张礼立 ：工业大数据应用的趋势和热点

《大数据周刊》2017年第1期

文／张礼立

 等企业意识到竞争已为时过晚。亚马逊通过持续在大量门店中获取顾客的不同信息，包括前期搜索和购物信息、目标商品清单以及顾客在每样产品上浏览的时间，依据先进的数据分析以及算法，基本形成了可预见的购物趋势，以此信息来决定产品与业务的去向。亚马逊也已经为其“先行货运”系统申请了专利。该系统使得亚马逊未来可以提前将商品送到面向消费市场的主要交通枢纽。

 我们已经发现，企业边界日益模糊，最难以预测的外部因素当数颠覆性创新。当今世界，互联互通彻底改变了商业游戏规则，意识到竞争已为时过晚。很多世界级企业在自己的领域努力尝试着应用大数据分析。但毕竟不是每家企业都在用大数据，也不是所有人一听到大数据就心跳加速、血压升高，感觉到有巨大的商机。时至今日，大数据的发展非常理性。。

 在“可预见的购物”应用场景中，我们会很自然地感受到大数据的功能与魅力，它的确是一种可以帮助企业发展和管理的有效工具和技术。但是，如何将获取的数据转化为信息，又将信息转化为有价值的情报，从而为企业进行决策提供支持，对企业而言，这是极具挑战的课题。那么，阻力又在哪里呢？

 第一是对大数据的理解已经从通用概念走到了行业理解阶段。作为与工业4.0联系最为紧密的两化融合任务，中国制造2015的核心是生产过程、产品的智能化以及互联网与制造业的融合。数据的灵活处理性成为第一个焦点。传统数据库(database)和数据仓库(data warehouse) 的运行越来越缓慢，且很难满足企业业务的发展需要，数据的灵活性就成为了大数据技术发展的一个重要推动力。

 其次，整个大数据产业链在逐步形成，从Hadoop走向数据湖不仅仅是结构和框架的完整，更是我们产业健康发展的趋势。2015年的 大数据领域 被看作是“数据湖”与“数据沼泽”的状态之争的元年。无论学术界如何去诠释，其核心都是强调一种基于对象的数据存储方式将收集来的数据以其最原生的格式(多结构化的)存储下来留作日后使用。“数据湖”具有很高的价值定位，它代表了一种可扩展的基础架构，非常经济且超级灵活。

 随着大数据工具和服务的发展，IT行业发展中遇到的瓶颈将得到缓解，许多商业用户和数据科学家将会借助相关工具和服务访问大量数据。自助服务大数据将成为IT行业的一种趋势，它允许商业用户通过自助服务接触大数据。自助服务还可以帮助开发者、数据科学家和数据分析师直接进行数据探索和处理工作。当我们了解大数据的时候，业务的价值和IT的成本是我们用来衡量未来IT的主要标准，业务价值驱动大数据创新。Hadoop不再成为我们讨论的大数据主题。我们需要加强对业务创新、数据变现和业务场景的探索。相信自主大数据服务会成为主流。

 工业大数据有以下八大热点和趋势。

  1、创新与文化结合驱动数字转型

 创新的灵感来自不同的文化、不同的人、不同的团队，不受任何规模或等级的限制。站在前人的数据和信息的肩膀上，再加上自己的新东西，实现创新的想法，快速降低了端到端的企业成本。

 创业企业都梦想着每天能数钱数到手抽筋。在当下这个互联网时代，不少商业精英舍得花钱享乐却舍不得在互联网事业上投资，如他们舍得买最贵的手机、用最新款的笔记本电脑、频繁出入高级酒店，却在互联网事业上总希望能坐享其成、一本万利。

 《中国共产党第十八届中央委员会第五次全体会议公报》在 2015年10月29日明确指出要“实施网络强国战略“，因而企业不能把互联网和大数据简单看作赚钱的有效途径，更应该以做事业的态度来对待。

 互联网的核心是去中心化，这与中国文化崇尚集体决策不谋而合。当今中国，创新文化的打造要依赖集体智慧，形成集体创新。组织架构的调整和变革、跨团队、跨部门、跨领域的集体智慧一定可以催生出更多更好的创新理念。

 加速创新，放眼未来，走向全球，不要仅仅着眼于局部或区域经济，还要把大数据与互联网创新做本分、做厚道，让创新互联网成为中华文明驱动力。要注意的是，在高速发展文明的过程中不能抛下了我们的文化，让互联网成为中国企业和文化走向世界的加速器。

 2、可持续性监测和应用审计

 大数据商业时代中，数据能为企业带来商业价值和利润。可持续性监测和应用审计管理是整个管理控制的核心，也是“互联网＋”行业必须实时持续关注的问题。

 企业要通过风险评估与客观事实记录辅佐决策，还要收集市场研究、交易、生产、风控、运维、服务等各个方面的数据，以确保各个部门管理策略的安全性和保密性。大数据通过混合云的交付形式，结合产业链的风险矩阵参数定义、评估方法以及结果的对应处理原则，避免主观感觉式判断，通过数据和资源共享策略实现互联网风险控制管理机制。

 3、软件数字打造核心竞争力

 软件定义世界成为当下所有信息化热点的核心，包括云计算、大数据以及工业互联网4.0的实现。低成本就是节省钱的手段。但是低成本不是唯一的，开源和节流是企业管理的利益共同体。企业要建立迅速决策机制必须对数据有足够的敏感度。企业如果能够用最短的时间快速收取各个环节数据，对企业有极大的好处。

 行业的融合、体系重构以及跨行业知识是信息化创新的三座大山。快速、有效和成熟的决策可以为客户在业务信息化变革上成为不可替代的核心竞争力。

 4、改进工艺，降低风险

 大数据要拥抱数据的移动，让数据流和管理流做到移动互联。大数据是当下中国最落地的发展驱动力之一，软件企业要做到让企业的所有工作人员、管理人员可以把信息和数据带在身边，随时随地处理业务。

 当下是人人贡献、人人共享数据和交易数据的时代，实时数据和全面数据给了管理层接触真实数据的机会。持续改进工艺和风险降低就是大数据带来的真实数据结果。分析过程既有定性分析，又有定量分析。既是定量分析就要拿数字说话。这也就是大数据化盛行的原因之一。

 用数字说话，因为数字参数和指标是显性的、看得见的，而且可以测评、比较，再根据这些参数、指标去给管理流程定制标准。定下标准，就可以评估工作是否达标，是否存在误差，然后又考虑怎样可以纠偏和补救误差，这就又导出了控制的管理思想。

 5、数据的制造 制造的数据

 线上与线下，O2O(onlineto offline)，“互联网＋”可能是最近曝光度最高的两个名词。互联网＋传统行业，如果只是把进销存管理模块和财务管理模块功能放到互联网，通过互联网做企业宣传于门户，那顶多也只是传统行业＋互联网。

 未来企业同外部的沟通中，无论对象是市场客户还是供应商或是行业专家团队，都是一个不断找数据、找知识、架构、最佳实践、行业经验、跨领域思考能力架构和提升的过程。

 很多数据的价值在最初收集后非常难以判断，真正想要的数据并没有，收集上来的很多数据在最初并没有价值。企业需要考虑的不仅仅是单纯地封装好产品和服务，而是要把产品和服务制作的过程通过互联网和信息平台的方式展现给用户，以做到实时互动，为C2B2C奠定的良好的商业创新基础。

 自控系统已经不仅限于自动化，重要的还有基于行业企业运营管理体制的信息化与智能化技术应用。大数据应用实践创新主要体现在工业自动化设备的大数据收集、监控操作以及大数据管理运维的趋势分析。通过先进技术与设备进行整体资料采集，提高资讯准确性与及时性。

 6、数据驱动决策

 我们今天的企业管理者，无论是“保姆式”、“管家式”还是“中间商式”，作为职业化的管理者，“专业”是准入的标准。做好每天的决策对于管理者和企业都有着非同一般的重要影响。毕竟多数企业的成功是靠众多的关键正确决策累积而成的。

 信息技术的日新月异、市场的瞬息万变、企业业务的改善和成本的管理以及业务的持续性发展都使变化无所不在。企业变革的成功已经不是纯技术上的问题或是某一个板块的问题。它更多地取决于企业软实力能力，例如企业文化、企业领导力、核心团队能力、决策程序的变化、组织和流程的发展以及新技术的使用，特别是企业灵魂人物决策能力。

 对于决策，首先是变与不变要明断，如果要变就要考虑风险以防错误，谨慎从事做到问心无悔，决策的结局不一定成功，但全力以赴可以无愧于心。荀子说：“知莫大乎弃疑，行莫大乎无过，事莫大乎无悔。事至无悔而止矣，成不可必也。”意谓最大的智慧就是不要犹豫不决，最好的行为是不犯错误，做得很好的事情就是毫无悔恨。做事到了没有后悔的地步就到顶了，不能要求它一定成功。

 我们每天面临大大小小的各种决策，例如我们必须决定应该要哪些类别的产品、通过或者围绕些产品提供哪些服务给客户等。随着软件定义世界的实质性发展，从伴随产品的服务和补充性的服务，到基于产品同时成为企业主要供给的服务等，企业所有的服务种类和想法都有实现的可能。

 纠错性的变革决策是解决问题、排除故障的关键环节。需要特别注意的是，变革一方面是支持服务正常运营、保证和改善服务质量的重要工作流程，另一方面变更还伴随着风险，因为影响业务的事件往往与企业生态变化有关。因此，决策需要的工作精神是认真和谨慎。

 墨子是一位古代的平民哲学家，在春秋诸子百家中独树一帜。《墨子·鲁问》中说：“择务而从事焉。”意思是选择最主要的事情进行工作。他首先提出了“选择”的思想方法，选择什么？“择务”就是选择重要的事情。事情同样重要就无所谓选择，既要选择，就首先要把事情进行分类，要分清轻重缓急、主干细末，然后从中选出紧急的（urgent）、影响大的 (significant) 、主要的 (major) 事来办，这就要求我们把事情分出先后主次，按性质的轻重缓急进行排序，逐一解决。

 按“择务而从事焉”的要求，对事情进行轻重缓急的分类。优先级的划分属于事情“缓急”的区分；而类别的指定则是“轻重”的区分。孟子说：“权，然后知轻重；度，然后知长短”（《梁惠王上》）称一称，这样才能知道轻还是重；量一量，这样才能知道长还是短，意思是做什么事都要权衡利弊得失，然后决定取舍，而决策管理中的分类活动，就是这种权衡的工作。

 “ 互联网＋ ”软件将决定未来产品的几乎所有功能，就这点来说，产品战略以及企业战略也一定越来越依赖于软件的开发。这其中包括产品的原创设计、模型诞生、功能测试、用户体验等未来都可以通过虚拟世界来完成。这意味着不仅仅是我们的产品和服务落地的实践路径发生革命性变化，企业战略决策也随之转变。随着产品里软件的优先级使得产品变化比以往任何时候都快，未来，企业管理者在竭力酝酿的战略决策时，必须要做到始终能在短期准确而可靠地作出企业的战略评定。

 企业决策能力是企业决策层对市场机会和发展做出判断并做出有效反应的能力，在企业核心竞争力的研究中一直被放在首位。所以，在某种意义上来讲，企业竞争力的核心就是企业的决策能力。

 7、实现预测性运维和节能的关键

 有时候，您会发现您需要更换某一设备不是因为其设备条件不好，而是因为它太耗电而增加了大量的运营成本。随着预防性维修日益成为主流，预测性维修已经作为一种能有效控制成本，延长资产寿命的方法，企业关注的焦点开始积极转向了在设备生命周期中的某一阶段对其进行计划性维修保养。

 运行预测性维修的最佳方式是使用分析软件分析资产性能，甚至是子部件的性能，这样做不仅能够显著提升设备运行效率，还可以实现节能。使用大数据分析来加强设备监控和运营已经开始。

 运用大数据分析来提高设备运行状况可以帮您从数据汇中获得实实在在的利益。例如：水处理厂可以利用从遍布整个工厂的仪表和传感器中收集的数据来监控设备条件，如振动分析和能量消耗。然后，通过系统全面的资产管理解决方案来调整设备运行时间和维修等级，平衡工厂间各设备的工作负荷——水厂经理可以在顾及设备生命周期成本和设备性能的同时，在能量消耗和维修成本间找到最佳平衡点

 8、数据形成新劳动力知识

 正如机器生成数据，劳动力内部也存在数据。这些数据存在于他们大脑里，以及包含如何完成某任务、关于机器操作要了解什么以及交易的工作过程、部分和技巧的效率等信息的各种计算机和系统内。现在以及未来十年如何捕获这些数据将是武装下一代劳动力并使他们更高效地完成工作的关键。

 迄今最佳机会就是凭借IIoT。这是实现智能连接资产的关键所在。这些平台包含了云服务、大数据、连接性和应用开发，它们是获得资产数据洞见的技术构建模块。

 捕获劳动力数据有助于促进所需工具的应用开发，供下一代劳动力使用。这些“应用程序”具有灵活性、可配置性以及可改写性。这是下一代劳动力对工作、绩效信息、扩增实境中资产状况可视性、实时协作以及下一步的行动等的期望。利用传统劳动力知识将需要很长时间才能构建有效的维护项目。这是一流公司不能错过的机会。

 现代高节奏的发展，由于目前的业务系统和管理模块沉重，企业现有流程和系统要实现业务内容清晰定位非常艰难。或许企业可以通过分析做出决策，但要实现最大化收益，企业还需要更容易使用的资产智能化管理（AIM），GIS系统交互，服务管理等方法。

 因此在这些问题进一步影响企业绩效之前，我们需要一套融合系统管理平台高效的解决方案，以融合的方式来实现突破，为您的企业扭转乾坤。

 总结

 今天的 工业大数据 在行业的落地，就是把经验到证据的过程。过去以企业家的直觉和经验做决策是因为我们长期处在小数据时代。抽样调研、数据自产自销是那个时代的代表。

 大数据商业时代，商业环境的变化瞬息万变，决策风险比过去大很多。以直觉和经验是无法抵御环境变化带来的风险。我们可以看到，经验和数据是让企业各个层面做出正确决策的两大方式。在我看来，从管理角度，我们需要注意到两个问题。第一是经验和数据的深度、广度和及时性。其二，决策并非只是来自于高层，而是来自企业的每一个环节。因为人人都应该学会做好决策，无论大小事宜。

 依然有很多人执着于以往的经验，但也有很多人相信数据。我在这里建议的工业大数据应该是0＋1的模式，就是数据和经验结合形成更为科学的制造管理模式。

  注：本文摘自微信公众号-立观察，作者张礼立，版权著作权归原创者所有，转载请注明出处。数据观微信公众号(ID:cbdioreview) ，了解更多大数据行业相关资讯，可搜索数据观(中国大数据产业观察网www.cbdio.com)进入查看。

责任编辑：陈近梅