近日，工信部《工業互聯網創新發展行動計劃（2021-2023年）》提出到2023年，工業互聯網新型基礎設施建設量質并進，新模式、新業態大范圍推廣，產業綜合實力顯著提升。

　　在政策層面，工業互聯網政策不斷落地，事實上，到了企業層面，工業互聯網應用卻是另一番景象。先來看兩個數據，德勤《人工智能制造業應用調查》數據顯示，盡管制造型企業實施人工智能項目的不在少數，僅有9%實施企業認為項目達到他們預期的80-100%；兩會期間，徐曉蘭結合前期調研數據表示，我國目前尚未完成基礎的設備數字化改造的企業超過55%。

　　尤其對于中小型企業來說，數據成為他們轉型升級第一步的難題?？v觀各種工業軟件，比如生產制造環節使用的MES系統，管理產品全生命周期使用的PLM系統，銷售服務環節使用的CRM系統，他們的基礎步驟都是從數據開始的。無論是什么樣的數字化系統，數據化是基礎，形成數據閉環流轉是關鍵。而這些是需要建立在被有效采集、傳輸、存儲和分析的數據之上的。

　　其實，企業數字化多注重軟件體系的打造，往往忽視了硬件設施，而這恰恰是關系到數據來源的重要步驟。尤其是制造型企業，大量數據來自于設備層，數據采集更是關鍵。而這一數據采集過程包括設備、感知設備、傳輸網絡、人工智能、工業大數據和云計算。

　　在設備層，我們首先考慮的是哪些設備的什么數據需要采集。而這一部分，涉及到企業數字化的整體的規劃、體系的建設。根據企業數字化實際目標調整確定我們是需要采集設備的運行信息以支持設備管理和運維系統，還是需要采集設備的啟停、稼動率來支持生產質量管理系統等等。

　　然后是感知設備層，當我們明白我們需要什么數據，我們便可以根據實際需求選擇不同的感知設備了。比如通過傳感器、攝像頭和其他智能終端數采模塊來采集信號、視頻、圖片等不同的數據。當我們采集到了設備數據，需要通過網絡來傳輸到計算機、云平臺或者是邊緣計算設備。目前常見的企業通訊網絡是4G、工業以太網或者是WIFI等等。然而考慮到設備層每天產生的數據數量龐大，網絡的成本、速率、覆蓋范圍、壽命等等都是需要企業注意衡量的。其中LoRa憑借它的靈敏度（-148dbm）、抗干擾能力、距離和成本等優勢成為不少企業的選擇。

　　除此以外，為了提高數據質量，我們獲得原始數據之后，通常會進行數據清洗，比如刪除重復信息、糾正存在錯誤信息、識別殘缺信息等方法過濾不符合要求的數據。如果更進一步，我們還可以根據需求進行特征提取、特征選擇等數據分析處理，讓數據可以更好地為我們所用。

　　步子太大容易扭到腰。沉下心來，以問題為向導，從數據采集開始，一步步構建扎實的數字化轉型底座，實現漸進式轉型。