制造企业如何借力工业大数据

美国的管理学家、统计学家爱德华·戴明说过一句话：“除了上帝，任何人都必须用数据来说话。”在经历消费大数据时代后，人们迎来了工业大数据时代。

工业大数据和原来的信息化有何区别？

简单来说，1990年代以前，大部分企业都在做企业内部信息化，这被称为第一次浪潮。1990年代以后，互联网开始席卷全球，企业相继进行互联网化。而随着信息化与工业化的深度融合，工业大数据悄然兴起，这也将成为下一个提升制造业生产力的技术前沿。在清华大学工业大数据研究中心主任王建民看来，工业大数据即第三次工业变革，它以智能互联的产品为核心载体，而不单纯只是通过互联网增值。

王建民认为，在制造业的利润越来越低的情况下，工业大数据可以帮助中国企业提高产品在使用维护阶段的利润。最重要的是，利用数据进行跨界运营，能够为企业带来新的生存空间。 

利用大数据抢占价值高地

为什么工业大数据对当下的中国企业来说，有着如此深远的意义？

事实上，在王建民看来，一个复杂装备的生命周期分三个阶段，即：开发制造阶段（Beginning of Life，简称BOL）、使用维护阶段（Middle of Life，简称MOL）、回收利用阶段（即End of Life，简称EOL）。

原来，制造企业将重心放在开发制造阶段，企业的核心目标就是将装备设计制造出来。而产品售卖给消费者后，就和企业没有关系或者变得无关紧要了。所以生命周期的第二、三阶段，常常被企业忽略。但装备的价值真正体现在用户的使用体验上，而不在于制造，尽管制造由质量决定。但消费者在使用阶段的流畅程度，才能反映出产品的最终功效。

加工制造环节的确能够产生很多利润，但在当前环境下，生产制造的利润越来越薄，使企业越来越难以为继。而中国是一个制造大国，更是一个使用大国，制造业的兴衰事关重大。王建民认为，只有利用大数据抢占价值高地，实现产品智能化，才能实现从“中国制造”到“中国创造”的转变，从“生产型制造”到“服务型制造”转变，这也是“中国制造2025”战略的应有之义。 

跨界运营是工业互联网转型的核心

和之前很多技术一样，工业大数据并非横空出世，而是一脉相承。但又有新的变化，这种新的变化，在王建民看来，其核心在于连接，将原来孤立的机器连接起来，将人和机器连接起来，将不同的企业、行业连接起来。

事实上，这种连接已经产生了巨大的价值，有很多企业已经开始实践了。

例如：将人和产品联系起来，可以实现产品创新。日本科研人员设计出一种新型汽车座椅，根据驾驶者的体重、压力值等数据识别主人，以判断驾驶者是否为主人，从而决定是否启动。

又例如：将两个不同领域连接起来，可以实现销售模式的创新。欧洲人可以做到今天卖明天的风电，怎么卖？他们根据一系列数据，对明天的风力精准地进行测算，从而实现当天交易。这是风电装备在整个大气环境下进行的跨界运营的绝佳案例。

还有一个例子，《哈佛商业评论》曾经发表过一篇文章叫《智慧的互联产品》。美国人认为未来的工业产品应该分为五个阶段，到第四个阶段的时候，装备、产品会进入到一个产品的系统阶段，机器和机器之间可以对话和合作。比如在农业领域，播种器械、收获器械会联合起来到一个农场去作业。而终极阶段是：农业机器的集群和天气的数据，会和种子的数据、灌溉系统的数据联合起来，通过全方位的连接来解决农业生产中的绿色节能问题。

王建民说，通过跨界运营来创新是工业互联网转型的核心。在使用阶段做一个简单的维修、更换配件，不管是预防性维修还是主动维修，都还处于工业互联网的初级阶段。只有通过数据进行跨界运营，才抓住了整个装备制造业在服务阶段转型升级的核心。 

工业大数据应避免的三个误区

听上去很美好的工业大数据，如何实践呢？王建民梳理了三大误区，以供企业参考：

一、维修＝运行

在工业领域，维修和运行基本不会分开。但是在工业大数据里，二者是分开的。维修指的是，当产品性能下降的时候，通过更换零件或者其他手段，恢复其产品性能。而运行是指如何使用机器，使它产生价值。

二、产业大数据等同于消费大数据

工业大数据最核心的问题在于分析结果的可靠性。在消费大数据上，如果产品的广告推荐能达到20‰的可靠性，就是搜索引擎的最好水平。但这一数据在工业领域，显然远远不够。因为在工业领域，往往是失之毫厘，差之千里。工业的应用场景对数据准确率的要求达到99.9%，甚至更高，否则就会造成严重的经济损失乃至安全事故的发生。所以，王建民建议，从人员结构上来讲，工业大数据需要数据和产业的人才一起来做。

三、采集的数据越多越好

对于企业而言，机器采集的数据有时候是一个灾难，不是企业采集的所有数据都是有用的。不产生价值的数据就是垃圾信息，对于企业而言就是负担。企业在收集数据之前，首要任务是给数据画像，弄明白自己到底需要什么样的数据。

王建民认为，无论如何，大数据仍然要围绕装备增值服务的业务逻辑，在达到这个目的的过程中，让数据发挥作用，而非简单地只看到数据，而忽略了根本的逻辑。