2.4 建立模型
根據待數據開發利用的問題類型，選擇對應的建模技術。與以往類似的可對原技術加以修改沿用，與以往不相同的則需要重新建模。在此過程中，當涉及到數據不匹配時，可能會重新進行數據準備過程，實現對數據參數的精準校對。
2.5 模型評估
在數據模型最終部署之前，需對修改和新增的模型進行再評估，回顧其中每個步驟、每個數據、每個邏輯，尤其要考慮和兩化融合目標的關聯性，確定是否可解決提出的數據開發利用問題，為模型部署成功提供保障。
2.6 部署實施
由信息部門和相關業務部門共同完成相關信息係統的搭建、改造和完善，明確各部門、各崗位參與數據開發利用的主體和具體職責，以製度文件的形式規範下來，共同參與數據開發利用過程。
3 數據開發利用的關鍵點
根據對應的規範要求和過程指導，為確保有效開發和利用數據，在具體實施過程中應重點關注以下幾點：
3.1 重視商業理解，統籌管理全局
商業理解是數據開發利用的第一步，它關注數據開發利用過程中的方向性問題。應由領導層深入參與，正確把握兩化融合目標，明確待解決問題對達成目標的關聯度和貢獻性，在各部門提出需求的基礎上，重點關注最迫切的數據開發利用方向。隻有始終抓住這個重點，才能對後續的實施全局起決定性的指導作用。
3.2 嚴把數據來源，推進數據標準
數據的可靠性、真實性、完整性是數據開發利用的基礎，也是達成兩化融合目標的保障。如果數據質量不好，即使模型很完美，也不可避免產生一個偏差或者錯誤的結果。應嚴格篩選和過濾各部門、流程、崗位及係統提供的數據，推進數據處理環節的標準化，並建立相應的數據校對機製，逐步提高數據的質量。
3.3 落實責任主體，明確具體職責
職責分配落實是確保數據開發利用有序進行的關鍵，也是長期進行數據治理的必要措施。如果不能從製度上落實職責，很容易造成數據的遺漏和丟失。應製定相關製度，規定數據采集和維護的周期，指定專門崗位按製度要求負責數據的采集、彙總、校驗、錄入等，並由上級領導對數據的真實性進行審核，對數據的準確性負責。
3.4 定期回顧總結，提升決策質量
對數據的定期回顧和總結是不斷提升決策質量的必要環節，它關注於數據開發利用中的方向修正問題。如果無法通過回顧總結發現其中的疏漏和不完善，會對決策準確性造成影響。應周期性地對數據的質量及數據對達成目標的貢獻性進行回顧總結，調整優化相應業務流程和崗位職責，對應地更新信息係統，確保數據開發利用的高效和準確。
4 結語
隨著工業4.0時代的到來，IT技術的發展為企業帶來了新的思路，數據作為企業各生產環節的核心，對其進行開發利用是企業必須持續推進、不斷提升的係統性、全局性工作。必須圍繞數據對企業的經營發展做長遠布局，梳理當前已有的管理、生產、銷售、人員等數據，調整優化信息係統、管理製度、崗位職責，實現企業從傳統製造向智能製造的轉型。
參考文獻
[1] 中華人民共和國工業和信息化部.信息化和工業化融合管理體係要求（試行）[S].2014.
[2] 野村綜合研究所.圖解CIO工作指南[M].北京：人民郵電出版社，2014.
[3] 郭亮.用CRISP-DM模型來規範企業數據中心建設[J].華北科技學院學報，2008，4（5）.
作者簡介：華苗苗（1987-），女，浙江人，浙江省電子信息產品檢驗所助理工程師，碩士，研究方向：兩化融合。（責任編輯：周 瓊）