据工信部网站消息，为推进工业大数据开展，逐步激活工业数据资源要素潜力，不断提升数据治理和安全保障能力，工业和信息化部要求，要加强工业大数据资源采集汇聚，引导工业企业召开数据资源编目工作，加强数据清洗和预处理，提升数据准确性、完整性、一致性，实现数据资源的可见、可管、可用。支持企业建设工业大数据集成平台和大数据中心，实现多源异构数据的融合和存储。鼓励企业建立数据质量管理机制，制定规范的数据质量评估监督、响应问责和流程改善方案，持续应用先进质量管理工具，形成数据质量管理闭环等。

工业大数据是制造业数字化、网络化、智能化开展的基础性战略资源，正在对制造业生产方式、运行模式、生态体系产生重大而深远的影响。现在，我国工业大数据开展和应用具备一定基础，但也存在数据价值开发不足、技术实力亟需增强、企业持续性有待提高等问题。为深入贯彻国家大数据、数字经济、工业互联网创新开展战略，有助于互联网、大数据、人工智能与制造业深度融合，促进工业经济向数据驱动型创新体系和开展模式转变，有助于制造业高质量开展。

完善工业大数据治理体系，强化开展保障

（一）加快完善工业大数据治理规则
完善工业大数据法规标准。加强工业数据确权、数据流通、数据安全等相关法律法规立项和研究，加快完善工业大数据规范化开展的法制环境。组织召开工业大数据分类分级、全生命周期处理、数据管理等标准的研制工作，促进国家标准、行业标准和团体标准等各类标准之间的衔接配套。选择重点行业、领域、地区召开标准试验验证和试点示范，激励企业融入统一标准体系。

有助于工业大数据分类分级管理。完善工业大数据分类分级顶层规划，制定《工业数据分类分级指南》，实现数据的差异化管理。鼓励行业主管部门、行业组织、研究组织广泛参与，有助于构建以企业为主体的工业数据分类分级管理体系，为工业数据的流动、共享和使用奠定基础。

（二）加强工业大数据安全风险防范
构建工业大数据安全保障体系。明确安全主体责任和防护要求，构建形成覆盖工业大数据全产业链的安全管理体系。加强工业大数据态势感知、测试评估、预警处置等保障能力建设。指导企业加大安全投入，建立企业自身大数据安全风险防控体系，确保涉及企业商业秘密、公共利益、国家安全等重要敏感数据的安全。

加强工业大数据安全技术产品的研发和产业化。围绕工业大数据全生命周期的安全保护要求，加快数据安全监测、加密传输、访问控制、数据脱敏等安全技术攻关，提升防篡改、防窃取、防泄漏能力。鼓励工业企业、平台厂商等参与工业大数据安全产品的工程化应用，促进数据安全产品迭代优化。加快培育工业大数据安全骨干企业，支持企业召开数据安全服务，营造良好的工业大数据安全产业生态。

大数据在企业管理决策中的应用优势
大数据在企业管理决策中具有显著的应用优势：第一，有助于提升决策效率，大数据平台拥有实时采集数据资源的功能，并可基于对海量数据的快速处理和分析，提取出关键信息，能够较好的满足企业的即时性需求；第二，促使决策主体日益多元化，以往决策方式相对单一，企业高层管理人员是决策的主体，一般采用经验来决策公司重大事项，主观性较强，但是大数据环境下，网络媒体使企业员工也有机会能够参与到决策过程中，决策组织结构得以拓展；第三，增强了决策的说服力，依托于大数据的企业管理决策，具备深厚的事实基础，融合管理者的洞察经验，在很大程度上强化了决策方案的可信度。

大数据对企业管理决策的重要影响
（一）对决策环境的影响
随着社会生产生活和科技的开展进步，数据量开启井喷增长模式，大数据时代已经悄然来临，如何有效运用大数据技术来捕捉市场经济开展规律，促进企业管理决策的实效性与准确性是企业现在重点思索的问题。依托于云计算的大数据环境深刻影响着企业决策信息收集、决策方案制定以及方案评估等过程，使决策环境发生了显著的变化，同时大数据视域下的企业管理决策表现出了鲜明的数据驱动特征，也即是数据驱动业务开展，为业务改良与创新给予持续可靠的导向。

（二）对决策数据的影响
大数据的核心价值并不在于数据本身，而在于数据所潜藏的有利于企业开展的信息，因此企业既要拥有数据收集能力，又要具备强大的数据整合分析能力。大数据环境下，企业数据管理和知识管理过程均发生了不同程度的变化，其中在数据管理时，企业要第一时间对所收集的结构化、半结构化以及非结构化数据进行清洗、抽取和集成处理，将其转化为统一结构后再另行存储；其次，在数据产生速度不断加快的背景下企业决策数据管理萌生了实时处理需求，并基于实时数据流展开了深入的研究；最后，根据大数据的性质，探寻数据碎片间的关联模式，挖掘数据中潜藏的价值信息将成为企业决策数据管理工作的重点。另外，在管理中如果仅依靠数据来完成重大事项决策，则不免会出现与生产实际相脱离的问题，为此还需融合决策者的主观能动性，从而使决策更具可行性。

（三）对决策参与者的影响
大数据的推广应用彻底颠覆了传统经验决策模式，决策的主体由企业高层管理者拓展至一线员工，在网络媒体的宣传作用下，数据获取困难与数据缺失问题得到了较好的解决，越来越来的人接触并认识到了大数据技术，且逐渐参与到了企业决策管理中，促使决策管理呈现民众化、多元化的特征。新时期下，数据分析师作为优秀的决策参与者，可灵活运用机器学习、统计分析和分布式处理等技术，从海量数据中提取出有价值的业务信息，并以直观形象的方式传达给企业高层决策者，确保企业决策管理的高效性。

（四）对决策组织的影响
全员参与决策过程引起企业决策权被重新分配，而决策权的变化终会影响企业管理决策组织结构和决策文化。在大数据决策环境下，组织结构所要解决的核心问题即是如何分配决策权以及选择合适的决策方式，这需要根据具体决策事项来确定，例如当待决策事项处于掌控范围内，对组织过程施加影响较小时，运用集中决策方式来解决相对合适，而当待决策事项处于不可预知、无法掌控的状态下，此时运用分散决策方式则更加有效。从长远的角度来分析，分散决策方式更适用于动态变化型决策环境，拥有较为广泛的开展空间，如今传统金字塔型决策组织结构正在被扁平化组织结构所代替，员工在企业决策过程中的作用日益突显。与此同时，在大数据决策环境下，企业高层管理人员及员工的思维均在潜移默化中发生了转变，并催生了学习型企业文化，这是企业进步的重要体现。

（五）对决策技术的影响
面对急剧增长的数据量，企业正在致力于找寻低成本、易扩展的数据处理分析平台，用于整合海量数据，现阶段的云计算平台则为大数据的管理给予了强有力的技术支撑，不仅可将大量异构数据源进行统一结构化，而且还可将数据进行一系列的转换处理，并以直观形象的方式传递给企业高层决策人员作为事实参考。在此过程中，还应用了可视化技术，该技术可顺利获得对原本抽象数据信息的加工使其转变为图文形式，有助于加深用户对信息的理解和掌握。大数据背景下，数据多以数据流的形态呈现，需要运用知识挖掘技术来探寻数据碎片间的潜在关联，并取得真正的价值信息，因此企业需要加快技术创新，利用最新的技术为管理决策过程服务。