工业大数据的实现路径（1）

毫无疑问，制造业已经迈入大数据时代。在美国工业互联网、德国工业4.0和中国制造2025的理念和规划中，工业大数据都处于新一代产业革命的重要位置。

然而，在工业大数据实施过程中，往往会感觉步履维艰。因为大数据对整个企业或者工厂带来的冲击是非常大的，这里面既涉及到新技术应用，旧有系统的继承等问题，也涉及到企业文化和对组织管理的冲击。后者引起的阻力会更大。

图1.工业大数据与三个战略的关系

工信部下发《智能制造综合标准化体系建设指南》中提到“工业大数据是工业领域完成相关信息化（包括企业内部的数据采集和集成，产业链横向的数据采集和集成，以及客户/用户和互联网上的大量外部数据）所产生的海量数据的基础上，经过深入分析和挖掘，以制造企业提供看待价值网络的全新视角，从而为制造业创造更大价值。”

图2.互联网和工业大数据对比表

一、对于工业而言，大数据可以分成两个方向。

第一，工业服务的大数据。像国家电网这样的公司，服务所占比重很大。这种工业服务大数据，所采取的技术和资源是不太一样的。

第二，工业研发与制造大数据。这类数据的精准度要求够高，质量比较高，而且需要相对全量的数据。这是精准的大数据研究，与大数据的服务有所区别。

天下武功惟快不破，惟量不破。这两点构成了工业大数据的规律，整个工厂的实时数据变化频率非常快，而且数据量非常大，这个时候需要制订完全不同的标准，设计理念、实施理念、设计模型理念发生很大的变化，这对主数据、数据仓库的建设都起到了非常大的影响。早期实施数据仓库，一般都以静为准，以固化为准。而当前工业大数据时代应该是什么呢？应该以快速反应，以量覆盖全部的分析为准。

图3. 业务正向所产生的数据流

（未完待续）

（摘编自 微信 工业大数据专题组 / 编辑 严进军）