王建民：工业大数据技术与实践（2）

（四）工业大数据应用场景--从商务智能到数据智能

1、优化现有业务，实现提质增效

（1）研发能力提升

（2）生产过程优化

（3）服务快速反应

（4）推动精准营销

2、促进企业升级转型

（1）创新研发设计模式，实现个性化定制

（2）建立先进生产体系，支撑智能化生产

（3）基于全产业链大数据，实现网络化协同

（4）监控产品运行状态和环境，实现服务化延伸

3、促进中小企业创新创业

（五）工业大数据实施策略

1、业务加减乘除

（1）加法：提质增效；客户定制；业务延伸

（2）减法：降低成本；降低次品；降低能耗

（3）乘法：构建产业生态，与合作伙伴进行有效的协同

（4）除法：聚焦专业化目标，实现更轻资产的运营

2、过程智能再造

将大数据分析结果运用到业务过程的必要环节，实现精准“滴灌”。

二、数据查询和检索

大数据，要有处理和分析，处理是数据集到数据集，分析也就是数据集到模型，这个分析也就是要炼出决策的各种模型各种函数。数据需要管理，工业数据讲的是全，数据数量的大小如何，数据是怎么关联的，哪些数据及时解决什么问题。

三、运行和管理

运行和管理是最基础的，坚持控制优化自主，是有难度的。在利用风发电时，具有极大的不稳定性。其中有两个原因：一个是这个风力不稳定，受天气影响较大；第二个则是人为控制不到位。但是反之，电网生成一区二区三区四区，每个区不一样的，所以控制本身不仅仅依靠技术，还要借助管理。依靠谁，则所依靠的就会形成团队。领域知识，数据工程师，做代码的技术人员，这三个元素加在一起，才会形成工业大数据目前比较合理的团队，三者缺一不可。由于工业中个性化，碎片化，专业化因素太多，知识十分密集，任何企业都需要积累几十年，所以必须有集成的团队，企业拥有技术，效率就得以提高。

我们出版了一本工业数据白皮书，其中包括四类分析：描述性分析，诊断式分析，预测式分析，处方式分析。清华大学成立了一个大数据的系统软件国家工程实验室，我们把软件做点构建，想做1＋∑。今天的大数据是一个生态的系统，我们基于小的IOTDB和互联网数据上做小型的构建，成果即将准备开元发布。

（续完）

（摘编自 微信公众号 首席信息官联盟）