4.5　新技术与数据治理

目前正处于第四次工业革命时期，新技术的发展比以往任何时候都快。除基础科研方面的突破外，物联网、人工智能、云计算、增强现实、虚拟现实、深度学习、机器学习、机器视觉和图像识别等新兴技术亦取得了跳跃式的进步。新技术之间的相互组合及快速发展与应用，促使制造业生产效率提高、产品质量改善、产品成本和资源消耗降低，并将传统工业提升到智能工业的新阶段。新技术的应用发展，使得数据迎来爆发式的增长。要有效利用数据，让数据变得更有价值，就需要建立完善的数据治理体系。

1. 新技术与大数据

目前，我国在物联网+工业、人工智能+物联网、深度学习、机器学习、图像识别、增强现实和虚拟现实等新兴技术领域中已经取得突破性成就，并在市场上也得到了广泛的应用和推广。新兴技术成为当前最重要的投资发展领域之一。新技术的广泛应用，使得各种数据信息呈爆发式增长，比如传统单体智能无法协调大规模智能设备共同完成实时感知和决策等工作，但随着物联网协同感知新技术、5G高速通信新技术的发展，多智能体之间的协同合作已成为可能。大规模智能交通灯调度可以实现动态实时调整；无人仓储多机器人可以将完成货物分拣的高效协作；无人驾驶车可以感知全局路况；群体无人机可以协同，并且可以与地面多机器人协同。它们都会产生超大规模的数据交换与处理。又如深度学习需要采用规模非常庞大的网络，存储很多参数及完成大量计算，同时，在这些计算过程中，会生成大量的数据。如果没有有效的数据治理，这些大量的数据要么使得系统崩溃或者变慢，要么就安静地躺在数据服务器里变成一堆毫无用处的“废弃品”。随着新技术的不断发展，在未来的十年、二十年中，数据呈爆炸式地增长的趋势是不变的，特别是随着大数据、云计算及5G技术的发展，万物互联成为一个现实，在这个时代下大家产生的数据只会逐渐增多，这就更加迫切地需要数据治理。

2. 新技术下的数据治理

在大数据时代，数字经济极大地改变了人类的生产及生活方式，给人类带来了诸多的便利。人类的生活与数字经济的发展已密不可分，而数据治理则是数字经济发展绕不开的话题。

随着工业大数据的发展，为满足数据治理的需求，采用与机器学习相关的数据分析模型和算法可实现对工业数据的精准类别的识别、划分；采用线性回归、逻辑回归、支持向量机、决策树等算法可实现工业设备、产品等数据预测模型的建立，对设备和产品的运行趋势或故障状况进行科学预测分析，支撑设备和产品的预测性维护，以提高工业企业设备、产品等运营管理水平；采用图像识别处理、计算机视觉等算法，可实现对工业生产制造中产生的非结构化的图形图像大数据进行结构化知识发现和分类分析，为工业数字孪生、数字仿真等数据应用提供重要的技术支撑。

在大数据时代，数据治理能够更好地辅助新技术的推广与应用，促进技术的不断创新发展，而新兴技术的广泛应用又能带动数据治理体系的建立和完善。 gW1B57KDOVwlbl+OhIi05PODjb4nPm7XGaLhL+yQT/OW7HP9i7wAVVcM7lm89MAc