明略副总裁黄代恒：感知与洞察推进工业大数据应用落地

而随着“工业4.0”、《中国制造2025》等国家战略的实施，以及智能制造试点的逐步推进，传统制造企业转型升级的需求变得日益强烈。因此，在大数据、云计算、物联网等新技术不断涌现的时代，将新技术作为转型升级的重要抓手也就成了制造企业必然的选择。

在这其中，大数据凭借分布式并行计算、高效海量数据采集和存储以及数据挖掘等方面的超强能力成为与现代制造业融合发展的关键性技术。

　　 大数据与人工智能的集合是大势所趋

近日，黄代恒在接受《中国信息化周报》记者采访时表示，从明略数据的行业实践来看，目前大数据领域最重要的发展方向就是与人工智能的结合。这个对于明略数据来说，无论是在金融、公安以及工业领域都是一个明显的趋势。而这种趋势也在明略数据的具体行业解决方案商得到了充分体现。2016年年底，明略数据在第三届世界互联网大会上发布了其针对制造业的大数据深度学习算法的预知性维护服务。

明略数据此次发布的基于大数据分析的故障诊断和预知性维护方案，能够帮助制造业企业及时处理海量设备传感器状态数据，通过基于业务规则、特征分析和神经网络等方法构建的诊断和预测模型，并利用可视化技术实现对设备运行状态和故障信息的快速直观显示，从而有效降低设备全生命周期维修成本，实现预测性维修，使设备始终处于可靠受控状态，在提升经营效率的同时保障关键制造业的产品安全。

另外，黄代恒提到，目前在工业大数据领域，明略数据正在推进两方面的工作。一方面进行大量传感器所产生数据的分析、处理以及挖掘工作，也逐步接入并融合MES、ERP以及供应链环节所产生的数据。另一方面正与众多的制造企业进行合作，希望通过不断的技术实践，在完善自身布局的同时，能够更好地满足用户企业的需求。

　　 大数据研发与应用需求的契合最重要

俗话说“合适的才是最好的。”这句话放到工业大数据领域同样适用。在黄代恒看来，不同的场景要选择不同的技术手段，高大上的技术不一定就是最合适企业需求的技术。与此同时，这种认识也在指导着明略数据的技术实践工作。

在工业大数据解决方案的实施方面，根据不同业务场景特点，大数据项目不仅需要处理业务相关的多样性数据，也要兼顾业务本身逻辑，在综合类似项目经验的基础上，明略数据总结了完善的项目流程。通过业务和数据理解、数据采集与治理、构建并评估模型以及最后实现业务部署，扎扎实实地解决了故障诊断和预测的实际问题。以轨道交通为例，设备在磨合期、平台期、损耗期出现的问题，会从不同的角度去分析解决。随着大数据技术的日益成熟，解决方案正在日益变得更加智能和高效。

不过，关于技术研发与应用需求的结合问题，明略数据也有着自身的困惑。他提到，在实践当中往往会遇到两种情况。一种是拿着问题找技术;另一种是拿着技术找问题。对于第一种情况，明略作为数据型公司不是问题，而对于后一种情况，因为应用需求的不明确就会导致问题的解决不那么高效和快速，技术研发与应用需求的结合非常重要。

目前，明略数据聚焦于工业、金融和公安三个领域。在专注于这三个领域的基础上，未来明略数据会在深度学习、自然语言处理技术(NLP)等技术层面持续深耕。另一方面，不断提高产品成熟度和可复用程度来促进明略数据行业解决方案覆盖的广度和导入的速度。

最后，黄代恒表示，在做大数据应用过程中，数据、技术、业务这三个因素都非常重要。三要素中，有人认为数据最重要，有人认为技术最重要，不过从他的经验来看，业务价值才是最重要的。因为最终数据产品做的有没有价值，要落实到业务层面和场景当中才能得到真正展现。

责任编辑：陈近梅