下载掌阅APP，畅读海量书库
立即打开
根据制造业多价值链协同数据空间的基本概念，其基本特征总结如下：
制造业多价值链协同数据空间具有一般数据空间的基本特征，包括面向对象性、较高的安全性、数据资产性等。除此之外，制造业多价值链协同数据空间在面向制造及协作企业的多价值链协同时，也有了一些新的基本特征如下：
不同于互联网等简单的数据流，制造业多价值链协同数据空间中所包含的数据源自制造及协作企业之间的多条价值链，其数据表现为多源异构、价值密度低、异常数据多等特征，传统的数据储存和管理已无法满足当前制造业大数据的需求。因此，在制造业多价值链协同数据空间中要按照统一的标准和规则，将这些海量且复杂的数据分门别类地进行储存和分析，进而通过数据清洗才能提取出最有价值的数据流，提高制造企业的效率。
在制造业多价值链协同数据空间中，每条价值链之中的数据流并不是独立存在的，而是相互交融和协同的。一方面，内部价值链的数据流要充分利用外部价值链数据流，如企业在生产产品时要考虑到自身生产能力，同时结合外部营销服务所产生的品牌吸引力，才能对产量做出最准确的判断，避免不必要的损失；另一方面，外部的供应、营销、服务价值链数据流之间也存在相互调用的现象，如营销价值链数据中良好的营销策略或服务价值链中对产品故障的准确预测都可以有效促进供应价值链中产品的库存优化及生产调度，从而提高产品的供应能力，降低供应成本。
传统的数据库并没有明显的层次性，应用于数字图书馆等领域的数据空间也仅包括数据储存和索引等几项功能，而应用于制造业中的多价值链协同数据空间要复杂得多。这主要是由于制造业多价值链数据的复杂性和制造企业业务覆盖面广导致的，企业经营全过程产生的文本、图像等多类型数据为数据空间的数据准备和数据管理增加了难度，企业生产、供应、营销和服务等多种业务需求对数据空间的数据服务过程也提出了高标准。因此，制造业多价值链协同数据空间体系架构存在复杂多层的新特征。
制造及协作企业在生产、供应和营销等每一过程都会产生海量数据，如果这些数据都储存在数据空间中，不但会提高数据空间的管理难度，更会影响数据分析的准确性，因此在数据空间的数据管理中要考虑到数据的时效性和重要性。企业产生的数据经历数据采集、数据清洗、数据汇聚和数据使用等过程，重要的数据得以保留，而无效的数据将会被销毁，体现出了数据的全生命周期特征。
制造业多价值链协同数据空间中所存在的数据源自制造及协作企业，最终也将服务于制造业。数据的分析过程和应用输出相互对应：基于制造业多价值链数据，应用物资需求预测模型、库存优化模型等服务于企业的决策优化，应用故障预警模型服务于企业的提醒预警，应用生产调度、物流调度模型服务于企业的效率提高，应用报价模型、利益分享模型服务于企业的效益提高。因此，制造业多价值链协同数据空间中的数据服务具有明显的制造业相关业务针对性。