52、数据空间：移动性与工业领域的首次应用

数据空间：移动性与工业领域的首次应用

1. 数据处理现状与数据空间概念

传统的数据处理方式已逐渐过时。一方面，数据存储成本高昂，且未来数据量的增长将带来严重的成本问题；另一方面，一些高级分析应用所需的数据量超出了许多公司自身的收集能力。因此，采用即时数据和数据共享的联合系统似乎是合理的选择。

然而，许多公司对数据共享存在担忧，主要是担心失去数据主权，即对自己数据的控制权。一旦文件被发送出去，就可能面临各种未知情况。国际数据空间（IDS）标准应运而生，从理论上为确保数据主权提供了一种解决方案。

数据空间的概念旨在“民主化”数据价值创造。它是一个共享、可信的数据交易空间，基于共同的标准、技术和接口，促进数据交易。这一概念最初源于学术研究实验室，由欧洲最大的应用研究组织弗劳恩霍夫协会于2015年开始研发IDS技术。

2. 数据处理问题与数据空间的必要性

2.1 传统数据处理方式的弊端

传统的数据处理方式存在诸多问题，具体如下：
- 存储成本高 ：存储数据需要花费大量资金，且短期内无法获得直接收益。
- 跟踪成本高 ：为了有效利用数据，需要投入额外资金来跟踪和管理数据。如果不进行跟踪，数据就如同不存在一样，难以在海量数据中找到所需信息。
- 缺乏有效分类和测量标准 ：在数据搜索方面，需要精心选择关键词并进行层次排序，才能提高搜索效率。目前，数据缺乏像超市商品那样的明确分类和标签，甚至连数据量的测量标准都不统一。
- 数据自制性强 ：数据往往是自制且定制化的，这导致数据科学家在数据分析项目中，超过80%的时间都花费在寻找、清理和处理数据上。
- 数据量爆炸式增长 ：随着5G和物联网的发展，数据量将呈爆炸式增长。现有的解决方案最多只能起到缓解作用，无法从根本上解决问题。预计到2035年，数据量将从2018年的33泽字节增加到2142泽字节。

2.2 数据空间的解决方案

解决这些问题的自然方法是对数据进行模块化处理。随着应用程序从单体架构向服务编排转变，数据也可以变得更加联合和分布式。但目前的关键问题是数据主权的缺失，而IDS标准能够为确保数据主权提供保障。同时，欧盟委员会提出的《欧洲数据治理法案》（DGA）也与IDS标准的出现相契合，旨在增强数据中介的信任度，加强欧盟内部的数据共享机制。

2.3 数据交换与交易的障碍及解决措施

数据已成为国家经济成功的重要基础资源。从公共利益角度看，需要促进数据的可用性、交换和使用；从企业角度看，更多数据的使用有望带来更高的附加值。然而，目前存在一些众所周知的障碍：
| 障碍类型 | 具体描述 |
| ---- | ---- |
| 技术和语义互操作性不足 | 不同系统和数据之间难以实现有效交互和理解 |
| 数据质量问题 | 数据的准确性、完整性和一致性有待提高 |
| 法律框架不完善 | 缺乏针对数据的明确法律规定 |
| 安全问题 | 数据面临各种安全威胁 |
| 企业数字化成熟度差异 | 许多企业在数字化方面的能力参差不齐 |
| 参与者之间的不信任 | 市场参与者之间，尤其是竞争对手之间存在信任缺失 |

为了克服这些障碍，引入了新的原则、技术和业务角色。数据主权原则和服务是核心，它确保对数据（尤其是敏感数据）的控制，并为数据业务带来更多信任。此外，强大的安全技术、完善的法律框架以及新兴的数据中介、数据经纪人和数据交易商等角色，都有助于建立一个可信的商业环境。

3. 向数据空间驱动的移动性转型

3.1 汽车行业从硬件到服务的转变

汽车和运输行业正面临着结构性变革，就像20世纪10年代亨利·福特引入移动装配线使个人机动出行变得经济实惠一样，如今电动汽车和自动驾驶等新技术的出现，以及数字化从其他行业向汽车行业的渗透，如“联网汽车”服务和直接面向消费者的在线销售模式，都在推动行业的变革。同时，气候变化和城市空间的饱和也促使社会和政治从以汽车为中心的优先级转变。因此，行业专家预计，未来汽车行业的收入将从销售硬件向提供移动性服务转变。

3.2 交通问题与新的联网移动性解决方案

在拥堵的城市地区，人们希望能够更快、更环保、更经济且更便捷地到达目的地。一种解决方案是多式联运，即将不同的交通方式连接起来，实现从A点到B点的无缝旅程。然而，尽管目前有许多新的交通选择，特别是短途出行方式，但尚未出现有效的多式联运服务。

目前，城市面临着交通拥堵、空气污染和噪音污染等问题，而智能手机和应用程序的广泛使用以及电池技术的进步，为移动性创新提供了可能。例如，打车、拼车和汽车共享服务的出现，以及电动自行车和电动滑板车等新型交通工具的普及。但多式联运服务仍未成熟，其原因可能在于如何使公共交通与新兴的微移动性服务更好地结合，以提高公共交通的灵活性和吸引力。

3.3 模拟与现实生活数据空间原型的结合

德国电信在支持移动性和运输方面有着丰富的经验。其T-Systems业务在过去十年中一直是德国汽车行业领先的信息和通信技术（ICT）提供商，涵盖了联网汽车后端系统运营和智能充电基础设施等领域。

德国电信积极参与汽车移动性转型，包括参与德国政府的国家移动性未来平台（NPM）倡议，为微移动性提供连接解决方案等。目前，德国电信物联网的移动性分析专家正在与T-Systems合作，将模拟实验与现实生活中的移动性数据空间原型相结合，为商业客户提供新的移动性服务。

3.4 模拟和柏林数字孪生的理论优势

对于多式联运的成功来说，终端用户的利益是必要条件。但在多式联运尚未实际存在的情况下，如何评估其利益呢？模拟可以提供答案。模拟是一种有价值的科学工具，在经济学领域有着深厚的基础。

在德国，已经有一些用于交通模拟的工具，如德国航空航天中心的开源交通模拟软件SUMO和弗劳恩霍夫工业数学研究所的虚拟测量活动（VMC）软件。为了粗略估计终端用户的利益，设计了一个简化的模型和程序，并采用了科学严谨的实施和实验策略。

在柏林数字孪生的模拟中，结果表明多式联运更快。实验显示，通过智能连接运输选项，时间节省可以迅速超过10%，甚至翻倍。例如，推荐附近有电动滑板车连接的停车位，可以加快最后一段旅程。模拟不仅验证了多式联运的优势，还揭示了特定的“智能”选项所需的数据，如停车位占用预测数据，这些数据将为现实生活中的原型开发提供需求依据。

下面是一个简单的流程图，展示了从传统数据处理到数据空间应用的转变过程：

graph LR
    A[传统数据处理] --> B[存储成本高]
    A --> C[跟踪成本高]
    A --> D[缺乏有效分类和测量标准]
    A --> E[数据自制性强]
    A --> F[数据量爆炸式增长]
    B --> G[数据空间解决方案]
    C --> G
    D --> G
    E --> G
    F --> G
    G --> H[模块化数据]
    G --> I[联合和分布式数据]
    G --> J[确保数据主权（IDS标准）]

综上所述，数据空间的应用在移动性和工业领域具有重要的潜力。通过解决传统数据处理方式的问题，克服数据交换和交易的障碍，以及结合模拟和现实生活的原型开发，有望为企业和社会带来新的机遇和价值。在未来的发展中，数据空间将成为推动行业变革的重要力量。

4. 工业领域的数据空间应用

4.1 工业数据处理的挑战

在工业领域，数据处理同样面临着诸多挑战。与移动性领域类似，工业企业也面临着数据存储成本高、数据管理困难以及数据难以有效利用的问题。随着工业物联网（IIoT）的发展，大量设备产生的数据呈指数级增长，这使得传统的数据处理方式难以应对。

工业数据的多样性和复杂性也是一个挑战。不同设备、不同系统产生的数据格式和标准各不相同，这导致数据之间的互操作性差，难以进行整合和分析。此外，工业数据往往涉及到企业的核心业务和敏感信息，数据安全和主权问题尤为重要。

4.2 数据空间在工业中的应用案例

为了应对这些挑战，一些工业企业开始尝试应用数据空间技术。以下是一些具体的应用案例：
- 供应链协同 ：通过数据空间，企业可以实现供应链上各环节的数据共享和协同。供应商、制造商和物流商可以实时获取相关数据，优化生产计划、库存管理和物流配送。例如，制造商可以根据供应商的库存数据及时调整生产计划，避免原材料短缺或过剩。
- 设备预测性维护 ：利用数据空间，企业可以收集和分析设备的运行数据，实现设备的预测性维护。通过对设备状态的实时监测和分析，提前发现设备故障隐患，及时进行维护，减少停机时间和维修成本。例如，通过分析设备的振动、温度等数据，预测设备的故障概率，提前安排维护计划。
- 质量控制 ：数据空间可以帮助企业实现对产品质量的实时监控和控制。通过收集和分析生产过程中的数据，及时发现质量问题，采取措施进行调整和改进。例如，在生产线上安装传感器，实时监测产品的尺寸、重量等参数，一旦发现异常，及时进行调整。

4.3 工业数据空间的实施步骤

实施工业数据空间需要遵循一定的步骤，以下是一个典型的实施流程：
1. 需求分析 ：明确企业的业务需求和数据处理目标，确定数据空间的功能和应用场景。
2. 数据评估 ：对企业现有的数据进行评估，包括数据的质量、格式、存储方式等，为数据空间的建设提供基础。
3. 标准制定 ：制定数据空间的标准和规范，包括数据格式、接口标准、安全协议等，确保数据的互操作性和安全性。
4. 平台建设 ：选择合适的技术平台，搭建数据空间的基础设施。可以采用云计算、大数据等技术，实现数据的存储、管理和分析。
5. 数据集成 ：将企业现有的数据集成到数据空间中，实现数据的共享和协同。可以采用ETL（Extract, Transform, Load）工具，将不同来源的数据进行抽取、转换和加载。
6. 应用开发 ：根据企业的业务需求，开发相应的数据应用程序。例如，开发供应链协同系统、设备预测性维护系统等。
7. 测试和验证 ：对数据空间进行测试和验证，确保其功能和性能符合要求。可以进行功能测试、性能测试、安全测试等。
8. 上线和推广 ：将数据空间正式上线，并进行推广和应用。培训用户，提高用户对数据空间的使用能力和意识。

4.4 工业数据空间的优势

工业数据空间的应用具有以下优势：
| 优势 | 具体描述 |
| ---- | ---- |
| 提高生产效率 | 通过数据共享和协同，优化生产流程，减少生产周期和成本。 |
| 降低维护成本 | 实现设备的预测性维护，减少停机时间和维修成本。 |
| 提升产品质量 | 实时监控和控制产品质量，及时发现和解决质量问题。 |
| 增强供应链协同 | 实现供应链上各环节的数据共享和协同，提高供应链的响应速度和灵活性。 |
| 保障数据安全和主权 | 采用数据主权原则和安全技术，确保企业对数据的控制权和安全性。 |

5. 数据空间应用的通用经验和未来展望

5.1 不同行业数据空间应用的共性

通过对移动性和工业领域数据空间应用的分析，可以发现一些共性：
- 数据主权的重要性 ：无论是在移动性还是工业领域，数据主权都是企业关注的核心问题。数据空间技术通过提供数据主权保障，解决了企业对数据共享的担忧。
- 模块化和分布式架构 ：数据空间采用模块化和分布式架构，实现数据的灵活管理和共享。这种架构可以提高数据的可用性和可扩展性，适应不同企业的需求。
- 技术标准的统一 ：为了实现数据的互操作性，需要制定统一的技术标准和规范。无论是在移动性还是工业领域，都需要建立统一的数据格式、接口标准和安全协议。
- 跨行业合作 ：数据空间的应用往往需要跨行业的合作。例如，在移动性领域，需要汽车制造商、交通运营商、科技公司等多方合作；在工业领域，需要供应商、制造商、物流商等多方合作。

5.2 数据空间应用的未来发展趋势

随着技术的不断发展和应用的不断深入，数据空间应用将呈现以下发展趋势：
- 智能化 ：数据空间将与人工智能、机器学习等技术相结合，实现数据的智能化分析和处理。例如，通过机器学习算法对数据进行预测和分析，为企业提供决策支持。
- 全球化 ：数据空间将打破地域限制，实现全球范围内的数据共享和协同。随着全球化的发展，企业需要在全球范围内进行资源配置和业务拓展，数据空间将为企业提供支持。
- 行业融合 ：不同行业之间的数据空间将实现融合，形成更加庞大的生态系统。例如，移动性和工业领域的数据空间可以进行融合，实现智能交通和智能制造的协同发展。
- 法规完善 ：随着数据空间应用的不断发展，相关的法规和政策将不断完善。政府将加强对数据空间的监管，保障数据的安全和隐私。

5.3 数据空间应用的建议

对于企业来说，在应用数据空间技术时，可以考虑以下建议：
1. 明确业务需求 ：在实施数据空间项目之前，需要明确企业的业务需求和数据处理目标，选择合适的应用场景和功能。
2. 选择合适的技术平台 ：根据企业的实际情况，选择合适的技术平台和解决方案。可以考虑云计算、大数据、区块链等技术。
3. 加强安全保障 ：数据安全是数据空间应用的关键，需要加强安全保障措施。可以采用数据加密、访问控制、安全审计等技术，确保数据的安全性。
4. 培养专业人才 ：数据空间应用需要具备专业知识和技能的人才，企业需要加强人才培养和引进。可以开展培训课程，提高员工的数据处理和分析能力。
5. 积极参与行业合作 ：数据空间的应用需要跨行业的合作，企业需要积极参与行业合作，共同推动数据空间的发展。

下面是一个简单的流程图，展示了数据空间应用的未来发展趋势：

graph LR
    A[数据空间应用] --> B[智能化]
    A --> C[全球化]
    A --> D[行业融合]
    A --> E[法规完善]
    B --> F[人工智能、机器学习应用]
    C --> G[全球数据共享和协同]
    D --> H[跨行业生态系统形成]
    E --> I[政府监管加强]

总之，数据空间在移动性和工业领域的应用具有巨大的潜力。通过解决传统数据处理方式的问题，克服数据交换和交易的障碍，以及结合模拟和现实生活的原型开发，数据空间将为企业和社会带来新的机遇和价值。在未来的发展中，企业需要积极拥抱数据空间技术，不断探索和创新，以适应数字化时代的发展需求。