杨学山：工业大数据的解读

　　本文摘自北大教授、原工信部副部长在首届中国（杭州）工业大数据产业发展高峰论坛上的讲话。杨学山教授的报告分三个部分，回答了工业大数据是什么，为什么，怎么办这三个基本问题。以下为杨学山论坛讲话实录：

一、什么是工业大数据

　　工业大数据我们用一个定义，用内涵来给它框的话是很困难的，因为它涉及到很多各种各样的数据，所以定义比较困难。但从外延角度来看，它是比较容易。所以大体上是3+3，第一个3是三个层面，企业，企业上面的供应链、产业链和生态链，然后在这上面的行业管理和宏观经济。每个企业都有三个过程，第一个过程是生产，第二个过程是使用，第三个过程是发展中的经营效益，所以3+3基本上工业大数据的脉络就圈起来了。所以最小的这个圈就是企业，一个企业从开始到生产线到设计，到工艺过程，到人，一直到管理、决策、市场、服务，向这样的环节在使用。我们还构成了我们是什么的第二个部分。

　　第二个是链，我们通常说的是供应链、产业链、生态线，其实这三个链之间也是很难一刀断开，所以我也是从一个概念来看。所以制造业也好、工业企业也好，整个过程是一个链环周，所以我们需要从链上去看。这个链就不仅是一个企业，企业是这个链环中的一个环节，更重要的是我们的政府机构、研究机构，需要把产业制造业前两环，而追求前两环的优化。所以我们看到了超越一个企业的生存、使用和发展需求的新工业数据。

　　最后最高的是行业和宏观调控。每一个行业在行业管理的时间都需要工业大数据，在工业行业又生存了很多企业，所以做好工业数据管理又需要这样一个链条，所以3+3构成了工业的外延，每一个环节，使用的和需求的中间是交集，这样才对我们工业大数据的发展提供了基础，才为我们发展提供了基础。

　　概念说完了，说的很浅，很简单。有四点主要的结论：首先是3+3加起来的组合，3+3加起来的组合就是工业大数据；第二是产生、使用和进一步发展的需求的工业大数据是不同的，是交集；第三进一步发展需求的大数据最大；最后一句话最重要，工业大数据，工业是主体。

二、工业大数据的作用和意义

　　同样是三个层面，三个由小到大的全面，再加上八个需求，我们来看一下工业大数据的作用和意义。

　　首先从最小的层面，工业大数据是为了一个企业的整个生产、经营、管理、创新各个环节里面能够为这个企业实现它的计划，实现它的战略目标服务。

　　（图示）这里有两张图，当我们讲工业大数据的时候，我们的数据能够支撑发展，我们的数据要能够和这两个商业模式、制造过程紧紧的咬合在一起。不下面这个图是一个大数据的分析，即使大的数据分析平台，我们也还是为了企业的生产、经营、创新、管理各个环节的需求出发。所以这是第一个层面。

　　第二个层面，从相应的各个链环来看，从供应链、产业链、生态链来看，不管是CSM的生产圈，还是一个特定产品制造过程的供应链，还是一个完整生产过程的分析，工业大数据都是为了它的优化，为了它的形成。对于一个企业来说，很少来决定一个供应链，更不能决定一个产业链的完善、优化。所以当我们讲供应链产业和生态链的时候，在这个链条下更需要政府管理部门的协调。在这个过程里面企业要什么样的数据？各个企业之间实现协同需要什么数据？政府的宏观调控需要什么数据？这就进入第三个层面。

　　第三个层面，政府的行业管理对于供应链、产业链、生态链、商业链、价值链有非常重要的作用，但是政府的宏观调控就超越了这样的链环本身，我们要对经济发展面临的重大问题作出回应，甚至回答制造业如何来应对这样的问题。所以从这个行业来看重要的是行业发展战略，而到宏观调控的时候，不但行业的发展战略，还要从整个经济发展去看，这些问题怎么解决？就需要信息，而我们在讲第三部分的时候，当前主要的问题是信息不够和信息质量不够。

　　简单总结一下，工业大数据不管是研究、产业还是服务，都是为了加快制造业转型升级，提高工业竞争力，不管是企业还是链环、还是宏观行业。这个目标一定要落实好，每一个企业、每一个链环和我们行业当中的宏观经济方面，每一个环节都要落实好。我们这个目标要落实到供应链全局优化、产业链和生态链的形成。

三、工业大数据推动制造业转型升级

　　包括存在的主要问题，针对问题建设好、利用好，要提出注重取得失效，最佳实践和工业相结合。

　　首先要知道问题，不知道问题怎么发展？声称环节是跑冒滴漏，不管是企业还是供应链、产业链、生态链还是行业管理和宏观经济。然后是低标准，低标准的结果，使生产线的数据到了ERP，到了管理信息系统。当然了宏观的现象更加严重。

　　第二，在利用节面临的问题，从自动化到管理、到链环，各个环节第一个是不足，第二个是质量不高。第三是各个环节协同存在制度、核算标准等大量障碍。其实我们今天互联网的产生，不是金融产生的数据只用于金融去。

　　第三，在发展需求环节，缺乏预见性，缺乏有效的规模型和工具，缺乏制度和标准规范。你要知道究竟要什么，如果你不知道跑冒滴漏你不知道，非标准你也不知道。

　　所以我们建设好应用好大数据首先把这三个问题解决，然后针对问题来解决。首先是建设，什么是建设？我记得三年前说过，我说把大数据完全可以看作探矿、采矿、炼矿、用矿，实际上探矿和采矿就是建设好信息，建设好信息从三个纬度四个方面，三个纬度首先是发现。然后才可以按照应用需求结合结合起来。第二要实现这个过程我们要有制度，要有标准，要实现系统之间的互操作。同时我们还要发现、收集、组织，来提升系统性、完整性、及时性、准确性。这是建设好、运用好。

　　利用好有三个方面或者三个层次，和若干个关键环节。由于时间关系就不再展开讨论了。

　　最后，今天大数据要特别注重取得实效，最佳实践。我们要特别注重实效，因为今天的大数据，每一个环节的形成都有它的实效，这件事情从开始做到做完以后效果究竟是什么？把这个事情放在最最重要的位置，有很多企业家，当你用大数据对你企业各个环节进行改善提升的时候，你首先第一条要把提高效率放在首位，这是关键，而且对于制造业，永远把利润率放在最重要的位置。当然，工业大数据直接用钱来算，有的环节是企业老板在管理上、在服务上提效，但是这个效果必须是可测量的，不管是定性的还是定量的，但是一定是能够评价的。

　　我们要注重理论的研究，注重方法、制度创新的研究。在这个过程中，我们确实需要对制造业发展的趋势、特征，工业大数据的内涵外延，工业大数据如何使得生存、利用和使用之间，能够实现各个环节无缝结合，使量协同发展，实现大数据制度创新，等等一系列的问题我们需要研究。所以至于怎么办有很多很多问题，不同企业、不同行业面对的是不同对象，在这里只是一概而论的表现提一下。