據工信部網站消息，為推進工業大數據發展，逐步激活工業數據資源要素潛力，不斷提升數據治理和安全保障能力，工業和信息化部要求，要加強工業大數據資源采集匯聚，引導工業企業開展數據資源編目工作，加強數據清洗和預處理，提升數據準確性、完整性、一致性，實現數據資源的可見、可管、可用。支持企業建設工業大數據集成平臺和大數據中心，實現多源異構數據的融合和存儲。鼓勵企業建立數據質量管理機制，制定規范的數據質量評估監督、響應問責和流程改善方案，積極應用先進質量管理工具，形成數據質量管理閉環等。

工業大數據是制造業數字化、網絡化、智能化發展的基礎性戰略資源，正在對制造業生產方式、運行模式、生態體系產生重大而深遠的影響。目前，我國工業大數據發展和應用具備一定基礎，但也存在數據價值開發不足、技術實力亟需增強、企業積極性有待提高等問題。為深入貫徹國家大數據、數字經濟、工業互聯網創新發展戰略，推動互聯網、大數據、人工智能與制造業深度融合，促進工業經濟向數據驅動型創新體系和發展模式轉變，推動制造業高質量發展。

完善工業大數據治理體系，強化發展保障

（一）加快完善工業大數據治理規則
完善工業大數據法規標準。加強工業數據確權、數據流通、數據安全等相關法律法規立項和研究，加快完善工業大數據規范化發展的法制環境。組織開展工業大數據分類分級、全生命周期處理、數據管理等標準的研制工作，促進國家標準、行業標準和團體標準等各類標準之間的銜接配套。選擇重點行業、領域、地區開展標準試驗驗證和試點示范，激勵企業融入統一標準體系。

推動工業大數據分類分級管理。完善工業大數據分類分級頂層規劃，制定《工業數據分類分級指南》，實現數據的差異化管理。鼓勵行業主管部門、行業組織、研究機構廣泛參與，推動構建以企業為主體的工業數據分類分級管理體系，為工業數據的流動、共享和使用奠定基礎。

（二）加強工業大數據安全風險防范
構建工業大數據安全保障體系。明確安全主體責任和防護要求，構建形成覆蓋工業大數據全產業鏈的安全管理體系。加強工業大數據態勢感知、測試評估、預警處置等保障能力建設。指導企業加大安全投入，建立企業自身大數據安全風險防控體系，確保涉及企業商業秘密、公共利益、國家安全等重要敏感數據的安全。

加強工業大數據安全技術產品的研發和產業化。圍繞工業大數據全生命周期的安全保護要求，加快數據安全監測、加密傳輸、訪問控制、數據脫敏等安全技術攻關，提升防篡改、防竊取、防泄漏能力。鼓勵工業企業、平臺廠商等參與工業大數據安全產品的工程化應用，促進數據安全產品迭代優化。加快培育工業大數據安全骨干企業，支持企業開展數據安全服務，營造良好的工業大數據安全產業生態。

大數據在企業管理決策中的應用優勢
大數據在企業管理決策中具有顯著的應用優勢：第一，有助于提升決策效率，大數據平臺擁有實時采集數據資源的功能，并可基于對海量數據的快速處理和分析，提取出關鍵信息，能夠較好的滿足企業的即時性需求；第二，促使決策主體日益多元化，以往決策方式相對單一，企業高層管理人員是決策的主體，一般采用經驗來決策公司重大事項，主觀性較強，但是大數據環境下，網絡媒體使企業員工也有機會能夠參與到決策過程中，決策組織結構得以拓展；第三，增強了決策的說服力，依托于大數據的企業管理決策，具備深厚的事實基礎，融合管理者的洞察經驗，在很大程度上強化了決策方案的可信度。

大數據對企業管理決策的重要影響
（一）對決策環境的影響
隨著社會生產生活和科技的發展進步，數據量開啟井噴增長模式，大數據時代已經悄然來臨，如何有效運用大數據技術來捕捉市場經濟發展規律，促進企業管理決策的實效性與準確性是企業目前重點思索的問題。依托于云計算的大數據環境深刻影響著企業決策信息收集、決策方案制定以及方案評估等過程，使決策環境發生了顯著的變化，同時大數據視域下的企業管理決策表現出了鮮明的數據驅動特征，也即是數據驅動業務發展，為業務改良與創新提供積極可靠的導向。

（二）對決策數據的影響
大數據的核心價值并不在于數據本身，而在于數據所潛藏的有利于企業發展的信息，因此企業既要擁有數據收集能力，又要具備強大的數據整合分析能力。大數據環境下，企業數據管理和知識管理過程均發生了不同程度的變化，其中在數據管理時，企業要首先對所收集的結構化、半結構化以及非結構化數據進行清洗、抽取和集成處理，將其轉化為統一結構后再另行存儲；其次，在數據產生速度不斷加快的背景下企業決策數據管理萌生了實時處理需求，并基于實時數據流展開了深入的研究；最后，根據大數據的性質，探尋數據碎片間的關聯模式，挖掘數據中潛藏的價值信息將成為企業決策數據管理工作的重點。另外，在管理中如果僅依靠數據來完成重大事項決策，則不免會出現與生產實際相脫離的問題，為此還需融合決策者的主觀能動性，從而使決策更具可行性。

（三）對決策參與者的影響
大數據的推廣應用徹底顛覆了傳統經驗決策模式，決策的主體由企業高層管理者拓展至一線員工，在網絡媒體的宣傳作用下，數據獲取困難與數據缺失問題得到了較好的解決，越來越來的人接觸并認識到了大數據技術，且逐漸參與到了企業決策管理中，促使決策管理呈現民眾化、多元化的特征。新時期下，數據分析師作為優秀的決策參與者，可靈活運用機器學習、統計分析和分布式處理等技術，從海量數據中提取出有價值的業務信息，并以直觀形象的方式傳達給企業高層決策者，確保企業決策管理的高效性。

（四）對決策組織的影響
全員參與決策過程引起企業決策權被重新分配，而決策權的變化終會影響企業管理決策組織結構和決策文化。在大數據決策環境下，組織結構所要解決的核心問題即是如何分配決策權以及選擇合適的決策方式，這需要根據具體決策事項來確定，例如當待決策事項處于掌控范圍內，對組織過程施加影響較小時，運用集中決策方式來解決相對合適，而當待決策事項處于不可預知、無法掌控的狀態下，此時運用分散決策方式則更加有效。從長遠的角度來分析，分散決策方式更適用于動態變化型決策環境，擁有較為廣泛的發展空間，如今傳統金字塔型決策組織結構正在被扁平化組織結構所代替，員工在企業決策過程中的作用日益突顯。與此同時，在大數據決策環境下，企業高層管理人員及員工的思維均在潛移默化中發生了轉變，并催生了學習型企業文化，這是企業進步的重要體現。

（五）對決策技術的影響
面對急劇增長的數據量，企業正在致力于找尋低成本、易擴展的數據處理分析平臺，用于整合海量數據，現階段的云計算平臺則為大數據的管理提供了強有力的技術支撐，不僅可將大量異構數據源進行統一結構化，而且還可將數據進行一系列的轉換處理，并以直觀形象的方式傳遞給企業高層決策人員作為事實參考。在此過程中，還應用了可視化技術，該技術可通過對原本抽象數據信息的加工使其轉變為圖文形式，有助于加深用戶對信息的理解和掌握。大數據背景下，數據多以數據流的形態呈現，需要運用知識挖掘技術來探尋數據碎片間的潛在關聯，并獲得真正的價值信息，因此企業需要加快技術創新，利用最新的技術為管理決策過程服務。