新型工业化建设要求大力推动数字技术与实体经济深度融合，全面发挥数字技术对于实体经济的赋能和带动作用。工业数据的高质量流通能够打破数据孤岛和行业壁垒，在平台化设计、网络化协同、智能化生产、数字化管理等场景发挥着巨大作用，是提升工业企业生产力、竞争力的关键要素。在推进新型工业化建设过程中，工业数据对于推动数实融合高效发展、提升工业创新能力、优化产业结构等方面具有十分重要的推动作用。
一是推动数实融合高效发展。工业数据的高质量流通可以对设计、生产、运营、管理和消费等企业内外部各环节数据进行整合、分析，形成跨域跨企跨产业联动，进而优化资源配置、促进节能减排、提高生产效率、降低企业成本、减少资源浪费，推动绿色低碳、数实融合的高效发展，是高能耗、高排放的粗放工业发展模式向精细化发展模式转型的重要推动力。
二是推动工业创新能力提升。工业数据已经成为智能制造和工业互联网发展的关键要素，其高质量流通能够提升工业企业多源数据的集成能力、多业务场景的分析能力、多领域知识的挖掘能力、多类型知识的建模能力等，对企业提升数据分析的全面性、促进知识的转化效率具有巨大推动作用，从而促进企业业务和科技创新，带动工业创新能力提升。
三是促进产业结构优化升级。工业数据高质量流通既可以提高企业内部生产效率和质量，又可以打破企业和行业壁垒，促进跨企业跨行业合作，实现各类资源要素的有效配置和跨领域转移，促进各类企业优势互补、协同发展，发挥全国统一大市场支撑作用，推动创新链和产业链深度融合，加快传统产业改造升级和战略性新兴产业培育，形成更多新质生产力，促进产业结构优化升级。
当前，我国工业数据要素流通仍处于发展的初期阶段，尚未形成高质量的流通机制，与数据要素流通市场一样，除面临诸如法律体系不完备、交易机制不完善、流通市场不活跃、安全隐私保护不足等共性问题外，在推进新型工业化建设过程中，还存在以下不足：
一是工业数据要素供给不足，无法满足新型工业化关于全面推进数实融合发展的要求。工业数据流通有利于促进数据共享交换，优化企业内外部资源配置，增强企业创新能力，推动实体产业转型升级，对于推进数实融合发展至关重要。当前我国工业企业积累了一定的数据资源，但与金融、电信等行业相比仍存在较大差距，其中有价值的数据要素更加欠缺，主要原因包括：一是工业数据获取难度较高，具备分析利用价值的机器数据只有在极短时间内采集测量，才能捕获设备的细微状况，对时序数据库和流处理平台等数据存储计算平台的性能要求较高，很多工业企业的平台建设不能满足时效要求；二是目前工业系统协议更为复杂多样，很多系统接口不开放，导致数据采集难度大、获取成本高；三是企业数据供给担忧多、循环少，企业担心数据安全或相关权益无法得到保障等问题而不愿共享数据，或数据标准不同而不能共享数据，工业数据主要局限于小范围自循环供给。整体看，工业数据要素供给严重不足，不能满足发展需求，无法充分释放数字技术创造的新模式、新思想、新方法和新工具对数实融合发展的推动作用。
二是工业企业数据治理能力较弱、数据标准难统一，无法充分释放全国统一大市场对新型工业化的推动作用。数据治理涉及到业务梳理、标准制定、流程优化、数据监控集成等工作，复杂度高、探索性强，工业企业大多由于生产复杂、管理环节多，数据治理面临的问题更加复杂：首先，据赛迪顾问调研显示我国工业企业只有不到三分之一实施数据治理，对数据治理的业务价值认识不足；其次，普遍缺乏关注整体性、全局性、体系性的系统化思路，数据治理不仅对企业战略设计提出了很高要求，而且实施过程中需要众多部门全面参与、协力配合IT部门开展，而当前工业企业主要都由IT部门推进治理，业务部门很少参与；最后，数据标准不统一，一方面工业数据共享、交易、流通的标准和规范尚未出台，安全手段和机制缺乏，另一方面相比金融等行业，工业企业的IT系统更为分散、数据基础设施建设落后，导致治理和流通应用存在技术阻碍和系统性风险等。数据治理能力差、数据标准无法统一影响全国统一大市场建设，进一步影响创新链和产业链的深度融合、协同发展，会制约新型工业化发展的动力与活力。
三是工业数据要素应用程度浅、流通链路短，无法满足新型工业化对产业创新、产业结构全面升级的要求。首先，从宏观环境看，《网络安全法》《数据安全法》《个人信息保护法》已经构成我国数据市场发展的法律框架，对数据保护和使用边界进行了严格限制，而目前国家层面缺乏对工业数据流通的明确分类和指导细则，数据流通面临较多未知问题，导致企业为避免风险发生，对数据过于约束而不愿促进流通，数据流通创新动力弱。其次，工业数据资源深加工和场景应用能力不足，当前我国工业数据资源开发供需两端都面临不少限制，市场产品丰富度不够，数据业务主要集中在产业链前端，产业链后端专业性强的领域涉及少，深入具体场景分析和挖掘数据方面的投入少。最后，工业数据要素相比其他行业加工的复杂度更高、确权定价更难，在商业化运作过程中，涉及到数据清洗、数据标签和算法模型等部分的内容更多，在工业数据加工过程中多次叠加资本、劳动、知识等要素的投入，因此具有较高应用场景的复杂数据要素确权定价更难。以上诸多因素导致工业数据挖掘应用程度较浅、流通链路更短，较难形成长链路的流通循环，难以赋能新型工业化产业创新，支撑工业体系、产业结构的全面升级需求。
一是建立数据源主体制度，发挥数据源供给主体价值，从市场源头激活数实融合发展动力。首先，建议加强顶层设计，出台《数据服务商管理条例》等，规范和加快数据服务商发展，同时发挥行业自律机制，通过数据服务商推动工业数据挖掘、供给和利用。其次，积极探索多元化的数据流通模式，积极推动数据证券化、数据质押融资、数据银行、数据信托、数据经纪等发展，培育数据交易机构、科研院所及产业孵化场所等数据市场主体。最后，通过对工业数据开发应用主体发放牌照和赋予相关主体权利的方式建立数据源主体制度，加强数据监管、降低权益维护成本，推动工业数据要素合规供给。通过建立数据源主体制度等一系列制度设计，充分发挥、认可数据源供给主体价值，激发市场发展活力，提升数据合规供给数量，赋能数实融合发展。
二是完善数据治理体系，统一数据标准，建设工业数据全国统一大市场，为新型工业化建设提供数据流通条件。从国家层面来讲，建议从顶层出台工业数据治理相关法规和政策，完善工业数据治理体系，指导工业企业做好数据治理工作，同时，建设全国统一的工业数据流通市场，统一数据标准，促进数据流通。从行业层面来讲，建议相关行业主管部门、行业协会等制定工业数据治理的行业标准和技术规范，建立工业数据治理评价考核机制，协助工业企业提升数据治理能力。从企业层面来讲，建议工业企业建立专门的数据治理组织和管理制度，明确各部门的职责和分工，规范数据的收集、存储、使用和处置等行为，加强技术支撑与数据基础设施建设，全面推广数据标准、数据质量、数据资产等技术工具的应用。通过从上到下全面推动数据治理，强化数据标准的统一，为工业数据流通提供顺畅的流通渠道，加快建设全国统一的工业数据市场，促进新型工业化建设。
三是对工业数据进行全价值链确权定价，提升工业数据流通链路，全面促进新型工业化产业创新、产业结构升级。一是要建立适用于工业行业的数据确权定价体系，体系既要兼顾工业数据产品价值，还应考虑数据清洗加工、数据集成、算法模型等各个环节的投入的资本、人力、知识等因素进行确权定价，不断确认工业数据要素在各个环节的附加值。二是建立适用于工业数据确权定价的数据基础设施，工业数据涉及多利益主体，需要完备的要素流通和追踪系统，并且能够有效记录和追溯数据权利的变更，加强区块链、多方安全计算、零知识证明等可控计算环境的建设。三是引入智能合约技术，使各参与方提前约定计算的目的、方式及次数，从而限制可能引起的其他负向用途，鼓励正向外部用途。通过对工业数据全价值链确权定价，可以进一步推动工业数据合规流通，拓展工业数据的流通链路，从而充分释放其在整个产业链的价值，促进新型工业化产业创新，推动工业体系、产业结构升级。