Zi 字媒體

隨著移動互聯網和物聯網的興起，以及兩化融合的發展，工業大數據帶來無限想象力，被認為是驅動第四次工業革命的「新電力」。 企業戰略也隨之發生巨大的轉變，從業務驅動轉向「數據驅動」。然而要如何從海量的工業數據背後挖掘其有效信息，分析轉化為指導決策和行動的智能，卻還面臨諸多挑戰。如何成功在企業中將工業大數據落地成了行業關注熱點。對此，兮易強企董事長陳廣乾結合其30年的製造業經驗及近幾年兮易強企在大數據業務上的實踐經歷總結道，工業大數據落地的關鍵點在於業務邏輯。工業大數據落地難 業務邏輯是重要前提相較於人們常說的互聯網大數據，工業大數據顯然難度升級。互聯網大數據時常是一種關聯的挖掘，是發散的分析，而工業大數據具有很強的目的性；此外，工業大數據極其複雜，不僅僅是因為需要與企業複雜的業務結合，還要和企業的工藝、生產、產品、產線相結合，裡邊的專業性極強。對於這一點，陳廣乾體會頗深。作為一個有著豐厚企業經驗的企業家他，曾與清華、北大等大學博士交流大數據應用時，曾敏銳的察覺到：光是很懂演算法並不可行。如果不知道演算法後面企業的特有業務規則，即使數據模型建立完好，而數據後面的業務含義卻找不到，自然無法做出讓企業滿意的演算法模型。他認為：業務模型是做大數據模型的一個很重要的基礎前提，找到業務模型之後找數據模型，找到數據模型以後，才能提及為了解決這個業務問題我們需要用到哪些演算法模型。據了解，兮易強企早在4-5年前，便展開了工業大數據的探索，分別為國美、海爾、工程機械企業等多家企業做過企業前-中-後端的大數據應用實踐，在企業落地工業大數據中有豐富的實戰經驗。陳廣乾表示：「大數據和智能製造其實是一個個體的不同側面，其在企業落地的關鍵點在於理解其業務邏輯。」無業務規則，演算法無意義他分享道，在給工程機械行業客戶做大數據模型時，其中一個關於客戶流失的演算法模型前面規則就有11個：模型判斷客戶流失的標準怎麼設定？合同的逾期還是回款逾期，逾期怎麼分等級，三個月逾期電催，六個月逾期面催，九個月進入不良債權，可能要做訴訟，十二月可能要拖車。這是它特有的行業業務的規則，如果你不懂業務規則，做出來的演算法便沒有意義。他還透露道，為這個客戶做業務模型時候，他們先期對其業務梳理分解，形成了100多個業務流程，並據此診斷出了520個數據的流程斷點圖，這些斷點的數據可以清晰的反饋著企業業務的效率升降、資金的流向以及客戶是否流失。企業落地的1個關鍵和3個核心點「不是所有的數據都是大數據」，有著30年製造業積澱和3年大數據實踐探索的陳廣乾先生還是忍不住提醒：其實社會數據早就有，質量數據也早就有。但是這個數據里到底能否得到我們想要的信息解決價值增值問題，比如什麼樣的產品適合什麼樣用戶？並非所有的數據都是有效的。而要讓辛苦搜集來的工業大數據在企業中發揮效用，陳廣乾認為，理解業務邏輯是其關鍵：首先需要找到與數據相匹配的核心業務結構，找出數據所在位置，接著再將數據進行匯總和打通，進而還原數據活動過程即建立模型。但是在企業或者學界進入數據模型之後，做演算法之前常會出現斷層，只有做好業務模型這個關鍵基礎前提，才能讓落地完美承接。儘管大數據的研究層出不窮，其營銷也時常帶來驚人效果。但陳廣乾表示，大數據也並非高深莫測，工業大數據能不能在企業中落地，只需牢記3個核心點即可：①出發點：企業追求的是帶來多少效益；②關鍵點：先深入了解業務，建立業務模型再建數據模型；③持續點：演算法模型的成功並非一蹴而就，在建立起來后還需要不斷訓練並與業務模型匹配。陳廣乾：兮易集團董事長，北京兮易信息技術有限公司總經理1982年畢業於北京大學歷史繫世界史專業，1987年獲日本國際大學國際經濟學碩士。1987年加入日本工營株式會社企畫部，從事中長期工程諮詢市場的開發，后調入都市與地域開發事業部；曾任好孩子（）商貿集團首席執行官（CEO）曾任海爾集團高級副總裁、CIO及張瑞敏特別助理曾任惠普業務流程管理諮詢總監曾任德國愛迪斯諮詢公司（IDS）區副總裁曾任三一重工集團首席顧問曾任第一拖拉機集團首席顧問曾任達美信息科技有限公司首席諮詢專家曾任世紀互聯集團首席顧問兼CIO曾任北京大學世界現代化研究中心企業現代化進程研究高級研究員曾任清華大學日本新技術與產業政策研究中心副主任曾任CIO發展中心理事