智能化煤礦數據治理能力評估與提升策略研究

王美君,譚章祿,李慧園,呂晗冰

中國礦業大學(北京)管理學院,北京 100083

2020 年2 月,《關于加快煤礦智能化發展的指導意見》中強調,數據是推動煤礦智能化技術開發和應用模式創新、提高煤炭企業核心競爭力的核心資源,要加快數據標準的制訂及修訂,提升煤礦智能化基礎能力[1]。2023 年3 月,國家能源局《關于加快推進能源數字化智能化發展的若干意見》中再次強調,推動能源數據分類分級管理與共享應用,以數據資源作為新型生產要素,促進智慧能源網絡的協同運行[2]。數據治理是智能化煤礦確保數據運營合規、保障數據質量、防控數據風險、提升數據價值、實現數字化轉型的關鍵戰略安排。智能化煤礦數據治理在煤礦智能化應用場景下,出于高質量發展動機,對煤礦數據及相關技術和業務全生命周期的權責利進行合理制度優化[3],旨在以敏捷高效的數據服務支持智能化煤礦建設目標的完整實現[4]。因此,智能化煤礦數據治理能力,就是數據治理支持煤礦智能化建設整體目標實現的能力。進一步提升煤礦數據治理能力,對于加快煤礦智能化建設、促進煤炭工業數字化轉型、構建現代化能源體系、建設數字中國具有重要意義。然而,關于智能化煤礦數據治理能力的研究,縱向上缺乏理論支持,橫向上缺乏應用拓展。

在數據治理能力的理論研究方面,何敏[5]提出數據治理是煤礦智能化發展的關鍵問題,后續學者在此基礎上展開了深入研究。譚章祿等[3]界定了智能化煤礦數據治理的概念內涵和發展目標,提出了由治理理念、治理目標、治理主體、治理客體、治理過程和工具構成的概念模型,設計了由“基礎設施體系、中臺體系、智能應用體系”三大體系和“數據源層、數據匯聚層、數據開發層、數據服務層、數據管理層”五大層級構成的技術架構[4],突破了智能化煤礦數據歸類與編碼等關鍵技術[6],基于要素-機制-層次-過程參考模型構建了智能化煤礦數據治理的理論基礎與體系框架[7],為智能化煤礦數據治理的理論研究[8-9]和技術實踐[10-12]指明方向。但以上研究尚未完整構建數據治理能力體系,缺乏數據治理能力評估的方法論模型[7],使得數據治理能力提升缺乏理論支撐。

在數據治理能力的應用拓展方面,學者廣泛運用能力成熟度理論并針對特定使用場景進行數據治理能力成熟度模型的開發[13]?！缎畔⒓夹g服務數據中心服務能力成熟度模型》(GB/T 33136—2016)[14]從信息技術服務視角提出了由5 個成熟度等級和33 個能力項構成的能力成熟度模型,規定了數據中心服務能力的評價方法和管理要求?！稊祿芾砟芰Τ墒於仍u估模型》(GB/T 36073—2018)[15]從數據管理視角提出了由5 個成熟度等級和29 個能力項構成的能力成熟度模型,指明了數據管理能力漸進式提升路徑?！缎畔踩夹g數據安全能力成熟度模型》 (GB/T 37988—2019)[16]從信息安全技術視角提出了由數據安全能力、成熟度等級和數據安全過程3 個維度構成的數據安全能力成熟度模型,指明了各階段提升數據安全能力的關鍵實踐。孫旭東等[17]根據煤礦監測監控數據要素與應用范式的特點,構建了監測監控數據治理能力提升路徑的結構方程理論模型。但以上研究未充分考慮煤礦智能化建設的整體戰略訴求,不能滿足智能化煤礦數據治理目標和數據服務需求,尚需針對智能化煤礦全局應用場景進行領域拓展[7]。

綜合以上討論,本文從剖析煤礦智能化建設對數據治理的戰略訴求出發,首先構建智能化煤礦數據治理能力體系,為數據治理能力的科學評估提供依據;然后構建智能化煤礦數據治理能力成熟度模型,準確定義數據治理能力成熟度各等級的共性特征,指明數據治理能力發展的階段目標、能力要求和關鍵實踐,為數據治理能力提升提供理論模型;最后在智能化煤礦數據治理能力成熟度模型的指導下,提出智能化煤礦數據治理能力提升策略,最終補充完善智能化煤礦數據治理方法論體系。

1 智能化煤礦數據治理能力體系

智能化煤礦是由物理世界、意識世界、信息世界中活動層、組織級、價值鏈之間的耦合協同關系構成的復雜系統[18]。煤礦智能化建設整體目標是將煤礦打造成智能結構完善、層級架構健全、支撐體系發達、高度智能的少人或無人系統,根本任務是“構建煤礦信息世界、改造煤礦物理世界和意識世界、搭建三個世界信息通路”,最終賦予煤礦透徹感知和深度互聯的結構特征、自主學習和智能應用的功能特征以及全局協同的價值特征。

數據治理通過確保數據運營合規、保障數據質量、防控數據風險、提升數據價值,以數字連續性驅動戰略導向、決策模式和業務需求變革,以敏捷高效的數據服務支持煤礦智能化建設整體目標的實現,進一步將透徹感知、深度互聯、自主學習、智能應用、全局協同的智能化特征轉化為煤礦數字競爭優勢,形成以數據驅動為核心的能力體系。

因此,智能化煤礦數據治理能力是指,通過對煤礦數據及相關技術和業務全生命周期的權責利進行合理制度優化,以支持煤礦智能化建設整體目標實現的能力。智能化煤礦數據治理能力服務于煤礦智能化建設對數據治理的戰略訴求,根植于智能化煤礦“四橫三縱”整體框架(圖1)。

圖1 智能化煤礦“四橫三縱”整體框架Fig.1 The overall framework of “four-horizontals and three-verticals” in intelligent coal mines

1.1 透徹感知能力

透徹感知能力根植于感知控制層。感知控制層通過固定監測傳感設備和移動監測傳感設備構建基于工業物聯網的煤礦泛在感知網絡,實現煤礦生產作業、安全管理、經營決策等全業務、全鏈條、全環節、全方位數據的自動化采集,通過可編程邏輯控制器(Programmable Logic Controller,PLC)、監視控制與數據采集(Supervisory Control And Data Acquisition,SCADA)系統、分布式控制系統(Distributed Control System,DCS)三位一體架構實現煤礦數據集成和業務系統控制。智能化煤礦數據治理的透徹感知能力強調保障煤礦泛在感知網絡的數據質量和數據安全,使得煤礦數據保持完備性、準確性、唯一性、一致性、完整性、合理性、有效性、及時性和安全性,核心是貫徹落實煤礦數據質量標準和數據安全標準。

1.2 深度互聯能力

深度互聯能力根植于網絡通信層。網絡通信層通過對煤礦廣播電視網、電話通信網和工業互聯網的技術改造(尤其需要對煤礦工業以太環網和辦公局域網進行優化升級),依托智能網關與感知控制層的工業物聯網實現無縫、安全鏈接,構建四網融合的深度互聯網絡,為煤礦提供包括視頻、圖像、語音、文本、數字等的綜合多媒體通信服務,使煤礦具備無障礙的數據交互能力。智能化煤礦數據治理的深度互聯能力強調實現煤礦中人與人之間、人與機器之間、機器與機器之間信息的有效交互,核心是煤礦數據通信接口的開放和數據交互協議的互認。

1.3 自主學習能力

自主學習能力根植于數據及應用支撐層。數據及應用支撐層部署智能化煤礦數據治理中臺體系和自主學習算法體系,是智能化煤礦數據治理重點改造的層級。

中臺體系采用技術-數據-業務三中臺融合架構。技術中臺對智能化煤礦數據相關技術進行治理,抽象所需共性技術,構建通用技術服務能力并進行技術微服務封裝,以開放的技術微服務應用程序接口(Application Programming Interface,API)為數據中臺和業務中臺提供技術能力支持[4]。數據中臺對智能化煤礦數據進行治理,調用技術微服務對全域全量數據進行采集、存儲、開發和管理,構建智能化煤礦數據資產體系并進行數據微服務封裝,以數據微服務API 對業務中臺和智能應用體系開放[4]。業務中臺對智能化煤礦數據相關業務進行治理,抽象智能化煤礦共性業務,調用技術微服務和數據微服務構建通用業務服務能力并進行業務微服務封裝,以業務微服務API 對智能應用體系開放,快速響應前端應用需求[4]。

智能化煤礦數據治理的自主學習能力強調以一致的數據語用、數據語義和數據語法理解進行智能化煤礦自感知、自處理、自決策、自執行、自反饋、自適應的核心算法開發,以支持技術微服務、數據微服務和業務微服務的智能化實現。

1.4 智能應用能力

智能應用能力根植于應用與展示層。應用與展示層在技術-數據-業務三中臺融合體系上架構以智能化煤礦綜合管控平臺為統領的、以“工程數字化系統、綜合智能化系統、管理信息化系統”為核心的智能應用體系,逐步發展與完善智能生產、智能安全、智能調度、智能物流、智能商業等智能應用場景。智能化煤礦數據治理的智能應用能力強調應用體系、應用平臺、應用系統、應用功能和數據服務的智能化,核心是以數字連續性支持煤礦數據應用需求敏捷響應。

1.5 全局協同能力

全局協同能力是煤礦智能化建設對數據治理的整體價值訴求,貫穿智能化煤礦“四橫三縱”整體框架的四個層級,以網絡與數據安全體系、智能化標準體系和智能化管理運維體系為支撐。

數據標準是智能化標準體系亟待補充完善的重要部分,包括基礎標準、數據歸類與編碼標準、元數據標準、主數據標準、數據質量標準、數據安全標準、數據資產標準等核心內容。

數據安全管理體系是網絡與數據安全體系亟待建立健全的重要部分,包括數據分類分級、數據隱患排查、數據風險識別、數據安全全生命周期監控等核心內容。

數據運營管理規范是智能化管理運維體系亟待建設的重要部分,包括數據治理戰略規劃、組織機構構建、數據資產架構設計、數據技術架構設計、數據業務架構設計和數據管理架構設計等核心內容[7]。

智能化煤礦數據治理的全局協同能力強調通過戰略導向、決策模式、業務需求等驅動煤礦從以單系統聯動為核心的局部協同,走向以“生產柔性化、安全本質化、管理精益化”為特征的以“人-財-物優化配置、供-產-銷-用一體化聯動”為核心的全局協同,關注煤礦信息流、資金流、物質流、服務流和價值流的協同性。

因此,智能化煤礦數據治理能力體系包括“透徹感知、深度互聯、自主學習、智能應用、全局協同”5 大能力域,共28 個能力項(圖2)。

圖2 智能化煤礦數據治理能力體系Fig.2 Data governance capability system for intelligent coal mines

2 智能化煤礦數據治理能力成熟度模型

能力成熟度模型由卡耐基梅隆大學(Carnegie Mellon University)軟件工程研究院于1991 年正式推出,為軟件開發過程能力提供漸進式發展路徑和評估策略[19],這一理論思想被廣泛應用于數據管理能力提升[13]。為了準確定義智能化煤礦數據治理能力成熟度各等級的共性特征,清晰指明數據治理能力發展的階段目標、能力要求和關鍵實踐,本文基于智能化煤礦數據治理理論基礎、概念模型、技術架構和治理體系的相關研究[4,7],借鑒能力成熟度理論思想,參考數據安全能力成熟度模型的原理[16],構建智能化煤礦數據治理能力成熟度模型(Data Governance Capability Maturity Model,DGCMM)(圖3)。

圖3 智能化煤礦數據治理能力成熟度模型Fig.3 Data governance capability maturity model for intelligent coal mines

2.1 模型總體架構

DGCMM 由能力成熟度等級、數據治理能力、數據治理實踐三個維度耦合而成。

能力成熟度按照能力體系中關鍵能力的拓展和深化程度劃分為初始級、受管理級、已定義級、量化管理級和優化級5 個等級。各等級在由“透徹感知、深度互聯、自主學習、智能應用、全局協同”5個能力域構成的數據治理能力維度上,表現出“項目化管理-流程化管理-標準化管理-定量化管理-標桿化管理”漸進式發展的特征。

數據治理能力的漸進式發展以逐步實施數據治理實踐維度下“頂層設計、數據管理、數據匯聚、數據開發、數據服務”5 大實踐域中的關鍵實踐為支撐,最終描繪出智能化煤礦數據治理能力提升的完整藍圖和過程細節。

數據治理實踐域是在“沉淀、復用、共享、協同”的治理理念引導下,在“數據運營合規、數據質量保障、數據風險防控、數據價值提升”的治理目標要求下,針對智能化煤礦數據特征,為提升數據治理能力而采取的關鍵實踐的集合?；趯χ悄芑旱V數據治理過程的分析[7],數據治理實踐域包括頂層設計、數據管理、數據匯聚、數據開發和數據服務5 部分。

頂層設計是指在內外部環境因素、保障因素和驅動因素的交互影響下進行數據戰略規劃、治理組織構建以及頂層架構設計,包括分析內外部利益相關方數據訴求、識別多元主體數據治理動機、取得核心領導層支持、建立健全數據治理體制機制、構建數據治理能力體系、規劃數據治理戰略、構建數據治理組織和設計數據資產、數據技術、數據應用、數據管理的頂層架構等關鍵實踐。

數據管理是指在數據治理的制度安排下對數據及相關技術和業務履行正確的管理職責,包括數據標準管理、元數據管理、主數據管理、數據資產管理、數據質量管理、數據安全管理、數據生命周期管理等關鍵實踐。

數據匯聚集成數據采集、數據傳輸、數據存儲三個數據生命周期過程,包括設計和實施數據采集策略、設計和實施數據傳輸策略、設計和實施數據存儲策略等關鍵實踐。

數據開發根據智能化煤礦數據特征集成離線開發、實時開發和算法開發框架,以建設智能化煤礦數據資產體系和自主學習算法體系,包括:接入和處理煤礦冷數據、溫數據和熱數據,構建智能化煤礦數據資產體系和煤礦自主學習算法體系等關鍵實踐。

數據服務對智能化煤礦數據及相關模型和算法進行計算邏輯封裝,為服務請求提供標準化出口,主要包括提供數據微服務、業務微服務和算法微服務等關鍵實踐。

2.2 模型耦合關系

DGCMM 耦合關系是能力成熟度等級、數據治理能力、數據治理實踐在維度間和維度內相互作用、相互影響的關系。維度間的耦合關系描繪智能化煤礦數據治理能力提升的完整藍圖,維度內的耦合關系描繪智能化煤礦數據治理能力提升的過程細節,二者共同指示智能化煤礦數據治理能力提升路徑。DGCMM 從初始級、受管理級、已定義級、量化管理級到優化級的能力成熟度提升,滿足“項目化管理-流程化管理-標準化管理-定量化管理-標桿化管理”的漸進式能力發展規律。

(1) 初始級。煤礦尚未意識到數據治理的重要性,數據治理活動零散且孤立地分布在具體智能化系統建設項目中,沒有統一的數據治理活動管理流程,被動地開展數據治理工作,不具備數據治理關鍵能力。煤礦在本階段應充分認識數據治理的重要性,宣傳和統一對數據治理概念內涵、治理理念、治理目標、發展路徑等的理解,積極開展數據治理頂層設計。

(2) 受管理級。煤礦已經意識到數據治理的重要性,有序開展頂層設計,進行了數據治理戰略規劃、組織機構構建和頂層架構設計,制訂了數據治理活動管理流程,主動地開展數據治理工作。在透徹感知能力上,重視數據的安全性并提出數據質量要求;在深度互聯能力上,強調煤礦中人與人之間、人與機器之間信息的有效交互;初步構建數據治理體系但尚不具備自主學習能力;已進行局部功能或單系統的智能化建設,但并不能提供數據的智能化服務;追求系統內部的協調聯動和集中控制。煤礦在本階段應加強數據標準的建設和貫徹,制定數據管理規范,合理化部署和實施數據匯聚策略,進行數據的離線開發和實時開發,構建數據資產體系。

(3) 已定義級。煤礦將數據治理作為驅動智能化建設和數字化轉型的引擎,在頂層設計要求下構建了統一的數據標準和數據管理規范,在組織層面制定了系統化的數據治理實施流程,標準化地開展數據治理工作。在透徹感知能力上,以數據安全為基礎,更加關注數據質量的保障;深度互聯能力拓展到強調煤礦中機器與機器之間交互通信協議的統一;在數據治理體系的基礎上完成數據資產體系的構建,逐步開始煤礦自主學習算法的開發,具備自感知和自處理能力;煤礦智能化應用系統向平臺化發展,嘗試基于統一的數據模型進行工程數字化、綜合智能化和管理信息化系統內部和系統之間的整合集成;強調以協同的信息流促進組織內部人-財-物的協同配置,關注煤礦內外部利益相關方數據訴求的滿足。煤礦在本階段應加強煤礦自主學習算法體系的構建與完善,促進煤礦自主學習能力向自決策、自執行、自反饋和自適應拓展,構建數據治理能力量化分析與監控優化機制。

(4) 量化管理級。煤礦將數據治理能力作為保障數字連續性、獲取數字競爭優勢的關鍵支撐,已形成煤礦自主學習算法體系,在數據治理能力量化分析與監控優化機制的有效運行下,逐步實現數據治理能力的科學管理與過程優化,定量化地開展數據治理工作。在透徹感知能力上,實現數據安全和數據質量全生命周期的監控;在深度互聯能力上,實現“人與人、人與機器、機器與機器”三者之間的融合交互;在自主學習能力上,實現自感知、自處理能力的深化以及自決策、自執行、自反饋和自適應能力的拓展;基于完整統一的數據模型的數據服務有效支持煤礦應用功能、應用系統和應用平臺的自動化、數字化和智能化,煤礦智能應用體系初見雛形;煤礦產業鏈和價值鏈上關鍵環節的數據鏈條逐步打通,出現基于數據共享和數據開放的新型業務形態,信息協同開始促進服務協同。煤礦在本階段應進一步深化自決策、自執行、自反饋和自適應的自主學習能力,健全數據治理體系,推動數據標準體系和數據管理規范的優化,固化數據治理產生的數據資源、技術資源、業務資源和數據治理能力,推動煤礦供-產-銷-用一體化協同的實現。

(5) 優化級。煤礦將數據治理能力作為實現智能化建設、保持競爭優勢、支持高質量發展的重要基礎,完整構建了智能化煤礦數據治理體系,持續推動數據價值、數據技術、數據資產和數據管理體系的優化,通過固化的數據治理資源和能力促進組織內部數據治理戰略的創新和組織外部數據治理最佳實踐的分享,標桿化地開展數據治理工作。在透徹感知能力上,實現數據安全和數據質量管理策略的實時優化;在深度互聯能力上,形成煤炭行業統一的“人與人、人與機器、機器與機器”融合交互協議框架和策略;在自主學習能力上,全方位支持煤礦智能化建設,推動煤礦智能化建設向高階段發展[20-21];在智能應用能力上,通過敏捷、智能的數據服務推動煤礦智能化應用體系的健全和完善;實現以“生產柔性化、安全本質化、管理精益化”為特征的、以“人-財-物優化配置、供-產-銷-用一體化聯動”為核心的全局協同。煤礦在本階段應依托標桿化的數據治理能力發揮示范引領作用,驅動煤礦文化變革、戰略變革和組織變革,構建文化-戰略-組織-業務-技術-數據六位一體、協同發展的數字煤炭產業生態。

智能化煤礦數據治理能力提升的階段目標、能力要求和關鍵實踐的過程指引見表1。

表1 智能化煤礦數據治理能力提升過程指引Table 1 The process guideline of the improving data governance capability for intelligent coal mines

3 智能化煤礦數據治理能力提升策略與應用

3.1 智能化煤礦數據治理能力提升策略

智能化煤礦數據治理能力提升以計劃(Plan)、執行(Do)、檢查(Check)、處理(Act)(PDCA)循環理論為基礎,以數據治理能力成熟度模型為支撐,通過定位所處能力成熟度等級、實施能力提升關鍵實踐、監控和評價數據治理運行狀態、持續改進和優化數據標準及管理規范的循環迭代過程,實現能力體系中關鍵能力的漸進式拓展和深化。

3.1.1 統籌規劃,定位數據治理能力等級

順應數字中國[22]建設要求,充分認識數字經濟和數字文化產生的破壞性創新,把握新一代數字技術發展趨勢,充分考慮煤炭行業數字化轉型需要,在政府有關部門對煤炭行業的數據監管下,整合煤礦各利益相關方的數據服務需求,盤活煤礦數據、存儲、網絡和計算資源,在戰略導向、決策模式、業務需求等因素的驅動下,取得煤礦核心領導層的支持,依托智能化煤礦數據治理能力體系和成熟度模型評估數據治理能力所處的成熟度等級,明確能力提升的目標要求和實現路徑,做好數據治理實施準備。

3.1.2 構建運行,實施能力提升關鍵實踐

在智能化煤礦數據治理能力成熟度模型階段性目標和能力要求的指引下,明確當前階段數據治理能力提升的關鍵實踐;評估關鍵實踐與煤礦當前所處環境、現有資源和能力、驅動因素、保障因素之間的匹配程度,構建關鍵實踐的實施條件;合理安排關鍵實踐實施涉及的權力、責任和利益,建立健全相關管理制度;制定關鍵實踐實施方案,組建方案實施團隊,確定方案的實施路線和方法,全生命周期監督和優化關鍵實踐的實施過程。

3.1.3 監控評價,量化數據治理運行狀態

構建必要的數據治理活動績效評估體系、內部控制體系和質量審計體系,持續監控數據治理活動運行過程;制定數據治理活動評價機制、評價流程和評價辦法,對標智能化煤礦數據治理體系和能力體系,評價數據治理活動在治理理念一致性、治理目標符合性、資源能力匹配性、運行過程合規性、安全風險規避性、能力提升有效性等方面的表現;溯源數據治理活動存在的問題癥結,形成數據治理活動改進方案,建立數據治理能力持續提升機制。

3.1.4 改進優化,持續提升數據治理能力

不斷創新數據治理戰略和頂層設計;持續完善智能化煤礦數據治理、數據價值、數據技術、數據資產、數據管理和數據標準等體系;逐步改進數據管理、數據匯聚、數據開發、數據服務的實施方案,優化數據治理活動實施的策略、方法和流程;拓展和深化本階段要求的關鍵能力;檢驗本階段數據治理目標、能力要求和關鍵實踐的完成情況,進一步明確下一階段的發展目標、能力要求和關鍵實踐,推動數據治理能力通過PDCA 循環持續提升。

3.2 智能化煤礦數據治理能力提升案例

某煤礦年產能達180 萬噸,在市能源局的監管要求下開展全礦井智能化建設。為了打通全礦井數據鏈條,整合集成安全、生產、管理各業務域的系統,構建全礦井的智能化綜合管控平臺,開展數據治理頂層設計和數據治理能力評估。

基于智能化煤礦數據治理能力體系和DGCMM 模型,采用層次分析法和德爾菲技術,評估某煤礦數據治理能力當前處于受管理級,下一階段能力提升的目標是達到已定義級的能力要求,即

(1) 在透徹感知能力上,以數據安全性為基礎,保障數據的完備性、準確性、唯一性、一致性和完整性;

(2) 在深度互聯能力上,實現煤礦中機器與機器之間信息的有效交互;

(3) 在自主學習能力上,具備自感知和自處理能力;

(4) 在智能應用能力上,實現應用平臺的智能化;

(5) 在全局協同能力上,實現信息流協同性、資金流協同性和物質流協同性。

對照智能化煤礦數據治理能力提升過程指引(表1),某煤礦在受管理級應實施的關鍵實踐包括加強數據標準的建設和貫徹、制定數據管理規范、合理化部署和實施數據匯聚策略、進行數據的離線開發和實時開發和構建數據資產體系。這將使得某煤礦標準化地開展數據治理工作,支持全礦井智能化綜合管控平臺的建設。

4 結 論

本文基于煤礦智能化建設對數據治理的戰略訴求,界定了智能化煤礦數據治理能力的概念內涵,構建了智能化煤礦數據治理能力體系以及數據治理能力成熟度模型,指明了智能化煤礦數據治理能力的漸進式發展路徑,并提出了智能化煤礦數據治理能力持續提升的策略。

(1) 智能化煤礦數據治理能力是指通過對煤礦數據及相關技術和業務全生命周期的權責利進行合理制度優化,以支持煤礦智能化建設整體目標實現的能力。其從根本上保障數字連續性,驅動戰略導向、決策模式和業務需求變革,以敏捷高效的數據服務將智能化特征轉化為數字競爭優勢。

(2) 智能化煤礦數據治理能力體系包括“透徹感知、深度互聯、自主學習、智能應用、全局協同”5 大能力域,共28 個能力項。透徹感知能力強調保障煤礦泛在感知網絡的數據質量和數據安全。深度互聯能力強調實現煤礦中人與人之間、人與機器之間、機器與機器之間信息的有效交互。自主學習能力強調以一致的數據語用、數據語義和數據語法理解進行煤礦自感知、自處理、自決策、自執行、自反饋、自適應的核心算法開發。智能應用能力強調以數字連續性支持煤礦數據應用需求的敏捷響應。全局協同能力關注煤礦信息流、資金流、物質流、服務流和價值流的協同性。

(3) 智能化煤礦數據治理能力成熟度模型由能力成熟度等級、數據治理能力、數據治理實踐三個維度耦合而成。維度間的耦合關系描繪智能化煤礦數據治理能力提升的完整藍圖,維度內的耦合關系描繪智能化煤礦數據治理能力提升的過程細節,二者共同指示智能化煤礦數據治理能力提升路徑。

(4) 智能化煤礦數據治理能力提升以PDCA循環理論為基礎,以數據治理能力成熟度模型為支撐,通過“統籌規劃,定位數據治理能力等級”“構建運行,實施能力提升關鍵實踐”“監控評價,量化數據治理運行狀態”“改進優化,持續提升數據治理能力”的循環迭代過程實現能力體系中關鍵能力的漸進式拓展和深化。