工业升级革命下,制造业大数据如何理解?
自工业革命以来,为了改进运营,制造商一直以来都在有意地采集并存储数据。随着时间的推移,制造业数据分析需求将越来越大。然而在过去的许多年间,利用制造业大数据的根本动因并没有改变,制造业大数据的复杂性增强,制造业数据转化为情报的能力越来越大。
根据2012年高德纳给出的大数据定义,其中特别强调大数据是多样化信息资产,不仅关注实际数据,更关注大数据处理方法。数据量大小本身并不是判断大数据价值的核心指标,而数据的实时性和多元性对大数据的定义和价值更具直接的影响。
制造业大数据向来存在。几十年来我们的企业一直在通过历史记录、MES、ERP、EAM等各种应用系统采集数据。在部分产业链环节,特别在市场营销方面,大数据算是一个新的热词。但是也有人认为从工业大数据角度看,制造业数据分析是一个尚未打开的市场或刚刚开启的市场。存在大量不同类型的数据,但如今它们还未被应用到分析之中。
我们的制造业的确有“大量数据”,但这并不是我们大多数人从市场上所理解的“大数据”涵义。在搞清楚工业大数据分析之前,我们应该如何定义制造业的大数据?
工业大数据的主要来源有两个,第一是智能设备。普适计算有很大的空间,现代工人可以带一个普适感应器等设备来参加生产和管理。所以工业数据源是280亿左右大量设备之间的关联,这个是我们未来需要去采集的数据源之一。第二个数据来源于人类轨迹产生的数据,包括在现代工业制造链中,从采购、生产、物流与销售内部流程以及外部互联网信息等。通过行为轨迹数据与设备数据的结合,大数据可以帮助我们实现对客户的分析和挖掘,它的应用场景包括了实时核心交易、服务、后台服务等。制造业数据分析必须要放到相应的环境中分析,才能了解数据之间的关系。