別讓商務大數(shù)據(jù)的思路,，誤了工業(yè)大數(shù)據(jù)

寂靜天花板

大數(shù)據(jù)的概念與背景

大數(shù)據(jù)是最近幾年才熱起來的一個概念,。大數(shù)據(jù)熱大約在2012年前后在中國出現(xiàn)。其中,，涂子沛先生的《大數(shù)據(jù)》一書起到了重要的作用,。“除了上帝,，任何人都必須用數(shù)據(jù)來說話”這句話,，更是得到了時任廣東省委書記汪洋(現(xiàn)為國務院副總理)的高度肯定。

讀過這本書的人都知道：涂子沛關(guān)注的重點是大數(shù)據(jù)對政治,、社會,、倫理等方面的影響。后來,，各家互聯(lián)網(wǎng)公司,、IT公司將人們關(guān)注的熱點引向了商業(yè)領(lǐng)域，再經(jīng)股評師的運作,，使之成為全社會炙手可熱的概念,。與此同時，學術(shù)界不失時機地將大數(shù)據(jù)的概念引入了工業(yè)界,。

然而,，工業(yè)界重視數(shù)據(jù)分析早已不是新鮮事了。人們很早就希望通過數(shù)據(jù)發(fā)現(xiàn)客觀規(guī)律,、優(yōu)化生產(chǎn)過程,。而數(shù)據(jù)挖掘等理論也早已廣泛傳播。對數(shù)據(jù)挖掘的價值,，一種流行的觀點是：當企業(yè)競爭進入白熱化,、所有手段都已用盡時，數(shù)據(jù)挖掘提供了領(lǐng)先半步的可能,。與現(xiàn)在的觀點相比,，這個認識是相當?shù)驼{(diào)的。當然,，低調(diào)背后是有原因的,，因為業(yè)界真正成功的案例其實非常少。

很多企業(yè)急于搭上“工業(yè)大數(shù)據(jù)”這趟快車,，然而在現(xiàn)實中遇到了很多的困惑,。

人們似乎都認為數(shù)據(jù)的作用很大，但從事過工業(yè)數(shù)據(jù)分析的人往往有這樣的體會：分析過程往往達不到預想的目標,，數(shù)據(jù)似乎并不是傳說中的金礦,。

這種困惑也體現(xiàn)在商務活動中,。企業(yè)信息化建設(shè)原本應該遵循一個基本原則：用戶需求驅(qū)動系統(tǒng)開發(fā)。從事大數(shù)據(jù)業(yè)務的IT公司對用戶說：你說怎么做,，我就怎么做;用戶卻說：我不知道能得到什么,，也不知道該怎么做，最好你告訴我怎么做,。

誰都不知道怎么做,。于是，大家都被暢銷書的理念忽悠著做事,。然而,，暢銷書的觀點是正確的嗎? 暢銷書上的觀點往往對不上中國企業(yè)的現(xiàn)狀———或?qū)⑸虅沾髷?shù)據(jù)的應用場景套在工業(yè)大數(shù)據(jù)，或?qū)⑽磥淼膱鼍疤子玫浆F(xiàn)在,。

工業(yè)大數(shù)據(jù)與商務大數(shù)據(jù)有什么不同?

現(xiàn)在關(guān)于大數(shù)據(jù)的流行觀點,，幾乎都是針對商務大數(shù)據(jù)的。然而,，許多觀點可能并不適合工業(yè)界,。工業(yè)和商業(yè)至少有以下幾點不同：

可發(fā)現(xiàn)的新知識少。一般來說,，發(fā)現(xiàn)新知識是大數(shù)據(jù)分析的一個重要目的,。然而，在工業(yè)領(lǐng)域,，人們對生產(chǎn)過程的研究一般比較深入,，專業(yè)知識也很豐富，很難從數(shù)據(jù)中發(fā)現(xiàn)新的知識,。與之相比，商務活動的大數(shù)據(jù)分析往往涉及人的喜好,，這些恰恰是過去難以量化研究的,，故而大數(shù)據(jù)的含金量高。

對分析結(jié)果的質(zhì)量要求高,。工業(yè)界對分析結(jié)果的精度和可靠度要求高,。如果將不可靠、不精確的分析結(jié)果用于指導生產(chǎn),，不僅不能創(chuàng)造價值,，甚至可能導致極大的損失。與之相比,，在許多商務大數(shù)據(jù)的應用場景下,，即便分析錯誤，損失也不大,。

分析難度高,。工業(yè)系統(tǒng)往往是復雜的人造系統(tǒng)，包含大量復雜的前饋和反饋環(huán)節(jié)。這意味著,，變量間的相關(guān)性往往不是自然的因果關(guān)系,。這個問題很容易誤導分析和決策的過程。另外,，工業(yè)數(shù)據(jù)的信噪比往往比較低,，分析結(jié)果很容易出現(xiàn)嚴重偏離事實的畸變(即所謂的有偏估計)。

相關(guān)性包含的信息少,。在商務大數(shù)據(jù)中,，數(shù)據(jù)之間的“相關(guān)性”本身往往就具有很大的參考價值，而在工業(yè)體系中則未必是這樣,。

工業(yè)大數(shù)據(jù)體現(xiàn)價值的場景有哪些?

價值是用戶決定的,。一杯水，放在沙漠里可以救命,，剩在餐桌上就是垃圾,。工業(yè)大數(shù)據(jù)也是一樣，能否創(chuàng)造價值,，首先是要看用在什么場景中,。用戶對工業(yè)大數(shù)據(jù)提不出需求，是客觀現(xiàn)實的真實反映,。大數(shù)據(jù)有用,，但合適的應用場景不一定是現(xiàn)在。下面分析幾個有用的場景：

質(zhì)量要求高的生產(chǎn)場景,。制造業(yè)從什么時候開始重視數(shù)據(jù)?顯然,，當我們追求高質(zhì)量、高穩(wěn)定性的時候,，數(shù)據(jù)會顯得非常重要,，數(shù)據(jù)的價值才得以體現(xiàn)。國外先進企業(yè)追求6西格瑪,，故而強調(diào)數(shù)據(jù)的重要性;國內(nèi)許多企業(yè)一味追求低成本,，數(shù)據(jù)的重要性自然就會低。

高度自動化及智能化的生產(chǎn)場景,。在高度自動化和智能化的生產(chǎn)單元,，人的介入很少，對質(zhì)量的要求一般也很高,。這時,，對設(shè)備健康狀態(tài)和產(chǎn)品質(zhì)量的自動監(jiān)控就變得非常重要。

工業(yè)互聯(lián)網(wǎng)的場景,。工業(yè)互聯(lián)網(wǎng)能使成千上萬用戶的數(shù)據(jù)實現(xiàn)共享,。多個用戶的共享會帶來兩個過去無法企及的效果,。首先是分析結(jié)果的可靠性上升。這得益于來自不同用戶的實例,，可用于對分析結(jié)論的重復性認證,。其次是分析結(jié)果可以在眾多的用戶中分享，以創(chuàng)造更大的價值,。

在當今的中國企業(yè)中,，符合上述要求的場景是不多見的。多數(shù)企業(yè)重視成本遠甚于質(zhì)量,，智能制造和自動化的水平低,，工業(yè)互聯(lián)網(wǎng)尚未起步。由此可見,，對中國多數(shù)企業(yè)來說,，工業(yè)大數(shù)據(jù)的價值很可能只是“未來時”，雖然這個未來可能并不遙遠,。

推進工業(yè)大數(shù)據(jù)現(xiàn)在該做啥?

馬云策劃淘寶的年代,，那時學校的網(wǎng)速只有每秒100個字節(jié)———這件事啟發(fā)我們：機會往往發(fā)生在條件不太成熟的時候。所以,，創(chuàng)新者的起步一定要早,。在工業(yè)大數(shù)據(jù)全面應用之前，是我們培養(yǎng)能力,、積累技術(shù)的時候,。

但是，僅起步早是不夠的,，關(guān)鍵還要走對路子,。正如培根所說：“跛足而走對路的人，勝過健步如飛卻誤入歧途者,�,！痹鯓颖M早抓住機會呢?筆者認為，可以從以下幾個方面做起：

一是理解工業(yè)大數(shù)據(jù)的本質(zhì)作用

對企業(yè)來說,，大數(shù)據(jù)用得好壞的關(guān)鍵是看能否創(chuàng)造出高于成本的價值。所以,，從功能的角度定義工業(yè)大數(shù)據(jù)：大數(shù)據(jù)是過程(生產(chǎn)制造,、研發(fā)服務、采購銷售)痕跡的數(shù)字化記錄,，目的是為“用數(shù)據(jù)說話”奠定基礎(chǔ),，是對已有系統(tǒng)所產(chǎn)生的數(shù)據(jù)的二次利用。

這意味著,，工業(yè)大數(shù)據(jù)平臺的建設(shè),，應該高度重視數(shù)據(jù)的組織,，避免遺漏重要的數(shù)據(jù)以及數(shù)據(jù)之間的聯(lián)系。例如,，實時的設(shè)備狀態(tài)和工藝參數(shù)應該與所生產(chǎn)的產(chǎn)品準確對應,，相關(guān)的時鐘不能混亂。

二是以方便“人”的分析為出發(fā)點

在商務大數(shù)據(jù)中,，很多人強調(diào)機器學習,，強調(diào)從大量數(shù)據(jù)中獲得規(guī)律性、重復性的知識,。對于工業(yè)大數(shù)據(jù),，這種認識要做調(diào)整：工業(yè)知識主要來自人腦，數(shù)據(jù)的作用是對已有認識的確認,、分辨與準確化,。這就意味著，大數(shù)據(jù)平臺的要點是方便人從事分析工作,。而人的分析工作往往是針對特定事件驅(qū)動的,。

使得這些過程做到透明化，提高管理水平,，通過更有效的管理創(chuàng)造效益,。這樣，建立大數(shù)據(jù)平臺的一個重要任務是：讓相關(guān)過程顯性化,，避免人陷落在信息和數(shù)據(jù)的海洋中,，喪失關(guān)注的焦點。按照這個觀點,，在工業(yè)領(lǐng)域,，“知識自動化”的重點應該是知識的管理，而非知識的發(fā)現(xiàn),。

三是正確認識工業(yè)大數(shù)據(jù)的知識發(fā)現(xiàn)

如前所述,，由于工業(yè)數(shù)據(jù)體現(xiàn)出來的規(guī)律性往往難以突破人已有的認識范圍，發(fā)現(xiàn)規(guī)律性的知識(如工藝與質(zhì)量之間的關(guān)系)是比較困難的,。然而,，工業(yè)大數(shù)據(jù)往往適合發(fā)現(xiàn)另外一類知識，即從數(shù)據(jù)中提煉信息的知識,，將物理量的檢測數(shù)據(jù)轉(zhuǎn)化成產(chǎn)品質(zhì)量,、能耗、效率,、設(shè)備狀態(tài)等信息的“軟測量”算法,，其實就是這種類型的知識。這些知識往往是生產(chǎn)技術(shù)人員并不熟悉的盲點,。故而,，從數(shù)據(jù)研究者的角度看,，它們屬于容易出成績的領(lǐng)域。

過去,，學術(shù)界對這些問題很熱衷,，企業(yè)卻不重視，因為這種知識很難創(chuàng)造價值,。不能創(chuàng)造價值的原因,，是未能將其納入管理或者控制的流程中，故而創(chuàng)造價值的途徑不暢通,。為此,，企業(yè)可能會需要一個平臺，以便將這些知識轉(zhuǎn)化成數(shù)字化的模型,，并納入生產(chǎn)制造等流程中,，以便創(chuàng)造經(jīng)濟價值。

四是注重與智能制造的結(jié)合

數(shù)字化,、網(wǎng)絡化引發(fā)的智能制造大體是這樣一個邏輯：信息驅(qū)動知識,，在決策過程中創(chuàng)造價值、體現(xiàn)智能,。其中,，信息來自供應鏈、客戶,、智能設(shè)備,、物聯(lián)網(wǎng)，知識表現(xiàn)為軟件化的模型,，決策則包括自動或人工的管理與控制,。

如前所述，工業(yè)大數(shù)據(jù)在這個邏輯中有兩個重要作用：獲取“從數(shù)據(jù)提煉成信息的知識”;決策和專業(yè)知識主要來自人腦,，但需要用大數(shù)據(jù)將其驗證,、矯正和精確化。

五是加強數(shù)據(jù)分析可靠性理論研究

在工業(yè)系統(tǒng)中,，可靠分析的結(jié)果才有使用價值,。可靠性分析原本是統(tǒng)計理論的重要組成部分,。但用于大數(shù)據(jù)明顯是不合適的,。這些理論的基本假設(shè)條件往往都是不成立的。而且,，許多理論和著名觀點也造成了大量的誤導，如盲目強調(diào)分析結(jié)果的準確性,、認為大數(shù)據(jù)強調(diào)相互關(guān)系而輕視因果等,。

大數(shù)據(jù)的因果分析是個十分需要重視的領(lǐng)域,，但過去主要是科學、哲學研究的范疇,，統(tǒng)計學家對其重視不足,。其實，可以從杜絕假象,、通過證偽等思路來逼近因果,。也就是說，重點分析那些容易導致錯誤結(jié)果的情況,。同時,，邏輯鏈的完整性和證據(jù)的獨立性也很重要。

數(shù)據(jù)的質(zhì)量和完整性是導致分析錯誤的重要誘因,。因此,，建立大數(shù)據(jù)平臺時，不僅要關(guān)注數(shù)據(jù)本身,，更要關(guān)注數(shù)據(jù)之間的對應性;不僅要關(guān)注數(shù)據(jù)是什么,，還要關(guān)注數(shù)據(jù)的采集過程。數(shù)據(jù)的采集過程不同,，意味著內(nèi)涵發(fā)生了變化,。如果數(shù)據(jù)質(zhì)量不高，大數(shù)據(jù)很可能是一堆垃圾,。這樣看來,，盲從商務大數(shù)據(jù)“非結(jié)構(gòu)化”的觀點也是不對的。

把刀用好

商務大數(shù)據(jù)不就是每人吃飯花了多少錢，坐車花了多少錢,，各地人分別愛吃什么菜,，分別花多少錢網(wǎng)購。意義不是沒有,，但是這種意義對國家我用嗎,？我覺得只是對商家有用,。而工業(yè)大數(shù)據(jù)不進對廠家有用。對國家也有用,。實體這個慘樣,，錢都掙得少了，還怎么吃吃喝喝上狗東天貓啊,。我認為商業(yè)大數(shù)據(jù)就是個玩物,，這東西擺不上臺面的。玩物當適度,，否則喪志了可不好,！