走进工业大数据 解密工业4.0核心驱动

管理优化的综合价值链：管理是一门艺术，一定是融合的产物。综合价值链体现于信息自动性和主动性到一定的量化后，帮助管理者自动形成生产系统的决策，需要大量的数据交叉模型分析，同时需要全方位地对设备进行综合管理。

数字化：数字化是全产业链各个环节相互合作的一种新纬度，这是信息物理系统框架的信息虚拟空间的体现。粗放式制造管理的主要表现是订单式的管理。订单多了，我就生产;订单没有，就假设下个季度它会继续有，继续生产。结果发现产品更新换代了，市场已经对所生产的产品不感兴趣了，企业倒闭的风险就骤然升高。所以工业大数据对工业链的管理能为企业带来价值。数字化就是如何把物理空间全面对应到数字虚拟空间，把整个产业链目前的状态通过数字描述出来，知道消费者在干什么，厂商在干什么，客户心态又是什么样子，甚至可能早于供应商、原厂商掌握这些数字，从而改变产品的设计。

颠覆性商业模式：应该关注商业模式，尤其是商业模式引导下的服务价值体系创新。德国的战略就是要改变只卖一次设备、挣到一笔钱的现状。通过产品的服务，可以一直跟随着消费者。在全产业环节中，做好做强产品的服务升级换代，能享受更多的服务利润。今天工业数据并没有给企业带来竞争力，因为数据本身没有竞争力。 要实现数据竞争力，系统自我学习能力很重要，数学模型就是不断自我学习和发展的产物。大数据给数据打上标签就是一个行业模式的数字化体现，标签是跟着管理思路走而不是数据。如何形成全信息空间与物理空间的映射，然后做分析才是我们面临的挑战。

数据信息驱动工业革命

首先，今天面临的第一个挑战是怎么让用户有更好的消费体验。其次，企业各部门的竖井没有打通，缺乏环境数据，包括类似地理位置信息、设备的生命状态等。产品的设定和生产要素，跟流程、工艺都有千丝万缕的关系，数字化能够帮我们把这个轮廓勾勒出来。　

首先，今天面临的第一个挑战是怎么让用户有更好的消费体验。其次，企业各部门的竖井没有打通，缺乏环境数据，包括类似地理位置信息、设备的生命状态等。产品的设定和生产要素，跟流程、工艺都有千丝万缕的关系，数字化能够帮我们把这个轮廓勾勒出来。

工业数据通过哪些能力最终形成商业机会?有四个方面需要关注：

一是沟通。即设备环境信号识别。信号识别的关键点是信息收集过程中实时性还不够，信号识别的对象不够完整和全面，这是建立工业大数据能力需要考虑的第一个问题。

二是集成与融合。即大数据的数据平台。所谓融合就是说，OA、知识库、ERP、采购系统等所有可触摸和非可触摸的数据都应该串联起来。这一串联工作还有非常漫长的路要走。

三是分析与决策。我们大数据的建模能力不差，缺的是对行业理解的投入以及形成模型的能力，以及不断推倒重建和调整的持续投入。

四是创建自助服务文化。机器能够自我学习和自我调节。通过焦点转移到不可见的因素，数据给了我们发现创新的全新多视角，最终导向了革命性的商业机会。

工业数据“富有”vs.信息“贫穷”

数据本身不会为你带来价值，数据的技术也不会让你的产业更先进，数据必须转成信息后才会对产业产生价值。智能工厂通过与环境系统的无缝交互，设备能够有自我意识和自学能力，在未来可以实现更高程度的智能控制和优化控制。目前自学设备还远未达到工业实施阶段。

工业大数据给了我们一个看世界的新角度。通过360度全景的数字视角，可能给我们带来些新的优势，这就是所谓信息技术成为创新驱动核心动力的来源。

那么工业数据来源于内源数据和外源数据。企业内部在运行中，积累了大量的内源数据。互联网的今天，外源数据更多。事实上，很多企业不缺数据，主要问题是数据质量低下以及采集手段不科学。

工业数据到底在哪里?我们要什么样的数据?对于生产价值来讲，核心就是工业物联网(IOT)。从智能设备角度，普适计算有很大的空间，现代工人可以带一个普适感应器等设备来参加生产和管理。所以工业数据源是大量设备(250亿左右)之间的关联，这才是我们未来真正需要去采纳的数据。

从今天的制造业现代化转型到未来的智能工厂，我们要把管理员与操作员互动的数据、设备机群的数据、流程质量相关的数据，通过传感器与控制器网络整合。

大数据和云技术是整合的核心科技。大数据环境中的数据管理与分配对实现自我意识设备和自学设备至关重要。

数据丰富，但我们的信息很贫乏。目前存在两个问题：第一个就是数据的有效利用率很低。数据80%在过滤，80%的时间在洗数据，80%的数据是在收集又在重复被洗。由于垃圾数据过多，捕获数据的效率有时候更低。第二个就是缺乏分析能力，需要大量的好工具。

我们再看大数据2.0的概念，要做到三个“实”，那就是实时、现实和真实。

我们今天的大数据工作大多还在基础建设。要真正形成工业“大数据”，我们需要一个集成平台、预测分析工具和虚拟化工具作为核心的三大构件。

决策的价值随着做出决策的时间的增加而削弱。洞察能力时效性非常重要，更好的商业决策，包括确定决策、收集数据、分析和探索、可视化和交流、执行和提高，都离不开洞察力。