最近閉幕的十八屆五中全會把大數據戰略提高到一個前所未有的層面———實施國家大數據戰略，推進數據資源開放共享。筆者在此想談一下對推進工業大數據的一點看法。

　　大數據的概念與背景

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

　　讀過這本書的人都知道：涂子沛關注的重點是大數據對政治、社會、倫理等方面的影響。后來，各家互聯網公司、IT公司將人們關注的熱點引向了商業領域，再經股評師的運作，使之成為全社會炙手可熱的概念。與此同時，學術界不失時機地將大數據的概念引入了工業界。

　　然而，工業界重視數據分析早已不是新鮮事了。人們很早就希望通過數據發現客觀規律、優化生產過程。例如，筆者25年前就開始涉足工業數據的分析研究，而數據挖掘等理論也早已廣泛傳播。對數據挖掘的價值，一種流行的觀點是：當企業競爭進入白熱化、所有手段都已用盡時，數據挖掘提供了領先半步的可能。與現在的觀點相比，這個認識是相當低調的。當然，低調背后是有原因的，因為業界真正成功的案例其實非常少。

　　很多企業急于搭上“工業大數據”這趟快車，然而在現實中遇到了很多的困惑。

　　人們似乎都認為數據的作用很大，但從事過工業數據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，數據似乎并不是傳說中的金礦。

　　這種困惑也體現在商務活動中。企業信息化建設原本應該遵循一個基本原則：用戶需求驅動系統開發。從事大數據業務的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?在筆者看來，暢銷書上的觀點往往對不上中國企業的現狀———或將商務大數據的應用場景套在工業大數據，或將未來的場景套用到現在。
 

　　工業大數據與商務大數據有什么不同?

　　現在關于大數據的流行觀點，幾乎都是針對商務大數據的。然而，許多觀點可能并不適合工業界。筆者認為，工業和商業至少有以下幾點不同：

　　可發現的新知識少。一般來說，發現新知識是大數據分析的一個重要目的。然而，在工業領域，人們對生產過程的研究一般比較深入，專業知識也很豐富，很難從數據中發現新的知識。與之相比，商務活動的大數據分析往往涉及人的喜好，這些恰恰是過去難以量化研究的，故而大數據的含金量高。

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

　　分析難度高。工業系統往往是復雜的人造系統，包含大量復雜的前饋和反饋環節。這意味著，變量間的相關性往往不是自然的因果關系。這個問題很容易誤導分析和決策的過程。另外，工業數據的信噪比往往比較低，分析結果很容易出現嚴重偏離事實的畸變(即所謂的有偏估計)。

　　相關性包含的信息少。在商務大數據中，數據之間的“相關性”本身往往就具有很大的參考價值，而在工業體系中則未必是這樣。
 

　　工業大數據體現價值的場景有哪些?

　　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。工業大數據也是一樣，能否創造價值，首先是要看用在什么場景中。

　　筆者認為，用戶對工業大數據提不出需求，是客觀現實的真實反映。大數據有用，但合適的應用場景不一定是現在。下面分析幾個有用的場景：

　　質量要求高的生產場景。制造業從什么時候開始重視數據?顯然，當我們追求高質量、高穩定性的時候，數據會顯得非常重要，數據的價值才得以體現。國外先進企業追求6Sigma(一種改善企業質量流程管理的技術，主要強調通過制定極高的目標、收集數據以及分析結果，來減少產品和服務的缺陷)，故而強調數據的重要性;許多企業一味追求低成本，數據的重要性自然就會低。

　　高度自動化及智能化的生產場景。在高度自動化和智能化的生產單元，人的介入很少，對質量的要求一般也很高。這時，對設備健康狀態和產品質量的自動監控就變得非常重要。

　　工業互聯網的場景。工業互聯網能使成千上萬用戶的數據實現共享。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，可用于對分析結論的重復性認證。其次是分析結果可以在眾多的用戶中分享，以創造更大的價值。

　　在當今的中國企業中，符合上述要求的場景是不多見的。多數企業重視成本遠甚于質量，智能制造和自動化的水平低，工業互聯網尚未起步。由此可見，對中國多數企業來說，工業大數據的價值很可能只是“未來時”，雖然這個未來可能并不遙遠。
 

　　推進工業大數據現在該做啥?

　　馬云策劃淘寶的年代，筆者正在浙江大學攻讀博士學位。記得那時學校的網速只有每秒100個字節———這件事啟發我們：機會往往發生在條件不太成熟的時候。所以，創新者的起步一定要早。在工業大數據全面應用之前，是我們培養能力、積累技術的時候。

　　但是，僅起步早是不夠的，關鍵還要走對路子。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。”怎樣盡早抓住機會呢?筆者認為，可以從以下幾個方面做起：

　　一是理解工業大數據的本質作用

　　對企業來說，大數據用得好壞的關鍵是看能否創造出高于成本的價值。所以，筆者贊同從功能的角度定義工業大數據：大數據是過程(生產制造、研發服務、采購銷售)痕跡的數字化記錄，目的是為“用數據說話”奠定基礎，是對已有系統所產生的數據的二次利用。

　　這意味著，工業大數據平臺的建設，應該高度重視數據的組織，避免遺漏重要的數據以及數據之間的聯系。例如，實時的設備狀態和工藝參數應該與所生產的產品準確對應，相關的時鐘不能混亂。

　　二是以方便“人”的分析為出發點

　　在商務大數據中，很多人強調機器學習，強調從大量數據中獲得規律性、重復性的知識。對于工業大數據，這種認識要做調整：工業知識主要來自人腦，數據的作用是對已有認識的確認、分辨與準確化。這就意味著，大數據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造效益。這樣，建立大數據平臺的一個重要任務是：讓相關過程顯性化，避免人陷落在信息和數據的海洋中，喪失關注的焦點。按照這個觀點，在工業領域，“知識自動化”的重點應該是知識的管理，而非知識的發現。

　　三是正確認識工業大數據的知識發現

　　如前所述，由于工業數據體現出來的規律性往往難以突破人已有的認識范圍，發現規律性的知識(如工藝與質量之間的關系)是比較困難的。然而，工業大數據往往適合發現另外一類知識，即從數據中提煉信息的知識，將物理量的檢測數據轉化成產品質量、能耗、效率、設備狀態等信息的“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技術人員并不熟悉的盲點。故而，從數據研究者的角度看，它們屬于容易出成績的領域。

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

　　四是注重與智能制造的結合

　　在筆者看來，數字化、網絡化引發的智能制造大體是這樣一個邏輯：信息驅動知識，在決策過程中創造價值、體現智能。其中，信息來自供應鏈、客戶、智能設備、物聯網，知識表現為軟件化的模型，決策則包括自動或人工的管理與控制。

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

　　五是加強數據分析可靠性理論研究

　　在工業系統中，可靠分析的結果才有使用價值。可靠性分析原本是統計理論的重要組成部分。但用于大數據明顯是不合適的。這些理論的基本假設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，如盲目強調分析結果的準確性、認為大數據強調相互關系而輕視因果等。

　　大數據的因果分析是個十分需要重視的領域，但過去主要是科學、哲學研究的范疇，統計學家對其重視不足。筆者認為，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果的情況。同時，邏輯鏈的完整性和證據的獨立性也很重要。

　　筆者認為，數據的質量和完整性是導致分析錯誤的重要誘因。因此，建立大數據平臺時，不僅要關注數據本身，更要關注數據之間的對應性;不僅要關注數據是什么，還要關注數據的采集過程。數據的采集過程不同，意味著內涵發生了變化。如果數據質量不高，大數據很可能是一堆垃圾。這樣看來，盲從商務大數據“非結構化”的觀點也是不對的。