工業大數據是中（zhōng）國製造的偽命題 | 無知識不數（shù）據精益數據時代-數控機床市場網

您現在的位（wèi）置：數（shù）控機床市場網> 博文選萃>工業大數據是中國製造（zào）的偽命題 | 無（wú）知識不數據精益數（shù）據時代

工業大數據是中國製造的偽命題 | 無知識不數據精益數據（jù）時代

2016-10-26 作者：林雪萍

工業大數據在中國（guó）是偽命題

大數據本來有更加學術化的（de）名稱：數據密集型（Data-Intensive）計算研究。微軟在2009年組織撰寫《第（dì）四範式：數（shù）據密集型科學發現》一書，給與這種方法以“範式裏程碑”的待遇。而對於大眾而（ér）言，這些不過是野地徑（jìng）自升起的（de）炊煙，無人知（zhī）曉也無可關注（zhù）。

後來隨著Big Data這個簡潔明了的概念一炮打響，各種大數據這才迎風而上。

工業大數據不過是其中一種BigBang。工業4.0輕鬆地接過這一閃亮的火把，攪（jiǎo）動了人們對於大數據無窮的想象力和不著邊際（jì）的信心（xīn）。數字設計、數字（zì）工廠、數字製造等一時間喧囂而上，難免給人造成一種溫暖的假象：到處都是工業大數據。有些輿論甚至斷言，中國擁有（yǒu）全世界最大的工業大數據——大概理由是因為（wéi）中國有最多的設（shè）備和工廠現場。

然而，且慢，數據（jù）現場（chǎng），遠非工業大數據之地。

中國真的（de）有工業大數據嗎？

貴陽（yáng）大數據中心，以政府主導（dǎo）型（xíng）的數據為基礎（chǔ），基本是城市（shì）數據、政務數據、物流數（shù）據等；阿裏雲是以消費（fèi）者數據為基礎，十多年淘寶曆程，沉（chén）澱了（le）大量的用戶行為數據（jù）。

但是（shì），對（duì）於那些不分（fèn）晝夜轟鳴的（de）設備，工（gōng）業（yè）數據仍然是暗無天日的黑（hēi）油、黑煤炭。對中國製造業（yè）而言，些許的光亮或閃爍，遠沒有到大規模發光發（fā）熱的時代。更（gèng）為重要的事情，還需要工業領域去優先解決。

不是（shì）煤炭創造了工業革命

對於第（dì）一次工業革命的發源地，煤炭在英國發揮了巨大的作用。1700年，英國煤產量是世界其他地區的5倍；1800年，是歐洲（zhōu）其他地區（qū）的5倍。

然而，謎團猶在，英國擁有煤炭，好像（xiàng）是該國逃離農耕陷阱的根本要素。但（dàn）與此同時，德（dé）法日和清朝，都有大麵積煤（méi）田，卻未得到大規模的開采。煤炭與工業革命的關係值得明辨。

實際（jì）上，這不是一個煤炭創造（zào）了工業革命的問題，而是工業革命創造了煤炭需求的問題（tí）。

換言（yán）之，英國煤炭工業的飛速（sù）發展，隻是財富和技術已經到達高（gāo）水平的一個征兆。

煤炭對於英國第一次工業革命的戰略意義，此刻正如工業大數據之於中國製造2025。由於蒸汽機的驅動，煤炭猶如脫韁之野（yě）馬，成為工業革命源源不斷的動力。正如一把複雜鑰匙吻合一把鎖，這種類似的模式，第一次將人力一勞永逸地解脫出（chū）農耕時代。工業根基（jī）肇始。一（yī）段時間後，這個開鎖程序被世界模仿，並且換成石化燃料和內燃機。

這一模式，影響了（le）隨後二百多年（nián）的工業史。

煤炭與工業大數據的對比

隨著（zhe）智能（néng）製造的發軔（rèn），看上去這個模式，馬上就（jiù）要（yào）交給了工（gōng）業大數據。而此刻，我們必須（xū）意識到，數據對於新工業革（gé）命的意義（yì），尤其是（shì）對於中（zhōng）國製造2025的意義，是（shì）一種全新的密碼鎖模式——中國工業化還並不太熟（shú）悉（xī）的一種模式。

無數（shù）據不知識

數據、信息和知識的關係，有時候容易混淆。大致而言，數據最開始都是未經（jīng）組（zǔ）織的，大量存在卻價值（zhí）極低；底層（céng）的數據需要（yào）通過信息化和工業化，才能轉化為知識（shí）體係。

從數據到信息，本身就是一種過（guò）濾機製——這需要一種提煉，然後可執行、可傳遞的信（xìn）息形成（chéng）知識。知識（shí）分為隱性和顯性，隱性知識往往存在於人本身之中，傳遞性很差。

數據、信息和知識的模型

可惜的是，傳統知識管理的（de）DIK模型（Data-Information-Knowledge）關係，是一個單線程關係。它隻解決了知識的提煉，沒有解決回饋問題。

就工（gōng）業（yè）大數據而言，最重要的就（jiù）是對它進行密（mì）集型的分析——工業知識斷不能缺位。GE在談及工（gōng）業互（hù）聯網的時（shí）候，給與了“專業知識”以高度的重視。工業大數據不是傳統的數據統計分析，而是基於專業知識的引導，才能挖掘出數據真正（zhèng）的價值。

顯然，知識體（tǐ）係必須重新作用於數（shù）據本身，才能形成工業大數（shù）據的價值。在工業領域，“無知（zhī）識（shí），不數據”。沒有工業經驗的線性化指引，數據就不會（huì）高速轉化（huà），工業大數據的價值，就不會產生（shēng）。

對於數據而言，信息化（huà）作了第一次提升，使得（dé）數據（jù）歸類、文本化和沉澱；但必須通（tōng）過工業化才能進行第二次提升，才（cái）能將數（shù）據提升到知識的高度，形成真正的Know-how、經驗、最（zuì）佳實（shí）踐、直覺；在此基礎上，挖掘形成大數據的（de）新產業（yè）價值。

工業大數據與知識的關係（xì）

如果數據是石油，設備是藏寶地圖，那（nà）麽知識是唯一的（de）鑽探工具。

中國工（gōng）業技術體係沒有形成（chéng）線性化，尚無法形成驅動力。那些數據深（shēn）藏在設備裏，深（shēn）鎖（suǒ）在係統中，它（tā）們隻在（zài）規定的範圍局部流（liú）動，一如地表下的熔岩。它們有（yǒu）著澎湃的能量，卻無法（fǎ）駕馭。

就此而（ér）言。中國就沒有工業大數（shù）據。甚至連顯性化的工業數據（jù）都沒有。我（wǒ）們工業化短短的行程，使（shǐ）得我們習慣於硬件思維和（hé）設備思維，還沒來得（dé）及形成珍惜工業數據的意識。對那些有著厚重的工業技術體（tǐ）係和知識轉化的GE、西門子而言，當他們在說工業大數據的時候，他們有著一個我們很多企（qǐ）業沒有的隱含條件。

這是我們需（xū）要有的（de）清醒意識：不要將無數的（de）現（xiàn）場數據等同於工業大數（shù）據。

就（jiù）中（zhōng）國製造業而言，知識才（cái）是最大的攔路虎。工廠中各種數據，如果沒有領域知識和（hé）業務建模的前提，不過滿工廠（chǎng）堆砌（qì）起（qǐ）來的一座座數據垃圾山。

對於企業而言，必須靜下心來想一想（xiǎng）：數據何（hé）在？知識何在？這是一種全新的範式，我們並不熟悉它：工業大數據模式，需要先看懂密碼鎖（suǒ）規格，再去找鑰匙。

精（jīng）益數據觀斬除數據（jù）浪費

兩化融合走了（le）十年之路，給中國製造業（yè）培（péi）養了一批（pī）工廠級的IT人（rén）才（cái）。就中（zhōng）國整體而言，許多企業的（de）信息化水平並不（bú）低；但知識化和工業數據，則處於非常低的價值鏈。受各種信息孤島的影響，數據被捆綁了，猶如被深嵌在花崗石上的鑽石，數據處於高（gāo）度不流動性。不流動的數（shù）據，不太可能發揮（huī）工業大數據的價值。

過去幾十年，中國製造（zào）市場不知疲倦地耗資引進各種設備自（zì）動化——一種自由購買的商品，一種吞噬數據的黑洞機器；中國工廠也略知皮毛地、半（bàn）推半就地引（yǐn）進了精益思想，它的烙印還沒來得及（jí）成為我們血液中的自由元素。

而此刻，全新的數字（zì）化技術（shù）卻已經來到身（shēn）邊，成為我們必須（xū）麵對、必須應答的時代（dài）拷問。

新的浪費，正在形成。

中國的工廠必須用知識來解放數據。中國製造（zào）者們，此刻必須開始意識到，我們最熟視無睹的“數據浪費”，已經成為一種新的觸（chù）目驚心的揮霍。這是一種可（kě）怕的工業（yè）無（wú）知。它如一隻令人生厭（yàn）的烏鴉，站在設（shè）備的控製板（bǎn）上，嘲笑（xiào）著我們在設備上所做的大把大（dà）把的投資。

工業大數據的價值觀

就設備的效率而言，我們需要設備自動化；

就資源的（de）浪費而言，我（wǒ）們需要精益生產觀；

就數據的效率而言，我們需要（yào）知識自動化；

就數據的浪費而言，我們需要精益數據（jù）觀。

從工業大數據的角度，中國製（zhì）造業尚（shàng）處於數據（jù）的黑金時代。

在（zài）當下，工業大數據還是中國製造業的偽（wěi）命題。

正是此刻，數據與知識的關係，更加（jiā）耐人尋味。在這樣一個i額時代，所有企業都將逐漸意（yì）識到數據的重要性（xìng）。但如何能夠完成數據的解放，將數據釋放出來，仍然（rán）需要穿過“無視（shì）知識”的認知障礙，仍然需要借助大量的專業化知識。這是（shì）中國兩化深度融合過程中，工業化必須單獨回答的命題。

如果我們（men）忽（hū）略管（guǎn）理者深淺不一的見識和技術上互相標榜的流派，那麽工（gōng）業4.0時代的所有命題，其（qí）實隻有兩個：數據和用戶。所有的障眼法都由此而來。

而工（gōng）業知識的顯性化、模型化和固化，則是破解數據障眼法的唯一之道

聲明： 本博文僅係博主個人看法，並不代表本網立場（chǎng），請讀者（zhě）僅作參考（kǎo）並（bìng）請自行核實相關內容
歡迎各（gè）位博主聯係本網編輯（jí）部，郵箱：skjcsc@vip.sina.com ，電（diàn）話：010-57729015

分享到：新浪微（wēi）博騰訊（xùn）微博人（rén）人網 QQ空間

更多相關（guān）信息

名企推薦