对工业大数据应用方法的思考

    最近在思考一个问题：应用大数据技术时，应该先考虑什么问题？

    绝大多数朋友都是按照这样的逻辑考虑的：1、对象（过程、企业、设备）有什么数据？2、这些数据能为我们带来什么知识和信息。3、如何应用这些数据创造价值。

    这个思路听起来是天衣无缝的。但我的思考习惯思路与这个不太一样。我习惯的逻辑是：1、企业有什么业务或商业模式创新的打算？现在的业务有什么痛点？ 2、如何用数据支撑创新、消除痛点？3、投入产出值得不值得？

    其实，20年前，我和同事有过一场类似的争论：做研发应该从需求出发，还是从方法出发。例如，我们是应该把某个专业方法搞得很精，再去找有需求的应用场景；还是先找到有问题的应用场景，再去找合适的专业方法去解决。20年来，我一直坚持我的观点。道理很简单：我是在企业里面搞研发；在企业做研发，困难往往在找到合适的需求；只要找到了需求，很多方法都能解决、也很容易找到掌握方法的人。形象地说，就是：“钉子太少、锤子太多”。这大概就是技术人员和科学家的区别：科学家关心的主要是造出很好的锤子，根本不去管谁去用它钉钉子；或者说你就是一个知名的大牛，一大堆的钉子正在等着你的锤子。

    回到前面的问题：大数据问题，到底应该从数据出发，还是从业务需求出发？我的感觉是：“数据中包含什么信息或知识”，往往很难回答。特别是：有些大数据的案例简直就像算命，让人觉得目瞪口呆。原因是：如果数据中的信息很容易提取，别人老早就利用起来了。根本用不着今天来考虑。

    而如果从业务需求出发，去考虑需要采集什么样的数据、如何采集数据，预期就很容易实现。因为数据设置和采集是为业务需求量身定制的，数据的质量和数量都会好得多，数据分析的难度就会大大降低、分析的结果就是可以预期的——如果是不可预期的，这个业务就是有问题的。事实上，新的业务需求对数据的应用来说，是个大的蓝海。所以，从数据出发就像狩猎（甚至可能像守株待兔），能得到多少是不清楚的；从业务出发就像农耕，收获基本靠谱。换句话说，两者的差别在于成功的概率不一样。

    当然，从业务出发是有前提的：人们能够通过数据的布置达到业务目的，而不是只能用已有的数据做工作。我能理解，有时候人们不得不从数据出发：就像把人一下子置身于森林里，你只能赶紧去打猎：等庄家熟了，人也饿死了。

    我一直强调：工业大数据要与工业互联网和智能制造结合起来，要与企业的转型升级结合起来、要和推进服务型制造结合起来，其实就是这个道理。有了新的业务，大数据应用才会有蓝海，才能避免在红海中搏杀。