的全生命周期数据，包含所有关键的事实和维度数据，才能形成立体、多维的画像。
数据完整性问题在企业实践中并不少见，但它不是一味“能采尽采”。企业需要从业务场景出发，盘点业务流程、梳理系统和盘点数据，识别出数据断点并补齐，分析完整、全面的数据来还原业务、反哺业务。
“四横十纵”
找到典型应用场景
《行动计划》的目标包括“到2026年底，数据要素应用广度和深度大幅拓展，在经济发展领域数据要素乘数效应得到显现，打造300个以上示范性强、显示度高、带动性广的典型应用场景”。行动基本原则包括“需求牵引，注重实效”，“试点先行，重点突破”等。
可见，《行动计划》看重落地实践的成效，不要求“一口气吃成大胖子”，也不鼓励只能看、不中用的“面子工程”和只有理论价值的“空中楼阁”。
工业制造企业往往有广泛的业务范围和复杂的业务流程，数据的“用武之地”也非常多，究竟应该从哪里“重点突破”？
大数据基础软件厂商奇点云综合“分析主线”和“业务域”双视角，把工业制造数字化转型的路径归纳为“四横十纵”：
四横：即“订单到回款拉通”、“产品全生命周期”、“业财经营一体化”、“产业链外延协同”共四条主线，企业可以优先择其最关注的一条主线，端到端建立分析链路并横向贯通，达成目标结果；
十纵：即从研发、营销、运营、供应、生产、物流、质量、售后、人资、财经十个业务域，选择与业务痛点最为紧密或分析链路上出现断点的业务域，纵向单点切入，拆解为若干分析主题，搭建数据指标体系，实现对每个业务域的深度洞察，从而实现数据赋能管理决策与业务运营。
在制定数字化转型战略规划时，企业常常遇到“大而全”的困境。在初期阶段，奇点云更推荐从上述“四横十纵”中择其一切入，在攻克痛点、看到数据价值、帮助组织建立转型信心的同时，逐步带动企业数据能力提升，形成全域数据资产。而对于数字化建设已经较为完善的企业，也可以对照“四横十纵”进行全局盘点，“查缺补漏”。
关于奇点云：
奇点云是独立第三方的大数据基础软件提供商，成立于2016年，旗下有“奇点云”、“GrowingIO”两大品牌，主力产品包括数据云平台、数据存算引擎、数据安全引擎、增长分析、客户数据平台等。除了提供专业技术产品为数据“生产—消费”提质提效，奇点云也提供咨询、运营、运维等企业级的服务支撑，助客户攻克数字化不同阶段的各项难题。
目前，奇点云已服务制造、消费零售、金融等领域1500+客户，协同客户构建其自有的数据能力，全场景赋能商业决策。
