李正海：工业大数据的解读

　　大数据如火如荼，但是很多工业企业做数据的人，未必认为自己做的工作是大数据，所以写篇文章来解读。笔者有个经典说法：“传统企业利用大数据思维，收集具有统计学意义的小数据，进行分析利用，就可以获得巨大的经济价值。”那么对大数据思维我们也可以进一步地解读，那就是对于数据的收集方面，我们需要提升数据的量，例如原来设计时的过程数据不记录的，现在记录了；原来不记录的数据类型，例如生产数据中的变更，因为是项目型生产，认为这些数据应该没用，而现在进入大数据时代，所以需要记录了。第三是数据的时效性，原来可能两个小时记录一次数据，现在改成5分钟一次了。第四，也是最重要的，出

　　现了问题，我们需要利用数据的方式来解决，所以实施了数据的采集和监控，而通过这种方式，也有效地提升了质量、管控水平，那么这也是工业大数据。针对即将召开的工业大数据大会，我们认为如果你们具有如下的一些特征，那么欢迎自荐、也欢迎推荐企业参与大数据样板项目、创新方案及产品、大数据领军人物的评选。

　　首先是工业企业构建了大数据的专门组织，对大数据方面有着专门的资金投入，并且在工业产品的设计、工艺、加工、质量、运输、服务、设备维度方面有着典型大数据应用，并取得良好效果。需要说明的是，利用大数据进行营销，顾客识别等，我们认为是工业大数据的一部分，但是不是工业大数据强调的重点。

　　然后是是否具备了大数据的数据特征，第一包括海量数据，具体而言，例如单元的应用数据达到了1T以上；第二是数据的多种类型；例如数以千计的元数据类型；第三是数据的实时性，结合具体的业务，一般认为针对工控的秒级、毫秒级；然后针对工业企业的特点，我们认为是否具有复杂数据结构，是否有多个部门的联合应用，跨企业、集团式、跨行业、跨地区的集成化应用。

　　第三是具备大数据的技术特征，首先是在软件应用上使用了如HADOOP、SPARK的存储模式，然后是使用了内存数据库、实时数据库技术，第三是是否使用了非结构化数据，第四是使用了先进的如SAS、SPSS等分析工具、第五是使用了如国云数据等网络化可视化技术进行分析、展现、管控。

　　第四是是否取得了明显的效果，首先是取得了千万级以上的利润经济效果，然后是实现大范围的数据集成，例如5000以上业务节点，第三是促进了产品创新，形成了新的市场，一般产品产值在亿元以上，第四是在构建数学模型、算法方面有重大突破，得到业内认可，例如发表了高等级的论文，或者获得了国际、国内的著名奖项。

　　工业大数据是个新生事物，但也不再是云里雾里，很多企业其实已经取得了大量的应用成果。能够实实在在解决企业的问题，促进企业创新，促进企业发展，能抓到老鼠就是好猫，工业企业强调务实创新，我们不必拘泥于理论的定义，我们希望通过样板展示、会议交流、人员推荐，把好的理念、好的方案、产品和工具展现出来，统一思想、扎实执行、普及推广，真正促进我国工业大数据的应用发展，促进工业企业的改造升级，更为中国制造2025奠定基础，促进我国成为制造强国。