一直很热的工业大数据是指由工业设备常态化运行所产生的数据，是重要的工业生产信息。它在2012年随着工业4.0的概念而出现，也和当前流行的大数据技术紧密相关。工业大数据意味着工业设备产生的大量数据有其潜在的商业价值。工业大数据配合工业互联网技术，利用原始数据形成信息来支撑工业生产管理上的决策。例如降低维护成本以及提升对客户的服务。

工业生产是企业运营的核心，工业大数据建设是围绕着这个核心进行的。例如炼钢企业，炉温、炉压等工作流程中所产生的数据，之前都是靠工人的经验来调控的，但经验无法传承也没有依据；经验需要反复地试错才能形成，这中间消耗的成本居高不下。而现在通过工业大数据和算法，实现实时采集，能够让机器更加完整地记录和分析工业生产全过程的数据，进而在数学层面给出最佳建议。

 

工业大数据与互联网大数据在大数据分析技术上存在不同。互联网大数据更加注重数据的数量，而工业大数据更倾向于数据的全面性，即尽可能避免样本出现遗漏、分散和断续。以覆盖工业过程中的各类变化条件，保证从数据中能够提取出反映生产中真实状态的全面信息。工业大数据更加注重数据质量，而互联网大数据则可以只针对数据本身进行挖掘和关联而不考虑数据的本身的意义。

如果我们把人工智能看成一个懵懂的孩子、他的智慧是需要培养的，那么某一领域专业的、海量的、深度的数据就是培养这个孩子的内容。而内容的多少，是否是正确的，价值含金量，则决定了这个孩子后续智力发育水平的高低。这就是为什么，尽管美国、德国在智能制造发展路径上的选择有所不同，但是他们都不会忽略大数据这个领域的发展。相比于互联网大数据通常并不需要精准的结果推送，而工业大数据对预测和分析结果的容错率远远比互联网大数据低得多，工业大数据需要准确。

互联网大数据在进行预测和决策时，考虑的仅仅是两个属性之间的关联是否具有统计显著性。比如，当我觉得有70%的显著性应该给某个用户推荐a类商品，即使该用户并非真正喜欢这类商品，也不会造成严重的后果。但是在工业生产环境中，如果仅仅通过统计的显著性给出分析结果，哪怕仅仅一次的失误都可能造成严重的后果。因此，简单地照搬互联网大数据的分析手段，解决的只是算法工具和模型的建立，还无法满足工业大数据的分析要求。工业大数据分析更加注重逻辑清晰的分析流程和与分析流程相匹配的技术体系。这就好比很多专业领域的技术人员由于接受了大量与其工作相关的思维流程训练，具备了清晰的条理思考能力和完善的执行流程，往往更能胜任复杂度较高的工作。随着新一代信息技术与制造业的深度融合，工业企业的运营管理，越来越依赖工业大数据。

工业大数据会带来的价值主要体现在：

使人的工作更加简单，甚至部分代替人的工作，在提高生产效率的同时降低工作量；

实现全产业链的信息整合，使整个生产系统协同优化，让生产系统变得更加动态和灵活，进一步提高生产效率并降低生产成本。

在未来的工业发展中，谁掌握了数据、利用好数据，谁将占据智慧工业发展的先机。

我们与工厂管理者沟通过程中发现，目前，工厂智慧化建设已经不仅仅重视硬件建设，越来越多地开始关注软件建设，一些发展较快的管理者，已经开始从关注软件转到关注算法，这不得不说是一种进步。

 

得益于国家政策的大力支持，我国工业大数据领域生态环境不断优化。工业互联网产业联盟（以下简称联盟）会员数量已突破400家，成立“8+8”组织架构，从产业需求、技术标准、应用推广、安全保障、国际合作等角度开展务实工作并取得了多项研究成果。以联盟为中心，推动大数据应用开花、结果，推动行业智能化升级。这既响应了“推动互联网、大数据、人工智能和实体经济深度融合”的精神，也顺应了智能化时代到来的迫切要求。

工业互联网的本质是要实现行业智能，行业智能的基础和动力是大数据应用。可以说，工业场景下的数据革命，将引领工业向着智慧化发展。  

                             （作者：本刊特约撰稿人）