中国真的有工业大数据吗？

无数据 不知识

    数据、信息和知识的关系，有时候容易混淆。大致而言，数据最开始都是未经组织的，大量存在却价值极低；底层的数据需要通过信息化和工业化，才能转化为知识体系。

    从数据到信息，本身就是一种过滤机制——这需要一种提炼，然后可执行、可传递的信息形成知识。知识分为隐性和显性，隐性知识往往存在于人本身之中，传递性很差。

图2 数据、信息和知识的模型

    可惜的是，传统知识管理的DIK模型（Data-Information-Knowledge）关系，是一个单线程关系。它只解决了知识的提炼，没有解决回馈问题。

    就工业大数据而言，最重要的就是对它进行密集型的分析——工业知识断不能缺位。GE在谈及工业互联网的时候，给与了“专业知识”以高度的重视。工业大数据不是传统的数据统计分析，而是基于专业知识的引导，才能挖掘出数据真正的价值。

    显然，知识体系必须重新作用于数据本身，才能形成工业大数据的价值。在工业领域，“无知识，不数据”。没有工业经验的线性化指引，数据就不会高速转化，工业大数据的价值，就不会产生。

    对于数据而言，信息化作了第一次提升，使得数据归类、文本化和沉淀；但必须通过工业化才能进行第二次提升，才能将数据提升到知识的高度，形成真正的Know-how、经验、最佳实践、直觉；在此基础上，挖掘形成大数据的新产业价值。

图3 工业大数据与知识的关系

    如果数据是石油，设备是藏宝地图，那么知识是唯一的钻探工具。

    中国工业技术体系没有形成线性化，尚无法形成驱动力。那些数据深藏在设备里，深锁在系统中，它们只在规定的范围局部流动，一如地表下的熔岩。它们有着澎湃的能量，却无法驾驭。

    就此而言。中国就没有工业大数据。甚至连显性化的工业数据都没有。我们工业化短短的行程，使得我们习惯于硬件思维和设备思维，还没来得及形成珍惜工业数据的意识。对那些有着厚重的工业技术体系和知识转化的GE、西门子而言，当他们在说工业大数据的时候，他们有着一个我们很多企业没有的隐含条件。

    这是我们需要有的清醒意识：不要将无数的现场数据等同于工业大数据。

    就中国制造业而言，知识才是最大的拦路虎。工厂中各种数据，如果没有领域知识和业务建模的前提，不过满工厂堆砌起来的一座座数据垃圾山。

    对于企业而言，必须静下心来想一想：数据何在？知识何在？这是一种全新的范式，我们并不熟悉它：工业大数据模式，需要先看懂密码锁规格，再去找钥匙。