数据是具有支撑和引领双重属性的新型要素，也是制造业高质量发展的重要基础，更是深入贯彻数字经济“一号工程”的重要内容。然而当前数据的价值很大程度未被有效挖掘与利用，这也成为实现数据赋能制造业高质量发展的关键阻碍。
当前我省制造业数据使用过程中主要存在的问题
1 制造业企业数据利用率低
制造业高质量发展的实现离不开数据的支撑，但是我国大多数制造业企业数字化程度较低，数据利用水平低下。2020年，IBM联合e-works发布的《电子与机械行业存储应用态势调研报告》显示，70.6%的电子信息制造业企业和61.6%的机械装备制造业企业表示“较低的数据利用效率无法有效支撑工业智能化应用”。由于浙江中小制造业企业数字化水平较低，表现为企业规模小、数据管理意识缺乏、技术水平不高，致使大量的中小制造业企业的数据使用价值极低，造成高昂的沉没成本。
2 制造业企业数据管理水平较低
2019年6月，中国信息通信研究院云计算与大数据研究所、CCSA TC601大数据技术标准推进委员会联合发布的《数据资产管理实践白皮书4.0》指出，我国数据价值无法发挥的主要原因是数据质量低下，存储方式落后以及缺乏有效的管理体系。浙江省内中小制造业企业数据存储水平滞后，数据散而杂，缺乏有效的管理模式，制约了数据要素的价值发挥。此外，数据文化在数据管理中也发挥重要作用，由数字产业创新研究中心、CIO时代学院、锦囊专家、首席数字官与Informatica联合发布的《2020中国首席数据官报告》显示，76.3%的企业认为缺乏数据文化是企业数据管理落地的主要障碍，而省内大多中小制造业企业数据意识薄弱，未能充分认识到数据的重要性，阻碍了数据管理的有效实施。
3 制造业企业数据应用层次低
制造业企业的数据分析应用还普遍处于浅层阶段，《工业互联网平台白皮书（2019）》显示，40%的平台应用集中在产品或设备数据的检测、诊断与预测性分析领域，无法对复杂度更高、涉及范围更广的数据进行分析。此外，《智能制造发展指数报告（2019）》指出，仅有10%的制造业企业基于模型分析和应用数据，大部分制造业企业仍然无法深度分析和应用数据。浙江虽然积极推进“1+N”工业互联网平台建设，但目前浙江中小制造业企业居多且信息化基础薄弱，数据应用层次较低，不具备系统性数据模型和大数据分析及应用能力。
孙元教授等通过对我省制造业数据使用情况的调查，提出了相应的对策建议。
1、提升制造业企业数据利用质量。一是加强数据规范化建设，严格把控数据审核力度。开展制造业企业数据使用规范化工作，对数字化基础薄弱的企业进行重点督促指导，提高企业数据使用规范化水平；建立和完善制造业数据审核制度；组建数据评估小组，完善数据安全评估体系，确保数据能够充分服务企业的生产决策；建立通畅的数据质量反馈通道，加强数据质量的监控与修复，形成良性的反馈机制。二是提高数据变现能力。引导企业建立起符合自身业务和数据特点的数据资产体系，通过数据预处理、数据能力沉淀和数据封装三项工作的流转配合，打造完整的数据资产运作体系；积极发挥浙商组织作用，加强企业家培训；组织企业学习DevOps（开发和运维一体化）相关数据理念，加强企业数据文化建设，培养员工数据思维，促进开发、技术运营和质量保障部门之间的沟通、协作与整合，提高数据的迭代和复用率。三是加大扶持力度，提升企业数据利用能力。制定中小企业高质量发展专项计划，引导企业运用Kafka（消息发布订阅系统）、Storm（分布式实时计算）等开源技术，积极鼓励其自主研发数据转换、背压、回补等工具，确保实时数据的摄入质量；对于不具备自主研发能力的中小企业，为其提供快速搜索、二进制解码、动态时间规整等数据管理工具提高数据使用率；引导企业针对数据人才制定需求规划，建立完善的数据人才培养机制，加强人才梯队建设。
2、推动制造业企业提高数据管理能力。一是夯实制造业企业数据管理基础。以数据合理安全使用为目的，统筹数据资产，集中资源，建立专门的数据管理机构和专业的数据管理团队，制定数据使用标准及数据备案机制；明确政府部门在数据管理、服务、安全、保密等方面的规范标准以及管理方面的职责；完善数据门户网站功能，实现政府、企业、机构的动态交流，及时获得使用反馈。二是建立全面的数据管理体系。制定和完善省级制造业数据分级分类标准，督促和指导企业全面梳理生产经营中的各级各类数据，对研发数据域、生产数据域等进行分级分类存储管理，构建数据管理流程，形成完整的数据；加强数据的颗粒度管理，避免数据管理混乱；明确制造业企业分类分级主体责任及相关要求，对标数据管理中存在的不足，促进数据充分利用、全局流动和有效共享，形成良好的综合协调机制；引导企业完善人才激励机制，优化数据人才成长环境，降低人才的流失率。三是优化行业数据管理平台。结合省内块状经济和集群经济特征，编制省域产业数字化地图，通过政产学研合作模式，针对不同地区、不同产业制造业企业开发配套的数据管理平台；由政府牵头组建专业数据管理专家和服务团队，走访不同制造业企业并为其提供思想指导和技术支持，让平台服务于更多企业。四是建立综合的数字人才培养体系。加强数字人才的引进力度，着力引进“塔尖人才”；结合我省数字经济发现现状和制造业的数字人才需求，优化政策环境，完善数字人才相关政策；以制造业高质量发展需求为导向，引导高校优化新兴学科体系，促进人工智能、数据科学与其他学科间的深度融合，培育复合型数字人才，保障人才供需的良性匹配；实施青年英才集聚系列行动，建立青年人才阶梯式支持机制，鼓励企业布局海外“人才飞地”。
3、推进制造业数据的深层次应用。一是推动数据和平台的深度融合。搭建数字化转型实践交流平台，加强企业间成功经验的交流与分享；积极引进数字化建设服务商，推动平台应用批流融合处理架构，支撑生产数据和业务数据的综合分析；推动“平台连接+数据可视化”“软件上云+简单数据分析”深入发展，切实提升中小企业数据的应用能力。二是组织专业技术培训，帮扶制造业企业构建数据分析和应用模型。制定规范的数据模型设计和数据模型标准，保障数据的有效应用；组建专业技术团队，定期提供技术指导，帮助典型制造业企业基于“模型+深度数据分析”，在设计、采购、生产作业、物流、设备管理等过程中构建数据模型，以数据和模型驱动制造流程；树立并推广数据应用标杆企业，支持示范企业通过全程监控和分析复杂数据，开展数字化设计仿真、数字化工艺与制造辅助等应用。三是推动中小企业构建数字化研发体系。完善制造业高质量专项贷款，简化手续、降低利率推动融资顺畅，支持中小企业利用数据资源和数字技术构建数字化研发体系；加强校企合作，搭建“研究院+产业园+孵化园”三位一体产教融合平台，推动产品研发、生产制造、经营管理等系统数据的贯通应用；鼓励企业协同数据治理与数据应用，以用带治、以治促用，建立全流程高度数字化、网络化、模型化的应用体系。