工業大數據時代的新機會

謝丹丹

美國的管理學家、統計學家愛德華·戴明說過一句話：“除了上帝，任何人都必須用數據來說話。”在經歷消費大數據時代后，人們迎來了工業大數據時代。

工業大數據和原來的信息化有何區別？

簡單來說，1990年代以前，大部分企業都在做企業內部信息化，這被稱為第一次浪潮。1990年代以后，互聯網開始席卷全球，企業相繼進行互聯網化。而隨著信息化與工業化的深度融合，工業大數據悄然興起，這也將成為下一個提升制造業生產力的技術前沿。在清華大學工業大數據研究中心主任王建民看來，工業大數據即第三次工業變革，它以智能互聯的產品為核心載體，而不單純只是通過互聯網增值。

王建民認為，在制造業的利潤越來越低的情況下，工業大數據可以幫助中國企業提高產品在使用維護階段的利潤。最重要的是，利用數據進行跨界運營，能夠為企業帶來新的生存空間。

利用大數據搶占價值高地

為什么工業大數據對當下的中國企業來說，有著如此深遠的意義？

事實上，在王建民看來，一個復雜裝備的生命周期分三個階段，即：開發制造階段（Beginning of Life，簡稱BOL）、使用維護階段（Middle of Life，簡稱MOL）、回收利用階段（即End of Life，簡稱EOL）。

原來，制造企業將重心放在開發制造階段，企業的核心目標就是將裝備設計制造出來。而產品售賣給消費者后，就和企業沒有關系或者變得無關緊要了。所以生命周期的第二、三階段，常常被企業忽略。但裝備的價值真正體現在用戶的使用體驗上，而不在于制造，盡管制造由質量決定。但消費者在使用階段的流暢程度，才能反映出產品的最終功效。

加工制造環節的確能夠產生很多利潤，但在當前環境下，生產制造的利潤越來越薄，使企業越來越難以為繼。而中國是一個制造大國，更是一個使用大國，制造業的興衰事關重大。王建民認為，只有利用大數據搶占價值高地，實現產品智能化，才能實現從“中國制造”到“中國創造”的轉變，從“生產型制造”到“服務型制造”轉變，這也是“中國制造2025”戰略的應有之義。

跨界運營是工業互聯網轉型的核心

和之前很多技術一樣，工業大數據并非橫空出世，而是一脈相承。但又有新的變化，這種新的變化，在王建民看來，其核心在于連接，將原來孤立的機器連接起來，將人和機器連接起來，將不同的企業、行業連接起來。

事實上，這種連接已經產生了巨大的價值，有很多企業已經開始實踐了。

例如：將人和產品聯系起來，可以實現產品創新。日本科研人員設計出一種新型汽車座椅，根據駕駛者的體重、壓力值等數據識別主人，以判斷駕駛者是否為主人，從而決定是否啟動。

又例如：將兩個不同領域連接起來，可以實現銷售模式的創新。歐洲人可以做到今天賣明天的風電，怎么賣？他們根據一系列數據，對明天的風力精準地進行測算，從而實現當天交易。這是風電裝備在整個大氣環境下進行的跨界運營的絕佳案例。

還有一個例子，《哈佛商業評論》曾經發表過一篇文章叫《智慧的互聯產品》。美國人認為未來的工業產品應該分為五個階段，到第四個階段的時候，裝備、產品會進入到一個產品的系統階段，機器和機器之間可以對話和合作。比如在農業領域，播種器械、收獲器械會聯合起來到一個農場去作業。而終極階段是：農業機器的集群和天氣的數據，會和種子的數據、灌溉系統的數據聯合起來，通過全方位的連接來解決農業生產中的綠色節能問題。

王建民說，通過跨界運營來創新是工業互聯網轉型的核心。在使用階段做一個簡單的維修、更換配件，不管是預防性維修還是主動維修，都還處于工業互聯網的初級階段。只有通過數據進行跨界運營，才抓住了整個裝備制造業在服務階段轉型升級的核心。

工業大數據應避免的三個誤區

聽上去很美好的工業大數據，如何實踐呢？王建民梳理了三大誤區，以供企業參考：

一、維修=運行

在工業領域，維修和運行基本不會分開。但是在工業大數據里，二者是分開的。維修指的是，當產品性能下降的時候，通過更換零件或者其他手段，恢復其產品性能。而運行是指如何使用機器，使它產生價值。

二、產業大數據等同于消費大數據

工業大數據最核心的問題在于分析結果的可靠性。在消費大數據上，如果產品的廣告推薦能達到20‰的可靠性，就是搜索引擎的最好水平。但這一數據在工業領域，顯然遠遠不夠。因為在工業領域，往往是失之毫厘，差之千里。工業的應用場景對數據準確率的要求達到99.9%，甚至更高，否則就會造成嚴重的經濟損失乃至安全事故的發生。所以，王建民建議，從人員結構上來講，工業大數據需要數據和產業的人才一起來做。

三、采集的數據越多越好

對于企業而言，機器采集的數據有時候是一個災難，不是企業采集的所有數據都是有用的。不產生價值的數據就是垃圾信息，對于企業而言就是負擔。企業在收集數據之前，首要任務是給數據畫像，弄明白自己到底需要什么樣的數據。

王建民認為，無論如何，大數據仍然要圍繞裝備增值服務的業務邏輯，在達到這個目的的過程中，讓數據發揮作用，而非簡單地只看到數據，而忽略了根本的邏輯。