关于工业大数据应用所需要的几种能力的思考

工业大数据受到关注是因为互联网发展，大数据首先是在互联网行业得到应用，进而推动了大数据相关技术的发展和成熟，在IT厂商、互联网企业家、政府官员等多方力量的助推下，大数据应用逐步渗透到其他行业，如：医疗、通信、金融、制造业，大数据在制造业的应用，被称为工业大数据。而工业大数据应用需要的几种能力

    1、问题转化能力。
     对于工业问题，人类已经积累了许多的经验，工业大数据的应用主要是把人的知识和数据相结合，但人类的经验都是用的自然语言表达的，我们需要把它翻译成数据能懂的数据语言。
    比如，高炉专家说炉子的状态不好，搞数据的就应知道该弄清楚状态怎么不好，什么样的数据，或者表现才叫做顺行。师傅说琴的声音浑厚，搞数据的就要研究明白什么样的数据，模式来衡量，什么样的表现是“浑厚”。总之，就是把人的问题转换成数据的问题。
    2、数据认知能力
    数据是会骗人的，你所理解的数据和你现场得到的数据是有偏差的。数据的采集，传送，计算，存储，表现，管理都要清楚明白，原理，影响因素，外部环境等相关方面都要做到了然。
    3、提出数据需求的能力
    要解决一个重要问题、达到一个企业目标，事先要对数据分析提出需求。需要哪些数据、如何采集、如何存储等等，要事先提出要求。提要求我们并不进行简单。不要等到人家给你数据了、你的程序也变好了，你才发现这些数据有问题、不适合。要事先可以保证能够发展达到你的目标，这种能力是基于数据认知能力，也是基于对工业对象的理解。
     下面简单介绍一一个便于理解这些能力的分析方法。
     首先要知道的是，生产过程中的数据分析，并不能解决所有问题，我们把重点放在可以解决的问题上。
    对于这个问题的解决，其实大多数的数据分析问题，只是看生产工艺达不到标准。这可能能够解决90%的问题，剩下的要看数据是不是正确、准确、合理地表达。对这类问题的分析，可能解决剩下的10%的90%的问题，最后解决1%的问题，才是看标准本身是不是有问题。 这1%的问题大多可以通过回归、方法差异分析、决策树等基本统计方法来解决。
     记住：工程师需要以最有效和最迅速的方式解决重要问题。这些管理办法一般来说都很简单。而写论文的人是要显示学生自己的学术发展水平的，两者的追求不一样。对工程师来说，如果一个问题太难、重要性又不是太大，就不要做了，把精力用到更重要的事情发展上去。工程师们是价值取向，费力且价值小的东西，就应舍去。
     我想到了一句话和大家分享：在工业界，在信息和智能领域，想法往往是一样的。现在的很多思想，在几十年前我们就有了，好的做法往往已经很经典了。  变化的一个是条件和要求，二是名词。搞技术的人，在历史上要多回头看看，过去的思维更加简单，透明，不要被现在这些改变一些术语所迷惑。

更多产品了解

欢迎扫码加入云巴巴企业数字化交流服务群

产品交流、问题咨询、专业测评

都在这里！