2019年中国烟草公司招聘考试时政热点（544）

一是缺乏权威的数据标准。制造业企业每天产生和利用大量数据，比如，经营管理数据、设备运行数据、外部市场数据等。但是，工业设备种类繁多、应用场景较为复杂，不同环境有不同的工业协议，数据格式差异较大，不统一标准就难以兼容，也难以转化为有用的资源。目前，我国已有全国信息技术标准化技术委员会、智能制造综合标准化工作组、工业互联网产业联盟等多个从事相关标准研发的机构，制定了《国家智能制造标准体系建设指南(2018年版)》《工业互联网标准体系框架(版本1.0)》等文件，但具体标准的研制和推广工作刚刚启动，市场接受度还不够高。

二是数据安全有待保障。工业数据的安全要求远高于消费数据。工业数据涵盖设备、产品、运营、用户等多个方面，在采集、存储和应用过程中一旦泄露，会给企业和用户带来严重的安全隐患。数据如果被篡改，可能导致生产过程发生混乱，甚至会威胁城市安全、人身安全、关键基础设施安全乃至国家安全。目前，各种信息窃取、篡改手段层出不穷，单纯依靠技术难以确保数据安全，相关惩罚措施亦不到位，不能给数据窃取、篡改者足够的威慑。

三是数据开放与共享水平尚需提高。随着数字经济发展，企业对外部数据的需求呈现不断上升的趋势，包括产业链上下游企业信息、政府监管信息、公民基础信息等，将这些数据资源进行有效整合才能产生应用价值，但前提是这些数据能够被获得。目前，政府、事业单位等公共部门的数据仍处于内部整合阶段，对社会公开尚需时日。在社会数据方面，对哪些数据可以采集并独享、哪些数据能采集但必须共享、哪些数据不能采集还缺乏详细规定。

四是核心关键技术能力不足，信息基础设施和制造业数字化转型的基础相对薄弱。当前，关键工业软件、底层操作系统、嵌入式芯片、开发工具等技术领域基本被国外垄断;我国能够生产的工业传感器与控制产品大多集中在低端市场;控制系统、平台数据采集开发工具等领域的专利多为外围应用类，缺少核心专利。此外，虽然我国信息基础设施供给能力显著增强，但发展不平衡矛盾依然突出。