随着移动互联网和物联网的兴起，以及两化融合的发展，工业大数据带来无限想象力，被认为是驱动第四次工业革命的“新电力”。 企业战略也随之发生巨大的转变，从业务驱动转向“数据驱动”。然而要如何从海量的工业数据背后挖掘其有效信息，分析转化为指导决策和行动的智能，却还面临诸多挑战。
如何成功在企业中将工业大数据落地成了行业关注热点。对此，兮易强企董事长陈广乾结合其30年的制造业经验及近几年兮易强企在大数据业务上的实践经历总结道，工业大数据落地的关键点在于业务逻辑。
工业大数据落地难 业务逻辑是重要前提
相较于人们常说的互联网大数据，工业大数据显然难度升级。互联网大数据时常是一种关联的挖掘，是发散的分析，而工业大数据具有很强的目的性;此外，工业大数据极其复杂，不仅仅是因为需要与企业复杂的业务结合，还要和企业的工艺、生产、产品、产线相结合，里边的专业性极强。
对于这一点，陈广乾体会颇深。作为一个有着丰厚企业经验的企业家他，曾与清华、北大等大学博士交流大数据应用时，曾敏锐的察觉到：光是很懂算法并不可行。如果不知道算法后面企业的特有业务规则，即使数据模型建立完好，而数据后面的业务含义却找不到，自然无法做出让企业满意的算法模型。他认为：业务模型是做大数据模型的一个很重要的基础前提，找到业务模型之后找数据模型，找到数据模型以后，才能提及为了解决这个业务问题我们需要用到哪些算法模型。
据了解，兮易强企早在4-5年前，便展开了工业大数据的探索，分别为国美、海尔、工程机械企业等多家企业做过企业前-中-后端的大数据应用实践，在企业落地工业大数据中有丰富的实战经验。陈广乾表示：“大数据和智能制造其实是一个个体的不同侧面，其在企业落地的关键点在于理解其业务逻辑。”
无业务规则，算法无意义
他分享道，在给工程机械行业客户做大数据模型时，其中一个关于客户流失的算法模型前面规则就有11个：模型判断客户流失的标准怎么设定?合同的逾期还是回款逾期，逾期怎么分等级，三个月逾期电催，六个月逾期面催，九个月进入不良债权，可能要做诉讼，十二月可能要拖车。这是它特有的行业业务的规则，如果你不懂业务规则，做出来的算法便没有意义。
他还透露道，为这个客户做业务模型时候，他们先期对其业务梳理分解，形成了100多个业务流程，并据此诊断出了520个数据的流程断点图，这些断点的数据可以清晰的反馈着企业业务的效率升降、资金的流向以及客户是否流失。
企业落地的1个关键和3个核心点
“不是所有的数据都是大数据”，有着30年制造业积淀和3年大数据实践探索的陈广乾先生还是忍不住提醒：其实社会数据早就有，质量数据也早就有。但是这个数据里到底能否得到我们想要的信息解决价值增值问题，比如什么样的产品适合什么样用户?并非所有的数据都是有效的。
而要让辛苦搜集来的工业大数据在企业中发挥效用，陈广乾认为，理解业务逻辑是其关键：首先需要找到与数据相匹配的核心业务结构，找出数据所在位置，接着再将数据进行汇总和打通，进而还原数据活动过程即建立模型。但是在企业或者学界进入数据模型之后，做算法之前常会出现断层，只有做好业务模型这个关键基础前提，才能让落地完美承接。
尽管大数据的研究层出不穷，其营销也时常带来惊人效果。但陈广乾表示，大数据也并非高深莫测，工业大数据能不能在企业中落地，只需牢记3个核心点即可：①出发点：企业追求的是带来多少效益;②关键点：先深入了解业务，建立业务模型再建数据模型;③持续点：算法模型的成功并非一蹴而就，在建立起来后还需要不断训练并与业务模型匹配。
联系我们请点击：
数邦客
