矿山智能化数据战略研究

王 鹏，杨 林，张冬阳，王 斌，赵文豪

(1. 应急管理部信息研究院，北京市朝阳区，100029；2. 山东能源集团有限公司，山东省济南市，250000；3. 云鼎科技股份有限公司，山东省济南市，250000)

1 研究背景和意义

1.1 研究背景

1.1.1 矿山行业的数字化转型趋势

“十四五”以来，数字化转型成为国家战略，矿山行业正处在规模发展模式向高质量发展模式转型的关键时期，数字化成为企业应对科技革命和产业变革的重要方式[1]。矿山企业纷纷开展数字化转型顶层规划，重点关注数字化场景建设。如国家能源集团提出建设智慧国家能源、推动企业智慧转型的发展战略，启动了生产运营协同调度信息化系统(基石项目)建设，实现全产业链贯通、全集团生产覆盖，形成生产环节在线化、运营决策科学化、经营分析智能化、管理能力体系化的生产运营协同调度体系，支撑集团一体化集中管控、智能化高效协同业务[2]；陕煤集团深入推进智能化、数字化改造，提出“生产智能化、运营精细化、管理标准化、决策科学化”的“智慧陕煤”目标，通过全方位数字化场景应用，加快信息系统集成和数据融合；山东能源集团提出“加快促进全业务、全产业、全要素数据资产化，实施‘数据+’行动，释放数据要素价值，打造‘数智山能’战略目标”。数据要素价值充分发挥，形成以数据驱动的精细化管理运营模式，各产业板块数字化技术与产业技术深度融合，实现“安全、绿色、智能、高效”的智能化生产模式，大型能源集团实现全面数字化转型和高质量发展。

针对智能化矿山建设，国家相继出台了《关于加快煤矿智能化发展的指导意见》《智能化煤矿验收管理办法(试行)》等文件，要求将人工智能、工业物联网、云计算、大数据、机器人、智能装备等与现代煤炭开发利用深度融合，形成全面感知、实时互联、分析决策、自主学习、动态预测、协同控制的智能系统[3]。矿山智能化建设与技术创新相互推进，矿山高可靠融合通信系统、工业互联网平台、智能化综合管控平台等先进技术得到广泛推广应用，供配电系统、主煤流运输系统、供排水系统等实现了常态化无人值守作业，智能采掘系统、智能辅助运输系统、矿山机器人、露天矿用卡车无人驾驶系统等取得了积极进展，矿山智能化技术装备国产化、成套化水平明显提升，初步形成了适用于不同煤层赋存条件的智能化矿山建设模式，减人、增安、提效成果显著。

1.1.2 行业数据利用存在的问题

矿山行业作为国民经济基础性行业，对数字中国建设起到关键基础性支撑作用，在新一轮数字转型浪潮中不可缺位。数据是推动矿山智能化技术开发、应用模式创新、市场竞争力提升的核心资源，矿山企业在智能化建设进程中形成了体量巨大、多源异构、冗余复杂的数据。目前矿山开采已经基本实现综合自动化，借助通信、工业总线及工业以太网技术飞速发展的契机，企业推出专用网络来实现矿山不同系统的集成系统，实现了各系统之间的网络化集成，解决了部分信息孤岛问题。但目前矿山智能化建设整体上处于初级阶段，全行业在标准体系等方面还存在诸多亟需解决的难题[4]，同时由于各系统中的数据信息只能用于独立系统，系统间协同管控能力弱，缺少相互联动和信息融合，因此并未解决系统的信息孤岛问题，导致数据无法流动、知识不能共享、矿山智能化和产业链数字化水平不高。因此，通过顶层设计，统筹并整合数据资源，建立开放共享机制，打破数据孤岛、挖掘数据价值、构建产业链生态，对实现矿山行业数字领域科技创新、推进矿山行业数字化建设具有重要意义。

1.2 研究目的和意义

1.2.1 矿山行业数据战略的必要性

国家“十四五”规划提出推动数字经济健康发展，数字经济将转向深化应用，部署了加快企业数字化转型升级和全面深化重点产业数字化转型两项重点任务。《关于构建数据基础制度更好发挥数据要素作用的意见》中提出数据是新型生产要素，要求建立数据产权、数据要素流通和交易等制度，发挥数据要素作用，压实企业数据治理责任[5]。《数字中国建设整体布局规划》中明确要求加快提升数据资源规模和质量，有效释放数据要素价值。行业方面，国家矿山安全监察局发布《智能化矿山数据融合共享规范》，以矿山数据治理为抓手加快矿山智能化建设。矿山企业尤其国有企业，经过多年信息化建设，普遍具有丰富的业务应用和数据，但未真正理解数据的价值，缺乏顶层数据战略规划，数据没有作为资产进行管理，亟需成熟的数据治理理念、技术、产品和解决方案，来提升和创新现有的运营模式和管理能力。

1.2.2 行业数据战略需求分析

(1)普及数据思维认知。由于矿山企业对数据认知水平不高，尚未形成从数据出发，掌握规律、分析形势、形成决策、解决问题的数据思维，企业数据管理应用能力偏弱。在决策层和执行层都要建立全面的数据思维，是发挥数据价值、做好数字化转型的基础。如果各级人员没有建立数据思维，就无法利用数据去提升业务、促进决策，建立数据思维是企业利用好数据的第一道门槛。

(2)建立数据战略顶层设计。数据治理涉及业务梳理、标准制定、业务流程优化、数据监控、数据集成和应用，复杂性高，探索性强。目前各矿山企业开展的数据治理活动普遍是项目级和部门级，数据治理工作和资源无法协同推进。数据治理的顶层涉及战略层面的策略，注重整体性和系统性。由于缺乏顶层设计的指导，在治理过程中存在偏差或错误，造成数据融合难、应用难。

(3)摸清矿山企业数据资产底数。由于以往数据系统建设规划往往只针对特定业务需求设计，缺乏对全局的通盘考虑，随着使用时间的增加，庞杂的数据无序地分散在不同系统中。矿山企业数据涉及的系统较多，随着数据量的不断增加，数据变得愈发杂乱无序，数据底数不清俨然成为企业和组织推动数据资产化的“拦路虎”。同时由于缺乏统一的数据统计和度量标准，无法准确评估数据资源的真实性、可用性以及质量水平[6]，使得数据资源价值的发挥面临较大瓶颈，进而限制了数据价值的释放。

(4)加强数据安全风险管控。矿山行业产生的数据存在着数据量大、涉及客户规模大、覆盖面广、动态性强、结构化明显等特点。矿山企业的数据形态日益丰富，面临着数据资产分布不清、信息应用交付慢、核心数据防护薄弱等诸多的挑战，数据资产梳理和分类分级难度加大，极易产生安全死角。在管理层面，跨业务、跨系统的大数据应用需求增加，数据安全问题日益凸显，部分数据责任划分不明确，存在着缺乏溯源机制，缺乏有效的数据共享和开放管理等问题。面向数据本身的数据安全防护与面向数据载体的网络安全防护体系亟需形成有机融合，以及围绕数据生命周期流转过程的整体化防护管理能力。

1.3 矿山行业数据战略发展思路

(1)顶层设计，系统发展。强化顶层设计，不断健全完善数据治理体系建设，结合矿山企业战略发展布局，系统谋划、务实推进，构建业务主导、产业主责、全员参与、协同联动的数据治理体制机制，着力增强数据治理工作的系统性、整体性和协调性。

(2)价值引领，协同发展。坚持以全面数字化转型为导向，充分发挥矿山企业海量数据、主导产业规模和丰富应用场景优势，释放数据要素价值，激活数据要素潜能，以高质量数据流促进业务链、价值链各个环节高效贯通，推动数据技术、应用范式、商业模式和体制机制协同发展。

(3)融合创新，高效发展。把数据融合创新作为促进数字化转型的动力，突出数据要素对战略发展的基础性支撑作用，强化数据与业务管控和产业发展各领域广泛深入融合，推进数据技术、应用场景和商业模式融合创新，形成以“数实融合”促进全要素增值裂变、以领域应用带动数据治理能力提升的高效发展格局。

(4)基础先行，安全发展。强化标准引领、技术支撑，构建统一数据服务平台，聚焦采、存、治、用等重要环节，采好数据、管好数据、用好数据。树立科学的数据安全观，坚持安全和发展并重，以安全保发展、以发展促安全，全面提升发展的持续性和稳定性，实现发展质量、规模、效益和安全相统一。

2 数据战略体系构建

2.1 数据战略基础与依据

(1)矿山智能化标准体系框架。国家矿山安全监察局于2023年8月面向全社会发布《矿山智能化标准体系框架》，包括基础通用、数据与模型、生产系统与技术装备、决策与应用4部分，共265个具体标准研制方向，构建了我国乃至世界矿业历史上首个系统性的矿山智能化标准体系框架。其中数据标准模块构建了统一的矿山数据编码体系，规范了通信接口和协议，统一了矿山智能化各环节的数据和模型标准化要求，为矿山企业数据战略研究提供了重要指引。

(2)智能化矿山数据融合共享规范。《智能化矿山数据融合共享规范》涵盖数据编码、采集、治理、安全、应用在内的40项规范，主要包括基础共性、数据编码、数据采集、数据治理、数据安全和数据应用等内容，将有效解决矿山面临的数据编码不统一、通信接口不兼容、传输协议不开放、系统集成难度大、智能化建设成本高等突出问题，打通“数据孤岛”、破除“信息烟囱”，推动智能化矿山各类数据互联互通、集中集成，为实现过程可视可控、安全可防可测、要素可调可配的矿山高水平智能化奠定基础[7]。统一的数据标准规范是智能化矿山建设全面发展的基本保障，《智能化矿山数据融合共享规范》为矿山行业数字化转型与高质量发展提供了有力支撑，为矿山企业开展数据战略研究、数据治理与应用实践提供了重要参考。

(3)DCMM数据管理能力成熟度评估。《数据管理能力成熟度评估模型》整合了标准规范、管理方法论、数据管理模型、成熟度分级等多方面内容，包含8个过程域[8]，适用于信息系统的建设单位、应用单位进行数据管理时的规划、设计和评估，也可以作为针对信息系统建设状况的指导、监督和检查的依据，帮助企业建立与企业发展战略相匹配的数据管理能力体系，为企业进行数据管理的规划、设计和评估提供实践指导。矿山企业应结合企业战略与数据实际情况以及行业标准，从八大能力域、29个能力子域开展成熟度评估，通过评估寻找企业数据管理和应用方面的不足，从而为企业的数据战略研究提供依据。

2.2 矿山行业数据战略与业务目标

(1)建立全方位、全业务、跨层级的数据治理组织架构，使数据管理制度体系健全完善，数据安全得到可靠保障，数据治理流程协同高效，数据关键环节实现精准治理。

(2)构建统一数据管理平台，数据集中存储、安全共享、灵活查询。

(3)逐步形成全业务域、全产业的数据资源目录；建立组织级、系统应用级数据架构；健全完善数据标准体系和数据质量管控体系，推进数据跨系统、跨部门、跨层级整合共享；建立数据模型，挖掘数据价值；开展数据资产质量和价值评估，逐步实现数据资源化向数据资产化、数据要素化迈进。

(4)全面盘活数据资产价值，建立数据、业务和技术融合的数据资产运营中心，探索持续集成、持续交付、持续部署、开放协同、迭代创新的数据运营模式，实现数据全生命周期的运营管理，持续提升以价值为导向的数据运营能力，实现面向全业务、全产业开放赋能。

(5)逐步推进全域数据资源合理适度开放共享，全面提升各业务领域人员的数据应用能力，推动数据与业务深度融合，打造生产管控、运销管控、组织管控、物资管控、安全管控、智慧经营和资产管控等领域数据应用示范场景，带动各业务领域开展数据增值和创新应用，充分释放数据红利，形成以数为谋的数据化文化，数字化转型成效得到充分展现。

(6)探索数据与矿山传统产业协同发展的新业态、新模式，产业智能化水平稳步提升，生产质量和生产效率显著增强。通过数据打通业务链、产业链、价值链，促进传统产业转型升级和新兴产业发展，激发产业高质量发展动能。

2.3 数据战略体系架构

2.3.1 数据战略规划

(1)数据治理保障。一是组织保障体系。建立全方位、跨部门、跨层级的数据治理组织架构，实施组织级统一化、专业化数据管理，构建清晰完善的管理制度、认责到岗的管理流程，保障数据资产、架构、标准、质量等治理活动有效落地。二是安全保障体系。强化数据安全保障体系建设，建立健全数据安全监测预警、信息通报、应急处置和风险评估机制，基于数据全生命周期构建数据安全指标，加强数据在采、存、算、管、用等各环节的安全管控，在确保数据安全的前提下实现数据资产的合理开发利用，充分发挥数据要素的价值。

(2)数据标准体系建设。加强数据标准体系建设，满足当前阶段行业数据标准化要求，更好地促进数据资源汇聚、流通和应用。研究建立完整的数据标准体系，明确数据标准管理内容和管理流程，形成标准验证的总体规则，有效提升数据质量，为数据治理体系建设工作打下坚实的基础，为数据资产管理活动提供规范有效依据。

一是数据标准体系顶层设计。参照国家/国际数据标准体系，结合企业数据管理现状，制定符合企业实际的数据标准体系框架，满足企业业务及产业发展的数据标准需求，为数据治理工作打下坚实的基础，为数据资产管理活动提供有效依据。

二是建立数据标准管理制度。建立数据标准管理组织，明确责任分工；建立标准立项、编制、审批、发布、修订的管理流程；建立标准落地检查及考核评价机制。

三是编制基础类数据标准。结合国家标准、行业标准等，编制形成业务术语标准、代码标准、参考数据标准等内容。

四是编制对象类数据标准。围绕矿山企业经营管理、安全生产、产业发展等业务条线，识别主数据，编制形成相关主数据标准；定义企业元数据框架体系，编制形成相关元数据标准；明确指标业务属性、技术属性和管理属性，编制形成指标数据标准。

五是建立架构类数据标准。以结构化的方式描述在业务运作和管理决策中所需要的各类信息及其关系的一套整体组件规范，包括数据资源目录、数据模型、数据分布与流向、数据交换、数据服务等。

六是建立作业类数据标准。定义数据作业层面相关技术规范，开展数据作业时应遵循的技术和管理要求。依据国家和行业标准，制订数据全生命周期作业规范，包含数据采集、数据安全管理、数据建模、数据服务、数据共享等数据作业环节。

(3)构建统一支撑平台。一是统一数据资产管理平台。构建数据资产管理体系，组建专业团队，规范管理流程，组织开展全域数据资产盘点、评估、确权、流通和服务活动，实现数据资产化并持续增值。二是统一数据技术支撑平台。构建统一数据技术平台，为数据资产管理提供数据采集、存储、治理、计算及应用的一体化技术支撑底座。三是统一数据资产运营平台。构建业务与技术融合的数据运营团队，围绕规模化生产和使用数据开展需求分析、设计开发、运行维护等运营活动，为产业发展和业务数智化转型提供支撑。

(4)促进产业数智化转型。聚焦矿山企业主导产业，充分发挥数据要素对传统产业的赋能、增值效应，加快推进“数据+产业”深度融合，创新生产运行、经营管理等数字化模式，实现各产业板块全价值链业务的数字化和主要作业场景的智能化，促进产业数字化转型和智能化发展。

(5)打造业务数智化场景。以业务价值为导向，以数据驱动为基础，促进“数据+业务”深度融合，推进管控业务流程的数字化和智能化，打造业务数智化场景，提高管理决策效率和准确性，降低管理成本和风险，促进矿山企业数字化转型和可持续发展。

2.3.2 数据资产目录

根据企业的业务标准，各业务数据的种类、来源、数量、现状、使用、共享、上下游关联等，盘点各级单位的数据资产，确立数据确权与认责机制，构建完整、规范和一致的数据资产，促进数据在各产业板块交叉融合和高效共享。数据资产目录建设按照步骤划分为数据资产梳理、框架设计、数据标签设计、数据与资产目录关联。

(1)全面梳理数据资产。面向矿山企业运行中和准备上线的信息化系统，梳理与盘点各级单位数据资产，理清矿山企业数据管理现状。

(2)数据资源框架设计。从业务视角、能源行业数据模型、实践应用与业务标准角度分析数据架构，编制数据业务模型和逻辑模型。

(3)数据标签设计。参照分类分级、认责体系、质量规则、业务流程和不同的业务实体标注数据业务对象标签特征。

(4)数据资产与目录关联。数据标签化后，数据已具备数据属性和业务属性，将数据资产信息项与物理表/字段间构建映射关系，并确定权威数据来源，实现数据资源到数据资产的转换。

2.3.3 主数据标准编制

主数据是企业中需要跨系统、跨部门进行共享的核心业务数据。主数据管理的首要任务就是要制定主数据标准和规范，统一主数据的定义，定义主数据模型。主数据标准是全面提升主数据的质量、实现主数据规范化及信息共享的前提。

2.3.4 参考数据梳理

参考数据是对定义的数据值域进行控制，对标准化术语、代码值、唯一标识符、每个取值的业务定义，数据域值列表内部、跨不同列表之间的业务关系进行控制，提供准确、及时、一致的参考数据值。参考数据的获得来源需经过鉴别，并进行严格评价和准确性验证，是矿山企业战略决策的重要参考依据，但不同系统中参考数据区别较大，没有统一标准，为了进行更有效率的数据整合、数据共享和数据分析应用，应对参考数据进行集团公司层面的整编和管理，为所有智能化系统中的数据库提供统一的参考数据标准。

2.3.5 数据质量管理

数据质量管理坚持业务驱动、问题导向，遵循源头治理、闭环管理的原则[9]，通过数据质量的规划、实施与控制等一系列活动，提升数据资产价值，确保数据质量满足业务运行、业务管理、决策分析的需要。数据质量管理是一个持续的过程，需建立覆盖数据质量需求、问题发现、问题检查、问题整改的良性闭环机制，对数据采集、流转、加工、使用全流程进行质量校验管控，根据业务部门数据质量需求持续优化质量管理方案、调整质量规则库，建立数据质量和数据治理管理的考核评价体系[10]。

3 数据战略实践案例研究——以山东能源集团为例

3.1 智能化数据战略规划

山东能源集团矿山智能化数据战略规划以释放数据要素价值、打造“数智山能”为目标，着力推进数据资源化、资产化、要素化发展，围绕构建稳定高效的数据治理体系，着力提升数据供给能力和数据赋能效应，统筹发展和安全，建立协同高效的数据管理机制，主要包括以下几个方面。

(1)健全数据治理组织架构。完善的组织架构是开展数据安全治理的基石，是满足外部合规要求和内部发展需要的重要前提。因此，需要建立覆盖山东能源集团全方位、跨部门、跨层级的数据治理组织架构。数据治理组织架构包括决策层、组织协调层、数据管理层、工作执行层、数据运营层，如图1所示。

图1 数据治理组织架构

(2)构建数据治理制度体系。为保障数据治理活动实施和组织架构正常运转，需要建立一套覆盖数据整个生产运营过程的数据管理规范，从制度上保障数据管理工作有据、可行、可控。数据治理制度体系采用分层次设计，依据管理的颗粒度，可划分为组织级数据管理总体规定、管理办法、实施细则和操作规范4个方面，如图2所示。

(3)强化数据安全治理体系。建设安全组织体系和制度体系，加强人员配合和人才队伍建设，明确数据全生命周期安全防护和管控要求，制定典型数据处理活动安全防护策略，对数据进行分级、分类，对数据资产进行安全敏感分级管理。

(4)建设数据资产管理平台。构建集团统一的数据资产管理平台，贯穿数据生产、分配、流通、应用等各环节，经过数据治理、数据资源库建设与数据价值挖掘等，形成高价值的数据资源，经过数据资产确认与管理、数据资产目录建设，推进数据由资源化向资产化、要素化发展，如图3所示。

图3 数据资产管理

(5)构建统一数据技术平台。建设集团层面统一技术平台，逐步丰富完善技术组件和整合数据服务能力，为全域数据资产管理提供数据存储、治理、计算以及分析应用的一体化支撑底座，有利于发挥新技术变革带来的全新影响力，激活企业新的生产潜能，将技术与业务实现真正的有效融合，助力业务创新和管理升级，助力企业数智化转型和数智化业务的持续推进。山东能源集团数据技术平台架构如图4所示。

图4 数据技术平台架构

(6)培育数据资产运营平台。提升数据资产服务的能力，构建数据资产管理的生态体系，促进数据资产的价值实现。推进数据资源确权，降低资产流通的合规风险，推动数据要素市场进程；评估数据资产价值，建立数据运营专业级团队，开展专业化数据运营服务，优化数据资产运营效率，提升数据资产的价值；促进数据资产的共享与流通，提升资产服务效率；优化数据资产的使用体验，监测数据资产使用，实现数据资产便捷查找和订阅；激发业务用户的积极性，引导业务用户主动参与资产运营，促进创新数据应用场景的不断涌现。

(7)推进业务数据融合应用。推进人力资源、财务管理、产品营销、采购供应链、设备管理等业务领域数据的信息资源共享，打通信息孤岛，以打破数据壁垒为出发点，以数据和业务的有机融合为重要抓手，通过业务数据化促进数据业务化，最终建成规范标准统一、资源目录引导、共享平台交换、管理运行有序的信息共享体系，促进“业务通、流程通、数据通”，实现能源集团业务管控强健、业务协同高效和辅助运营决策。

(8)推进实体产业数据融合。山东能源集团“十四五”规划将“矿业、高端化工、电力新能源、新材料、高端装备制造、现代物流贸易”作为未来六大主导产业，按照“数据+产业”深度融合要求，充分发挥数据在驱动产业链、价值链关键环节升级中的重要作用，各板块要深挖数据需求，发挥数据价值，通过数据激发传统生产要素活力，让数据赋能产业，以数据为创新驱动要素建设智慧企业，迭代核心竞争力，进而推动产业升级。

3.2 矿山智能化数据战略的实施路径

围绕数据体系建设、数据治理、数据深化应用3条主线，山东能源集团按照“数据强基”“专项提升”“全面深化”3个阶段持续开展数据治理工作，到2025年实现山东能源集团整体治理水平的跨越提升。

(1)数据强基、试点先行。数据体系建设方面，规划山东能源集团数据治理体系框架，明确组织架构、流程、管理制度及规范等；完成数据治理平台建设，迭代优化数据资产、数据标准、主数据、数据安全功能模块；储备数据治理、数据运营人才队伍，具备独立完成数据采集、治理、服务能力；初步完成数据资产盘点和数据成熟度评估，摸清数据家底。数据治理方面，制定数据采集规范，完成煤炭板块关键安全生产系统数据以及山东能源集团主要统建系统数据采集、治理工作，结合山东能源集团数据需求，完成数据治理平台开发和功能完善。数据深化应用方面，通过数据服务，支撑山东能源集团“安全生产技术综合管控平台”数据应用；在煤炭产业安全生产以及集团经营管理方向选取适当场景开展数据应用试点，验证数据质量，挖掘数据价值。

(2)深化管理、专项提升。数据体系建设方面，根据数据战略规划完成组织构建、人员招聘、制度完善工作；完成山东能源集团数据标准体系化建设，为业务系统建设和数据治理提供标准规范；探索数据运营管理模式，开展数据常态化运营，不断提高数据服务能力。数据治理方面，完成化工、电力、新材料板块数据采集、治理工作；煤炭板块根据业务需求，持续深化数据治理；结合数据平台使用情况收集数据治理平台存在问题和新需求，做好平台优化提升工作。数据深化应用方面，结合能源集团在安全生产、经营管理、人力资源、物流贸易方面的需求，开展数据应用专项提升工作，充分挖掘数据在各业务领域价值，形成集团层面数据应用典型场景。

(3)以数为谋，全面深化。数据体系建设方面，启动数据安全体系建设，数据分类、定级，从源头上解决数据安全问题；启动数据标准体系深化建设，进一步整合优化系统资源，完善系统功能，提升系统性能，打造行业领先的湖仓一体化平台。数据治理方面，全面完成山东能源集团全域数据采集、治理工作，实现集团产业板块关键系统数据入湖，数据存储、计算、服务能力得到极大提升，具备全产业、多层级数据融合分析和数据应用能力。数据深化应用方面，依托入湖的海量数据和强大的数据治理平台，开展全产业、多层级的数据服务，支撑业务优化与创新，全局数据资产化，数据价值释放，全面助力山东能源集团完成数字化转型和数据运营体系建设，通过数据赋能支撑各业务领域扩展本领域的数据应用。

3.3 矿山智能化数据战略的实施成果

山东能源集团数据战略实施建设内容包括数据标准体系建设、湖仓一体化平台建设、数据治理实施等内容，更好促进数据资源汇聚、流通和应用，满足能源集团全域数据管理、数据治理、数据资产管理、数据服务、数据赋能决策的业务需求。

(1)建设数据标准体系。当前已围绕人资、财务、销售、物资供应链、安全(煤炭)、生产技术(煤炭)、设备(煤炭)、调度(煤炭)、数字信息化9个业务主题，开展架构类、基础类、对象类、作业类和技术工具类数据标准编制。

(2)建设湖仓一体化平台。已采用湖仓一体化技术架构构建湖仓一体化平台，以多租户的形式提供集团全域的数据存储、数据计算、数据治理、数据服务等能力。湖仓一体化平台具备结构化数据(含时序数据)、半结构化数据、非结构化数据接入、存储、治理、管理、应用的能力。

(3)建设数据治理平台。平台具备数据标准管理、数据质量管理、数据模型管理、元数据管理、数据安全管理、数据服务等功能组件，为山东能源集团数据在获取、清洗、转换、关联、存储、使用等生命周期的每个阶段提供平台化的功能支撑。

(4)建设时序数据库。建设时序数据库，将山东能源集团下属遍布在全国各个省市的76对生产矿山的海量时序数据进行存储和计算，配合符合工业互联网架构的智慧矿山数据综合管控平台，为智慧矿山建设提供时序数据集成、存储、分析和决策的能力。

(5)全域数据治理实施。构建山东能源集团数据管理体系和数据治理标准体系，在山东能源集团全域开展数据采集、数据存储、数据计算、数据分析挖掘、数据开发，实现山东能源集团数据全生命周期管理，构建山东能源集团煤炭产业数据服务平台，提升煤炭产业运营数据洞察能力。

4 结语

从矿山行业的数字化转型趋势与数据在矿山智能化中的关键作用分析入手，梳理了数据战略研究依据和数据战略业务目标，初步规划了行业数据战略研究方向，并以山东能源集团为实践案例，总结提炼了山东能源集团矿山智能化数据战略规划的8个方面和三大路径。

当前，矿山智能化建设正从分散孤立向融合、全面、集成化方向发展，矿山企业应将数据战略上升到企业战略层面，加快数据战略规划、编制与落地应用，突破传统思维桎梏，推动全员对数字化转型、数据思维以及数据生产要素重要性等方面达成认知一致，实现矿山企业从传统业务驱动到数据驱动的变革。