大數據在化工領域

❶ 化工大數據的種類

石油化工，農業化工，化學醫葯，高分子，塗料，油脂。
它們出現於不同歷史時期，各有不同涵義，卻又關系密切，相互滲透，具有連續性，並在其發展過程中被賦予新的內容。
廣義地說做悉旅，凡運用化學方法改變物質組成或結構、或合成新物陸大質的，都屬於純凳化學生產技術，也就是化學工藝，所得的產品被稱為化學品或化工產品。

❷ CXO聯盟張晨博士：大數據、5G、AI在化工數字化轉型中的應用

以下文章為CXO聯盟特邀嘉賓 張晨博士 在2022年5月13日晚舉辦的中國泛化工行業數字化雲端峰會上的精彩分享節選 。

一、 數字化轉型從范圍或廣度來講都比較大，對於化工行業來說，我們則定位在以下三個方面

1、 化工是一個高危行業，從建立客戶需求敏捷供應鏈角度來看。供應鏈產業的安全穩定是一個重要抓手。

2、 化工的產業鏈很長，包括基礎化工、精細化工、紡織化纖、石油化工等等，對於化工產業來講，全局、全流程的優化，確保這個價值鏈的最大化也是一個重要抓手。

3、 整個數字化賦能的目的是為了使這個行業更加綠色，因為化工的高危行業，所以整個環境的實時監控，整個生產的環保安全，也是一個很重要抓手。

二、化工行業跟其他行業有相似之處，也有有區別的地方，那為什麼會跟其他行業有一些差別呢？

因為化工行業自身的特點。簡單的一個說法叫 「三傳一反」 。

什麼叫「三傳一反」。做一個形象的比喻，我們人體實際上是一個很大的化工廠，當然他是一個生物化工。我們人的身體裡面平時一直在發生各種各樣的化學反應。 「三傳」 就是傳熱、傳質、傳動能。試想一下我們的呼吸系統、循環系統、消化系統等等，它實際上跟周圍的環境保持著傳熱，不光是皮膚，還有我們的內臟，包括血液系統，它實際上都是傳熱，不管是冬天夏天，大家都會有這樣的感覺。「傳質」可以理解為我們吃食物進行消化，實際上是有物質在傳送。「傳動能」就是我們人體的循環。任何一樣東西都在裡面有流動，血液，包括各種各樣的物質，營養通過我們的心臟來進行整個提供動能到各內臟的吸收營養的化學反應，實際上跟一個大型的化工廠類似。「三傳一反」的特色從我們人自身的角度也能看出來，每分每秒都在發生，以維持這個生命。

那麼在這樣「三傳一反」的這個特點下，實際上就是5G和AI的賦能，跟其他行業，或者說其他的製造業都有一定區別。

三、5G和AI如何賦能化工企業數字化發展？

從體系架構上來講，底層要有5G甚至於是以後6G的物聯網的架構，在這個之上要有工業大數據的中台和平台，再在這之上去進行數據的治理。在這個過程當中數據的支撐就包括AI，在上面使用的有各類的專家系統、機器學習、知識圖譜，以及支撐安全、環保決策生產的各類應用等。

四、設備基於5G可以做些什麼呢？

巡檢、監控、應急指揮、移動作業，無限的素材，還有人員定位。具體來說包括以下幾類：

1、 可以用視頻來做行為的識別；

2、 用於危化品的管理；

3、 用於報警管理；

4、 用於突發狀態下的應急管理。

在環保和排放方面，5G和大數據分析的賦能就顯得尤為重要。例如在一個園區或周邊社區進行溯源調控，通過風險評估以及空氣流暢的擴散模型來計算來追溯在這個園區裡面的哪一家，或是哪個源頭有污染排放、有機物排放等，如果通過傳統方式，靠人肉眼去看，或鼻子去聞這樣肯定達不到理想效果。找到源頭不是為了讓大家互相推諉，或瞞天過海。想要解決問題首先重要的是把問題根源找出來。通過5G和網格化的感測器的布置、大數據的分析就能夠極大的提升能力，使綠色低碳的發展水平能夠得到賦能去實現。這就是5G賦能的一個重要點。

五、AI人工智如何賦能化工行業？

通過人工智慧的演算法賦能在數字化攝像頭上可以做很多工作。包括 防火安全服檢測 ； 人員的異常行為檢測 。 周邊環境檢測 ， 是否有煙霧、火災、本身操作流程問題的檢測。 這些檢測有了之後能夠替代原來安全員的很多工作，或者是輔助工作，比如說報警事件的截圖，視頻的合成，原始記錄的跳躍。可以自動去分級通知應急的處理和現場多媒體的互動等，這些都是能夠通過 AI和5G的場景去做的事情。而AI的演算法。可以在相當程度上去提升我們原來靠人工去監控的這樣一個作用的這個效果。甚至於在未來有可能甚至於都是用全自動來做，這就是一個探索方向。

CXO聯盟（CXO UNION）、數字化轉型網共同出品

❸ 化工智能製造技術專業就業方向與就業崗位有哪些

高敬羨慎考 填報志願 時，化工智能製造亮敬技術專業 就業方向 與 就業 崗位有哪些是廣大考生和家長朋友們十分關心的問題，以下是相關介紹，希望對大家有所幫助。

1、就業方向與就業崗位

面向化工產品生產工藝人員、化工生產工程技術人員、智能製造工程技術人員等職業，化工生產控制、技術與生產管理、大數據系統運維和管理派絕等崗位（群）。

2、主要專業能力要求

具有使用智能製造系統、操作智能製造設備進行化工生產控制的能力；

具有利用智能製造系統進行生產管理的能力；

具有對智能製造系統及軟硬體進行日常維護及監控，保證其平穩運行的能力；

具有利用大數據分析結果，周期性評估化工生產全過程，協助發現生產技術問題，進行安全隱患整改的能力；

具有進行數據分析、挖掘，優化工藝指標，實現優質低耗生產的能力；

具有選擇智能製造系統、功能開發，協助實施與驗證的能力；

具有開展化工生產崗位安全、環保、經濟和清潔生產的能力；

具有化工生產專業領域相關標准、法律法規的查詢、理解和執行能力；

具有探究 學習 、終身學習和可持續發展的能力。

3、職業類 證書 舉例

職業技能等級證 書 ：化工精餾安全控制、化工危險與可操作性（HAZOP）分析、大數據分析與應用

❹ 化工領域中人工智慧,機器學習,大數據的應用情況

人工任務的自動化
雖然我們對機器人接管我們工作的期望仍然很遙遠，但有證據表明科技技術正在興起，而大數據正在幫助實現這一點。用於執行更多任務的技術使用正在迅速增長，並將在未來幾年持續增長，技術更多地用於我們一直認為是「人性化」的任務，例如計劃，策略和面部識別。正如我們在2017年看到的，創意產業在寫作音樂和文學等領域屈服於這種「接管」。
機器學習功能
機器學習能力正在快速增長，將各種行業的商業應用從醫療和保健轉向自動駕駛汽車，游戲和欺詐檢測等等。我們期望機器學習處理在2018年變得更加快速和更加智能，我們可以看到它在更多不同領域和業務問題中得到應用。今年，我們看到人工智慧融入了我們生活的許多方面以及無數社交項目。明年，我們會看到很多的初創公司展示高科技先進的產品，而且除美國意外以及中國和歐洲等矽谷典型場景中，這些公司的工作量也有明顯增加。
物聯網
我們看到連接技術和可穿戴設備的同比增長。根據Gartner的統計，到2020年，物聯網的安裝量將增長到260億個，這比2009年的9億增長了30倍。越來越多的企業開始利用從消費者的可穿戴設備中生成和收集的大量數據。活動追蹤器和其他連接設備不斷在工作中提供公司數據，如果使用正確，這些數據將促進業務增長和決策。另一方面，隨著物聯網產品使用的不斷增加，IoT安全漏洞的風險也隨之增加，盡管人們意識到這一點，但實施安全控制的速度並沒有像技術本身那樣快。
網路安全
隨著越來越多的連接設備缺乏先進的安全控制措施，我們可能面臨的問題是未來一年預計的一般網路安全漏洞的增加。繼2017年大規模公開破壞數據和網路攻擊之後，網路安全是2018年以來投資，改進和增長的巨大市場。人工智慧將在保護人們的數據方面發揮關鍵作用，因為技術變得更加擅長學習從數據集無監督和預測結果，它將能夠實時保護安全數據免受威脅，人工智慧還可以在發現更復雜的攻擊之前發揮作用。

❺ 數字化工廠屬於大數據在工業領域的應用嗎

屬於。
數字化工廠是在物理工廠的基礎上，採用先進的信息化技術、虛仔塵余擬模擬真實工廠、實現對產品設計、生產、物流、質量管理、財務管理和供應鏈管理等各個階段的規劃、管理、診斷和優化，以求提高產品質量、降低各環節成本、提高工作效率。
數字化工廠（DF）以產品全生命周期的相關數據為基礎，在計算機兄神虛擬環境中，對整個生產過程進行模擬、評估和優念滾化，並進一步擴展到整個產品生命周期的新型生產組織方式。

❻ 化工智能製造技術專業怎麼樣_就業方向_主要學什麼

高考 填報志願 時，化工智能製造技術 專業怎麼樣 、帶畢 就業方向 有哪些、主要學什麼是廣大考生和家長朋友們十分關心的問題，以下是相關介紹，希望對大家有所幫助。

1、培養目標

本專業培養德智體美勞全面發展，掌握扎實的科學文化基礎和化學基礎、自動化技術、化工生產工藝智能控制與運行等知識，具備化工智能生產與管理、大數據系統運維等能力，具有工匠精神和信息素養，能夠從事化工生產控制、工藝運行和生產管理、大數據系統運維和管理等 工作 的高素質技術技能人才。

2、 就業 方向

面向化工產品生產工藝人員、化工生產工程技術人員、智能製造工程技術人員等職業，化工生產控制、技術與生產管理、大數據系統運維和管理等崗位（群）。

3、主要專業能力要求

具有使用智能製造系統、操作智能製造設備進行化工生產控制的能力；

具有利用智能製造系統進行生產管理的能力；

具有對智能製造系統及軟硬體進行日常維護及監控，保證其平穩運行的能力；

具有利用大數據分析結果，周期性評估化工生產全過程，協助發現生產技術問題，進行安全隱患整改的能力；

具有進行數據分析、挖掘，優化工藝指標，實現優質低耗生產的能力；

具有選擇智能製造系統、功能開發，協助實施與驗證的能力；

具有開展化工生產崗位安全、環保、經濟和清潔生產的能力；

具有化工生產專業領域相關標准、法律法規的查詢、理解和執行能力；

具有探究 學習 、終身學習搭行運和可持續發展的能力。

4、主要專業課程與 實習 實訓

專業基礎課程：基礎化學、物理化學、化工制圖、化工HSE與清潔生產、過程式控制制技術、 計算機 網路技術、資料庫應用基礎、Python編程 語言 。

專業核心課程：化工單元生產技術、化工生產技術、化工安全與環保技術、化工自動化技術、大數據平台運維、大數據分析及應用、化工智能化應用技術。

實習實訓：對接真實職業場景或工作情境，在校內外進行化工單元操作、化工自動控制、大數據技術、物聯網技術、化工智能製造（模擬）等實訓。在化工智能知梁製造生產企業、化工智能製造模擬工廠等單位進行崗位實習。

5、職業類 證書 舉例

職業技能等級證 書 ：化工精餾安全控制、化工危險與可操作性（HAZOP）分析、大數據分析與應用

接續高職本科專業舉例：化工智能製造工程技術、應用化工技術、現代精細化工技術

接續普通本科專業舉例：化學工程與工藝、能源化學工程

❼ 大數據應用在哪些行業

大數據應用於各個行業包括金融、汽車、餐飲、電信、能源、娛樂等在內的社會各行各業都已經融入了大數據的痕跡。

製造業：利用工業大數據提升製造業水平，包括產品故障診斷與預測、分析工藝流程、改進生產工藝，優化生產過程能耗、工業供應鏈分析與優化、生產計劃與排程。

金融業：大數據在高頻交易、社交情緒分析和信貸風險分析三大金融創新領域發揮重大作用。

汽車行業：利用大數據和物聯網技術的無人駕駛汽車，在不遠的未來將走入我們的日常生活。

互聯網行業：藉助於大數據技術分析用戶行為，進行商品推薦和針對性廣告投放。

餐飲行業：利用大數據實現餐飲O2O模式，徹底改變傳統餐飲經營方式。

電信行業：利用大數據技術實現客戶離網分析，及時掌握客戶離網傾向，出台客戶挽留措施。

能源行業：隨著智能電網的發展，電力公司可以掌握海量的用戶用電信息，利用大數據技術分析用戶用電模式，可以改進電網運行，合理設計電力需求響應系統，確保電網運行安全。

物流行業：利用大數據優化物流網路，提高物流效率，降低物流成本。

城市管理：利用大數據實現智能交通、環保監測、城市規劃和智能安防。

生物醫學：大數據可以幫助我們實現流行病預測、智慧醫療、健康管理，同時還可以幫助我們解讀DNA,了解更多的生命奧秘。

公共安全領域：政府利用大數據技術構建強大的國家安全保障體系，公共安全領域的大數據分析應用，反恐維穩與各類案件分析的信息化手段，藉助大數據預防犯罪。

個人生活：大數據還可以應用於個人生活，利用與每個人相關聯的「個人大數據」，分析個人生活行為軌跡，為其提供更加周到的個性化服務。

大數據的價值遠不止於此，大數據對各行各業的滲透，是推動社會生產和生活的核心要素。

(7)大數據在化工領域擴展閱讀：

大數據的價值體現在以下幾個方面：

1)對大量消費者提供產品或服務的企業可以利用大數據進行精準營銷

2) 做小而美模式的中小微企業可以利用大數據做服務轉型

3) 面臨互聯網壓力之下必須轉型的傳統企業需要與時俱進充分利用大數據的價值

不過，「大數據」在經濟發展中的巨大意義並不代表其能取代一切對於社會問題的理性思考，科學發展的邏輯不能被湮沒在海量數據中。

著名經濟學家路德維希·馮·米塞斯曾提醒過：「就今日言，有很多人忙碌於資料之無益累積，以致對問題之說明與解決，喪失了其對特殊的經濟意義的了解。」這確實是需要警惕的。

參考資料：大數據_網路

❽ 工業大數據對中國有什麼意義

現階段物聯網大肆其道，工業設備也紛紛利用物聯網技術實現設備間的聯內網；
通過收集到的數容據（例如生產進度、物料消耗、工序過程等等）處理再呈現在管理者的手機端；
但工業物聯網涉及到的智能設備非常多，每個設備、感測器產生龐大的數據流，普通的人工根本運算不過來，雲端伺服器技術、大數據運算技術就有了實際意義。
簡單來說，大數據技術可以幫助中國製造業由自動化→數字化工廠轉化，為智能製造打下基礎。

❾ 數字化工廠，塑造製造業的未來！！

數字化讓製造型企業從根本上改頭換面。隨著企業對各類創新技術的採用以及對不同資質人才的聘用，新型的數字化工廠正悄然引領製造業的轉型，並推動著製造業的中心邁向高度定製化的產品和系統。

領先的製造型企業正採用一系列的先進技術實現生產乃至整條供應鏈的數字化。這些技術包括大數據分析解決方案、端至端的實時規劃和互聯、自控系統、數字孿生等。憑借這些技術，效率得以提升，企業能夠批量生產高度定製化的產品。然而，想要完全發揮出數字化的潛力，企業仍需要與主要供應商和大客戶實時互聯。

作為在電子商務和電子支付領域內全球公認的數字化領先者，中國在製造業領域內對數字化的應用卻仍處於起步階段。盡管「中國製造2025」戰略的頒布為產業變革注入了強心針、突顯了戰略緊迫性，但只有在企業大膽擁抱數字化的情況下才能取得實質性的進展，並產生深遠影響。

在朝著數字化轉型的道路上大步前行時，在「數字化工廠—歐洲數字化工廠高管調研」中梳理出的關鍵發現以及提出的數字化工廠藍圖，將協助企業規避實施中的風險，成功達成既定的目標。

調研成果綜述

就數字化工廠這一熱點話題，普華永道對來自大型工業及製造業領域內的200位企業高管開展了一次定量市場調研，並對行業領先企業的多位高管進行了深度的訪談。

參與此次調研的高管均為各自企業在產品開發、生產或技術領域的決策者。

據調研結果顯示，領先的工業企業已經完成了項目的試點工作，開始著手推廣數字化解決方案。以成熟的數字化戰略為依託，這些工業先驅者採用創新型的數字化戰略，擁抱全面的數字化轉型。此外，通過培訓和溝通，他們讓員工參與轉型，為企業的數字化成功做出自己的貢獻。

通過戰略、效益、技術和人才這四個維度（見下圖），普華永道詳細探究了數字化工廠背後的推動力，或許能為計劃建設數字化工廠的中國企業提供一些參考。

1、戰略

數字化工廠在高層心目中的戰略地位甚高：調研結果顯示，91%的工業企業正投資數字化工廠，但認為他們的工廠已經「完全數字化」的僅佔6%。

數字化能圍繞客戶提供更好的生產支持：在計劃對數字化工廠追加投資的受訪者中有四分之三的人表示，通過本地化製造來更貼近客戶，以及個性化、靈活化的生產是促成投資的兩大主要因素。

數字化工廠對「德國/歐洲製造」起到推進作用：在計劃岩知舉對數字化工廠追加投資的受訪者中總共有93%的人表示，有意在未來五年內將部分或全部的數字化工廠遷至德國。未來五年內的投資中有77%將用於新建數字化工廠或擴容。數字化正在強化歐洲工業中心的競爭力。

如果沒有數字化工廠的打算，那麼企業可能會在未來喪失競爭力。實現數字化工廠需要資金投入，需要攜手內外部利益相關方來推行開放式創新。例如，飛利浦就在荷蘭德拉赫滕工廠采猛褲用了這種方法。此外，還需要聘請和培養人才，應對諸多變化，在員工間建立信任感並得到他們的全力支持和充分投入。

有些企業在建設數字化工廠的問題上似乎准備淺嘗輒止，並沒有進一步追加投資的意願。鑒於數字化工廠能夠帶來的巨大利益，這些企業可能會被積極實現數字化並不斷改善的競爭對手拋在身後。

企業想要在如今競爭激烈的市場中生存，以客戶為中心是一大關鍵要素。企業不斷地貼近客戶，能夠更及時地對客戶偏好的變化做出反應。此舉還能有助於減少運輸和物流成本，客戶能以極小或者可以忽略不計的配送成本，從定製化的產品中獲益。在部分行業中，受即時生產和即時供貨等物流戰略的推動，供應商更加貼近客戶，整條價值鏈的本地化程度不斷提升。

許多企業利用數字化來提升工廠柔性，更好地應對客戶需求的波動。為了充分利用這些工廠的潛力，企業計劃在佔主要收入來源的市場中新建或擴建工廠。從推粗碧動生產決策的力度看來，對客戶的聚焦遠遠大於勞動力成本。

2、效益

短期內難見回報——對數字化工廠的投資是戰略性的舉動，收回投資需要兩到五年：近半數的受訪者希望能在五年內收回對數字化運營的投資，而僅有3%的受訪者希望在一年內收回投資。

企業希望五年後顯著提升效率：幾乎所有的受訪者（98%）都將提升效率視為投資數字化工廠的主要原因。綜合規劃、資產利用率提升、質量成本降低以及自動化均有助於效率的提升。

大多數的受訪企業將收回數字化工廠投資的期限定為五年。一般來說，決定的背後是翔實的商業論證和對投資的仔細考量。隨著企業對各種數字化工廠解決方案的不斷熟悉，他們對所需的實施時間和投入力度有了更清楚的認識，因而對收回投資的期限做出了較為保守的預測。

除了提升工廠效率之外，數字化工廠還能帶來其他一些效益。例如，在航空領域，有些企業利用數字化工廠解決方案開展先進的飛機及發動機設計，打破了傳統製造的局限性。此外，數字化工廠還能幫助企業減少能源和原材料的消耗，實現可持續發展的目標。企業正在利用數據來改善資源效率，讓供應鏈更合理，實現按需訂購原材料，減少庫存。

但企業的目標遠遠不限於此。部分企業已經在規劃無人值守工廠，在這些工廠中，電力將按需消耗。根據最新數據顯示，自1990年起，工業品領域的能耗不斷下降。但我們有理由相信，在數字化工廠的協助下，工業品企業在節能方面仍有潛力可挖。

3、技術

通過綜合的製造執行系統（MES）實現工廠內外部互聯：

數字化的第一步，是通過共用基礎架構實現機器與其他資產間的互聯。MES系統能實時規劃和控制生產，提升效率、生產柔性和資產利用率。為了實現效益最大化，MES系統需要與ERP系統整合，從而讓企業不僅實現內部流程的數字化，還能實現整條供應鏈的數字化。

協作機器人、數字孿生或增強現實等技術促使運營更精益、生產率更高：能夠協助工人提升生產效率和產量、改善流程和產品質量的數字化技術正在迅速普及 — 未來五年，採用這些技術的企業數量有望翻番。工人和機器間的協作是重點發展領域，並誕生了數字孿生這種虛擬工廠的表現形式。增強現實的相關解決方案協助員工生產零缺陷的產品。企業通過預測性數據分析和機器學習等手段做出更明智的決策：

人工智慧和數據分析是數字化工廠的推動力，半數以上的調研對象企業已經採用了智能化演算法來做出更合理的運營決策。工廠內部和企業生態系統內部的全面互聯，以及信息的智能化應用，對於保持競爭力而言將不可或缺。

4、人才

數字化生產意味著打造數字化勞動力：數字化工廠需要全新的工作方式。勞動力的組成將會發生變化，企業需要招聘和挽留相應的人才。數據科學家需要發現智能演算法來提升運營表現，而人機智能交互也需要全新的技能。數字化培訓項目以及招聘外部的「數字原住民」能確保成功打造數字化工廠。

數字化轉型必須由高層掛帥、立即開始：企業的數字化轉型需要高層的領導和指導。隨著全球范圍內的競爭對手邁上數字化之路，企業需要立即行動起來。

數字化工廠需要截然不同的工作方式，企業因此也需要打造數字化的勞動力。企業需要調整員工的組成，需要相應地招聘和挽留人才。隨著我們步入人機交互的新時代，人才對數字化工廠的影響力不容低估。數字化工廠能協助企業面臨老齡化社會的挑戰。隨著大批技術工人退休，大多數行業可能面臨熟練勞動力短缺的局面。數字化能夠從一定程度上彌補這種短缺。

通向數字化工廠的藍圖

領先的工業企業已經在數字化工廠的建設和發展方面邁出了堅實的步伐，在提升生產效率的同時，能夠迅速可靠地生產出更多定製化、高質量的產品服務於市場。

對於許多沒有打算建設數字化工廠的企業而言，缺乏一套數字化的願景和企業文化是讓他們裹足不前的最大阻礙。目前看來，這正是數字化工廠先行者們不可獲取的一大要素。數字化願景不僅只是考慮各項技術，而且還定義了這些技術如何在整個產品生命周期和企業生態圈中相互配合。阻礙企業制定數字化工廠計劃的其他因素還包括機會不定、經濟效益不明、投資代價不菲。

❿ 大數據在企業中的應用

大數據在企業中的應用

2015年9月10日，首席數據官聯盟成立儀式暨第一屆首席數據官大會在北大召開，本次活動由中國新一代IT產業聯盟和易觀智庫聯合主辦，中國新一代IT產業推進聯盟技術分委會秘書長魯四海發表演講並參與對話討論。本次對話環節由易觀智慧院副院長葛涵濤主持，參與對話的嘉賓有北大電子政務研究院副院長楊明剛、殼牌中國CIO徐斌、華為大數據總監劉冬冬、北京瀚思安信科技有限公司聯合創始人董昕。各位嘉賓從大數據在企業的應用、人才隊伍建設等方面進行深入討論，以下是對話實錄：

葛涵濤：首先我想請大家做一下自我介紹。

劉冬冬：今年上半年開始代表華為做大數據生態圈的建設，我們這個生態圈是1+6的模式，華為提供公有雲，大計算等服務，與數據挖掘，商業應用，數據可視化展示等合作夥伴，國內篩選200多家大數據公司，和比較核心的合作夥伴，開始了第一批，第二批，第三批的流程，第一批選擇16家簽約，第二批還有十幾家，今年年底會完成初步50家的合作夥伴的合作。

徐斌：殼牌品牌是比較大的公司，殼牌中國業務比較大，殼牌中國在今年已經是121年了，1894年正式進入中國了，就沒有離開。目前我們在中國的業務有上油的油氣的開采，中油的煉化等業務。大數據在殼牌的應用歷史比較悠久，我們開採油田的時候需要用海量的數據做分析，幫助我們在哪裡打井更有效，如何保證製造環節更順暢，更早的發現潛在的風險，這方面有比較多的應用。針對我們幾百萬的用戶，也在做很多的和社交媒體的合作，掌握我們的客戶，留住我們的客戶，尋找新的商業機會。今天很高興有機會和大家交流大數據，特別是我們傳統行業如何使用大數據。

董昕：謝謝大家，我們是瀚思大數據安全，一個新的創業公司。大家想安全和大數據有什麼關系？其實有非常深的關系，我們後面有機會再和大家講。我們這個團隊是2014年成立的，主要成員是來自於埃森哲、甲骨文等這些公司。我們致力於把大型企業雲中心、互聯網裡面所有跟安全相關的，跟業務、應用安全相關的數據做統一大規模的存儲、挖掘、學習和展現，幫助IT從業者，運維人員，甚至企業的領導層從數據終發現一些跟安全相關的東西。希望通過數據驅動整個行業，和整個企業實現由傳統的基於防禦的安全策略，轉向主動智能的安全策略。我們成立一年多，我們公里56人，40多個人都是研發人員，數學科學家等跟數據相關的人員。非常高興有機會和大家探討比較新的行業。

楊明剛：非常感謝主辦方的邀請，很多朋友可能了解電子政務，電子政務就是政府的信息化，還有所謂的智慧城市，還有數字城市。在過去一年多，一直做政府相關的信息化的應用，包括頂層設計。現在隨著大數據概念的提出以後，應用和需求在過去一直存在，只是提升了一個水平。電子政務這塊近兩三年提上很重要的地位。電子商務對大數據的需求也是蠻多的，過去三四年，我們一直研究政務數據和商業大數據，非常高興和大家探討數據和首席數據官未來在整個企業決策和政策決策中的作用。

葛涵濤：我們的各位嘉賓對大數據，對數據資產進行了前期的描繪和支撐。我們都知道現在大數據產品和數據產品數據來源非常廣，包括來自於智能設備，可穿戴設備，來自於金融，來自於終端設備。有了大量的數據，基於數據進行挖掘和分析，數據產品化以後，再將數據產品應用到業務中。但是這些數據產品安全性怎麼樣？針對數據安全和用戶數據隱私與大數據是什麼關系？

楊明剛：我先從價值方面跟大家分享一下。美國有一本書《數字化生存》目前這個社會，隨著網路的發展，我們所有的網路，所也的社會的形態都可以用數據來表達，這個時候無論是政務數據，還是商業數據，還是個人數據都可以用來提供，或者給我們未來決策提供參考。無論是政府治理，還是企業的科學決策，或者個人未來合理的消費計劃，都可以從數據中提取到相關的決策參考。所以這塊，其實所有的數據，看似雜亂無章，各種非結構數據和結構化的數據，通過適當的方法處理，或者通過數學模型處理，能夠給我們管理和決策帶來新的支持或者更大的支持，這是我對整個目前數字這塊所謂的資產，數據是可以增值的資產。

其實我們有了互聯網以後，每個人在網路上，無論是購物，還是通過社交工具或者社會化媒體發表相關的看法或者思想等，我們在網路上留下了大量的數字的網路痕跡，其實提取這些痕跡，包括相關的特徵，用一定的方法去分析，就可以找尋每個人或者相關的機構未來的表現。這個東西在這裡面，有很多東西涉及到個人隱私，可能在這里買的房子，或者附近相關的消費，根據你的社會屬性可以判斷你未來的行為。從某種行為來說，會讓我自己感覺很不舒服，但是這些信息是通過我們允許的放在網路上，只是相關的機構提取過來做一些加工，可能對個人的隱私或者個人尊嚴是一種挑戰。隨著國家立法的完善，我相信網路的隱私權保護會逐漸解決。

董昕：其實好惡誇張的說，我們在座的每一個人都不安全，在網路空間，無論是你產生的數據，還是你的痕跡，還是你的隱私，或多或少在自己的手機里，PC里，或者是伺服器端，安全和隱私可能是永恆的話題，比較大，我就不展開講了。從我們的角度來說，我們更關注的，從一個角度如何把核心的數據，核心的資產保值增值，安全隱私的問題。無論是大數據下面的數據隱私，數據安全，還是小數據的數據隱私和數據安全方法論是一樣的。在管理制度上怎麼進行保障？

過去談論到數據安全，更多的時候是靠技術手段為主，所以才會出現各種各樣的防火牆，加解密設備，數據防泄漏，防入侵。這些東西都有用，但是無法解決所有的問題。要不然也不會出現JP摩根信用卡數據泄漏等問題。我們需要擁抱新型的技術，新型的平台，通過技術本身解決安全問題。

另外一個國外很多報告中都寫到了，設備本身控制數據資產不太現實，我假設所有的東西都是不安全的，把所有的東西都放一個安全體系，這是國際探討的問題。我們怎麼用新型技術保護數據安全，同時結合技術，如何使安全管理的流程和措施，能夠在企業中獲得更多的認識，從而解決這個問題。

葛涵濤：關於數據能力開放的問題，在之前大數據會議上，阿里集團代表上講過，阿里的數據不開放，他們是不是有數據安全的考量。因為他們收購了高德等一系列的社交和位置的公司，掌握了用戶全維度的數據，這是出於隱私保護，基於安全的數據開放，還是比較遙遠的話題。剛才我們在CDO調研報告裡面，在未來的數據業務和大數據技術方向上，在行業領域裡面的發展是非常重要的，我想請劉冬冬和徐總分別談談，比如說大數據業務，還有數據資產等等相關的技術和服務，在你們相應的通訊和能源行業怎麼與你們的業務結合落地的。

徐斌：像大數據的應用，在我們自己的傳統行業會產生什麼樣的作用？我們自己內部把大數據的企業進行劃分。從企業決策中大數據起了很多的作用，同行用爆破的方式採集信息，幫助我們判斷出這個地方打一口井效率是不是高，因為每一口的井的成本是上百萬的，提高10%的成功率是很可觀的，這是決策支持。

第二個是運營優化，比如說油站地下油庫存在非常大的隱患，汽油和柴油泄漏的時候，一對環境造成很大的風險，第二對地下水有影響，甚至產生爆炸。一旦發生這種情況，通過大數據技術能不能提前發現潛在的泄漏風險。通過對比站的分析，提前發現是否存在不適當的損耗的發生，從而發現風險。

第三個就是市場營銷，在我們消費互聯網層面談了很多，我們怎麼樣找到客戶的特性，延伸業務領域，包括業務合作。另外通過合作，找到我們潛在的客戶。像今天的孫總，我們客戶最典型的，對油品的質量要求比較高。我們從互聯網找到這個維度，在電商上購買率很高的，經常談到汽車的，這兩個碰撞就能找到潛在客戶。

第四個就是企業安全進行風險管控。能源行業是高危行業，包括油品配送過程中，配送的時候出現問題，可能出現爆炸的風險，包括成本的增加。因此我們在海外作業的時候，不能很好及時發現風險，可能造成重大的人身傷害，包括知識產權的保護，有跟多配方，這是很關鍵的，這個怎麼防止黑客攻擊。這個和董總有相關性，企業安全，人身的安全，包括信息安全。

第五是業務創新，第六是模式變革。這兩個把我們傳統的，我們通過賣汽油變成我們可能變成第三方汽車服務後市場。以後我們油品可能免費，免費的意義在於盈利模式通過後面衍生的新業務，就是羊毛出在豬身上狗來買單。這就是大數據在我們能源行業6方面的價值。

葛涵濤：我們原來做過石油遠程管道安全監護。現在俄羅斯他們傳輸的油氣管道，很多油氣管道每隔多少公里就有檢查油壓、溫度，還有油管表面的狀況，加入了很多感測器，獲取管道表面的數據，另外還有相應的機器人，會在軌道上定期巡邏，用光來檢查表面的狀況。將這些數據全部匯總在當地的數據中心，最後匯總到歐洲數據中心，如果正常就顯示為綠色的。大數據幫助能源運輸企業，在你發生問題之前就幫你預測問題即將在什麼時間大概發生。在發生之前進行預警，我覺得這個也是大數據跟商業智能整合的非常好的一個案例。

徐斌：在我們石油行業，特別是化工行業，生產行業一旦有一些事故終止生產，想恢復是非常長的時間，一般是三個月，三個月損失多大。越早預測到危險，提前採取措施，效率是很明顯的。

劉冬冬：我們通訊行業跟石油行業是很像的。我們華為也會裝各種各樣的感測器採集數據，知道什麼地方有什麼問題，然後解決問題。比如說一個大型會場，一個足球場，數萬人，大家都在發微信，這個時候能不能發出去，信號如何？這是我們自身運營商的應用場景。衍生出來的應用場景，如果華為或者運營商更早的把大數據應用到企業的經營管理等等各個維度中去，就不會發生像上海那樣的踩踏事件。當外灘單位面積內聚集的人口超過一定量以後就應該有一個預警，告訴相關的管理部門，公安也好，告訴相關的部門人說這個地方已經超多了，通過手機我們可以捕捉這個信息。我們在大數據行業剛剛起步，我相信將來所有的行業，都會面臨變成以數據為驅動，或者以數據為核心驅動力的，而不是像以前以產品為驅動力，以渠道或者品牌為驅動力的。以數據為驅動力的話，這個問題是蠻大的，作為華為來說，現在從各個方面改為以數據為驅動力。從宏觀來說，我們將要做什麼，我們要做哪些產品，這些都可以通過數據給我們進行指導。

在大數據產品裡面，哪些是最需要的，哪些是最急迫的，我們可以通過分析挖掘出來，這個可以指導我們企業將來做什麼，不做什麼。從很小的細節來說，華為2016年找誰做手機形象代言人，我們可以用大數據做。華為手機的粉絲超過100萬。這些人共同關注的是誰，他們共同興趣愛好是什麼？他們每天什麼時間上網，數據的統計就告訴我們了，不需要決策部門每天坐在一起拍腦袋決定是誰，不是誰。剛才說到數據安全問題，我認為數據安全和技術是矛和盾的問題。現在接受就可以了，當我們現在收到騷擾簡訊垃圾簡訊，為什麼會收到，是因為他們掌握了我們手機信息。當企業掌握了很多的信息以後，這時候就造成可以滿意度的問題，讓數據決定數據安全，讓市場決定技術到什麼程度，自然會有優勝劣汰，服務好的企業就會持續發展，服務部好的企業就會死掉。

葛涵濤：我們對用戶數據掌握的越來越多，我們對數據精準分析越來越多，我們傳遞出來的消息就是精準營銷，傳遞的信息就是有用的信息，而不是垃圾信息。這實際上對我們大數據企業，對技術和演算法提出了更高的要求。如何通過大數據分析方法尋找數據中隱藏的，還沒有被發現的價值和知識。

楊明剛：其實所謂大數據，大價值，大數據應該不是大忽悠，我為什麼這么說？因為我在過去一段時間，有一個地方政府，某一個行業部門在使用大數據，但是建完的大數據系統無法滿足他們的業務需求。我們傳統的大數據，一部分是對現有數據的發現，這就是數據檢索，傳統的數據方法就可以做到，對已知的東西，已知的問題，每個數據單元都是了解的，這時候無論是結構化數據，還是非結構化數據，我們可以帶著問題找到蛛絲馬跡，問題存在什麼地方。另外一部分應該是預測的部分，就像海爾孫總談到的問題，其實可以預測。業務管理專家和業務模型建構專家需要有一個緊密結合。大數據其實是一件奢侈品，對華為這樣的產品，對我們海爾這樣的企業，對殼牌這樣的企業是可以投得起資金的，大數據是奢侈品，但是絕大部分的中小企業也需要科學決策，也需要了解市場需求，這時候面臨很重要的選擇，要面臨高昂的成本建立系統，這是不可能的。但是絕大多數的大數據企業都需要高投資，中小企業怎麼通過在數據時代不被淘汰，需要大數據解決方案提供商，或者需要大數據研究者提供一種更典範的，或者更普世的大數據解決方案，不是依託與傳統的數據檢索，或者傳統的數據包裝實現大數據的方案，而是需要跳出傳統的大數據分析方法之外，能不能有另外一種更科學，更普世的方法，讓我們很多中小企業都能享受到當今的大數據服務，需要我們在座的一起探討。實際上個人也需要大數據服務。

葛涵濤：跟簡單，更方便使用的大數據產品，方便企業減少這方面的預算，讓更多的人使用大數據帶來的便利。

楊明剛：中國的天氣預報部門利用大數據是最好的，把過去一百多年的歷史數據拿過來進行預報。真正的大數據是對未來可能的知識的發現，通過大數據發現潛在的數據之間的關聯。

葛涵濤：實際上我們剛才提到了各個不同的行業和企業對大數據的應用，因為你在北大做了十年CIO方面的培養，你們對CDO這方面的人才培養有什麼樣的動作和支持。

魯四海：我們也在探討，剛才我們在PPT裡面分享，首先為什麼會有這樣的角色存在，驅動力是什麼？然後再說需要什麼楊得技能？我覺得CDO有一部分的東西需要從課堂學習的，偏技術這塊的，能涵蓋技術和基礎管理這塊。CDO需要有一些經濟學的基礎在裡面。大數據更大的是告訴我們未來是什麼樣，告訴我們一些未知的東西。不是提一個假設，拿數據進行分析證明這個假設是對的或者是錯的，這個意義不大。真正的意義能夠告訴你未來是這樣的。我覺得CDO在培養過程當中，除了課堂學習以外，還要跟內部的業務部門進行內部的學習和交流。因為我們面臨著未知的世界，更多的需要廣闊的舞台，像CDO聯盟一樣，未來我們做一些交流性的東西，各個行業，不同行業的方式方法進行跨界整合，因為數據在這個時代就是跨界。

葛涵濤：下面我們請我們在座的各位嘉賓，用簡單的一兩句話展望一下大數據時代下，我們這些數據管理人才，CDO們如何在整個大數據背景下做好我們的工作，能在工作上出新出彩，在我們業務設計上有相應的業務創新。

魯四海：應該說任何一個行業任何一個企業的數據都是資產，每個企業都將擁有將數據變成核心競爭力的能力，這個能力可能是自建也可以購買服務獲得。

楊明剛：大數據應用成為未來決策的核心推動力，今天的大數據不能成為大忽悠。

董昕：我們談了很多技術方面的話題，我覺得一個CDO第一應該有大數據的理念，未來主要的價值都是數據。另外一點，我們認為作為一個CDO，一定要跟我們業務相聯系，懂我們的業務，知道我們的收入從哪裡來，成本在哪裡，效率從哪裡提升，這樣CDO才能落地。

徐斌：數據本身有沒有價值，我個人認為數據是沒有價值的，雖然我今天講了很多大數據。只有當數據能幫助企業產生價值的時候才能成為有價值的資產。我經常說數據資產，每個公司都有大量的數據，他們不是資產，因為它沒有用。數據只有成為有用的信息，成為知識，變成智慧，它才是真正的數據資產。不要神話大數據，大數據產生業務的價值，產生商業的價值才叫大。第二我們企業有CDO，或者有虛擬CDO職位，通過其他的CIO、CMO承擔。最主要的是腳踏實地，循序漸進，如果你不把企業的數據用好，談何大數據。如果企業沒有從數據支持決策的文化，大家做任何事情不用客觀數據幫我們做分析，給你再多的數據也沒用。首先是企業文化。第二把現有的數據用好，然後循序漸進引用更多的數據做分析。通過數據發現未知東西，這是偽命題。因為你發現未知東西，因為你不知道，原因是什麼。當形成智慧知道為什麼會發生，這是我們追求的目的，只不過我們現在不知道，所以通過相關的分析找到了相關性，但是不知道原因。未來當我們有足夠多的知識積累，我們就知道原因了。未知領域是大數據的使用階段。

劉冬冬：大數據這塊沒有找到盈利模式，沒有找到市場，推不動。現在大家找到了盈利模式才推下去了，這才是有用的，大數據有用才是硬道理。對於CDO來說，我認為跨界才是最重要的。不光要有知道企業內部的小數據，同時也要知道外部的數據如何和企業內部的數據相結合。比如說做銷售的，系統能不能很快的告訴員工，這個公司銷售額有多大的產能，以及其他合作公司等等的情況，有價值才是最重要的。

以上是小編為大家分享的關於大數據在企業中的應用的相關內容，更多信息可以關注環球青藤分享更多干貨