成就工业大数据的三大条件（2）

成就工业大数据的三大条件（二）

（2019年1月3日）

第三大条件：全程干预成为可能

从最近现场参观以及工业大数据从业公司的调研情况看，在工业生产过程中，对良品率的干预、对生产线节拍的干预、对离散制造换型节奏的干预、对能耗的干预，是非常实际有效的。干预更精准，迭代更频繁，模式积累也更容易进入中国人擅长的领域。

这三个方面的充裕条件，有利于靠谱地跃升工业大数据的地位，使得大数据在“云大物移”里抢先获得更好的规模经济效应（后续的讨论中将专门阐述“规模经济”物种的支配权）。

工业大数据的必然窘境

工业大数据，并不是看起来的那么美。依然有许多坑，许多存量的以及隐性的不确定性必将长期存在。从生产设备、生产环节中高频（比如每秒，每15秒）采集多种参数，是工业大数据具有价值的前提。这个方面的分工属于自动化领域，在企业里面一般是装备部门、研发部门、生产部门，对应的供方是IOT物联网技术公司。建模与数据分析是企业业务运营部门的职能范畴，对应的供方是大数据技术公司；订单处理、绩效测量与考核、供应链、交付等则在传统的企业信息化范畴。

这里的内在矛盾是长期存在的，将是许多企业的新矛盾策源地，需要足够的智慧来化解，也必然带来企业组织形态的新变革。

与传统的业务流程再造不同的是，这一轮的变革将因为“不动点”（体现为硬件形态的设备、生产环境等）的客观性，科学相对容易占据上风而不是不可捉摸的“管理艺术”。通过最近考察的若干智能工厂案例，和ERP相比，即便是全局性质的，其交付周期也明显缩短。可以想见，这个方面的持续推进，对传统的管理软件业态将产生深刻的影响。

它的窘境还不止于此。

行业主数据、数据接口规范以及客户需求描述的结构化、客户参与生产过程等，还有大量的课要补。

这个方面最突出的是行业主数据的百花齐放带来了诸多毫无价值的社会成本增加。2000年前后是中国行业主数据形成全局影响力的最佳窗口期，现在重新提上议程，肯定不是简单地将之前的工作捡前来做，需要基于新的情况做决策取舍。这是最难的事情，也是完全无法绕开的事情。它会成为社会各界IT投入的黑洞吗？不得而知。

传统的管理信息化（ERP的势力范围内），就将客户隔在玻璃墙之外，智能制造和客户之间的玻璃墙似乎更厚了。这是需要警醒的，也是最容易将过程价值持续贬值的地方。

当机器主导数据生产（机器生产出的数据量远远大于人生产出的数据量）之后，企业IT将如何演化？这个命题，回头我们还要继续谈，这里就不展开了。

工业大数据的使命是帮助企业便利地构造“膝跳反应”体系

就是将企业这样的大能力单元赋予人一样的生命力，“自由”地与其他组织互动，这成立吗？工业大数据，不是基于制造业的功能延展，而是正在缔造一个新的世界，必将涌现出新的认知，新的未知。

（续完）

（原创：王甲佳 公众微信号 大数据之友）