趋势与挑战！深度把握标准数字化
学习标准化
学习标准化
study_1014
中国首家标准化知识共享平台
发表于
一是数字化转型将影响标准化活动的各个方面。二是
数字化转型将带来很多基础性的或管理相关的问题，包括商业模式、法规、IT基础设施、软件工具、数据/信息共享和处理、标准制定和发布、用户需求等。这些问题需要在标准化工作的顶层设计中进行研讨。三是应引导形成关于标准数字化转型的统一愿景，明确不同角色(标准组织、技术委员会、成员国等)的分工。四是标准数字化转型具有潜在的巨大链式效应。应以尽可能开放的态度讨论潜在的场景和影响，形成清晰且一致的数字化转型战略。这有助于团结和协调国际上以及各国的有关行动及未来发展方向。五是良好的系统架构以及系统工具的应用对于实现数字化转型非常重要。
同时，确定了数字化转型的五个基本原则。一是以人为本。人员是向数字化转型迈进的最重要资源。应保证每个人(包括标准化专家和标准阅读者)积极参与并从中受益。二是平等参与。数字化转型必须以综合化的方式团结所有利益相关者，包括国际层面、区域层面和国家层面等。三是关注使用者。必须与标准使用者密切协作，共同开发解决方案，且需要具备必要的接口和开放的理念体系。四是持续提升/开发。数字化转型应作为一项系统工程持续推进。五是维护关键资源。维护和加强关键资源，如标准化过程，以及与成员国的协作等。
（一）标准内容将趋于结构化、知识化。
利用语义建模、人工智能、可视化等技术实现标准内容知识的提取、分类与表达，将海量的标准文本转化成可自由使用的动态知识网络，通过构建标准知识“本体”，
实现人一机、机一机对标准知识的使用与相互理解。
相应地，为了与机器进行交互，标准在编制时的内容编排、表达、引用、格式甚至语义逻辑都需要在考虑数字化前提下进行更新，自然语言将不再是标准知识的唯一载体，将会出现用机器语言表达的“标准”。
事实上， 世界上最大的代码托管平台Git Hub中已出现相关的数字标准开源项目， 美国供应链协会也在2020年推出了其供应链运作参考模型(SCOR) 的框架版本， 称之为SCOR数字标准。
这将对现有的标准化概念体系、原理及方法形成冲击。
这也意味着，未来在某些领域和场景下(如物理信息系统、数字孪生等)会出现文本标准与数字标准共存的情况。
为了适应数字化场景的需求，便于用机器语言进行表达，标准内容必将呈现出结构化和知识化的趋势。
（二）标准的制定和应用将更加开放。
标准的“开源”模式将会影响标准的全生命周期。
一方面，数字技术使各利益相关方协同制定标准并进行信息的实时交互共享成为可能，标准制定方式由原先的逐项、逐步制定向整体、并行制定转变以缩短制定周期。
另一方面，标准的获取与应用也会更智能、更直接，不必下载阅读大量的文本，即可实现快速的知识检索、智能推送，甚至通过机器直接编译成工作指令或规则，直接对业务过程(如机器运行)产生影响。
同时，标准单次付费购买使用的模式也会发生变化。
(三)标准化体系的内涵与外延将更加丰富。
随着标准数字化的发展，标准普及与使用将更加广泛，开源社区与标准化组织的影响力将会进一步增强。
现阶段标准数字化需求还主要集中在信息和通信技术(ICT)金融等科技以及数据行业，但已有组织机构开始在社会治理领域构建数字标准框架，并
向社会公开采集信息。
过程中信息的获取、处理和使用，有可能引起诸如知识产权、数据安全、隐私保护等系列治理与伦理问题，如何处理这些问题将成为标准数字化新的命题。
这使标准化体系不仅包括标准的制定与应用，还包括相关的数据安全与治理等内容。
相应的，将会要求标准化组织提升其数字化管理能力，以适应标准数字化进程。
标准数字化是工业革命以来标准化发展史的一个里程碑，是数字经济时代标准化的主要特征，为标准化工作创新带来难得的机遇，有利于促进标准化方法和管理制度的变革，但也带来前所未有的挑战，主要包括以下方面。
一是标准化管理的挑战。
标准数字化不仅涉及技术工作，还需要开展相应的管理改革，重新审定标准制修订流程与审批管理权限。
即使实现标准数字化，标准化工作仍然需要人为介人，什么时候介入以及如何介人，需要在管理上加以明确。
同时，标准化管理模式的改革也需要围绕标准数字化开展进一步探索。
二是人工智能技术的挑战。
利用人工智能技术分析大数据，在很多领域的应用已经超出人类的能力，但也存在结果可解析性差等问题，也无法说明结果的生成逻辑。
在一些重要的应用场景中人工智能输出结果的可信性仍然存疑。
标准数字化会用到人工智能技术来理解语义，同样也面临人工智能技术方面的这些困境。
随之而来的是标准数字化过程中的责任(伦理)问题。
即便如此，仍需要有计划、有规划地推动标准数字化转型。
三是网络安全的挑战。
标准数字化基于计算机系统的应用，网络系统本身容易遭遇黑客木马攻击，标准数字化会带来类似风险。
因此，需要高度重视其关联信息系统的安全性，重要标准不能完全依赖机器解读，仍需要人为把关。
声明：公益传播，侵删。
（hanyipp
）入群共享内部资讯。
有关微信公众号、网站及其他平台要转载本平台内容，请务必提前沟通商量，以免产生侵权问题。
版权：如无特殊注明，文章转载自网络，侵权请联系cnmhg168#163.com删除！文件均为网友上传，仅供研究和学习使用，务必24小时内删除。
