展望2019年 我国大数据产业整体仍将保持较高增速

导读：展望2019年，我国大数据产业整体仍将保持较高增速。预计2019年我国大数据核心产业规模有望突破7200亿元，增速将维持在25%~30%左右。随着我国大数据企业核心竞争力的不断提升，大数据产业链条将更为完备，围绕产业链上下游的布局趋于合理，协同创新能力将不断提升。

工业大数据将持续引领制造业升级。2018年，随着《关于深化制造业与互联网融合发展的指导意见》等一系列政策文件的出台实施和深入贯彻，制造业数字化、网络化、智能化转型步伐不断加快。高质量数据已成为工业系统运行的核心要素，用于推动大中型企业实现智能制造升级和工业互联网转型，并支撑中小企业创新创业。企业级工业大数据平台应用场景不断丰富，百度的工业大数据监测平台已逐渐延伸到汽车、日化等行业;三一重工利用大数据分析技术为智能工程机械物联网提供有效决策支持。工业大数据生态环境不断优化，在工信部指导下成立的工业互联网产业联盟，目前会员数已突破400家，已从产业需求、技术标准、应用推广、安全保障、国际合作等角度开展了多项务实工作并取得了诸多研究成果。

展望2019年，随着各项政策红利的相继释放，工业大数据将迎来重要机遇期，在工业产品创新、工业物联网、工业供应链等方面将不断创造价值，持续推动我国工业高质量发展。工业互联网平台将成为工业大数据竞争的制高点，我国制造业企业围绕平台布局实现转型升级的步伐将显着增快。随着各地工业大数据试点示范工作的全面开展，工业大数据骨干企业和创新型企业的服务供给能力将不断提升，工业大数据在加速产品创新设计、产品故障诊断与预测、供应链的分析和优化等具体生产场景中的引领作用将不断强化。

对策建议

(一)分层次推进大数据治理体系建设。建立健全数据相关制度体系，组织开展数据共享、开放、交易、安全等方面的细则研究工作及相关的专项检查和治理，推动制定数据资源确权、开放、流通、交易相关制度。建立标准规范体系，明确交易规则，制定定价标准，规范数据利用和交易。完善大数据第三方监管平台建设，建立数据交易机构资质审核和准入机制，加强事前准入、事中监测和事后处置等监管机制和手段，大力发展数据评估、数据估值和数据交易审计等第三方服务。建立数据流通负面清单制度，规范数据流通行业，禁止危害国家安全、泄漏个人信息及企业商业秘密的数据的流通。

(二)全方位提升工业大数据服务能力。建立工业大数据标准体系，围绕大数据在工业产品研发设计、生产制造、物流、销售、维保服务等全生命周期的应用进行相关标准及技术框架研制。支持骨干企业及行业协会组织积极参与标准制定，并率先探索工业大数据标准应用。推进高端设备读写自由研究，实现工业软件、物联设备的自主可控，促进设备数据融合流通。建设工业大数据平台，联合国内领先工业系统及解决方案企业、信息技术企业和工业生产企业，共同开放能够实现底层设备数据集成、计算处理和分析的新型工业大数据平台，支持第三方开发工业大数据分析应用。支持企业探索工业大数据应用和服务模式，建立试点间企业互联互通的数据融合系统网络，逐步扩大影响范围，为广泛培育数据驱动型企业提供实践经验。

(三)打造监管防三位一体安全综合体系。强化数据法律的建设，明确数据采集、传输、存储、使用、开放等各环节的范围边界、责任主体和具体要求，在法律法规层面强调数据的资产地位。对企业的个人信息开发利用、数据外包服务的使用、数据共享合作等行为加强安全监管。制定大数据共享交换和开放目录，为数据融合、交易安全、共享开放提供技术依据。加强安全技术防护机制，在真实性基础上，通过一体化管控约束、规范、监控用户行为，利用多级别容侵技术实现对网络攻击的高抵抗能力，建立集建、管、防为一体的纵深防御体系。鼓励在涉及国家安全和稳定的应用场景下采用安全可控产品，提升基础设施关键设备自主可控水平。建立网络安全监测机制，对网络攻击、网络病毒、网络中断事故等重大安全事件进行全方位监测、精准化分析和智能化预警。

(四)加速推进大数据技术产品创新。推进产学研用协同攻关，加强大数据分析关键算法和共性基础技术研发，重点加强大规模数据仓库、非关系型数据库、数据存储、数据清洗、数据分析挖掘、数据可视化、自主可控信息安全与大数据条件下隐私保护等核心技术研发创新。鼓励企业以开源模式和开放社区资源为基础开展技术产品研发，重点突破同态加密、差分隐私、多方安全计算、零知识证明技术等关键技术和产品。围绕重点领域大数据应用，突破基于纵向行业数据的价值挖掘理论和算法，开展大数据应用模型、深度学习、类脑计算、认知计算、区块链、虚拟现实等技术和产品创新。加速推进科研成果转化，大力发展以应用需求为牵引的跨学科、跨领域交叉融合技术研究，汇聚多方资源共同加快大数据前沿技术产业化进程。

(五)构建大数据人才培养体系鼓励大数据企业、研究机构和高等院校合作开展数据科学和大数据专业学历教育，针对大数据产业发展需求，培养培养大数据系统架构师、分析师、数据分析师、数据挖掘工程师等专业人才以及大数据领域高层次创新人才。加大大数据尖端人才引进力度。共建实习实训基地，发展订单式、现代学徒制等专业化人才培养模式，有针对性培养实用型、技能型人才，提升技术人员的综合数据处理能力。积极拓展企业家培训平台，依托国际国内知名学府、知名跨国公司和其他培训机构，进一步加强对本土科技型企业家的培育和培训，培育一批高素质的大数据人才和跨界复合型领导人才。