盤古智庫學術委員張禮立：大數(shù)據(jù)分析是項目還是工具？

大數(shù)據(jù) 大數(shù)據(jù)分析盤古智庫張禮立

張禮立 | 2016-11-01 10:33

【數(shù)據(jù)猿導讀】大數(shù)據(jù)不僅僅是大量的數(shù)據(jù)的堆積。大數(shù)據(jù)的重要屬性之一，便是人們設法收集，并弄清楚，不斷變化的數(shù)據(jù)類型

“大數(shù)據(jù)不僅僅是大量的數(shù)據(jù)”這句話里面包含了多重涵義。

當代大數(shù)據(jù)處理技術的價值在于技術進步，同時也是技術進步，使大數(shù)據(jù)成為商業(yè)中有價值的核心驅動因素。作為智能制造的三駕馬車之一，工業(yè)大數(shù)據(jù)已經(jīng)被多數(shù)的制造企業(yè)所認知并接受。許多制造業(yè)企業(yè)認為自己在生產(chǎn)運營方面也累積了大量的數(shù)據(jù)，是時候可以用到大數(shù)據(jù)了。

的確，一個制造型企業(yè)，幾十年的經(jīng)營操作下來，確實紀錄了不少的數(shù)據(jù)。這些紀錄的數(shù)據(jù)是大數(shù)據(jù)么?對于許多制造廠商或資產(chǎn)密集型企業(yè)而言，工業(yè)大數(shù)據(jù)是什么，到底有什么用，以及相關的預測性分析是什么且有什么用都是一系列需要明確的問題。

數(shù)據(jù)類型的多樣性是大數(shù)據(jù)的重要屬性

大數(shù)據(jù)不僅僅是大量的數(shù)據(jù)的堆積。大數(shù)據(jù)的重要屬性之一，便是人們設法收集，并弄清楚，不斷變化的數(shù)據(jù)類型。如果只是大量采集同一類型的數(shù)據(jù)的話，再大的數(shù)據(jù)量都不能稱之為大數(shù)據(jù)。

在流程繁重、工藝制造要求非常嚴格的制造環(huán)境中，在全制造范圍內(nèi)，從原材料、設計、制造、銷售與物流的全制造鏈來看，踏踏實實地收集并存儲海量的流程變量或標簽，一定是正確的，也是必要的。

但是，如果收集來的大量數(shù)據(jù)，其本質(zhì)上是相同的，那并不等于擁有大數(shù)據(jù)。例如，生產(chǎn)環(huán)境中收集的時間序列模擬流程變量，數(shù)據(jù)的類型是單一的，很容易建立索引，即使存在千千萬萬，也不足以成為大數(shù)據(jù)。

數(shù)據(jù)必須包括高度可變性和種類多樣性

制造工廠中存在無數(shù)的大數(shù)據(jù)應用，但并不包括簡單地分類和展示一連串的流程測量結果，這些工作基本的統(tǒng)計展現(xiàn)就可以完成。一些大數(shù)據(jù)數(shù)據(jù)庫或數(shù)據(jù)湖的構成部分數(shù)據(jù)類型也是文本信息、圖像數(shù)據(jù)、地理或地質(zhì)信息和非結構信息，例如，通過社交媒體或其他協(xié)作平臺獲得的數(shù)據(jù)類型。

資產(chǎn)性能管理(APM)就是工業(yè)大數(shù)據(jù)應用的一個絕佳的案例。要了解資產(chǎn)的性能，我們除了要紀記錄在生產(chǎn)運營中的數(shù)據(jù)，還需要收集并檢測無數(shù)的不同數(shù)據(jù)類型，確定各個數(shù)據(jù)類型之間的聯(lián)系并對其進行分析。在性能管理過程中，企業(yè)能夠解讀數(shù)據(jù)并提供新的任何單一數(shù)據(jù)流都不包含的信息。這基本體現(xiàn)了大數(shù)據(jù)的復雜性、高速性和高度可變性。

企業(yè)自身要培養(yǎng)大數(shù)據(jù)專家

作為一個行業(yè)，我們需要有機地發(fā)展行業(yè)特定的大數(shù)據(jù)分析工具集，這樣我們才能讓現(xiàn)在的行業(yè)專家，從足夠的數(shù)據(jù)科學中實現(xiàn)數(shù)字化轉型，反之則不然。為了形成這種態(tài)勢，我們將需有一大批優(yōu)秀的企業(yè)利用這種方法，并向其他人或同行證明其價值。

正如六西格瑪管理技能不是由技術和咨詢公司出售給該行業(yè)的，而是由領先的公司(GE)開發(fā)并向全球進行推廣的。我提倡工業(yè)大數(shù)據(jù)分析應用的推動與發(fā)展也可以借鑒并采用類似的方法。

美國硅谷的Cisco(思科)作為網(wǎng)絡設備與解決方案的巨頭，僅僅在供應鏈環(huán)節(jié)，現(xiàn)在就擁有近80名數(shù)據(jù)科學家。而這些數(shù)據(jù)科學家都是通過兩年的內(nèi)部訓練項目成長起來的。類似Cisco的做法現(xiàn)在越來越成為趨勢，其主要的原因是因為團隊已開始提供強大的投資回報(ROI)。

中國的制造業(yè)企業(yè)為了成功實踐智能制造，要通過組織培養(yǎng)自己的數(shù)據(jù)科學團隊，行業(yè)領先的企業(yè)需要擴大合作，努力做到以下四點：

?參與并為大數(shù)據(jù)分析專門術語建立通用的行業(yè)語言，包括：工具、方法等。

?為已證實的行業(yè)大數(shù)據(jù)分析工具建立工業(yè)特定框架與理論，以映射各個使用案例。

?為確定使用案例、預估潛在的經(jīng)濟效益和追蹤實際的經(jīng)濟效益建立通用的方法。

?利用互聯(lián)網(wǎng)科技，建立通用的培訓和認證項目，幫助在發(fā)展和交流創(chuàng)造新的人力資本。

張禮立

盤古智庫學術委員，博士，擁有20年的全球信息產(chǎn)業(yè)工作經(jīng)驗，硅谷IT精英，也是中國互聯(lián)網(wǎng)先行者?，F(xiàn)任上海市僑聯(lián)青年委員會理事，上海市海外經(jīng)濟技術促進會理事，上海信息化中心專家成員，盤古智庫學術委員，上海浦東智慧城市研究院研究員，盤古智庫智慧城市研究中心副主任兼秘書長，玖道科技首席戰(zhàn)略官。曾任職多家全球上市公司高管，負責銷售、產(chǎn)品、團隊管理及成功的創(chuàng)業(yè)經(jīng)歷。兼任中國人民大學CIO研究中心研究員，國際最佳實踐管理聯(lián)盟中國區(qū)副秘書長，國際災難協(xié)會技術委員會理事。著有《IT服務管理新論-中國式智慧和西方文化整合的研究》《大數(shù)據(jù)時代的云計算敏捷紅利》。

來源：盤古智庫

收藏分享

聲明：數(shù)據(jù)猿尊重媒體行業(yè)規(guī)范，相關內(nèi)容都會注明來源與作者；轉載我們原創(chuàng)內(nèi)容時，也請務必注明“來源：數(shù)據(jù)猿”與作者名稱，否則將會受到數(shù)據(jù)猿追責。