[ 億歐導讀 ] 我國工業(yè)位居世界第一，卻大而不強。企業(yè)創(chuàng )新能力不足，高端和高價(jià)值產(chǎn)品欠缺，在國際產(chǎn)業(yè)分工中處于中低端狀態(tài)，而這些問(wèn)題都能通過(guò)工業(yè)大數據解決。

工業(yè)是國民經(jīng)濟不可或缺的一環(huán)，也是一個(gè)國家強大競爭力背后的力量支撐。我國工業(yè)位居世界第一，卻大而不強。企業(yè)創(chuàng )新能力不足，高端和高價(jià)值產(chǎn)品欠缺，在國際產(chǎn)業(yè)分工中處于中低端狀態(tài)，中國工業(yè)企業(yè)急需轉型和升級。

我們正處于大數據和數字化轉型的時(shí)代，數據無(wú)處不在，運用數據驅動(dòng)的思想和策略在實(shí)踐中逐漸成為共識。制造企業(yè)在利用大數據技術(shù)后，其生產(chǎn)成本能夠降低10%—15%，大數據對于工業(yè)企業(yè)的重要性不言而喻。不同層面的制造企業(yè)在發(fā)展過(guò)程中，應該采取相應的大數據策略，才能離“工業(yè)4.0”、“工業(yè)互聯(lián)網(wǎng)”和“中國制造2025”更近一步。

數從何處來(lái)？工業(yè)大數據溯源

工業(yè)大數據從哪里來(lái)？來(lái)源于產(chǎn)品生命周期的各個(gè)環(huán)節，包括市場(chǎng)、設計、制造、服務(wù)、再利用各個(gè)環(huán)節，每個(gè)環(huán)節都會(huì )有大數據?！叭鄙芷趨R合起來(lái)的數據更大。當然，企業(yè)外、產(chǎn)業(yè)鏈外的“跨界”數據也是工業(yè)大數據“不可忽視”的重要來(lái)源。

工業(yè)大數據的主要來(lái)源有三類(lèi)：

第一類(lèi)是生產(chǎn)經(jīng)營(yíng)相關(guān)業(yè)務(wù)數據。主要來(lái)自傳統企業(yè)信息化范圍，被收集存儲在企業(yè)信息系統內部，包括傳統工業(yè)設計和制造類(lèi)軟件、企業(yè)資源計劃（ERP）、產(chǎn)品生命周期管理（PLM）、供應鏈管理（SCM）、客戶(hù)關(guān)系管理（CRM）和環(huán)境管理系統（EMS）等。通過(guò)這些企業(yè)信息系統已累計大量的產(chǎn)品研發(fā)數據、生產(chǎn)性數據、經(jīng)營(yíng)性數據、客戶(hù)信息數據、物流供應數據及環(huán)境數據。

第二類(lèi)是設備物聯(lián)數據。主要指工業(yè)生產(chǎn)設備和目標產(chǎn)品在物聯(lián)網(wǎng)運行模式下，實(shí)時(shí)產(chǎn)生收集的涵蓋操作和運行情況、工況狀態(tài)、環(huán)境參數等體現設備和產(chǎn)品運行狀態(tài)的數據。此類(lèi)數據是工業(yè)大數據新的、增長(cháng)最快的來(lái)源。狹義的工業(yè)大數據即指該類(lèi)數據，即工業(yè)設備和產(chǎn)品快速產(chǎn)生的并且存在時(shí)間序列差異的大量數據。

第三類(lèi)是外部數據。指與工業(yè)企業(yè)生產(chǎn)活動(dòng)和產(chǎn)品相關(guān)的企業(yè)外部互聯(lián)網(wǎng)來(lái)源數據，例如，評價(jià)企業(yè)環(huán)境績(jì)效的環(huán)境法規、預測產(chǎn)品市場(chǎng)的宏觀(guān)社會(huì )經(jīng)濟數據等。

工業(yè)大數據與互聯(lián)網(wǎng)大數據的差異

工業(yè)大數據具有一般大數據的特征（海量性、多樣性等），此基礎上具有價(jià)值性、實(shí)時(shí)性、準確性、閉環(huán)性四個(gè)典型的特征。工業(yè)大數據與互聯(lián)網(wǎng)大數據最大的區別在于工業(yè)大數據有非常強的目的性，而互聯(lián)網(wǎng)大數據更多的是一種關(guān)聯(lián)的挖掘，是更加發(fā)散的一種分析。除此之外，兩者在數據的特征和面臨的問(wèn)題方面也有不同。有別于互聯(lián)網(wǎng)大數據，工業(yè)大數據的分析技術(shù)核心要解決 "3B" 問(wèn)題：

1、Below Surface —— 隱匿性，即需要洞悉背后的意義

工業(yè)環(huán)境中的大數據與互聯(lián)網(wǎng)大數據相比，最重要的不同在于對數據特征的提取上面，工業(yè)大數據注重特征背后的物理意義以及特征之間關(guān)聯(lián)性的機理邏輯，而互聯(lián)網(wǎng)大數據則傾向于僅僅依賴(lài)統計學(xué)工具挖掘屬性之間的相關(guān)性。

2、Broken —— 碎片化，即需要避免斷續、注重時(shí)效性

相對于互聯(lián)網(wǎng)大數據的量，工業(yè)大數據更注重數據的全，即面向應用要求具有盡可能全面的使用樣本，以覆蓋工業(yè)過(guò)程中的各類(lèi)變化條件、保障從數據中能夠提取以反映對象真實(shí)狀態(tài)的信息全面性。因此，工業(yè)大數據一方面需要在后端的分析方法上克服數據碎片化帶來(lái)的困難，利用特征提取等手段將這些數據轉化為有用的信息，另一方面，更是需要從數據獲取的前端設計中以?xún)r(jià)值需求為導向制定數據標準，進(jìn)而在數據與信息流通的平臺中構建統一的數據環(huán)境。

3、Bad Quality —— 低質(zhì)性，即需要提高數據質(zhì)量、滿(mǎn)足低容錯性

數據碎片化缺陷來(lái)源的另一方面也顯示出對于數據質(zhì)量的擔憂(yōu)，即數據的數量并無(wú)法保障數據的質(zhì)量，這就可能導致數據的低可用率，因為低質(zhì)量的數據可能直接影響到分析過(guò)程而導致結果無(wú)法利用，但互聯(lián)網(wǎng)大數據則不同，其可以只針對數據本身做挖掘、關(guān)聯(lián)而不考慮數據本身的意義，即挖掘到什么結果就是什么結果，最典型的就是經(jīng)過(guò)超市購物習慣的數據挖掘后啤酒貨架就可以擺放在尿不濕貨架的對面，而不用考慮他們之間有什么機理性的邏輯關(guān)系 ;換句話(huà)說(shuō)，相比于互聯(lián)網(wǎng)大數據通常并不要求有多么精準的結果推送，工業(yè)大數據對預測和分析結果的容錯率遠遠比互聯(lián)網(wǎng)大數據低的多?；ヂ?lián)網(wǎng)大數據在進(jìn)行預測和決策時(shí)，僅僅考慮的是兩個(gè)屬性之間的關(guān)聯(lián)是否具有統計顯著(zhù)性，其中的噪聲和個(gè)體之間的差異在樣本量足夠大時(shí)都可以被忽略，這樣給出的預測結果的準確性就會(huì )大打折扣。比如當我覺(jué)得有 70% 的顯著(zhù)性應該給某個(gè)用戶(hù)推薦 A 類(lèi)電影，即使用戶(hù)并非真正喜歡這類(lèi)電影也不會(huì )造成太嚴重的后果。但是在工業(yè)環(huán)境中，如果僅僅通過(guò)統計的顯著(zhù)性給出分析結果，哪怕僅僅一次的失誤都可能造成嚴重的后果。

工業(yè)大數據面臨的挑戰

第一是數據搜集，要對來(lái)自網(wǎng)絡(luò )包括物聯(lián)網(wǎng)和機構信息系統的數據附上時(shí)空標簽，去偽存真，盡可能收集異源甚至是異構的數據，還可與歷史數據對照，多角度檢驗數據的全面性和可信性。

第二是數據存儲，要達到低成本、低能耗、高可靠性目標，要用到冗余配置，分布和云計算技術(shù)，存儲時(shí)對數據進(jìn)行分類(lèi)，并加入便于檢索的標簽。

三是數據處理，利用上下文關(guān)聯(lián)進(jìn)行語(yǔ)義分析，現在關(guān)于上下文這種關(guān)聯(lián)，也是一個(gè)國際上比較熱門(mén)的一個(gè)領(lǐng)域。

第四是可視化呈現，目前計算機智能化有了很大的進(jìn)步和發(fā)展，但是談不到深層次數據挖掘，現有數據挖掘算法在行業(yè)中難以應用，就是我們談到的智能之路進(jìn)步很大，但還很遙遠。

應用工業(yè)大數據的考慮因素

在我國大數據采集技術(shù)和處理技術(shù)不斷優(yōu)化的今天，相關(guān)的大數據處理技術(shù)結合了物聯(lián)網(wǎng)的實(shí)時(shí)采集能力已經(jīng)在我國更多領(lǐng)域之中展現了非凡的科技效果，特別是在我國工業(yè)領(lǐng)域之中專(zhuān)業(yè)的工業(yè)大數據處理技術(shù)為我國現代化工廠(chǎng)的建設帶來(lái)了更好的技術(shù)保障，而工業(yè)企業(yè)想要實(shí)現轉型更好的應用工業(yè)大數據則必須綜合考慮如下因素：

1、注意大數據計劃的完善程度

眾所周知大數據處理技術(shù)結合了眾多的技術(shù)類(lèi)型和設計層面，因此企業(yè)想要利用強大的工業(yè)大數據來(lái)實(shí)現轉型和變革，則必須要建立完善的分析基礎和應用環(huán)境，消費者在選用工業(yè)大數據之前必須要考慮企業(yè)實(shí)施的基礎環(huán)境是否適宜，并且經(jīng)過(guò)專(zhuān)業(yè)的工業(yè)大數據機構進(jìn)行全方位的分析提供可靠的發(fā)展基礎才能夠確保這種優(yōu)質(zhì)技術(shù)獲得完美的落實(shí)。

2、注意分析應用后的實(shí)際效果

在應用大數據之前企業(yè)必須要對這種數據應用之后可能應對的情況和實(shí)際效果進(jìn)行綜合分析，通過(guò)品牌的工業(yè)大數據來(lái)確認數據采集和處理工藝能夠滿(mǎn)足企業(yè)的實(shí)際需求，在應用該種工業(yè)大數據之后能夠為企業(yè)帶來(lái)的實(shí)際經(jīng)濟效益和實(shí)際效果尤為重要，因此企業(yè)也可以通過(guò)工業(yè)大數據機構來(lái)進(jìn)行全方位的測評來(lái)確保為技術(shù)使用奠定良好的基礎。

簡(jiǎn)言之應用工業(yè)大數據之前必須要進(jìn)行基礎環(huán)境和實(shí)際效果等多方面的考慮，分析工業(yè)大數據應用所能夠帶來(lái)的好處和困境才能夠確保工業(yè)大數據的利用得以完美實(shí)現，也可以經(jīng)過(guò)專(zhuān)業(yè)的工業(yè)大數據機構來(lái)進(jìn)行更好的輔導確保該種技術(shù)的應用之下能夠為企業(yè)的現代化管理帶來(lái)更好的幫助。

工業(yè)大數據應用案例

發(fā)展大數據是個(gè)過(guò)程，最終目的是為了利用大數據，對工業(yè)企業(yè)起到作用。因此，企業(yè)需要冷靜思考，堅持以業(yè)務(wù)應用為驅動(dòng)，才能最大化實(shí)現數據價(jià)值。企業(yè)所積累的數據量以越來(lái)越快的速度在增加，很多企業(yè)也就順勢將大數據技術(shù)引入企業(yè)的生產(chǎn)經(jīng)營(yíng)中。大數據在工業(yè)企業(yè)的應用主要體現在三方面：

一是基于數據的產(chǎn)品價(jià)值挖掘，通過(guò)對產(chǎn)品及相關(guān)數據進(jìn)行二次挖掘，創(chuàng )造新價(jià)值

在汽車(chē)行業(yè)，科研人員設計出一種新型座椅，能夠通過(guò)分析相關(guān)數據識別主人，以此確保汽車(chē)的安全。這種座椅裝有360個(gè)不同類(lèi)型的感應器，可以收集并分析駕駛者的體重、壓力值，甚至坐到座椅上的方式等多種信息，并將它們與車(chē)載系統中內置的車(chē)主信息進(jìn)行匹配，以此判斷駕駛者是否為車(chē)主，從而決定是否開(kāi)動(dòng)汽車(chē)。實(shí)驗數據顯示，這種車(chē)座的識別準確率高達98%。

二是提升服務(wù)型生產(chǎn)

提升服務(wù)型生產(chǎn)就是增加服務(wù)在生產(chǎn)（產(chǎn)品）的價(jià)值比重。主要體現在兩個(gè)方向。一是前向延伸，就是在售前階段，通過(guò)用戶(hù)參與、個(gè)性化設計的方式，吸引、引導和鎖定用戶(hù)。比如紅領(lǐng)西服的服裝定制，通過(guò)精準的量體裁衣，在其他成衣服裝規模關(guān)店的市場(chǎng)下，能保持每年150%的收入和利潤增長(cháng)，每件衣服的成本僅比成衣高10%。

同時(shí)后向延伸，通過(guò)銷(xiāo)售的產(chǎn)品建立客戶(hù)和廠(chǎng)家的互動(dòng)，產(chǎn)生持續性?xún)r(jià)值。蘋(píng)果手機的硬件配置是標準的，但每個(gè)蘋(píng)果手機用戶(hù)安裝的軟件是個(gè)性化的，這里面最大的功勞是APPStore。蘋(píng)果通過(guò)銷(xiāo)售蘋(píng)果終端產(chǎn)品只是開(kāi)始，通過(guò)APPStore建立用戶(hù)和廠(chǎng)商的連接，滿(mǎn)足用戶(hù)個(gè)性化需求，提供差異性服務(wù)，年創(chuàng )造收入在百億美金。

三是創(chuàng )新商業(yè)模式

商業(yè)模式創(chuàng )新主要體現在兩個(gè)方面，一是基于工業(yè)大數據，工業(yè)企業(yè)對外能提供什么樣的創(chuàng )新性商業(yè)服務(wù)；二是在工業(yè)大數據背景下，能接受什么樣的新型的商業(yè)服務(wù)。最優(yōu)的情況是，通過(guò)提供創(chuàng )新性商業(yè)模式能獲得更多的客戶(hù)，發(fā)掘更多的藍海市場(chǎng)，贏(yíng)取更多的利潤；同時(shí)通過(guò)接受創(chuàng )新性的工業(yè)服務(wù)，降低了生產(chǎn)成本、經(jīng)營(yíng)風(fēng)險。

由大數據驅動(dòng)的制造業(yè)轉型升級，是未來(lái)制造業(yè)提升生產(chǎn)效率、改進(jìn)產(chǎn)品質(zhì)量、節約資源消耗、保障生產(chǎn)安全、優(yōu)化銷(xiāo)售服務(wù)的必經(jīng)之路，通過(guò)與工業(yè)互聯(lián)網(wǎng)、人工智能、移動(dòng)互聯(lián)網(wǎng)、云計算等技術(shù)的協(xié)同發(fā)展，工業(yè)大數據驅動(dòng)的的工業(yè)互聯(lián)網(wǎng)必將深度融入實(shí)體經(jīng)濟，成為數字經(jīng)濟時(shí)代的新引擎。

來(lái)源：CIO發(fā)展中心