工业大数据应用的四大挑战（2）

工业大数据应用的四大挑战（二）

（2019年7月16日）

挑战4：工业数据应用还不深入

大数据在工业领域的作用，纵向可以从3个层次来看：

（1）最基础的，是可以根据数据来描述工业产线、营销和企业经营活动的历史与现状。

（2）更上一层楼，可以基于数据预测设备、车间和整个企业的未来状况。

（3）最高层次，是根据数据分析结果，绕过人工干预，自动地直接指导企业运作，形成智能化的数据闭环。

而大数据在工业领域的作用，横向则可以跨越设计、生产、销售、服务全链条。

然而，工业企业的数据分析应用还普遍处于浅层阶段。最近，工业互联网产业联盟对国内外366个工业互联网平台应用案例进行了分析，40%的平台应用集中在产品或设备数据的检测、诊断与预测性分析领域，而在涉及数据范围更广、分析复杂度更高的经营管理优化和资源匹配协同等场景中，多数平台现有数据分析能力还无法满足应用要求，还需要进一步推动数据分析技术创新以及实现长期的工业知识积累。

未来，工业数据分析还需以问题为导向，把工业机理与数据科学方法紧密结合，让数据应用的层次再上台阶，从而产出更大价值。

三、推进工业大数据发展的思考

工业互联网的长期目标，是构建“数字双胞胎”。只有工业数据越来越丰富、全面，质量越来越高，“双胞胎”才可能长得像，才能“心心相印”。也只有这样，才能让物理世界的万物得以在数字世界重现，通过数字世界里的计算、分析、预测、优化，来指导物理世界的最优运行，从而开辟新的增长空间。为此，还需直面上述挑战，做好几个方面的工作：

（1）夯实数据基础，高度重视数据资产管理的战略价值

企业不仅要关注最终数据分析的显性价值，更要重视数据采集、资产管理、治理、互操作与标准化等基础性工作的价值。磨刀不误砍柴工，只有地基牢固了，工业大数据才能可信、可用，成为价值源泉。

（2）抓住技术创新机遇

数据技术正在进入新的发展阶段，时序数据库、知识图谱、深度学习、安全多方计算等为工业大数据采集、整合与分析孕育着新的动力，将特定应用场景与这些新技术结合，有望带来新的突破。

（3）建立行业标准与规则

在行业层面，可以发挥行业联盟作用，在数据采集协议、数据模型等方面建立行业标准，扫清技术层面互通的障碍。同时，还要推动形成工业企业间数据共享的行业规则，创造安全可信、利益均衡的数据流通生态，为打破全行业数据孤岛铺平道路。

（续完）

摘编自 微信公众号 优管网