1月13日，数据猿联合上海大数据联盟和宝信软件举办了“魔方大数据（13）之工业大数据”专场，邀请工业大数据领域领军企业的众位大咖就工业大数据领域出现的新机遇、新融合、新挑战进行了深度交流与探讨。

与会分享嘉宾有：

宝信软件资深项目总监 王奕

青域基金合伙人 牟颖

美林工业大数据业务总监 李琼

明略数据上海副总经理 李勇

宝信软件高级技术总监 沈春锋

超算科技HPC事业部总监 丁峻宏

江苏大数据联盟（理事长单位 中堃数据副总经理） 陈隋和

博世物联解决方案总监 韩轶奇

-视频版-

-文字版-

温馨提示：

欲索取现场嘉宾分享的PPT，请关注数据猿微信公众号(datayuancn)并回复关键词“李琼”下载

以下内容为“美林工业大数据业务总监李琼”分享，并由数据猿编辑整理发布：

大家好！我是来自美林数据的李琼，今天我的演讲主要由两部分构成，内容也比较简单：

第一部分是美林工业大数据的主张，我会在这里提出美林对于工业大数据发展和应用的一些观点。

第二部分是美林工业大数据的服务能力，我将结合具体的案例和解决方案向大家展示美林在这个领域都做了哪些尝试和探索。

既然要讲工业大数据，还是应该有一个开场白，那么我就以现在比较流行的德国工业4.0和美国CPS战略为开头。德国工业4.0是由德国提出和倡导的以CPPS为核心技术的制造系统变革，更加侧重于智能制造这个环节，强调的是定制化和可重构的生产系统，这和德国自身的产业也有关系，德国在什么方面比较强？是生产装备和设备，德国人比较关注这个环节的创新。

而美国这边是以美国通用电气GE提出的工业互联网概念为代表，提出的是智能服务体系的延伸，侧重于智能服务，强调系统服务能力和客户价值的创造。我们熟知的GE航空发动机、发电设备，包括他们最近推出的一个平台都是瞄准这个方向。

无论是德国的方案还是美国的战略，都是制造系统的升级加服务模式的升级，制造系统的升级这里更多强调的是具有重构能力的制造系统和无忧的制造环境。而服务模式的升级，更多指的是从卖产品转变成卖服务。其实国内很多企业也在这个方面进行了尝试。

在这过程中工业大数据究竟扮演了什么样的角色呢？工业大数据是实现智能制造和智能服务的重要工具和手段，工业大数据不是一切，有了工业大数据不一定就可以做到智能制造和智能服务，但是没有工业大数据可能这两个实现起来也会比较困难。

中国制造业现状

下面来讲一下中国制造业的现状，就我国制造业的规模和总量而言，现在已居世界第一位，但是大而不强：劳动力成本不断上升，但是产品质量和生产效率却有待加强；资源和环境压力增大，这对工业也提出了新的挑战；而创新能力的不足，使我国在国际产业分工中仍处于中低端的状态，也就是说我们在高端的、高价值的产品方面还是比较欠缺的；此外，制造业层次多、差异大，一些企业状态是不错的，但有很多中小企业在规模化、标准化、自动化、信息化方面，整个的发展水平是参差不齐的。这也就带来了中国的产业转型和升级，特别是制造业的产业转型和升级，更需要兼顾不同层面的企业的特点。

我们的国防领域，代表的是中国的顶尖水平，他们可能要做的是工业4.0的探索与尝试。但现在仍然有很多农业机械的装备，也许还处在工业2.0的阶段，甚至还没有完成。那么工业大数据将怎样为不同发展水平的企业和产业服务呢，这是我们要思考的问题。

我引用了《工业大数据》这本书上面的一句话：“工业2.0补课、工业3.0普及、工业4.0示范。”我们要针对不同的状态提出解决方案，让工业大数据从“提质增效”和“转型升级”两个方向发挥作用。刚刚说到的都是我们目前所面临的问题，这其中讲的更多的是“提质增效”，因为你如果想让一个生产拖拉机的企业明天就工业4.0了，这并不现实，所以我们要做的是先把产品质量搞好，提质增效。然而对于一些信息化、自动化已经比较好的，代表着中国领先水平的制造企业来说，它该做的探索和尝试是什么呢？是“转型升级”。

美林在工业大数据领域有两个核心主张：

第一个主张是从价值点出发，也就是用大数据思维解决问题。刚刚我在一开始的时候也说到了，工业大数据不是一切，不是有了工业大数据就可以做到智能制造、智能服务。但是我们更多的是想用工业大数据的思维帮助不同的企业解决问题。

我们先确定价值点，然后基于价值点获取数据，而不是一开始就存很多的数据，之后再提供数据化解决方案。要想做到这样的数据化，我们的信息化保障如何呢？一些企业的信息化水平已经很高了，但是有些企业可能连ERP都没有，我们该如何用一种比较经济、高效、低成本的方式完成基础的数据化，这是我们需要思考的问题。在此基础上，我们帮企业做企业级或者产业级的数据运营，最后帮助企业或者产业完成转型升级。这是我们用大数据思维解决问题的第一个主张。

我们要从问题出发，采集所需要的数据，用“业务知识+分析技术”解决问题。这里面我们又强调了“业务知识”，我们拥有很多算法和模型，但是不懂具体的业务知识，这些算法和模型将无法落地。好比前几天我跟一个客户聊天的时候，他就说他们是做电梯的，我说你们的智能运维做得怎么样了？他说我现在还不知道该往电梯里面装哪些传感器，采集哪些数据，如何分析判断这个电梯的运行质量和安全情况，这样可以吗？当然不行，虽然我们有一堆算法、模型，但是我们没有业务知识，业务知识如何来？我想得由那个伙伴自己搞好才行，然后美林配合他一起把业务知识、分析技术结合在一起，从而形成“新的业务知识”。 

第二个主张是从价值出发，客户要的不是你的产品，不是你的技术，而是它们所带来的价值。客户希望的是，由他的业务和这个知识的算法结合在一起，将来帮助他解决问题，然后产生经济利益或者是社会利益。

举一个例子

又拿通用电气举例，通用电气的航空部门以前主要是卖发动机产品的，后来GE的航空发动机部门改名为GE航空，便提出了新的商业模式，我不仅仅卖给你航空发动机，我提供的是包括飞行服务、航线规划、调度、维护等在内的一系列服务，甚至到后来GE连发动机都不卖了，改成租赁的方式，提高的是飞行能力，这是发动机产品所应该承载的客户需求的最后价值。所以这也是我们想去学习和效仿的。

我们有很多可视化的模型，有数据资产管理的能力，也有各种各样的算法和解决方案，但这些都是客户想要的吗？他们更多想了解的是，你通过这样的产品、模型、算法，能够为他带来的价值是什么。

所以小结一下，以前IT可以专业化，每个企业能够有不同的信息化系统，那未来的数据服务可不可以也足够专业化呢？我们应该相信专业的力量，事实上国际上的一些企业已经开始这样做了，GE自己也参股了一个，我忘记它的名字了，也就是说他们也在为自己的生态圈布局。

下面是我们对于产品演进的一种设想。目前，我们更多的还是基础的产品、解决方案，之后结合业务场景，融入业务知识，形成产品化。在这过程中是否存在难度呢？其实是有的，因为每一个企业、每一个产业的状况是不一样的。第二层是DAAS产品，更多的是面向一群企业，是一个产业当中产业链上面不同位置的企业，为其提供产业的共性需求服务，这比前面那个又难了一点，但却是我们正在探索和努力的方向。而且我们觉得我们已经发现了一些新的机会和可能成功的点。再往上面一层是专业化数据运营，这是刚刚我提到的，我们希望能够成为专业化的数据价值提供商。当然这个过程一方面是服务水平深度的不断深入，一个是服务对象的广度。

产业价值关键点梳理

设计、采购、生产、营销、服务，每一个痛点和需求是不一样的。举一个例子，比如说在两周前我们与一家做农用机械的企业沟通，它的信息化水平比较低，连ERP都没有，更多的是纸质办公。后来提到说营销网络自建，对方认为自己在生产上面做得已经很好了，效率也很高，没有必要做这样的工作。但是我们发现他的供应链有问题，他们说自己已经实现了零库存，然后我们就问：你的零库存是如何实现的？他说我自己建了一个仓库，让我的供应商们把零配件都放到我的仓库里面，但是我不给他买单，用一件再付一件的钱，从企业自身的角度来看，它的成本得到了非常好的控制，但是那些零部件供应商就辛苦坏了，因为其中的成本压力和运作压力是非常大的。

举这个简单的例子是想说明：不同的产业上面，他的价值点是不一样的。目前美林也正在尝试去定义一些我们所熟悉的产业，想了解那些产业的价值点到底在哪里，然后从价值点入手帮助企业去解决问题。

美林工业大数据服务能力的框架

刚刚把美林的主张大概讲了一下，下面是我们工业大数据服务能力的框架。其实这些框架在很多时候都是大同小异的，我觉得和生态圈里面的很多伙伴提供的方案也差不多。首先讲到基础能力，我们拥有自己的大数据资产管理平台，并且在十几年中，积累了丰富的企业级数据增值应用经验，我们从研发体系建设、生产管控平台、质量分析与控制，包括设备的维护管理和运营监测等方面，为企业提供了一个增值应用。再之后就是我刚刚提到的，这个层面的东西是面向一个产业解决问题的，能够服务一群企业或者上下游有关系的企业。

这是我们的数据资源管理平台，功能很简单，就是把不同的数据资产汇聚在一起。用国内数据分析技术方向泰斗级人物，西安交大一位院士的话来说，这是存米的过程，存米干什么？为了做饭。

做饭的阶段到了，这是我们的大数据分析与可视化，这里面嵌入了一些行业通用的经典算法以及美林数据的独创算法来帮助不同的企业、产业解决问题，请注意，这时候我们仍然需要有业务知识的配合。 

案例分享

下面举一个我们为海尔互联工厂做的案例，海尔互联工厂想干什么？据了解，海尔在全球有108个不同的家电生产厂，而海尔集团首先希望的是：

第一阶段：全面、实时地掌握互联工厂的生产执行情况，对内满足企业经营管控的需求，对外希望在未来探索出用户个性化定制的方案以及用户订单追踪的解决办法。

第二阶段：希望通过设备报警、预警显示以及故障排除和处理机制，提高生产线的开机率。

第三阶段：希望通过产品质量的数据分析，提高订单的合格率，108个工厂每天产生的是2.16个TB，每分钟处理的数据量是1.5个GB，这是我们目前正在帮海尔实施的一个案例。  

这是整个互联工厂建设计划的第一期项目，红线指的是我们目前所处的阶段。后面二期、三期我们也在规划当中。这是全球级互联工厂的运营监测的展示图像，有区域级的，有单厂级的，也有车间现场级的，我们基于这些首先实现的是数据的规整和展示，下一步从生产线的运转效率和产品质量控制上面做进一步的分析和挖掘。

下面是最后一个案例，这是一个关于光伏能运营服务云的想法，说到光伏能，现在很多地方都建立了分布式的光伏发电站。以前我们的思维方式是什么呢？你有分布式光伏发电站，我帮你提供我的算法、我的模型，然后帮你做电站状态监测、设备检修调度优化、发电量预测、用电量预测，以及售电的调度优化，这是我们以前的想法。但是现在我们思考的是，客户究竟想要什么？他想要的是更多的发电量、更低的运维成本和更有效的销售调度，经济利益是分布式发电站最终的诉求。美林致力于朝着这个方向努力，我们直接用产业数据运营的方式帮他实现这些事情，而不仅仅是提供给他工具。

最后来介绍一下我们美林数据。美林成立于1998年，我们在能源电力和国家军工装备领域拥有比较多的技术、产品和解决方案的积累，正是由于有这样的积累，我们才觉得我们是可以探索、可以拓展封闭市场以外的开放竞争市场的，也就是说为普通的民用装备制造业和工业提供更多的服务和价值，这是我们的愿望，也是我们的雄心。   

在今年，美林数据被评为中国大数据企业50强，同时也是中国大数据产业领军企业之一，在2016年12月刚刚结束的计算机产业学会CCF大数据与计算智能大赛当中，有11个课题组，这里面可能表达不是特别准确，在关于客户用电行为异常分析的课题组里，我们从好几百个队伍里面脱颖而出，并夺得最后的冠军。强调这一点的意思是，一方面证明我们拥有深厚的专业知识和比较强大的技术团队；另外一方面，也是我们最想要强调的，就是数据价值的体现离不开数据分析技术和业务知识的结合。

谢谢大家！

友情链接

魔方大数据（13）：中国工业大而不强，转型升级迫在眉睫！

【视频&PPT】宝信软件资深项目总监王奕：工业4.0时代，关于企业智能制造的思考

来源：数据猿