朝晖随笔（6） 我的工业大数据课件大纲

朝晖随笔（6）：我的工业大数据课件大纲

（2018年8月9日）

《工业大数据》这门课我讲了很多次。但每次都不满意，总感觉知识点太碎。最近花了些力气重新写了一版。课件中涉及到了几个基本的思路：

1、大数据能引发智能化的理论：DIKW体系。有用的数据一定是信息或知识的载体、而不是碎片化的数据。收集信息时，必须建立尽可能完备的联系。针对一类对象的、信息之间的联系构成知识，从而可以让人们通过一部分信息推测另外一部分信息。而智能则往往可以看做信息驱动知识（感知驱动决策）基础上与执行过程联系起来。

2、大数据最有用的特点：便于获得知识。在大数据背景下，获得知识变得容易多了，而且这些知识便于直接应用。所谓新一代人工智能，本质上就是在大数据的背景下，更容易获得一些默会知识。

3、工业大数据分析：要求、难点和方法。工业大数据分析的麻烦，在于对知识的质量和可靠性要求特别高，而获得可靠性又特别难。要解决这个问题，关键是如何把人的经验和数据分析方法结合起来，把经典的统计方法和现代数据分析方法结合起来。要提高数据分析的效率，需要方法论来支持。否则，数据分析工作可能得不偿失。

4、工业大数据创造价值：经济可行性的大逻辑。在工业互联网和智能制造的背景下，大数据更容易形成，从而更容易获得知识。这些知识进一步促进智能化或能够通过网络分享时，也就更加具备经济性。

5、工业大数据促进企业转型升级：企业如何办。企业应该怎么做，才能用好大数据，为“工业大数据创造价值”创造条件。

原创： 郭朝晖 编辑：严进军