工联网消息(IItime) 今年的政府工作报告，提出“持续推进“人工智能＋”行动，将数字技术与制造优势、市场优势更好结合起来，支持大模型广泛应用”。近两年，人工智能已经成为成为推动各行业高质量发展的关键力量，工业行业也毫不例外。

在工业领域，人工智能凭借其强大的数据分析与处理能力，已在生产流程优化、设备故障预测、质量检测等多方面发挥着不可替代的作用。不过，随着人工智能应用的不断深入，工业数据的规模愈发庞大、结构愈发复杂。因此，在工业中大力推进“人工智能＋”行动的当下，数据治理已成为保障工业行业借助人工智能实现高质量发展绕不开的关键环节。

何为数据治理？数据治理是围绕数据全生命周期，通过管理优化和技术工具，确保数据的可用性、一致性、安全性、合规性的管理体系。数据治理主要集中在数据收集、存储、传输、加工处理等环节。在这个过程中，可能会产生大量的数据，但是没有经过有效的治理，数据的质量就会非常差。为了保障数据质量，必须对这些数据进行处理和利用。对于工业而言，工业数据治理对工业行业的发展至关重要。

工信部高度重视工业数据行业，2022年发布《工业和信息化领域数据安全管理办法（试行）》，细化国家工业数据安全管理制度；2024年发布《工业领域数据安全能力提升实施方案（2024—2026年）》，体系化推动工业数据安全工作向纵深发展。在标准化方面，《工业领域数据安全标准体系建设指南（2023版）》，提出到2026年形成完备的数据安全标准体系。全国信息化和工业化融合管理标准化技术委员会（SAC/TC573）归口了5项工业软件行业标准，推动工业软件底层数据的打通和兼容。工业和信息化部原副部长，研究员级高级工程师王江平指出，我国工业数据行业取得了一定进展，但仍面临政策落地难、标准不完善、企业能力不足、数据共享与隐私矛盾、技术创新与安全平衡难题以及行业协同不足等问题。

工业数据治理面临哪些难题？在王江平看来主要存在两大难题。一是获取难，数据高度分散于企业内部，“数据孤岛”现象严重。企业IT资产种类繁多、来源多样、协议标准不统一，导致数据异构性问题突出，难以实现统一交换与共享。二是质量参差不齐，工业生产环境复杂多变，数据噪声和异常值较多，设备故障、传感器失效等问题导致数据缺失和不完整现象普遍存在。对于工业数据治理，他提出六点建议：一是强化数据标准，推动专业化工业数据集建设；二是以企业数据资产化为核心，推动数据价值实现；三是引导企业建立数据质量与安全管理体系；四是建设数据可信空间，推动数据共享流通；五是强化国家产业安全，建立三大安全保障机制；六是加强数据复合型人才培养。

工业数据治理是工业行业在“人工智能＋”时代实现高质量发展的核心支撑。通过全生命周期的精细治理，工业企业能够充分挖掘数据价值，让人工智能技术在工业生产中发挥最大效能，提升企业的核心竞争力，推动工业行业向智能化、数字化、绿色化转型发展，在全球工业竞争的舞台上占据领先地位。