【干货】郭朝晖：工业大数据的特征、方法与价值创造

嘉宾介绍：

郭朝晖，现为宝钢中央研究院首席研究员、教授级高工。分别于1990、1994、1997年在浙江大学应用数学、化学工程和自动化专业获得学士、硕士和博士学位。1997年加盟宝钢，2005年晋升教授级高工。长期从事信息、模型、自动控制、大数据等领域的技术研发工作。

曾先后担任中国工业与应用数学学会副理事长，中国现场统计学会第八届理事会理事，上海工业与应用学会常务理事，上海人工智能学会理事，上海交大、浙江大学、宝钢人才开发院兼职教授，东北大学兼职博导，宝钢集团党外知识分子联谊会会长，上海市知联会理事，并曾担任全国总工会十四大代表，中央企业青联委员。出版《管中窥道 :技术创新的观念与方法》等著作。

演讲全文：

关于工业数据处理的问题。我20多年前读硕士的时候，我的导师胡上序先生就有这么一个领域，希望通过工业数据的分析来提高我们工业的水平。但几十年下来，我却常常发现这么一种现象：当你立一个项目的时候把它说得非常好，好像什么事情都做得了；但当结束的时候，你却发现只能得到一个不理想的结果。

所以，我们的现实和理想往往有很大的差别。某种意义上来讲，这样的结果就是失败了。这种失败的表现就是不了了之，你不能说他一点都没得到，但得到的跟想象的相差太远。

为什么会有不了了之呢？其实这里面有一个原因，就是我们在谈到数据应用的时候常常说得好的一面。

比方说，我们说数据当中有信息、数据当中有知识、数据是有用的。但我们又常常忽略它的另外一个方面，比方说数据有假的、有错的、有偏差很大的，你得到的很多东西可能是局部性的、暂时性的；或许你得到了一个正确的结果，但它却是很平庸的，人家会对你说：“我早就知道了，这是常识，你告诉我有什么用呢？”等等。再就是：你告诉人家一个事，人家说：“真的吗？”你说：“我也不确定”，“算了，不确定我也不敢用。”经常由于这样的一些原因，我们的大数据分析之梦最终不了了之。

今天我给大家汇报的内容大概包括这么三个方面的内容，第一，我先谈一谈工业大数据到底有什么样的特点；再介绍一下我们分析工业大数据当中有什么样的方法，最后针对工业大数据的价值创造，谈一点自己的想法。

工业大数据有什么特点呢？下面我举一个例子。

钢铁行业的学者们很早之前就想建一个模型，用于描述钢铁的成分、工艺和它的力学性能之间的关系。这是人类60年多年前的梦想。

从某种意义上说，建立这样的模型很容易：只要有了数据，直接回归就是了。但大家都会发现一个问题：模型的精度总是提不高。而且，更糟糕的是：张三、李四、王五会得出来差异非常大的模型；各种经验公式遍天飞，但是没有哪个人能证明自己的就比别人好。大家都在想：如何才能得到高精度的模型呢？

2002我接手这个题目。因为我是做数学的出身，首先想到的是模型的存在性：高精度的模型是否存在呢？

很快，我发现：高精度的模型是不存在的。

为什么不存在呢？因为模型输入参数的误差太大，输入参数的误差大，精度自然不可能很高。

我是这样证明参数输入误差高的：同一个参数测两次，观察测量误差。我发现，同一炉钢成分的测量误差，和对应钢种中不同炉次的成分波动基本上处在一个等级上。这意味着：测量误差和测量值的信息量差不多。那么你设想一下：怎么样可能会得到高精度的结果呢？

这就意味着：如果你想得到一个很高精度的结果，证明你比我强得多，这是不可能的。彼得.德鲁克说：做正确的事，正确地做事。而只有能做成的事，才是正确的事。所以，去追求过高精度是错误的。

可能有人会问：测量结果和信息量为什么如此接近？这是偶然的，还是必然的？我想了一下，认为这种事情很容易发生。为什么呢？大工业生产总想越稳定越好、控制精度越高越好。但精度到了一定程度就提不上去了——导致精度难以提升的原因，往往是触及到检测误差的范围。

换句话说，检测误差成为控制瓶颈的时候，就不可能再进一步把它的控制精度提高了。这就意味着：在一个工作点附近，检测误差和它本身的分布处于同一个量级上。这样，所以检测误差总是跟着自己的控制精度一起跑。

这样的事情会导致很多的问题。比如，过去我们建模型的总有一种观念：模型精度越高越好，精度高到一定程度时，会逼近真实的对象。但是，如果是我刚才说的情况，就不一样了。

估计大家都学过最小二乘法，知道最小二乘法是“无偏估计”。所谓“无偏估计”，就是样本量很多的时候，回归系数就逼近真实。但是，不知大家有没有注意到一个条件：得到上述结论的前提，是自变量的误差可以忽略。

传统的最小二乘为什么没有考虑自变量的检验误差呢？道理很简单，因为回归这套理论，原本并不是用于工业数据分析的。它是产生于实验设计等问题。在那些情况下，自变量的检测误差往往是可以忽略不计的。但是我们这里变得不能忽略不计了。

这会发生什么情况呢？我们假设有一个函数y=b*x。自变量误差很小时，用最小二乘法得出来E(b)=b。但是，如果自变量误差显著时，你得到的结果比b要小（我指的是绝对值）。这就意味着：误差最小的那个模型其实是不真实的；说的严重点，甚至可以说是错误的。

这个问题我也疑惑了很久：误差最小有什么不好呢？

后来我想明白了：变量分布条件不变的情况下，不管模型对错，误差最小是最好的；但是当数据的分布特征一旦改变，误差就会立刻变大。所以，这种“误差最小”的模型不能用来预测大范围的结果，也不能用来控制和优化对象。

下面给一个形象的说法。本来x分布是在较小的范围内。当x有检测误差的时候，x范围就变大了。于是，统计结果的斜率就变低了。这个偏差有多少呢？我大体算了算，大体有50-70%。

请大家注意：在这个例子里，我是假设对象就是简单的一元线性模型。这么简单的东西，“误差最小”的观念都会失灵；那么更复杂的，比方说神经元，可能得到真实的东西吗？

这就意味着用：误差最小化的一切优化方法可能都会存在跟真实性偏离的问题。但是，当我们需要用模型进行控制或设计时，我们需要真实性，而不是误差最小。这个结论其实很糟糕：意味着很多常见的办法都失效了。

另外一点，当检测误差比较大的时候，统计结果就比较难以稳定。我做了一个测算：误差小于10%的概率大于66%时，大概需要2000到20000个样本。这就为工业当中要想得到稍微稳定一点的结果你必须要大的数据量，小的是不行的。

工业过程还有一个特点，相关性和因果性常常是不一样的。

什么叫相关性呢？比如公鸡一叫太阳升起，这有相关性，但是它不是因果，因为你把公鸡杀了，太阳照样会升起。这就像我刚才说的：认真准备反而可能讲不好一样。类似的例子有很多，练太极拳的身体都往往不好，为什么呢？因为身体不好的人往往才去练太极拳。

英国有位前首相说过：“世界上有三种谎言：谎言、弥天大谎和统计学。”如果统计方法用不好，你的结论可能是完全错误的。

这里举一个工业界的例子。比方说A钢种不太容易发生缺陷，所以不对它进行清理，直接检验。B钢种容易发生缺陷，必须清理之后再进行检验。如果你统计分析时，把中间这个过程略掉，你会发现：A钢种发现缺陷率高，B钢种发生缺陷率低。这样，结论和实际正好是相反的。

这种现象不是偶然发生的，而是经常发生的。

工业系统是根据人们的认识设计的复杂的人造系统。工程师常常根据自己的经验和知识采用前馈、反馈的手段。特别地，如果已知某个变量（如钢种）对质量有重大影响的话，一定会设法把影响降低（如清理）。所以常常有前面这样的现象。所以几乎是必然发生。

现在经常有人说大数据，只要碎片化就可以了，但对工业大数据真的不一定合适。

列宁说过一句话：“如果不是从总体上，不是从联系中掌握事实，如果事实是零碎的和随意挑出来的，那它只能是一种儿戏，甚至连儿戏也不如”。

我一个感受，做数据分析其实非常之难的，为什么难？你每天都跟各种各样的假象做斗争。你不知道谁是假象的话，你根本啥都没法办。我曾经跟我的一个徒弟说：做数据分析是异常驱动的。

也就是说，如果数据展现的现象跟你想象的不一样，它里面就可能包含有用的东西。

但是，这里有个前提：你要知道什么是意料之中。我常说：有意料之中才有意料之外。如果你对专业领域不熟悉，就没有“预料之中”，那“意料之外”也往往只是无知的表现。

所以，做数据分析的人必须了解工业实际。反之，如果不了解工业实际，发现一个问题，就要跟专家讨论半小时；再发现一个问题，继续去讨论半小时。问题是：别人没那么多时间来跟你啰嗦啊。

做分析麻烦之处，还在于很多“预料之外”是数据质量不好。

我曾经统计过两个钢种。我把预报误差特别大的拿来做分析。其中，从Ａ钢种抓取了110个特别大的；进一步的研究发现：有８５个数据本身含有某种数据严重异常，占预报失误的80%。另一个钢种更高，占９２％。

这里又冒出来另外一个问题：很多人做出来的模型，正常情况下能预报，异常却预报不到了。这个事也很糟糕：人家希望你把异常的给抓出来，你只能预报正常的有什么用呢？这个原因，导致很多模型变得没用。

我们要记住：这往往是数据背后的原因，是很常见的。因为异常往往是有特殊的原因引起的，而如果你的系统中没有记录这个特殊的原因，那么你自然会出现这样的事情。

我再跟大家谈一个案例，谈谈工业数据分析的复杂性。

很早之前，我要研究钢坯的缺陷率ｙ和生产温度ｘ之间的关系。我拿几十万条数据分析，发现结果很不稳定。后来，人家告诉我：ｙ跟钢种有关，不同钢种的缺陷相差几十倍，建模时必须区分钢种。于是，我开始分钢种研究；然而，结果还是不满意。后来我发现，ｙ与钢坯的正、反面相关，两面的缺陷率相差三四倍。那好，我再固定正反面继续分析；但遗憾的是：结果还是不稳定。

这时，人家提醒我：你看看谁检验的，因为甲、乙、丙、丁四个班检验出来的缺陷相差三四倍......以此类推，不知要固定多少分组，直到每个分组里面几乎没有几个样本了。

这个案例高度我们：工业系统中的系统性干扰非常多。如果没有意识到的话，怎么可能把它们两个变量之间的关系搞清楚呢？如果不排除系统性干扰，缺陷发生的频度就是不稳定的。所以，很早之前我就意识到：分析工业过程数据时，概率理论和统计方法不可滥用。

咱们再把问题稍微往远处扯一扯。实用的工业技术最重要的基础是什么？很多人经常忽视一个问题：可靠性。

但可靠性实在是太重要了，给大家举正反两个例子。

大家知道，神舟飞船是一个很高级的技术。据说曾经这么一个故事：飞船安装过程中，一根头发掉到里面去了；然后他们决定停工，几十个人开了三天会，论证这根头发会导致什么样的后果。后来论证下来没事，才复工。反面的例子是中华之星：这是中国人自主研发的动车。就是因为测试时出了一点小问题，就被铁道部否决了。

上午跟莫老师交流的时候也谈到一件事：我曾让一个非常优秀的同事开发一个程序。开发完成后，他拿过来问我是否可行。我说不行。他就问我有什么问题？我说：“我看不出有什么问题，但是我没法证明它是没有问题的”。

在编写控制程序时，我往往要用99%的精力去来想1%的非正常状态如何处理；往往是一行功能性的程序，10行防止错误的程序。说实话，如果程序有问题，出一次事故就吃不了兜着走了。所以工业界可靠是第一位的，你不产生效益没关系，别把人家的设备搞坏掉了。

一个技术是否先进，最难做的往往也是可靠。我刚到宝钢时，有一位前辈问我：“小郭，那是学先进控制的，为什么不把先进控制技术用到宝钢呢？”我当时回答他：“条件不满足。”其实，一个企业之所以能用先进控制的前提它的设备先进、检测稳定，这时可能有好结果。

如果设备、检测各个方面都是有问题的，那么用先进控制的结果可能会适得其反。所以能用先进控制技术是企业先进的一个结果、一个表现，不能为先进而先进。

我经常说，可靠性与价值往往是一个硬币的两个方面：可靠性要求高，它的价值才会高。比方说：我给你做一个预报，我告诉你按照我的预报做可以节省100万试验费。那么人家也可以告诉我：你预报错了，我亏100万试验费。所以，预报模型的价值和它可能产生的风险是同时存在的。

这就是我们常见的预报模型，每个人给的完全都不一样：你叫我去信谁？这样类似的模型出了上百年了，每个人都弄出一个来，但是同一个钢种不同的月份得出来也不一样。所以，它的问题是在于可靠性不够。我做出来的模型，有时候精度可能还不如简单的线性回归，但是它的可靠性提高了。

特别是我们大家有一个观点，建模为什么重要？最重要它可以预测，特别是利用这个知识来改变世界，这是最重要的用途。好的模型不仅要预测未来，还要有外延性；不仅对建模数据管用，对新数据也要管用。这样的东西才有真正的价值。

但是大家知道，过去我们往往强调精度，就会出现很多问题。一种是过拟合：老样本都预报正确，新的进来是不着调了。还有一种在里面是很对的，一到外面就发散了。这种事情很容易产生。

其实本人25年前做硕士的时候就遇到过这样的问题：你要多少精度我给你多少精度，但是我心里知道这个东西不靠谱，因为我不知道新的过来会怎么样。

另外，工业数据分析困难还有一个原因。工业系统是人造系统，人家对这个对象研究得很透，像钢铁研究了几百年了。你说我发现的知识有用，你就得超越人家已有的知识。你告诉人家碳对强度有正作用，人家说这是废话，我知道30年了。你必须要比人家更高一层才能发挥你的作用，这也是难点所在。

另外，分析工业数据往往与实验设计不同： 我做这个分析的时候，不知道能得到什么。很难给别人提要求，有什么数据用什么数据。

人们对工业数据分析的要求非常高，可靠性要求非常高，又要超越人，条件非常差，数据误差比较大，有时候分布也不合理，有的时候需要深入分析因果性.......许多工作最后似是而非，不了了之，就是这个原因。

以上是我给大家汇报的我对工业大数据特点的认识。

第二点，我来谈谈工业大数据的方法。

这是我经常跟大家谈的一张图，来描述技术创新的逻辑和思路。在这张图中，蓝色的曲线代表一条河，右上角的方块代表桥。要求我们做得的是：找一条从现状到目标的最短道路（WAY）。

学究气太浓的人，常常执着于理论上的结论，如“两点之间直线最短”。的确，理论上的结论一定是正确的，但理论上的方法可行不可行则是另外一回事。正如图中所示：理论上的办法遭遇河流，无法过去。现实的办法，则是绕道远方的桥梁——这条路理论上不是最近的，确实现实可行的。

事实上，对于创新问题，理论上的方法一般是不可行的：创新是做别人没做成的事，理论上的办法常常最容易想到、能想到的人往往很多——如果现在这个技术还没做成，往往就说明理论上是走不通的。

也就是说，在创新时，理论方向几乎必然遭遇困难。这个时候，必须借助特殊的条件，才能达到技术的目标。

只有现实中可行的方法，才是真正的好方法。所以，现实中，你的“水平”并不体现在对理论理解多少，而是对条件（桥梁）、约束（河流）、目标与现状的认识。

先说一下工业大数据的一些现状。

我经常听到一句话，说数据大得计算机存不下了。其实，多数情况不是计算机存不下了，而是少量的数据你都用好。比如每年我们有数以千计的质量异议，加在一起可能是数以万计。每件事背后都是一个案例、都有资金的损失。但是请问，计算机记得住吗？

当然，你可以做成文档记录下来。必要的时候可以去查。但是，你遇到问题的时候，计算机不会自动告诉你：过去发生过类似的事情，要当心。这样的能耐只有人才有。很多牛人之所以很牛，就是因为记住了这样的一些事。但这个人一退休，这个知识也就丧失掉了。

所以，对于这种碎片化的知识和相关数据，哪怕是一万条，计算机都不能很好地管理起来。另外，像前面说的这样，如何把几十万条数据中的规律挖掘出来并得到可靠的模型？这都是不容易的。

我个人认为，要得到可靠的分析结果，缺少好的方法往往是真正的短板，计算机的性能往往并不是短板。

还有人认为数据多了就有用。不一定的。有个段子说，雷军做小米电视。他经常感到很困惑：小米电视的办法，跟小米手机一样，为什么就卖不出去呢？后来有人来给他点拨了一下：请问买小米手机的人多少是家里有客厅的？这意味着数据再多，调查结果都可能是错的。这是短板是方法问题，数据多是不解决问题的。

另外，大家说大数据是沙里淘金。但如果随便给你拿一袋沙子，里面有万亿分之一的金子，你能淘得出来吗？如果一定要做，你淘金花的钱比这个金子要贵得多了，经济上是没有价值的。

这里我特别提醒一下，商务大数据和个人大数据是不一样的。与个人相关的大数据，相关性是很重要的概念，比如：一个人买了几次尿布，你可能说这个家伙老买尿布，是不是家里生孩子了？他可能买奶粉。

而且看到买什么牌子尿布，大概知道他家的经济情况，可以推荐什么档次的奶粉；看他买多大的尿布，大概知道该给他推荐几段的奶粉比较合适。这就是相关性的价值。

但是工业上就不一样了：你买了我一吨的Q235，我知道你干什么？我啥也不知道。所以，工业跟个人是不太一样的。人和人之间虽然有差别，但跟企业与企业之间的差别相比，还要小得多。

所以我一个感觉，不能把工业大数据和商务、跟个人相关大数据混在一起。混在一起，强调相关性也不好，不强调也不好；强调因果性也好，不强调也不好。概念混了，就像把荷花和仙人掌养在一个盆子里面，浇水多也不好，浇水少也不好。

不是路到了尽头，而是到了该转弯的时候。或许我们要更换一种思维。比如，我们工业大数据要求的是什么？我们要求数据的完整性、真实性，这个东西是很重要的。

孔子说：欲则立，不欲则废。孙武子说：胜兵先胜而后求战，败兵先战而后求胜。工业大数据也是这样。如果不是在开始的时候就把数据很好地组织起来，到了后面再努力也没用了。要想着把大数据用好，在收集和组织数据的时候就该想到它的目的。

IBM认为，应该把“4V理论”改了一下。把其中一个V改成真实性，他认为真实性是当前企业急需考虑的维度，并且将促使他们利用数据融合和先进的数学方法进一步提升数据的质量，从而创造更高的价值。

这段话读起来有点别扭，但说的理儿还是对的。就是数据的融合，特别是数据和人脑当中知识的融合，这是一个大有可为的一个地方。宝钢有个我非常尊重的前辈，叫王洪水先生，他说：“真实性首先是数据的完整性，数据之间的联系要尽可能地完成地记录下来。”

本人在做数据分析的时候也有点想法：我不仅要知道数据是什么，更要知道数据是怎么来的。比方说，不仅要知道哪个字段是屈服强度，还要知道它是怎么取的，是横向取样还是纵向取样，是冷态取样和热态取样等等，不同情况下得到数据，虽然都叫做屈服强度，但内涵是不一样的。

所以数据完整性不仅仅包含过程本身、对象本身，还要包含数据怎么来的。这样你在用的时候，才能识别一些假象，避免给误导。我们搞数据分析的整天就是跟假象做斗争。

可靠性如何获得？

南开大学有位老先生，有这个一个观点，蛮有意思的。大体意思是，数据分析无非是两种办法：传统统计方法是先给出假设，结论的正确性决定于假设是否合理；现代数据分析方法是根据数据表现的结果直接给出结论，可靠性难说。但现实中我们发现：这两个方法都不好用。对于统计方法，我给不出合理的架势，而现代方法的可靠度又不够。

老先生给我的启示是：如果应用统计方法的前提条件是可以确认的，统计方法一定可以得到可靠的结果。我们的问题是：条件一般是不能确认的。那么，能否将注意力放在创在条件上呢？

要把分析的重点转到幕后去，也就是说利用原始数据、通过人工分析给它选配数据，来创造统计上可行的条件，得到可靠的统计结果。注意：在这个人工分析过程中，很多知识来源于被分析数据之外的认知。

如果有人要问：从宝山到浦东机场花多长时间？我认为这不是一个概率问题。如果变成一个概率问题的时候，你必须要说我走哪条路，从哪个地方走，什么时间段走。这些系统性干扰排出了，才是一个概率问题。

也就是说：用统计办法的话，首先要把被后的系统干扰排除。

可能会有人抬杠：你的做法真正可靠吗？其实，现实中的可靠都是相对的。判断过程包含人为的因素，不是严格的数学证明。数据分析更类似一个发现科学规律的过程。学过科学哲学的人都知道：科学理论其实没法证明，只能证伪。

一个理论是否正确，不同的学科有不同的标准。有这么一个段子：“数学界的标准是：已知的要正确，未知的也要正确；物理学的标准是对已知的现象都能正确解释；生物学的标准是正确解释80%的现象；经济学只要有50%就可以了......”

我想，为了得到更加可靠的结果，论证过程中就需要更多的数据，更多独立性的证据、更可靠的证据、更严密的论证链、有科学原理的解释，且没有明显的反例，这个时候我只好认定它就是比较好的了。

我们在认证一个结论时，尽量从多个维度验证；如果没有明显的例外，就认为它是可靠的了；在没有新的证据之前，找不到比这个更好的理论，就可以暂时采纳它。

牛顿《自然哲学的数学原理》中就曾经提到：为什么做这几个假设？第一，这些假设足够简单且能解释问题，第二，现在没有发现跟它相违背的事实。

这里特别要说明一下：仅从数据本身就得到可靠的结论，往往是一种奢望。在做分析的时候一定要把人的知识和科学机理融合进去。一个可靠结论，既要能描述数据的实际特征，又要符合冶金机理。

从数据到数据的分析方法为什么会有问题呢？我的感觉是：如果纯粹从数据上加以证明的话，一定会遭遇组合爆炸问题；要得到全面可靠的验证，数据永远是不够的。

现在，我跟大家谈谈价值创造。

其实关于技术创新，我在宝钢做了20年，经常感到很痛苦，为什么很痛苦呢？因为我们作为一个博士，很想做有技术先进性的东西。但现实当中，我们发现先进的东西往往不实用，实用的东西往往不先进。我们一直在很薄的夹缝中生存。尽管如此，我们不能放弃的底线是创造价值，因为我毕竟是企业的人。

熊彼特说，只有将新技术运用于经济活动并且取得成功才创新。同样，只有创造价值，工业大数据才有生命力，才能真正在企业里面落地。这是必须坚持的一条原则。

宝钢的老领导何麟生先生，今年快90岁了。我去探望他的时候，他跟我说：半杯水，剩在餐桌上是垃圾，放在沙漠中可以救人一命。换句话说： 技术的价值它决定于用户，用户是怎么看待它的。我们做新技术要想创造价值，要做到雪中送炭，而不要锦上添花。所以，大数据能不能落地，关键要找到合适的场景，而不是技术本身是怎样的。

谈到工业大数据，很多人知道GE的设想。也就是说通过飞机发动机的大数据减少维修成本，来提高安全可靠性。这个例子很好，但要跟大家强调一下它的场景。

第一，航空发动机的成本很高，可靠性要求也很高，所以对它的相关工作能产生很大的价值。第二，从一台发动机的数据中发现的知识，可以用其他发动机来验证，提高可靠性；可以复制到成千上万台发动机上，发挥更大的价值。

但是，如果这个思路针对的是自家的一台重要机器，情况就完全不一样了。分析结果的可靠性、价值创造都不一样。

哪些场景会适应普通企业呢？我给大家举几个例子。

有人买了我们的钢，说我们的钢有问题，要我们赔100万。宝钢就说了，这不是我的问题。对方就说：可以把这块板子拆下来检验；但如果拆下来发现是你们的问题，就要赔1000万。后来，宝钢回家看相关的数据后，自信地说：你拆吧，肯定不是我们的问题。后来也证明了我们的判断。这就是数据的价值。没有数据，你怎么敢下这个结论？

河南有一个小厂，农民企业家开的。别看它是小厂，却几乎是一个无人工厂。为了保证质量，每一个环节的数据都记录下来，放到数据中心上。否则，没有人在那儿看着，产品出了问题怎么分析呢？

大家知道有一个理论叫6sigma理论，这个理论要求将次品率降低到百万分之三、四以下。这个理论有一个重要的观念，就是用数据和事实说话：降低到这么小的次品率，单靠设计是不行的，必须能够在生产中不断地优化。而改进的依据是什么？必须是数据，

换句话说，在质量要求高，无人化的场景底下，数据变得非常重要。这时的数据就是雪中送炭。

反之，有些情况可能就变得不重要了。比如说为了降低成本，有时明知设备有问题都要带病工作。这时，开发依靠数据的智能诊断技术，价值就小了。

数据到底有没有用处，关键是用户对质量有没有高的追求。有高的追求的话，数据的价值自然会被带上去；反之，企业对质量不关注时，再有好的数据没用。

我想起一个更极端的例子，大家知道三鹿奶粉。厂里明明知道里面有三聚氰氨，还是要卖出去，更可气的是：石家庄政府甚至还包庇它！所以，从大局上看，政府要改革、要重视质量监管，数据才会重要。

宝山有家豆腐厂，有1000来号工人。过去，有工人经常偷懒。于是，老板搞了一个摄像头，引到他的办公室里，产品质量和管理水平马上变好了。偷懒的人想到：万一被老板发现怎么办？这就是监控的作用。

咱们中国是刚刚起步于一个农业社会，人的纪律观念差、缺乏工匠精神。怎么才能应对新工业革命的挑战呢？我想，用大数据提高管理能力或许是个好的切入点。管理其实很重要：管理能力差导致质量差，质量差导又会成为技术创新的阻力。

工业企业中有很多工作流程。包括生产、采购、销售、服务、研发、设备维护等等。我想：利用数字化的办法，把这些流程的痕迹记录下来，再加上一些职能性的算法，评价这些正在进行的工作。就像录像一样，把工作的状况显性化，管理水平可能就会上去。

如何看待工业大数据。工业大数据是对过程，生产、研发、服务过程的数字化记录，它的目的是建立“用数据说话”的基础。它常常是对数据资源的二次利用，不是为了大数据而大数据的，主要是通过间接的效益来创造价值。大数据要持续创造价值，最好能与日常业务流程绑定，才能持续地创造价值。

大数据与知识发现。我觉得工业大数据的主要价值或许不是发现规律性的知识。这种事情难度实在是太大了，我自己做了10年。用大数据提炼信息（如模式识别）或许是个更好的方向。如果能将分析结果与自动化系统、智能系统对接，就能持续创造价值。

一个企业什么资源是最缺乏的？是领导的关注力往往是最稀缺的资源: 领导职位越高，他就越忙；忙会导致很多错误的决策、机会的遗失。如果能用大数据，把必要的信息提炼出来，让他在最紧急的时刻能够看到应该看的东西，就等于扩大了领导的能力。

另外谈一个观点：规律性的知识是需要的，但是它主要是来自于人脑的。工业大数据的作用往往起到验证、纠正和精确化的作用。数据分析与领域知识能否深度融合，往往是用数据创造价值的关键。

特别提醒一下：我们一定要了解国情。我们的国情就是我们刚刚起步于一个农业社会。经常有人问：高大上的技术为什么不能落地？我的答案是：如果一个人营养不足是因为没钱买吃的，就不要给他推荐青岛大虾。其实，他也知道青岛大虾有营养，但他买不起。一定要知道这个逻辑，我们的技术才能落地。

如前所述，在工业界。我们遇到的问题是明知有知识挖掘不出来，瓶颈不是计算机本身。

所以，我对这个4V原则有点怀疑。在我看来，4V理论中，体量巨大（Volume）是核心：因为其他三个‘V’都是来支撑它的。如果认为体量巨大是关键问题，你就要付钱给软件公司，请他做咨询、要更换你的软件和硬件了。于是这些公司就开始赚钱了。

我觉得用好工业大数据请先把“大”字忘掉。我们首先应该关心价值创造的逻辑。把这个逻辑理顺了，就容易落地了。谢谢大家！

原文发布时间为：2017-03-13 

本文来自云栖社区合作伙伴“数据派THU”，了解相关信息可以关注“数据派THU”微信公众号