随着信息化与工业化的深度融合，信息技术渗透到了工业企业产业链的各个环节，建立了很多计算机信息系统，积累了大量工业数据，已成为工业企业的重要资源。同时，数据质量贯穿于工业数据生命周期的产生、收集、存储、维护、传输、加工和利用等各个阶段，海量的工业数据存在数据残缺、数据不规范、数据错误等数据质量问题。这些问题的解决迫切需要数据质量技术标准的支撑。

通过对工业数据质量持续改进的模型、质量描述、质量识别、质量评价、质量控制、质量报告等的标准化，规定了工业数据质量管理的要求，提高工业数据的可获取性、可流通性、可维护性、可利用性，支撑工业数据的协同建设、互联互通、共享利用，提升效率，保障质量，降低成本。

工业数据质量是智能制造的重要基础之一，本标准适用于工业数据采集、传输、维护和使用过程中的质量管理，本标准的实施有助于实现工业数据的规范化管理和质量保证，为工业企业开展工业数据质量管理工作提供技术支撑。

本课程详细解读了《GBT 39400-2020 工业数据质量 通用技术规范》

包括：

1、标准制定的背景、目的和意义

2、标准主要内容和要点解析

——（1） 范围   

——（2）规范性引用文件    

——（3）术语和定义   

——（4）工业数据质量持续改进    

——（5）工业数据质量描述    

——（6）工业数据质量识别    

——（7）工业数据质量评价    

——（8） 工业数据质量控制    

——（9） 报告数据质量信息

3、标准应用场景