DB50 T 1452-2023 工业数据治理规范.pdf

《DB50 T 1452-2023 工业数据治理规范.pdf》由会员分享，可在线阅读，更多相关《DB50 T 1452-2023 工业数据治理规范.pdf（14页珍藏版）》请在麦多课文档分享上搜索。

1、ICS 35.080CCS L 77DB50重庆市地方标准DB50/T 14522023工业数据治理规范2023-08-25 发布2023-11-25 实施重庆市市场监督管理局发 布DB50/T 1452-2023I目 次前言.III1 范围.22 规范性引用文件.23 术语和定义.24 工业数据治理总则.24.1 概述.24.2 目标.34.3 任务.35 工业数据治理框架.36 顶层设计.46.1 战略规划.46.2 组织构建.46.3 架构设计.57 工业数据治理环境.57.1 内外环境.57.2 促成因素.58 工业数据治理域.68.1 工业数据管理体系.68.2 工业数据价值体系.6

2、9 工业数据治理通用过程.69.1 总体要求.69.2 统筹和规划.69.3 构建和运行.79.4 监控和评价.79.5 改进和优化.710 工业数据治理能力成熟度评估.710.1 概述.710.2 原则.810.3 等级划分.8附录 A（资料性）重庆市特色产业工业数据治理实施流程示例.9A.1实施概述.9A.2电子信息产业的工业数据特点.9A.3装备制造业的工业数据特点.9DB50/T 1452-2023IIA.4汽车产业工业数据特点.9A.5实施过程.9参考文献.10DB50/T 1452-2023III前 言本文件按照GB/T 1.12020标准化工作导则 第1部分：标准化文件的结构和起

3、草规则的规定起草。请注意本文件的某些内容可能涉及专利。本文件的发布机构不承担识别专利的责任。本文件由重庆市工业互联网发展研究中心（中国工业互联网研究院重庆分院）提出。本文件由重庆市大数据应用发展管理局归口并组织实施。本文件起草单位：重庆市工业互联网发展研究中心（中国工业互联网研究院重庆分院）、重庆邮电大学、重庆市质量和标准化研究院、重庆大学、重庆电子工程职业学院、重庆优米工业自动化设备有限公司、工因特（重庆）科技有限公司、重庆西辰智能技术有限公司、中移物联网有限公司、数字重庆大数据应用发展有限公司、重庆飞象工业互联网有限公司。本文件主要起草人：郭刚、陈宏果、贾云健、叶林佶、杨超、唐萍峰、黄庆卿

4、、张程、夏中灵、魏旻、鲁金屏、马晓双、窦俊豪、杜雪飞、盛佳会、樊陆陆、丁源、樊超、邱江、林紫微、温智宇、刘轩宏、穆金刚、李斌、李良健、杨益、王强、欧阳光。DB50/T 1452-20232工业数据治理规范1范围本文件提出了工业数据治理的总则和框架，规定了顶层设计、治理环境、治理域、工业数据治理通用过程及能力成熟度评估体系的要求。本文件适用于工业数据治理现状评估，工业数据治理体系的建立、监督、运行和完善。本文件不适用于涉及国家秘密信息的工业数据治理活动。2规范性引用文件下列文件中的内容通过文中的规范性引用而构成本文件必不可少的条款。其中，注日期的引用文件，仅该日期对应的版本适用于本文件；不注日期

5、的引用文件，其最新版本（包括所有的修改单）适用于本文件。GB/T 18391.1-2009信息技术 元数据注册系统(MDR)第1部分：框架GB/T 34960.5-2018信息技术服务 治理 第5部分：数据治理规范GB/T 36073-2018数据管理能力成熟度评估模型3术语和定义GB/T 34960(所有部分)界定的以及下列术语和定义适用于本文件。3.1元数据metadata定义和描述其他数据的数据。来源：GB/T 18391.1-2009，3.2.163.2工业数据industrial data工业领域产品和服务全生命周期产生和应用的数据，包括但不限于工业企业在研发设计、生产制造、经营管理

6、、运维服务等环节中生成和使用的数据，以及工业互联网平台企业在设备接入、平台运行、工业APP应用等过程中生成和使用的数据。4工业数据治理总则4.1概述工业数据治理源于企业的外部监管、内部工业数据管理及应用的需求，主要包括：a)法律法规、行业监管和内部管控等对工业数据及其应用的安全、合规的要求；b)工业数据的产品化、服务化、资源化、资产化和价值化的要求；DB50/T 1452-20233c)工业数据生存周期管理及应用过程中，工业数据架构、工业数据模型、工业数据标准、工业数据质量和工业数据安全等体系建设的要求；d)工业数据的多样性、实时性、复杂性、碎片化等特性，同时与工业机理模型结合紧密的实践应用要

7、求；e)工业数据真实全面反映客观事实，满足业务的分析、挖掘、应用和科学决策的要求；f)工业互联网战略下，信息技术（IT）与操作技术（OT）的深度融合协同，工业智能的大规模成熟落地，对工业数据高质量的要求。4.2目标工业数据治理的目标是构建完备数据管理和价值体系，使工业数据资产为企业实际业务提供价值，主要包括：a)构建基于工业数据特性、覆盖全面、职能完备的工业数据资产管理体系框架；b)全面提升工业数据质量，优化数据服务，促进数据的共享和流通，加速跨专业的数据融合，强化数据的安全保障，推动数据的对外开放，探索建设工业数据生产消费闭环；c)实现全组织、全业务、全领域的工业数据资产的可用可管，对内支撑

8、企业业务的协同和高质量发展，对外培育工业数据生态。4.3任务企业应通过规范、计划、建设和运营的方法，结合企业业务战略与工业数据消费实际需求，实施工业数据治理的任务，主要包括：a)评估企业的工业数据治理现状，制定工业数据治理的战略目标，确定工业数据的管理方法，建立工业数据的管理组织，开展工业数据治理的培训推广，梳理企业的工业数据领域，规范工业数据治理的范围和关系；b)在规范基础之上进行工业数据治理的需求计划，分析工业数据治理的影响范围和结果，并规划管理数据的存储位置和元数据语义；c)通过搭建工业数据架构、制定工业数据治理规范、搭建工业数据治理平台等措施，确保工业数据治理成效；d)建立长效的工业数

9、据治理运营、评估、审计机制，坚持执行工业数据质量监控和实施，数据访问审计与评估常态化，实施完整的工业数据全生命周期管理。5工业数据治理框架工业数据治理框架包含顶层设计、工业数据治理环境、工业数据治理域、工业数据治理过程和评估体系五大部分，见图1。顶层设计，包含工业数据相关的战略规划、组织构建和架构设计，是工业数据治理实施的基础。工业数据治理环境，包含内外部环境及促成因素，是工业数据治理实施的保障。工业数据治理域，包含工业数据管理体系和工业数据价值体系，是工业数据治理实施的对象。工业数据治理过程，包含统筹和规划、构建和运行、监控和评价以及改进和优化，是核心重点。评估体系，包括评估体系的建设、指导

10、、监督、执行，涉及工业数据治理的全领域,是工业数据治理成效的依据。DB50/T 1452-20234图 1 工业数据治理框架6顶层设计6.1战略规划工业数据战略规划应保持与业务规划、信息技术规划一致，并明确实施的策略，应包括但不限于：a)理解业务规划和信息技术规划，调研需求并评估工业企业业务现状、工业企业数字化现状、工业数据现状、技术现状、应用现状和环境等因素；b)工业数据战略规划应充分考虑干系人的业务诉求，充分理解工业企业发展和业务运营过程中的固有数据需求和衍生数据需求；c)制定工业数据战略规划，包含但不限于愿景、目标、任务、内容、边界、环境和蓝图等；d)指导工业数据治理方案的建立，包含但不

11、限于实施主体、责权利、技术方案、管控方案、实施策略和实施路线等，并明确工业数据管理体系、工业数据价值体系；e)工业数据战略应作为工业数据管理和应用的高层策略，规定工业企业数据价值定位、长中短各阶段的实施目标，以及实施数据战略的行动路线和具体措施；f)工业数据战略规划应对工业数据治理所使用的技术和工具给出指导性方案或选型建议；g)明确风险偏好、符合性、绩效和审计等要求，监控和评价工业数据治理的实施并持续改进。6.2组织构建企业构建业务负责制的工业数据责任体系，通过充分考虑企业内部IT系统、OT系统、数据资源、人力资源及业务应用的开展现状，建立有效支撑工业数据治理的企业架构，应包括但不限于：a)建

12、立高层级组织机构，代表企业制定数据管理相关的政策、流程、方法和提供支撑系统，制定企业工业数据管理的战略规划和实施计划并监控落实；b)建立并维护支持数据战略的组织机制，监控工业数据质量，披露重大数据问题，建立专业任职资格管理体系；c)明确决策和实施机构，建立相关的授权、决策和沟通机制，确保责权利的一致；DB50/T 1452-20235d)实现决策、执行、控制和监督等职能，评估运行绩效并持续改进和优化，推荐但不限于构建包含第三方监督评估机构；e)可参考虚实结合的数据组织设置，“实线”面向业务治理负责工业数据消费，“虚线”面向数据治理委员会负责统一的政策、流程和规则落地。6.3架构设计架构设计应关

13、注工业数据架构、技术架构、应用架构和架构管理体系等，通过持续的评估、改进和优化，以支撑相关应用和服务，应包括但不限于：a)聚焦工业数据治理建章立制工作，包括但不限于工业数据治理章程工业数据报送专项办法工业数据治理管理办法工业数据治理管理考核办法等；b)建立与战略一致的工业数据架构，明确技术方向、管理策略和支撑体系，以满足工业数据管理、工业数据流通、工业数据服务、工业数据价值变现等需求；c)评估工业数据架构设计的合理性和先进性，包括但不限于工业数据库架构、工业数据仓库、文档和内容架构以及工业元数据架构，同时监督工业数据架构的管理和应用；d)评估管理体系的合理性和有效性，对工业数据架构管理职能持续

14、改进和优化；e)基于信息数据架构一体化建模架构，打通设计和物理实现，应能对设计、发布、管理运营等全生命周期进行融合管理。7工业数据治理环境7.1内外环境企业应分析业务、市场和利益相关方的需求，适应内外环境变化，支撑治理工作的实施，应包括但不限于：a)遵循法律法规、行业监管和内部管控，满足风险控制、数据安全和隐私的要求；b)遵从企业的业务战略，满足利益相关方需求；c)识别并评估市场发展、竞争地位和技术变革等变化；d)规划并满足工业数据治理对各类资源的需求，包括人员、经费和基础设施等；e)规划并满足工业数据治理对“人、机、料、法、环”协调发展的需求，包括人员、设备、材料、工艺方法和过程环境等。7.

15、2促成因素企业应识别工业数据治理的促成因素，保障工业数据治理的实施，应包括但不限于：a)获得工业数据治理决策机构的授权和支持；b)明确人员的业务技能及职业发展路径，开展培训和能力提升；c)明确元数据管理是工业数据治理的核心，统一元数据标准，实现元数据的“一处维护，多处共享”；d)关注技术发展趋势和技术体系建设，开展技术研发和创新；e)制定工业数据治理实施流程和制度，并持续改进和优化；f)构建工业数据消费场景，促进工业数据资产变现；g)积累工业数据治理实施经验，降低工业数据使用成本；h)营造数据驱动的创新文化，构建数据管理体系和数据价值体系；DB50/T 1452-20236i)工业数据治理工作

16、应与业务战略和优先事项建立直接联系，应将治理政策和标准与业务优先事项、业务流程指标以及工业应用指标对齐；j)应把业务价值和优先成果作为工业数据治理的核心，确保指标的利益相关者与工业数据治理负责人目标一致；k)评估工业数据资源的管理水平和数据资产的运营能力，按照 GB/T 36073-2018 的规定构建工业数据管理能力评估体系。8工业数据治理域8.1工业数据管理体系企业应围绕工业数据标准、工业数据质量、工业数据安全、元数据管理和数据生存周期等，开展工业数据管理体系的治理，应包括但不限于：a)构建工业数据基础设施，确保工业数据治理工具完整度；b)评估工业数据管理的现状和能力，分析和评估数据管理的

17、成熟度；c)指导工业数据管理体系治理方案的实施，满足工业数据战略和管理要求；d)监督工业数据管理的绩效和符合性，并持续改进和优化。工业数据管理体系的治理宜按照GB/T 34960.5-2018的要求。8.2工业数据价值体系企业应围绕工业数据流通、工业数据服务和工业数据洞察等，开展数据资产运营和应用的治理，应包括但不限于：a)评估工业数据资产运营和应用能力，满足数据价值转化和实现的要求；b)指导工业数据价值体系治理方案的实施，满足工业数据资产的运营和应用要求；c)监督工业数据价值实现的绩效和符合性，并持续改进和优化。工业数据价值体系的治理宜按照GB/T 34960.5-2018的要求。9工业数据

18、治理通用过程9.1总体要求以业务价值为导向，以满足工业数据消费为目的，结合企业业务逻辑和数据要素基础，按统筹规划、构建运行、监控评价及改进优化总体指导，核心在于对工业数据资产的管理行使权力和控制，帮助企业控制工业数据的开发和使用，降低与工业数据相关的风险，并使企业战略性地使用工业数据。9.2统筹和规划企业应获取需求，评估当前工业数据治理成熟度状态，明确工业数据治理目标和任务，发现问题和存在的风险，做好工业数据治理实施的准备，应包括但不限于：a)理解企业战略、业务现状、IT 现状、治理目标和治理范围，评估工业数据治理成熟度；b)评估工业数据治理的资源、环境和人员能力等现状，分析其与法律法规、行业

19、监管、业务发展以及利益相关方需求等方面存在的差距；c)指导工业数据治理方案的制定，包括但不限于组织机构和责权利的规划、治理范围和任务的明确、技术路线的选择以及实施策略和流程的设计；DB50/T 1452-20237d)监督工业数据治理的准备过程，包括但不限于评估的客观性、组织机构设计的合理性以及工业数据治理方案的可行性。9.3构建和运行构建工业数据策略、方案和流程，培养统一的工业数据治理能力，应包括但不限于：a)评估工业数据治理的资源、环境和人员能力等现状，分析其与法律法规、行业监管、业务发展以及利益相关方需求等方面存在的差距；b)制定与工业数据管理相关的策略、标准、制度、流程、绩效指标、项目

20、章程和计划等；c)制定工业数据治理实施方案，包括但不限于组织机构和责权利的规划、治理范围和任务的明确、技术路线的选择以及实施策略和流程的设计；d)建立统一的工业数据治理能力，包括但不限于数据管理、数据分类、数据感知、数据质量、安全与隐私等；e)搭建工业数据管理体系，基于统一的规则与平台，以业务数字化为前提，以工业数据入库/入湖为基础，通过工业数据主题联接并提供服务，支撑业务场景下的工业数据消费；f)启动工业数据治理项目，宣贯数据治理机制和路径，发布细分任务，确保项目可行性；g)量化记录工业数据治理执行相关过程，为工业数据治理的有序执行提供指导，为改进优化收集经验；h)监督工业数据治理的执行过程

21、，包括但不限于实施过程与方案的符合、治理资源的可用和治理活动的可持续。9.4监控和评价监控工业数据治理的过程，评价工业数据治理的绩效、风险与合规等要素，应包括但不限于：a)构建必要的绩效评估体系、内控体系或审计体系，制定评价机制、流程和制度；b)评估工业数据治理成效与目标的符合性，与现有资源、环境和能力的匹配程度；c)评估数据战略与商业模式、负责人、技术工具的使用和流程以及数据共享等内容；d)引入外部机构客观评价，帮助企业掌握工业数据治理成效；e)定期评价实施的有效性、合规性，确保数据及其应用符合法律法规和行业监管要求；f)监控工业数据治理的过程及产出物，保障工业数据消费对工业数据时效、质量、

22、可用、安全、成本等的要求。9.5改进和优化基于业务实践量化评估工业数据治理成效，改进工业数据治理方案，优化工业数据治理实施策略、方法和流程，应包括但不限于：a)支撑建立工业数据治理体系，包括数据治理组织架构、数据治理流程、数据治理规范等；b)持续评估工业数据治理相关的资源、环境、能力、实施和绩效等；c)指导数据治理方案的改进，优化工业数据治理的实施策略、方法、流程和制度；d)监督数据治理的改进和优化过程。工业数据治理实施示例见附录10工业数据治理能力成熟度评估10.1概述DB50/T 1452-20238工业数据治理能力成熟度评估涉及工业数据顶层规划、工业数据治理环境、工业数据治理域、工业数据

23、治理过程等方面，评估应结合工业数据价值属性、产权属性及业务价值。10.2原则工业数据治理能力成熟度评估应遵循具体原则开展，主要包括：a)可操作性原则：评估指标必须是可操作的，评估指标的内容要求是可获取的。b)量化性原则：评估指标必须是可量化的，应通过具体的数值来表示。c)可比性原则：评估指标必须是可比较的，应能进行全面的比较。d)可持续性原则：评估指标必须是可持续的，应长期使用并不断改进。10.3等级划分工业数据治理能力成熟度等级的划分为：第 1 级：初始级；第 2 级：受管理级；第 3 级：稳健级；第 4 级：量化管理级；第 5 级：优化级。应根据 GB/T 36073-2018 开展工业数

24、据治理能力成熟度评估。DB50/T 1452-20239附录A（资料性）重庆市特色产业工业数据治理实施流程示例A.1实施概述工业数据治理实施围绕重庆特色产业中的电子信息产业、装备制造业、汽车产业的工业数据特点和需求，从数据处理、数据安全、数据资源、数据要素市场、数据应用和区域协同等多个方面，提炼了共性流程。A.2电子信息产业的工业数据特点使用电子和信息技术生产、加工、处理、传播或接收信息过程中产生的高价值复杂数据,涵盖了通信、计算机、软件、电子商务、电子政务、电子教育、电子医疗等领域，以及与电子信息产品相关的设备生产、硬件制造、系统集成、软件开发和应用服务等环节,数据来源包括传感器、设备、网络

25、、平台、应用和用户等主体，数据类型包括结构化数据和非结构化数据等形式，数据内容包括文本、图像、视频、音频和地理位置等格式。A.3装备制造业的工业数据特点装备制造业工业数据主要来自CRM系统、BI系统、AI系统、物联网系统等，涵盖了装备制造业的研发、设计、生产、经营、质量、技术等方面的各类数据。可用于反映装备制造业的基本状况、发展趋势，和探索性分析，发现装备制造业的潜在问题和机会，对装备制造业的未来发展进行预测和评估，对装备制造业的决策和行动进行优化和调整。A.4汽车产业工业数据特点汽车产业工业数据包括人、车、环境三个来源，车和环境的大数据量越来越大，包括传统的统计数据、实时、连续发生的交易数据

26、、行为数据、传感数据等,涵盖生产制造、销售、养护维修等各个产业链条，主要用在智能驾驶、车联网、精准营销、智能保险等方面。A.5实施过程实施过程涉及构建数据资源目录构建、数据工作组管理、数据质量评估和数据风险处理等步骤，具体如下：a)数据资源目录构建：通过深入分析本行业数据特征，定义通用业务词汇的工具（例如业务术语表）构建数据资源目录，帮助不同的数据使用者理解和沟通数据的含义和用途。通过创建业务术语表，可统一这些词汇的定义，并将它们与相关的数据资产关联起来。b)数据工作组管理：通过管理数据工作组来定义和改进特定数据域（例如客户或供应商）的组织结构，数据工作组由不同角色（例如数据所有者、数据管理员

27、、数据质量专家等）组成。工作组应制定相应的策略、原则和步骤，并报告进度和问题。工作组应跨企业协调和管理特定域的数据生命周期。c)数据质量评估：通过对数据质量的监控、改进和报告来评估数据准确性、完整性、时效性、一致性，涉及对数据进行监测、度量、清洗、纠错等操作。DB50/T 1452-202310d)数据风险处理：通过保障数据安全和隐私，可以降低风险并增强用户信心，它涉及到对数据进行分类、标记、加密、脱敏等操作。DB50/T 1452-2023参考文献1 GB/T 18391.1-2009信息技术 元数据注册系统（MDR）第部分：框架2 GB/T 19001-2016质量管理体系 要求3 GB/

28、T 19668.1-2014信息技术服务 监理 第1部分：总则4 GB/T 20269-2006信息安全技术 信息系统安全管理要求5 GB/T 22080-2016信息技术安全技术 信息安全管理体系 要求6 GB/T 24405.1-2009信息技术服务 管理 第1部分：规范7 GB/T 26317-2010公司治理风险管理指南8 GB/T 28827.2-2012信息技术服务 运行维护 第2部分：交付规范9 GB/T 34960.1-2017信息技术服务 治理 第1部分：通用要求10 GB/T 34960.5-2018信息技术服务 治理 第5部分：数据治理规范11 GB/T 36073-2018数据管理能力成熟度评估模型12 GB/T 41479-2022信息安全技术 网络数据处理安全要求13 SJ/T 11445.2-2012信息技术服务 外包 第2部分：数据（信息）保护规范14 ISO/IEC 38500:2015Information technologyGovernance of IT for the organization15 工业和信息化部.关于工业大数据发展的指导意见工信部信发202067号16 工业和信息化部.工业数据分类分级指南(试行)工信厅信发20206号_