思考 | 工业大数据应用的三个层次

    近些年来随着大数据的不断发展，开始应用到了各行各业。除了对于大数据的理解之外，最重要的一点是从以下三个层次来看待这个问题：
    分别是：从数据分析师，管理者和决策者的角度来看。这样的划分可以区分重点和关键，也是在强调一个关键：许多工作和技术企业没有多大影响关系。
 

    数据分析工作往往比较明确的技术问题是，从数据中提取知识。 我把这类工作分为两类：一类是根据结果找原因（根因分析），二类是根据原因找结果（预测模型）。这类工作是我最熟悉的工作。从具体技术方面，对专业性的要求最高。 关键技术是避免复杂的算法，将数据分析知识与业务知识相结合。也就是常说的两句话：利用人的知识、针对人的盲点。 这类工作最大的困难不是算法，而是数据本身的质量和分布不能满足要求。如果数据质量很差，那么多厉害的分析师也是没办法的。 所以，数据分析师工作做好，就需要做好前置性的工作。
    管路者的层次直接面临的管理问题，针对企业的管理指标，如效率、质量、成本等。典型的如钢厂的能源管理效率进行优化。 而这种工作的首要任务就是发现价值，难点在于价值的隐藏——这是被反复提及过的：管理中做得不好的事情往往不是每个人都说的。所以，发现企业价值的过程管理往往需要涉及到人的利益。这是我们一个具有很大的难点。在此基础上，就是把管理存在问题可以转化成数字化的问题，最适合转型工作的是那些有数字化思维的业务人员。 一旦问题移交，可能会移交给数据分析师。一个转化好的问题是不难做的，难以做到的原因只有两个：一是转化不好，二是数据条件太差。
    有关级别的决策者，是用数字化方法进行业务和组织的重构，可能需要更大的投资。例如，家具行业提供的产品的用户定制，这种方式改变需要大的权力，所以需要企业决策者拍板。一般企业来说，决策的难度不在一个具体信息技术层面——要尽量采取成熟的技术、成熟的方案，技术的难点在系统层面：系统规划要缜密，要防止功亏一篑，防止“千里之堤毁于蚁穴”。优秀的决策者不仅关注大局、还关注长期。所谓关注企业长期，就是让未来发展数据进行分析层面、管理层面的管理工作变得简单。
    这三个划分的特点是把通用的专业性技术分离出来，比如，IT工程师存储数据的技术、平台技术、通信技术、芯片制造技术。在我看来，这些都是专业公司提供的专业技术，对应用者来说不一定知道，把这些信息技术剥离出来之后，大数据技术就是一个普通企业的应用技术。是“不需要关心数据大不大”的技术了，正如我们可以不必关心芯片是如何设计制造的。
    在社会工作分工高度经济发展的今天，我们一定要找好自己的定位才能充分发挥自身优势，从某种意义上说，几乎所有的工程师只需要关系“应用”的 ——在其他专业知识，解决自己的问题，这可以称为专业人才队伍。决策者和管理者也要明白学习这些差别，才能进行有效地协同发展各种技术人才，和资源，促进我国企业的数字化转型。

更多产品了解

欢迎扫码加入云巴巴企业数字化交流服务群

产品交流、问题咨询、专业测评

都在这里！