工業(yè)企業(yè)數(shù)據(jù)中臺(tái)構(gòu)建方法探索

鄭耀東 李旭峰 陳和平

摘 ?要：工業(yè)數(shù)據(jù)中臺(tái)還處于起步摸索階段，工業(yè)企業(yè)對(duì)數(shù)據(jù)中臺(tái)的價(jià)值不夠明確，對(duì)建設(shè)的方法缺乏理論指導(dǎo)。針對(duì)這種情況，依托在建設(shè)工業(yè)數(shù)據(jù)中臺(tái)項(xiàng)目的經(jīng)驗(yàn)總結(jié)，文章討論了工業(yè)數(shù)據(jù)中臺(tái)在促進(jìn)企業(yè)數(shù)據(jù)和組織的統(tǒng)一協(xié)同、激發(fā)數(shù)據(jù)化管理思維，“降本增效”、提高決策效率以及激活企業(yè)創(chuàng)新五個(gè)方面中體現(xiàn)的價(jià)值，并給出基于阿里云平臺(tái)和產(chǎn)品構(gòu)建數(shù)據(jù)中臺(tái)的六步法，為企業(yè)建立適合自身的數(shù)據(jù)中臺(tái)提供參考。

關(guān)鍵詞：數(shù)據(jù)中臺(tái);工業(yè);智能制造

中圖分類號(hào)：TP302.1 ? ? ?文獻(xiàn)標(biāo)識(shí)碼：A 文章編號(hào)：2096-4706（2020）21-0130-04

Research on the Constructing Method of Industrial Enterprise Data Center

ZHENG Yaodong，LI Xufeng，CHEN Heping

（Department of Computer，South China Institute of Software Engineering.GU，Guangzhou ?510990，China）

Abstract：The industrial data center is still in the initial stage of exploration. Industrial enterprises are not clear enough about the value of the data center and lack theoretical guidance on the construction method. In view of this，relying on the summary of the experience in the construction of the industrial data center project，the article discussed the value embodied in five aspects of industrial data center in promoting the unified collaboration of enterprise data and organization，inspiring data management thinking，“reducing costs and increasing efficiency”，improving decision-making efficiency，and activating enterprise innovation. Six-step method for constructing a data center based on Alibaba cloud platform and products is proposed，which provides a reference for enterprise to build their own data center.

Keywords：data center;industrial;intelligent manufacturing

0 ?引 ?言

隨著信息化技術(shù)的不斷發(fā)展，以智能制造為主導(dǎo)的第四次工業(yè)革命正在各國(guó)掀起變革浪潮。工業(yè)時(shí)代經(jīng)歷了1.0的機(jī)械化、2.0的自動(dòng)化和3.0的信息化，現(xiàn)正在邁向4.0的智能化[1-3]，而邁向智能化的必經(jīng)之路就是數(shù)據(jù)化。近年來，工業(yè)企業(yè)的感知設(shè)備越來越多，信息化程度越來越高，數(shù)據(jù)也隨之不斷增加，如何對(duì)這些數(shù)據(jù)進(jìn)行合理分析和充分挖掘，使企業(yè)能從中受益，已成為各個(gè)企業(yè)潛在的新的增長(zhǎng)點(diǎn)。數(shù)據(jù)中臺(tái)的建設(shè)將助力工業(yè)企業(yè)從“制造”向“智造”的轉(zhuǎn)變，成為企業(yè)數(shù)字化轉(zhuǎn)型的引擎[4-6]，受到業(yè)界的廣泛關(guān)注。目前，工業(yè)企業(yè)數(shù)據(jù)中臺(tái)的建設(shè)還處在起步摸索階段，工業(yè)企業(yè)對(duì)數(shù)據(jù)中臺(tái)的應(yīng)用價(jià)值認(rèn)識(shí)不足，對(duì)建設(shè)的方法缺乏理論的指導(dǎo)。本文依托作者在建設(shè)工業(yè)企業(yè)數(shù)據(jù)中臺(tái)項(xiàng)目的經(jīng)驗(yàn)總結(jié)，討論建立工業(yè)數(shù)據(jù)中臺(tái)的價(jià)值，并以阿里云平臺(tái)及相關(guān)產(chǎn)品為例，探索建設(shè)工業(yè)數(shù)據(jù)中臺(tái)的基本方法和步驟。

1 ?工業(yè)數(shù)據(jù)中臺(tái)的價(jià)值

自阿里巴巴提出“大中臺(tái)，小前臺(tái)”戰(zhàn)略后，數(shù)據(jù)中臺(tái)取得了快速發(fā)展。數(shù)據(jù)中臺(tái)是指通過數(shù)據(jù)技術(shù)，對(duì)海量數(shù)據(jù)進(jìn)行采集、計(jì)算、存儲(chǔ)、加工，同時(shí)統(tǒng)一標(biāo)準(zhǔn)和口徑。數(shù)據(jù)中臺(tái)將上述數(shù)據(jù)統(tǒng)一之后，形成標(biāo)準(zhǔn)數(shù)據(jù)，再進(jìn)行存儲(chǔ)，進(jìn)而形成大數(shù)據(jù)資產(chǎn)層，為客戶提供高效服務(wù)。工業(yè)企業(yè)建設(shè)數(shù)據(jù)中臺(tái)，能產(chǎn)生以下價(jià)值：

（1）促進(jìn)數(shù)據(jù)和組織的統(tǒng)一協(xié)同。數(shù)據(jù)中臺(tái)首先解決的是協(xié)同問題，包括數(shù)據(jù)與數(shù)據(jù)的協(xié)同、數(shù)據(jù)與系統(tǒng)的協(xié)同、數(shù)據(jù)與業(yè)務(wù)的協(xié)同、數(shù)據(jù)與資源的協(xié)同以及以數(shù)據(jù)協(xié)同來促進(jìn)組織的協(xié)同。通過組織的協(xié)同達(dá)到全集團(tuán)在技術(shù)、架構(gòu)、標(biāo)準(zhǔn)、模型和指標(biāo)上的統(tǒng)一。

（2）激發(fā)數(shù)據(jù)化管理思維。數(shù)據(jù)中臺(tái)可實(shí)現(xiàn)業(yè)務(wù)數(shù)據(jù)化及數(shù)據(jù)可視化，通過全域的數(shù)據(jù)模型管理，盤點(diǎn)企業(yè)數(shù)據(jù)資產(chǎn)概況，反映業(yè)務(wù)全貌。數(shù)據(jù)中臺(tái)可激發(fā)企業(yè)數(shù)據(jù)化管理思維，以數(shù)據(jù)作為管理的主要依據(jù)，為數(shù)據(jù)化運(yùn)營(yíng)、精細(xì)化運(yùn)營(yíng)構(gòu)建數(shù)據(jù)基礎(chǔ)。

（3）助力企業(yè)“降本增效”。工業(yè)企業(yè)可通過數(shù)據(jù)中臺(tái)實(shí)時(shí)產(chǎn)出生產(chǎn)經(jīng)營(yíng)報(bào)表，流程溯源與一貫制產(chǎn)品質(zhì)量保障方案，以提高生產(chǎn)運(yùn)營(yíng)效率。也可將算法直接應(yīng)用在實(shí)時(shí)數(shù)據(jù)上，提升產(chǎn)能、降低能耗，達(dá)到“降本增效”的目的。另外，通過數(shù)據(jù)中臺(tái)支撐算法應(yīng)用，可快速靈活支撐各類智能應(yīng)用，避免重復(fù)建設(shè)與“煙囪式”建設(shè)，縮短應(yīng)用交付周期，提高應(yīng)用交付質(zhì)量，幫助企業(yè)實(shí)現(xiàn)“降本增效”的目標(biāo)。

（4）提高決策效率。數(shù)據(jù)中臺(tái)可實(shí)現(xiàn)跨域數(shù)據(jù)的智能融合，支持洞察分析，用數(shù)據(jù)說話，用數(shù)據(jù)決策，使企業(yè)能夠及時(shí)地發(fā)現(xiàn)問題和機(jī)遇，快速做出正確的決策。

（5）企業(yè)創(chuàng)新的源泉。有了數(shù)據(jù)中臺(tái)，企業(yè)可以發(fā)揮員工的能動(dòng)性，通過數(shù)據(jù)業(yè)務(wù)化的過程積極參與企業(yè)產(chǎn)品創(chuàng)新、業(yè)務(wù)創(chuàng)新和組織創(chuàng)新等，使數(shù)據(jù)中臺(tái)帶來的創(chuàng)新思想和新的商業(yè)模式成為企業(yè)不斷發(fā)展的引擎。

2 ?工業(yè)數(shù)據(jù)中臺(tái)構(gòu)建六步法

在為工業(yè)企業(yè)快速構(gòu)建數(shù)據(jù)中臺(tái)過程中，作者設(shè)計(jì)了構(gòu)建數(shù)據(jù)中臺(tái)的六步法。首先，做準(zhǔn)入分析，評(píng)估企業(yè)的數(shù)據(jù)現(xiàn)狀;然后，做數(shù)據(jù)上云實(shí)現(xiàn)數(shù)據(jù)化;再經(jīng)過數(shù)據(jù)治理對(duì)數(shù)據(jù)做清洗和建模，使數(shù)據(jù)成為有用的資產(chǎn);接下來，對(duì)數(shù)據(jù)資產(chǎn)構(gòu)建特征做信息挖掘，構(gòu)造專家系統(tǒng)知識(shí)庫(kù)或者知識(shí)圖譜，使數(shù)據(jù)資產(chǎn)變成知識(shí);然后通過智能算法應(yīng)用將數(shù)據(jù)變?yōu)橹悄軘?shù)據(jù);最后，做效果評(píng)估，重新評(píng)估企業(yè)數(shù)據(jù)成熟度。數(shù)據(jù)中臺(tái)的建設(shè)需要一輪又一輪不斷的迭代完善，構(gòu)建流程如圖1所示。

2.1 ?準(zhǔn)入分析

在項(xiàng)目調(diào)研中，我們發(fā)現(xiàn)工業(yè)企業(yè)信息化現(xiàn)狀參差不齊。有的企業(yè)雖然規(guī)模很大，但信息化水平非常低，還處于用Excel表格軟件來管理數(shù)據(jù)或者甚至處于紙質(zhì)辦公的階段。有的企業(yè)對(duì)信息化雖然比較重視，但由于企業(yè)剛成立不久，各種信息化系統(tǒng)還在建設(shè)的初期，也沒有太多的數(shù)據(jù)積累，這些企業(yè)的高層有做數(shù)據(jù)中臺(tái)的想法，但經(jīng)準(zhǔn)入分析評(píng)估后，企業(yè)目前階段還不適合啟動(dòng)數(shù)據(jù)中臺(tái)項(xiàng)目。準(zhǔn)入分析評(píng)估按照專家打分的方式，從客戶的數(shù)據(jù)完整性、可用性和時(shí)效性等方面對(duì)客戶數(shù)據(jù)現(xiàn)狀做一個(gè)初步的評(píng)估，并參考數(shù)據(jù)管理能力成熟度評(píng)估模型（DCMM）劃分為初始級(jí)、受管理級(jí)、穩(wěn)健級(jí)、量化管理級(jí)和優(yōu)化級(jí)等分層[7]。

2.2 ?數(shù)據(jù)化

評(píng)估企業(yè)滿足建設(shè)數(shù)據(jù)中臺(tái)的條件后，建設(shè)數(shù)據(jù)中臺(tái)的第一步是企業(yè)全域數(shù)據(jù)上云接入。隨著信息技術(shù)在企業(yè)的深度應(yīng)用，企業(yè)在生產(chǎn)運(yùn)營(yíng)活動(dòng)中產(chǎn)生海量數(shù)據(jù)。高效存儲(chǔ)、彈性計(jì)算和易于擴(kuò)展的云平臺(tái)成為企業(yè)構(gòu)建數(shù)據(jù)中臺(tái)的必然選擇。企業(yè)通過上云能夠降低基礎(chǔ)設(shè)施的運(yùn)營(yíng)成本，提高IT資源利用率。阿里云數(shù)據(jù)工廠對(duì)于結(jié)構(gòu)化的數(shù)據(jù)庫(kù)、非結(jié)構(gòu)化的文件以及工業(yè)特色的集散控制系統(tǒng)（DCS）測(cè)點(diǎn)數(shù)據(jù)，均可通過配置的方式做接入。數(shù)據(jù)上云接入通常分為三步：第一步做業(yè)務(wù)數(shù)據(jù)梳理，包含工業(yè)生產(chǎn)制造過程相關(guān)的人、機(jī)、料、法、環(huán)、能、廢等過程產(chǎn)生的數(shù)據(jù)以及企業(yè)在供應(yīng)鏈、研發(fā)設(shè)計(jì)、營(yíng)銷銷售、客服等環(huán)節(jié)產(chǎn)生的大量數(shù)據(jù);第二步做上云配置，工業(yè)企業(yè)信息化系統(tǒng)種類繁多，包含DCS、生產(chǎn)過程執(zhí)行系統(tǒng)（MES）、檢化驗(yàn)系統(tǒng)、高級(jí)生產(chǎn)排程系統(tǒng)（APS）、倉(cāng)庫(kù)管理系統(tǒng)（WMS）、客戶關(guān)系管理（CRM）、企業(yè)資源計(jì)劃系統(tǒng)（ERP）、產(chǎn)品生命周期管理（PLM）和供應(yīng)鏈管理（SCM）等，其數(shù)據(jù)源較為復(fù)雜。在阿里云數(shù)據(jù)工廠中可配置多源異構(gòu)數(shù)據(jù)源到云端的數(shù)據(jù)同步傳輸任務(wù);第三步做數(shù)據(jù)驗(yàn)證，驗(yàn)證上云后的數(shù)據(jù)的正確性、完備性、時(shí)效性和一致性等指標(biāo)。

2.3 ?資產(chǎn)化

資產(chǎn)化是通過對(duì)上云后的數(shù)據(jù)做清洗、加工和數(shù)據(jù)治理等過程，使原始雜亂、無序、分裂、有缺陷的數(shù)據(jù)成為有用的數(shù)據(jù)資產(chǎn)。包含數(shù)據(jù)模型設(shè)計(jì)、數(shù)據(jù)研發(fā)和數(shù)據(jù)資產(chǎn)管理。OneData體系是阿里巴巴數(shù)據(jù)中臺(tái)的核心方法論，其中OneModel表示統(tǒng)一數(shù)據(jù)構(gòu)建和管理，即建立企業(yè)統(tǒng)一的公共層，從設(shè)計(jì)、研發(fā)、部署和使用上保障數(shù)據(jù)口徑規(guī)范和統(tǒng)一，實(shí)現(xiàn)數(shù)據(jù)資產(chǎn)全鏈路管理，提供標(biāo)準(zhǔn)數(shù)據(jù)輸出。OneModel是以維度建模為理論基礎(chǔ)，劃分和定義業(yè)務(wù)板塊、數(shù)據(jù)域、業(yè)務(wù)過程、維度、度量/原子指標(biāo)、業(yè)務(wù)限定、時(shí)間周期、派生指標(biāo)、修飾類型，設(shè)計(jì)出維度表、明細(xì)事實(shí)表、匯總事實(shí)表的過程[8]。OneModel規(guī)范包含業(yè)務(wù)板塊、規(guī)范定義、模型設(shè)計(jì)三個(gè)部分，如圖2所示。

OneModel規(guī)范在工業(yè)領(lǐng)域同樣適用，以鋼鐵行業(yè)為例，定義了鐵水預(yù)處理子域，鐵水成分檢測(cè)就是一個(gè)典型的業(yè)務(wù)過程，鐵水設(shè)計(jì)為維度，鐵水的碳含量設(shè)計(jì)為原子指標(biāo)，加上日期的修飾詞就構(gòu)成了“鐵水檢測(cè)碳日平均含量”的派生指標(biāo)。同時(shí)，可設(shè)計(jì)出鐵水維度表、鐵水檢測(cè)成分明細(xì)表、鐵水檢測(cè)成分日匯總表。鋼鐵行業(yè)OneModel模型樣例如圖3所示。

數(shù)據(jù)中臺(tái)將數(shù)據(jù)分為操作數(shù)據(jù)（ODS）層、明細(xì)數(shù)據(jù)（DWD）層、匯總數(shù)據(jù)（DWS）層和應(yīng)用數(shù)據(jù)（ADS）層。每個(gè)企業(yè)的ODS層數(shù)據(jù)源相差較大，而當(dāng)上層應(yīng)用確定后，從DWD層到DWS層的加工邏輯相對(duì)固定，DWD層和DWS層有較強(qiáng)的復(fù)用性。依賴阿里云數(shù)據(jù)工廠AIMaster的模型發(fā)布和調(diào)度能力，可實(shí)現(xiàn)數(shù)據(jù)模型和ETL鏈路的沉淀和復(fù)用。數(shù)據(jù)工程師將數(shù)據(jù)建模和數(shù)據(jù)加工邏輯發(fā)布在AIMaster的場(chǎng)景畫布，可以在現(xiàn)場(chǎng)環(huán)境快速部署。另外，數(shù)據(jù)中臺(tái)提供任務(wù)監(jiān)控的功能，監(jiān)控所有數(shù)據(jù)任務(wù)運(yùn)行狀態(tài)，對(duì)異常任務(wù)可做干預(yù)和處理，保障線上任務(wù)正常穩(wěn)定運(yùn)行。

數(shù)據(jù)進(jìn)入數(shù)據(jù)中臺(tái)后，數(shù)據(jù)資產(chǎn)管理工具提供元數(shù)據(jù)管理、資產(chǎn)目錄、資產(chǎn)地圖等模塊，實(shí)現(xiàn)數(shù)據(jù)血緣分析、影響分析和全鏈路分析，統(tǒng)一管理和運(yùn)營(yíng)企業(yè)數(shù)據(jù)。

2.4 ?知識(shí)化

信息是指外部的客觀事實(shí)，知識(shí)是對(duì)外部客觀規(guī)律的歸納和總結(jié)。從數(shù)據(jù)到知識(shí)，在工業(yè)數(shù)據(jù)中臺(tái)有兩種表現(xiàn)形式：一是專家系統(tǒng)知識(shí)庫(kù)，二是知識(shí)圖譜。知識(shí)庫(kù)用來存放由相應(yīng)領(lǐng)域?qū)＜姨岢龅膶I(yè)知識(shí)和經(jīng)驗(yàn)知識(shí)。知識(shí)庫(kù)組織是對(duì)人類專家豐富的經(jīng)驗(yàn)及知識(shí)進(jìn)行歸納、總結(jié)，并根據(jù)領(lǐng)域及專業(yè)特性分類，云上知識(shí)庫(kù)通常存儲(chǔ)在關(guān)系型數(shù)據(jù)服務(wù)（RDS）中。

知識(shí)圖譜本質(zhì)上是一種揭示實(shí)體之間關(guān)系的語義網(wǎng)絡(luò)，運(yùn)用圖譜的結(jié)構(gòu)來挖掘、分析、建立、描述和展示不同來源的知識(shí)資源之間的關(guān)聯(lián)，用簡(jiǎn)單直觀的方法來展示復(fù)雜的關(guān)系，以便使計(jì)算機(jī)和人更好的理解[9]。工業(yè)知識(shí)圖譜需要有知識(shí)構(gòu)建能力、知識(shí)抽取能力及知識(shí)輔助能力。首先，需要定義一個(gè)場(chǎng)景，定義知識(shí)本體以及業(yè)務(wù)本體;然后通過機(jī)器學(xué)習(xí)、深度學(xué)習(xí)等技術(shù)手段進(jìn)行知識(shí)抽取。構(gòu)造的知識(shí)圖譜具有智能搜索、輔助推薦等能力。底層數(shù)據(jù)匯聚到數(shù)據(jù)中臺(tái)經(jīng)過加工，變成數(shù)據(jù)資產(chǎn)，再經(jīng)過各類算法引擎，最終將專業(yè)知識(shí)、業(yè)務(wù)知識(shí)、運(yùn)營(yíng)知識(shí)等知識(shí)的知識(shí)本體抽取出來，以知識(shí)本體為框架，并通過規(guī)則引擎進(jìn)行大數(shù)據(jù)的推理挖掘，構(gòu)建起知識(shí)圖譜。目前，知識(shí)圖譜在設(shè)備故障診斷、行業(yè)標(biāo)準(zhǔn)智能問答、設(shè)備信息查詢助手等方面有廣泛的應(yīng)用。

2.5 ?智能化

建設(shè)工業(yè)數(shù)據(jù)中臺(tái)的最終目標(biāo)是實(shí)現(xiàn)企業(yè)的智能化。工業(yè)企業(yè)大數(shù)據(jù)的典型場(chǎng)景如圖4所示。

由數(shù)據(jù)驅(qū)動(dòng)的智能供應(yīng)鏈、智能化設(shè)計(jì)、智能化生產(chǎn)、智能化營(yíng)銷、智能化服務(wù)等智能場(chǎng)景涵蓋了工業(yè)企業(yè)供、研、產(chǎn)、銷、服的全流程，共同組成了智能制造。對(duì)企業(yè)而言，面臨的主要問題之一是如何提高制造資源、物流資源和研發(fā)資源的配置效率，如何準(zhǔn)確地為新品研發(fā)、客戶定位、營(yíng)銷策略、研發(fā)組織、排產(chǎn)計(jì)劃和庫(kù)存管理等做好決策。企業(yè)能夠成功的關(guān)鍵因素，就在于外部環(huán)境發(fā)生變化時(shí)能快速做出響應(yīng)，做正確的決策，其背后所需具備的能力則來自“數(shù)據(jù)+算法”。

工業(yè)領(lǐng)域利用機(jī)器學(xué)習(xí)、深度學(xué)習(xí)、強(qiáng)化學(xué)習(xí)的基礎(chǔ)算法庫(kù)加上不同行業(yè)的制造工藝、仿真等機(jī)理知識(shí)可構(gòu)建行業(yè)智能引擎，用于支撐庫(kù)存優(yōu)化、排產(chǎn)排程、銷售訂單預(yù)測(cè)、設(shè)備故障診斷等智能化應(yīng)用，工業(yè)數(shù)據(jù)智能架構(gòu)如圖5所示。

2.6 ?效果評(píng)估

工業(yè)數(shù)據(jù)中臺(tái)建成后，將從數(shù)據(jù)匯聚、數(shù)據(jù)質(zhì)量、數(shù)據(jù)安全及數(shù)據(jù)價(jià)值評(píng)估四個(gè)準(zhǔn)則再對(duì)企業(yè)做一次數(shù)據(jù)管理成熟度的評(píng)估，并迭代優(yōu)化持續(xù)追蹤企業(yè)數(shù)據(jù)化管理水平。企業(yè)數(shù)據(jù)管理成熟度的評(píng)估可采用AHP層次分析法。層析分析法是將決策問題按總目標(biāo)、評(píng)價(jià)準(zhǔn)則和具體評(píng)價(jià)指標(biāo)分解為不同層次結(jié)構(gòu)，采用計(jì)算判斷矩陣特征向量的方法，得到各層元素相對(duì)上層某元素的權(quán)重，根據(jù)權(quán)重判斷各因素對(duì)目標(biāo)評(píng)價(jià)的重要性[10]。表1為根據(jù)AHP層次分析法設(shè)計(jì)的企業(yè)數(shù)據(jù)管理成熟度評(píng)估指標(biāo)體系參考。

3 ?結(jié) ?論

工業(yè)數(shù)據(jù)中臺(tái)是實(shí)現(xiàn)企業(yè)數(shù)據(jù)智能的基礎(chǔ)。數(shù)據(jù)中臺(tái)的建設(shè)可幫助企業(yè)打通數(shù)據(jù)孤島，構(gòu)建企業(yè)數(shù)據(jù)資產(chǎn)，為企業(yè)提供穩(wěn)定的、持續(xù)的和可復(fù)用的數(shù)據(jù)生產(chǎn)能力，助力企業(yè)降本增效和業(yè)務(wù)決策。數(shù)據(jù)中臺(tái)的建設(shè)還處在發(fā)展階段，目前尚未形成穩(wěn)定、成熟的建設(shè)方案和建設(shè)路徑。本文討論了數(shù)據(jù)中臺(tái)對(duì)工業(yè)企業(yè)的價(jià)值，明確了數(shù)據(jù)中臺(tái)對(duì)企業(yè)的作用和意義。提出建設(shè)工業(yè)數(shù)據(jù)中臺(tái)的六步法，為企業(yè)在實(shí)施過程中提供參考。企業(yè)可根據(jù)自身實(shí)際情況做出方案選型和建設(shè)路徑規(guī)劃。

參考文獻(xiàn)：

[1] 彭俊松.工業(yè)4.0驅(qū)動(dòng)下的制造業(yè)數(shù)字化轉(zhuǎn)型 [M].北京：機(jī)械工業(yè)出版社，2016.

[2] 張曙.工業(yè)4.0和智能制造 [J].機(jī)械設(shè)計(jì)與制造工程，2014，43（8）：1-5.

[3] LI G，TAN J L，CHAUDHRY S S. Industry 4.0 and big data innovations [J].Enterprise Information Systems，2019，13（2）：145-147.

[4] 劉長(zhǎng)杰.數(shù)據(jù)中臺(tái)建設(shè)將把數(shù)字中國(guó)推向縱深——與國(guó)務(wù)院發(fā)展研究中心研究員李廣乾對(duì)話 [J].中國(guó)發(fā)展觀察，2020（Z1）：86-90.

[5] 艾瑞咨詢.2019年中國(guó)數(shù)字中臺(tái)行業(yè)研究報(bào)告 [J].互聯(lián)網(wǎng)經(jīng)濟(jì)，2019（12）：76-83.

[6] 車品覺.建設(shè)數(shù)據(jù)中臺(tái)，賦能創(chuàng)新改革 [J].新經(jīng)濟(jì)導(dǎo)刊，2018（10）：22-24.

[7] 李冰，賓軍志.數(shù)據(jù)管理能力成熟度模型 [J].大數(shù)據(jù)，2017，3（4）：29-36.

[8] 阿里巴巴數(shù)據(jù)技術(shù)及產(chǎn)品部.大數(shù)據(jù)之路：阿里巴巴大數(shù)據(jù)實(shí)踐 [M].北京：電子工業(yè)出版社，2017.

[9] 黃恒琪，于娟，廖曉，等.知識(shí)圖譜研究綜述 [J].計(jì)算機(jī)系統(tǒng)應(yīng)用，2019，28（6）：1-12.

[10] 鄧雪，李家銘，曾浩健，等.層次分析法權(quán)重計(jì)算方法分析及其應(yīng)用研究 [J].數(shù)學(xué)的實(shí)踐與認(rèn)識(shí)，2012，42（7）：93-100.

作者簡(jiǎn)介：鄭耀東（1978—），男，漢族，河南許昌人，教師，碩士研究生，研究方向：大數(shù)據(jù)、數(shù)據(jù)中臺(tái)、數(shù)據(jù)分析與挖掘。