Ⅰ 大數據推動社會思維變革
大數據推動社會思維變革
大數據並非新概念
記者：沈教授，您怎麼看待大數據這個概念和大數據時代這個說法？
沈陽：我個人認為，大數據並不是一個新的概念。它很多內在的研究，其實我們計算機學科領域一直在推進。比如，對數據的挖掘和分析方法，以及純數據內容方面的研究就一直存在。在若干年前，大數據已經在某些領域實現了具體的應用。不過，最近兩年出來的大數據概念更加強調互聯網的因素，更加強調數據的體量，以及數據與各行業的運用對接。大數據概念的推廣和它對社會的影響，使得數據分析的概念從計算機學科快速地擴展到社會的各個領域，這是非常有價值的。大數據就是互聯網發展到現今階段的產物，在以雲計算為代表的技術創新背景的襯托下，一些原本很難收集和使用的數據開始容易被利用起來了，並且不斷作用於各行各業的創新發展，這就是大數據的價值。數據實用化是大數據時代的一個特點。
大數據利於社會治理
記者：您認為大數據思維會對當今社會帶來哪些主要影響？
沈陽：大數據思維有這么兩個特點。第一個特點是，數據一切可量化。比如說，它有助於我們研究政府官員的民意支持度。又比如，政府的信息公開程度，我們也是可以測量的。比如新媒體指數、城市幸福指數、各城市堵車指數，從大數據的角度來看，這些指數的研究方向和方式就體現了相關特點。第二個特點是，大數據思維特別強調不同數據之間的相關性，乃至於尋找它們之間的不相關性。這如果運用到社會治理上，可以提升政府反應的靈敏度。
記者：今年有句話很火，叫「證明你媽是你媽」。它直指簡政放權和政府服務方面的一些問題。但在具體的新聞事件中，我們也可以看出，它還透露出相關部門一些信息共享的問題。比如，要辦一個證，時常就會出現「多部門跑腿」的現象，民眾要跑完這個部門再跑另一個部門。您認為，隨著大數據時代的來臨，政府在思維方面需要做什麼樣的必要刷新？
沈陽：在大數據時代，傳統的政務查詢、社保查詢、醫療教育、水電煤等公共服務將被集成，各政務服務間的信息化壁壘、數據孤島將會消失，政府、企業、研究機構間的數據可實現安全的分享流通、交易交換。因此，隨著大數據的發展，政府首先要進一步把為人民服務的觀念和責任意識落實到實際工作中去，要有數據信息開放思維、數據信息整合思維和數據信息分享思維。從互聯網的角度來看，政府服務優化是沒有止境的。也就是說，不同部門之間要加強服務融合，要加強信息的交換。我們需要用移動互聯網的思維去打造一個指尖上的政府服務體系。正如李克強總理強調的「要讓政府信息多跑路，群眾少跑腿」，我們各級政府應該按照方便辦事、就近服務的原則，充分利用大數據的功能，真正完成向服務型政府轉變的時代要求。
大數據應進一步實用化和安全化
記者：大數據的發展離不開政府的推動，近年來，我國政府在這方面主要做了哪些工作？
沈陽：我們國家在推動大數據發展方面已經形成了較好的頂層設計。若干個省份有準備成立大數據管理局的構想。在學術支持方面也體現了我國大數據的發展比較蓬勃。還有，大數據的民間團體也非常活躍。大數據相關的公司在融資和產品推廣方面也都得到了社會各界的支持。2013年，我們國家發布了《關於數據中心建設布局的指導意見》，提出了以市場為導向，以資源節約和提高效率為著力點，通過引導市場主體合理選址、長遠設計、按需按標建設，逐漸形成技術先進、結構合理、協調發展的數據中心新格局。我國在加強信息基礎設施建設、增強信息產品的供給能力、培育信息消費需求、營造發展環境、提升公共服務信息化水平等方面採取了一系列具體措施。
在今年6月的國務院常務會議上，李克強總理再次強調了大數據運用的重要性。之後，國務院辦公廳還印發了《關於運用大數據加強對市場主體服務和監管的若干意見》，意見提出，要運用大數據提高為市場主體服務水平，加強和改進市場監管，推進政府和社會信息資源開放共享，提高政府運用大數據的能力。這些都有助於推動我國大數據的發展。
記者：沈教授，以您的研究視角來看，目前我國大數據的發展有哪些需要重視的問題？
沈陽：目前我國政府對大數據高度重視，民眾對網路、新媒體越來越關注，高校的相關人才培養也在作出相應調整。我個人認為目前需要重視的問題有這么幾個。第一，大量的權威數據資源集中在政府手中，而很多數據我們目前還沒有開發。所以，政府應該開放更多的數據源。在政府數據開放方面，我們還需要邁向一個新台階。第二，相關部門在保護隱私安全方面要有更多的考慮。我們要建立有效的法規機制，讓隱私權和大數據的社會便利性獲得一個最佳平衡點。第三，在數據的流入和流出方面，我們需要更加清晰的界定。在不同領域，我們需要更多的數據標准。第四，要加強大數據的科普。既不能神化大數據，又要讓大數據在更多領域取得快速進展。第五，大數據研究只有與實際接軌，工具化、服務化和實用化，才能解決具體問題，從而提升社會的生產力。
記者：作為相關方面的資深專家，您和您的團隊在大數據方面做了哪些深入研究，或者您近期有沒有什麼研究計劃？
沈陽：我們構建的新媒體指數涵蓋了不少微博數據、百萬級別的微信數據，還有APP的數據等，我們目前主要的研究重點在大數據的數據源、大數據的分析模型、大數據的發布服務等方面。我們團隊與教育部、新華社、人民網(603000,股吧)、新浪網、騰訊網等單位均有緊密合作，可以說，我們已經有了一個很好的研究起點。我們還做了一系列的評估指標，會對大數據的發展方向做一些客觀中立的學術性評估。此外，我們還試著在新的領域擴展大數據的應用，比如說感測器新聞、互聯網的虛擬社群研究等。當然，每一個團隊的精力都是有限的，研究需要聚焦。我們會廣泛關注，重點突破，進行不同學科之間的合作。我們團隊和清華的大數據研究院有密切的合作。我們現在有若干項目是在國家有關部門的重點支持下進行的。
大數據需要復合型人才
記者：今年7月22日，國務院辦公廳就2015年上半年工業通信發展情況舉行發布會。工信部表示在進一步貫徹「互聯網+」指導意見中，將重點推進重要工業雲、工業領域大數據等發展，而「互聯網+」和大數據發展的核心在於人才，清華大學作為國內一流學府，在相關方面是否已經有培養計劃？
沈陽：對大學生的培養，對大數據人才的培養應該符合教育規律。我個人覺得新聞傳播專業的學生大一大二的時候，還是應該強化他們的經典閱讀。強化文化修養和理工科的邏輯思維。如果只是培養學生的淺閱讀能力，如果學生不具備深度思考、縝密思維的能力，那就難以成為優秀的大數據人才。優秀的大數據人才是復合型人才，需要中外融合、文理相通、深淺結合，以及理論和實踐的結合。因為我們需要提供能解決實際問題的產品。目前，包括清華在內的一些國內高校已經有一系列的培養方案。
以上是小編為大家分享的關於大數據推動社會思維變革的相關內容，更多信息可以關注環球青藤分享更多干貨
Ⅱ 工業用電大數據分析經濟運行質態
工業用電大數據分析經濟運行質態_就分析師考試
工業用電數據是「克強指數」的重要組成部分，能准確反映一個地區的經濟運行質態。揚州市經信委以規模以上工業企業為口徑，按區域、產業等類別對工業用電月度分析制度進行了調整完善。
建准資料庫。以2015年全市2756家工業規上企業為基礎，與市、縣供電公司對接，核對用電戶號3514個，並與國稅、地稅、經信委經濟運行統計的規上企業排序相對應，建立了首個企業名錄、用電戶號、統計項目最齊全最准確的規上工業企業用電資料庫。
及時加工統計數據。每月6日前後，市供電公司提供3500多家企業用電數據後，該委電力能源處根據2756家規上企業排序，按照不同區域、產業等類別進行統計加工。
多維度分析。各類數據統計完畢後，可以滿足經濟運行相關統計數據需求，結合去年同期、上月數據進行簡要的分析。既可以進行縣市區工業用電數據、工業百強企業用電數據分析，又可以細分到機械、石化、船舶、汽車、冶金等7大產業用電統計分析，還可進行萬元單位銷售收入電耗、業擴報裝量等具體指標的統計分析，使經濟運行分析更加科學、直觀、多維。
以上是小編為大家分享的關於工業用電大數據分析經濟運行質態的相關內容，更多信息可以關注環球青藤分享更多干貨
Ⅲ 智能製造：工業製造中的大數據分析
搞清出工業大數據分析，第一步我們應該如何定義製造業的大數據？這里我和大家通過大數據的三個特性，來經一步了解大數據的特性。
1
關注＃1 －工業大數據數據來源
工業大數據的主要來源有兩個，第一類數據來源與智能設備。普適計算有很大的空間，現代工人可以帶一個普適感應器等設備來參加生產和管理。所以工業數據源是280億左右大量設備之間的關聯，這個是我們未來需要去採納的數據源之一。
第二個數據來源於人類軌跡產生的數據，包括在現代工業製造鏈中，從采購，生產，物流與銷售市場的內部流程以及外部互聯網訊息等，都是此類大數據的戰場。通過行為軌跡數據與設備數據的結合，大數據可以幫助我們實現客戶的分析和挖掘，它的應用場景包括了實時核心，交易，服務，後台服務等。
2
關注＃2 －數據的關系
數據必須要放到相應的環境中一起分析，這樣才能了解數據之間的關系，可以分析出問題的根本原因（root cause）。譬如，每一款新機型在交付給航空公司之前都會接受一系列殘酷的飛行測試。極端天氣測試就是多項嚴酷的測試之一。該測試的目的是為了確保飛機的發動機、材料和控制系統能在極端天氣條件下正常運行。
問題的處理關鍵在於找到產生問題的根源，而以知錯誤的消除，關鍵在於解決方案的可靠有效。一旦找到並確定了根本原因，同時產生了可接受的應急措施，就可把問題當成一個已知錯誤來處理。問題調查的過程一定需要收集所有可用，與事件相關的信息來確定並消除引起事件和問題的根本原因。數據採集與分析必須要事件／問題發生的環境數據結合。
3
關注＃3 －數據的收益
對於數字化轉型的其他方面而言，大數據不僅要關注實際數據量的多少，而最重要的是關注在大數據的處理方法在特定的場合的應用，讓數據產生巨大的創新價值。如果離開了收益考慮或投資回報的設計，一味尋求大數據既無法落地也無法為企業創造價值。
工業大數據分析的定義
生產執行系統（MES）與飛機發動機 健康 管理系統如出一轍。我們可以從工廠的生產中，實時採集到海量的流程，變數，測量結果等數據。這些數據來源的原因都是因為在製造環境中，設備或資產連接後所產生的現象。然而基於大量數據集而生成的報表，或是基礎統計的分析並不足以稱之為製造業的大數據分析。
所以如果製造業大數據分析不僅僅意味著數據的量，作為一個行業，我們應該如何定義製造業的大數據分析？「大數據不僅僅是大量的數據」這句話裡麵包含了多重涵義。
當代大數據處理技術的價值在於技術進步，同時也是因為技術進步，使大數據成為商業中有價值的核心驅動因素。作為智能製造的三駕馬車之一，工業大數據分析已經被多數的製造企業所認知並接受。許多製造業企業認為自己在生產運營方面也累積了大量的數據，是時候可以用到大數據了。
數據類型的多樣性
大數據不僅僅是大量的數據的堆積。大數據的重要屬性之一，便是，人們設法收集，並弄清楚，不斷變化的數據類型。如果只是大量採集同一類型的數據的話，再大的數據量都不能稱之為大數據。
數據必須包括高度可變性和種類多樣性。製造工廠中存在無數的大數據應用，但並不包括簡單地分類和展示一連串的流程測量結果，這些工作基本的統計展現就可以完成。一些大數據資料庫或數據湖的構成部分數據類型也是文本信息、圖像數據、地理或地質信息和非結構信息，例如，通過社交媒體或其他協作平台獲得的數據類型。
製造業信息結構概括起來分為兩層，一個是管理層，一個是自動化層。從經營管理，生產執行與控制三個緯度來實現決策支持、管理、生產執行、過程式控制制以及設備的連接與感測。製造業中大數據分析是指利用通用的數據模型，將管理層與自動化層的結構性系統數據與非結構性數據結合，進而通過先進的分析工具發現新的洞見。
大數據分析對生產的意義
製造業的創新的核心就是要依託大量的前沿 科技 。先進的技術是創新的手段。在新技術的支持下，可以通過一體化的製造運作管理系統MOM將企業管理應用系統，例如ERP，MES等系統與工業自動化的相關系統整合為一體。
從兩化融合的角度來看，信息系統供應商要從企業的主信息系統提供商定位來做好規劃、標准、功能設計、實施策略的統一性工作。協助企業做好風險控制，降低投資，降低操作維護成本，實現企業信息系統全集成。
Ⅳ 工業數據最大值和最小值
工業數據最大值是589和最小值是23。
工業大數據（Instrialbigdata）是指由工業設備高速產生的大量數據，對應不同時間下的設備狀態，是物聯網中的訊息。此一詞語在2012年隨著工業4.0的概念而出現，也和信息技術行銷流行的大數據有關，工業大數據也意味著工業設備產生的大量數據有其潛在的商業價值。工業大數據會配合工業互聯網的技術，利用原始資料來支援管理上的決策，例如降低維護成本以及提升對客戶的服務。
工業大數據是指在工業領域中，圍繞典型智能製造模式，從客戶需求到銷售、訂單、計劃、研發、設計、工藝、製造、采購、供應、庫存、發貨和交付、售後服務、運維、報廢或回收再製造等整個產品全生命周期各個環節所產生的各類數據及相關技術和應用的總稱。其以產品數據為核心，極大延展了傳統工業數據范圍，同時還包括工業大數據相關技術和應用。其主要來源可分為以下三類：第一類是生產經營相關業務數據。第二類是設備物聯數據。第三類是外部數據。
工業大數據技術是使工業大數據中所蘊含的價值得以挖掘和展現的一系列技術與方法，包括數據規劃、採集、預處理、存儲、分析挖掘、可視化和智能控制等。工業大數據應用，則是對特定的工業大數據集，集成應用工業大數據系列技術與方法，獲得有價值信息的過程。工業大數據技術的研究與突破，其本質目標就是從復雜的數據集中發現新的模式與知識，挖掘得到有價值的新信息，從而促進製造型企業的產品創新、提升經營水平和生產運作效率以及拓展新型商業模式。
Ⅳ 工業製造大數據分析
工業製造大數據分析
大數據不僅僅是大量的數據的堆積。大數據的重要屬性之一，是人們設法收集並弄清楚不斷變化的數據類型。如果只是大量採集同一類型的數據，再大的數據量都不能稱之為大數據。
如何實現智能製造是大家都關心的問題。從哈佛商學院的邁克爾·波特到賓夕法尼亞大學沃頓商學院，有一個普遍的共識，即數字化轉型是智能製造實現的途徑。重要的是，這個共識也來自於眾多的世界級製造業企業與企業家們。
這一共識是基於無數技術趨勢的融合，例如，物聯網、賽博系統(CPS)、工業物聯網、移動技術、人工智慧、雲計算、虛擬／虛擬增強現實（VR／AR），以及大數據分析等。我們一定要保持清醒，不要簡單地認為有了這些技術，未來五年就是製造業的黃金時期。道理很簡單，這個新製造業文化的變革進程是相當復雜和艱難的，沒有行業、企業與用戶的融合推進，無法實現這次變革。數字化轉型不僅僅意味著企業簡單的數字化，而是把數字作為智能製造的核心驅動力，利用數據去整合產業鏈和價值鏈。
自工業革命以來，為了改進運營，製造商一直以來都在有意地採集並存儲數據。隨著時間的推移，數據在製造業分析的需求將越來越大。然而在過去的許多年間，利用數據的根本動因並沒有改變，數據的復雜性增強，數據轉化為情報的能力越來越大。
2012年高德納給出大數據定義，其中特別強調大數據是多樣化信息資產，不僅關注實際數據，更關注大數據處理方法。數據量大小本身並不是判斷大數據價值的核心指標，而數據的實時性和多元性對大數據的定義和價值更具直接的影響。
在討論工業大數據分析的時候，我注意到兩種不同的觀點：
第一種觀點認為，製造業向來都有大數據。幾十年來我們的企業一直在通過歷史記錄、MES、ERP、EAM等各種應用系統採集數據。在部分產業鏈環節，特別在市場營銷方面，大數據算是一個新的熱詞。
第二種觀點認為，從工業大數據角度看，製造業是一個尚未打開的市場或剛剛開啟的市場。存在大量不同類型的數據，但如今它們還未被應用到分析之中。
考慮到這些觀點，面對任何新的市場提法，包括名詞解釋、定義或分析框架，我們始終都應該保持適當的懷疑精神。這里我更多傾向於第二個觀點。我們的製造業的確有「大量數據」，但這並不是我們大多數人從市場上所理解的「大數據」涵義。在搞清楚工業大數據分析之前，我們應該如何定義製造業的大數據？這里可以通過大數據的三個特性，進一步了解大數據的特性。
數據來源
工業大數據的主要來源有兩個，第一是智能設備。普適計算有很大的空間，現代工人可以帶一個普適感應器等設備來參加生產和管理。所以工業數據源是280億左右大量設備之間的關聯，這個是我們未來需要去採集的數據源之一。
第二個數據來源於人類軌跡產生的數據，包括在現代工業製造鏈中，從采購、生產、物流與銷售內部流程以及外部互聯網信息等。通過行為軌跡數據與設備數據的結合，大數據可以幫助我們實現對客戶的分析和挖掘，它的應用場景包括了實時核心交易、服務、後台服務等。
數據關系
數據必須要放到相應的環境中分析，才能了解數據之間的關系。譬如，每一款新機型在交付給航空公司之前都會接受一系列殘酷的飛行測試。極端天氣測試就是測試之一。該測試的目的是為了確保飛機的發動機、材料和控制系統能在極端天氣條件下正常運行。
問題的處理關鍵在於找到可能產生問題的根源，消除已知錯誤，並確保解決方案的可靠有效。一旦找到並確定了根本原因，同時具備了可接受的應急措施，就可把問題當成一個已知錯誤來處理。問題調查的過程一定需要收集所有可用、與事件相關的信息，以確定並消除引起事件和問題的根本原因。數據採集與分析必須要事件／問題發生的環境數據結合。
數據價值
對於數字化轉型，大數據不僅要關注實際數據量的多少，最重要的是關注大數據的處理方法在特定場合的應用，讓數據產生巨大的創新價值。如果離開了收益考慮或投資回報（ROI）的設計，一味尋求大數據，則大數據分析既無法落地也無法為企業創造價值。
工業大數據分析的定義
發動機是飛機的心臟，也是關乎航空安全，生命安全的重中之重。為了實時監控發動機的狀況，現代民航大多安裝了飛機發動機健康管理系統。通過感測器、發射系統、信號接收系統、信號分析系統等方式採集到的數據，會經由飛機通信定址與報告系統，通過甚高頻或者衛星通信傳輸出來，這就是為何GE的發動機監控系統每天會獲取超過1PB數據的原因。
生產執行系統（MES）與飛機發動機健康管理系統如出一轍。我們可以從工廠的生產中，實時採集到海量的流程變數、測量結果等數據。基於大量數據集而生成的報表，或是基礎統計的分析並不足以稱為製造業的大數據分析。
數據類型的多樣性是工業大數據分析的重要屬性
大數據不僅僅是大量的數據的堆積。大數據的重要屬性之一，是人們設法收集並弄清楚不斷變化的數據類型。如果只是大量採集同一類型的數據，再大的數據量都不能稱之為大數據。
例如，生產環境中收集的時間序列模擬流程變數，數據的類型是單一的，很容易建立索引，即使存在千千萬萬，也不足以成為大數據。
數據必須包括高度可變性和種類多樣性。製造工廠中存在無數的大數據應用，但並不包括簡單地分類和展示一連串的流程測量結果，對這些工作，基本的統計展現就可以完成。一些大數據的資料庫或數據湖的構成部分也是文本信息、圖像數據、地理或地質信息和非結構信息，例如，通過社交媒體或其他協作平台獲得的數據類型。
製造業信息結構概括起來分為兩層，一個是管理層，一個是自動化層。從經營管理、生產執行與控制三個緯度來實現決策支持、管理、生產執行、過程式控制制以及設備的連接與感測。製造業中大數據分析是指利用通用的數據模型，將管理層與自動化層的結構性系統數據與非結構性數據結合，進而通過先進的分析工具發現新的洞見。
大數據分析對企業生產智能的意義
製造業創新的核心就是要依託大量的前沿科技。先進的技術是創新的手段。在新技術的支持下，可以通過一體化的製造運作管理系統MOM將企業管理應用系統，例如ERP、EAM等系統與工業自動化的相關系統整合為一體。在一體化製造運作管理的基礎上，我們可以實現集IT+MOM+MES+BI的一體化製造企業信息系統解決方案。
從兩化融合的角度來看，信息系統供應商要從企業的主信息系統提供商（MIV，MainInformation systems Vendor ）定位來做好規劃、標准、功能設計、實施策略的統一性工作。協助企業做好風險控制，降低投資，降低操作維護成本，實現企業信息系統全集成。
特別需要注意的是，企業管理信息平台被普遍認為是製造企業管理的集成和儀錶板工具。許多供應商既大量投資其與ERP和自動化系統專有的集成，也投資開放式集成，還投資儀錶板和移動技術，希望隨時隨地為需要正確信息的決策者提供衡量標准。
製造業大數據分析的三種途徑
途徑一，利用開放技術與平台，將任何系統的數據移動到任何其他地方。
製造運作管理系統建設項目是系統工程，不僅僅是一套我們理解的傳統軟體系統，更多的是項目執行和服務的平台。這需要在項目管理與製造企業的策略「客戶服務」上，體現出製造企業的綜合管理能力與軟實力。
整個平台要從前期、工程實施以及售後服務這三個大的階段來架構。在前期規劃中，要重視標准、設計與實施，特別是與管理一體化的信息系統形成統一的對接。有了前期統一規劃的制定，工程實施的環節可把行業的經驗、集成能力、實施能力、軟體開發能力等融合。特別需要在組織上建立和形成超級團隊的制度。而持續服務、長期經營，將物聯網應用融入與「軟體+雲服務」的互聯網＋戰略是後續服務的考慮重點。
在製造業大數據分析工作中，必須要加強通過物聯網科技的應用對後續持續服務的支撐作業。通過工業物聯網，實現的及時響應客戶、物聯網軟硬體系統定期巡檢、提供應急備件、提供易耗品、完善應用等功能來加強和鎖定與企業的供應鏈企業之間的長期合作。通過管理平台與物聯網數據，可以持續為客戶提供有價值的服務。
途徑二，投資工廠內外系統架構堆棧中能夠處理結構性和非結構性數據的數據模型。
新技術是創新革命的核心，其中很重要一個特點就是集成，即製造運作管理系統MOM與ERP、EAM、OA、商業分析的集成，包括一鍵登錄、界面集成、消息推送、工作流集成、主數據、應用集成匯流排與平台。
由於這些系統之間主數據全部統一，所有系統之間的數據交互依靠應用系統匯流排進行數據交互，整合了跨系統的業務流程、工作流、服務流程等之後即實現無縫集成和分析。對於企業管理者來說，一鍵登錄後，可以根據不同的崗位，個性化制定並且顯示與管理最相關的必要信息。這就是互聯網所帶給我們的分享思路。
途徑三，通過時間序列、圖像、視頻、機器學習、地理空間、預測模型、優化、模擬和統計過程式控制制等先進的分析工具與製造業企業內的大數據平台結合分析，從而洞見尚未顯現的情況。通過感測器、感應器、傳輸網路和應用軟體等物聯網數據，與管理應用軟體結合起來，將是今後製造業大數據分析的一大方向。
培養企業內部大數據分析專家
作為一個行業，我們需要有機地發展行業特定的大數據分析工具集，這樣才能讓現在的行業專家，從足夠的數據科學中實現數字化轉型。為了推動轉型，我們需要一大批優秀的企業利用這種方法，並向其他人或同行證明其價值。
Ⅵ 互聯網最尖端的競爭集中在大數據
互聯網最尖端的競爭集中在大數據
2015中關村大數據日的峰會上，中國科學院院士張平文舉了一個有趣例子：前一陣，他有家人甲狀腺不適，院士有天晚上查了甲狀腺知識，第二天就收到微信好友申請，有專治甲狀腺的醫生想加他為好友，院士感概說，「沒有人懷疑我們就生活在大數據時代，」
2015年以來，從「大眾創業、萬眾創新」，一直到「互聯網+」以及大數據發展行動綱要，國家利好政策不斷，行業領軍者開拓創新，中國大數據產業群正快速形成，大數據在交通、工業、社交等領域的應用也日新月異。大數據，正在開啟一個認知的新時代，這是一座新的商業寶藏，也正醞釀著一場全新的較量。
「最尖端的競爭」
過去3年，打車應用真正改變了大眾出行，滴滴快的CEO程維在大數據日峰會分享說，「中國80%的計程車司機通過滴滴連接在一起，又順勢推出了滴滴專車、快車、順風車、巴士等系列新業務，希望將有相同出行需求的人連接在一起，實現任何人在任何時間、任何地點在3分鍾內叫到一輛車。」
美好的願景完全依賴於大數據的支持。直到現在，程維依然清晰地記得一宗「事故」：2013年有一次北京大雨，CBD國貿地區用戶打不到車，滴滴技術團隊梳理訂單後發現，絕大多數的訂單根本發不出去，「我們最初德爾大數據演算法是將一個訂單發給附近1-3公里的司機，在訂單非常多的時候，司機信道變成稀缺資源，就無法接到更多的訂單。」
程維很快發現，當一個城市日均訂單超過1萬單後，原始的大數據演算法即成為瓶頸，於是，滴滴將建設中國最好的大數據團隊當成公司戰略，為實現用戶和司機的快速匹配，迄今後台已經多個版本的大數據結構和演算法。
大數據在交通的應用，並不限於打車。構建了完整大數據產業平台的北京久其軟體公司，曾為江蘇省提供智能化交通統計監測系統，將所有江蘇省內高速出入口的視頻以及海運、河運、港口等所有的音視頻的數據全部納入體系，進行實時監控。久其軟體副總裁錢暉分享說，「在江蘇省內，如果你的車被偷或者號牌模糊，系統在一秒鍾之內就能實現號牌識別。」
錢暉表示，智慧交通系統積累的數據，服務范圍不限於交通，比如經濟學有所謂「克強指數」（即以工業用電量新增、鐵路貨運量新增和銀行中長期貸款新增的數據，評判GDP的增長），利用智能系統可以監測高速公路出入口大貨車的運量，分析實體經濟狀況，用於經濟決策。
提供便利的同時，大數據交通雲的難度和復雜度，也遠超過一般人的想像。以江蘇省的智能交通系統為例，實現數據實時入庫、動態更新以及查詢，數據量非常大，每年要更新12億條以上的信息量。
程維認為，交通大數據能力的構建，其復雜程度甚至超過搜索，他將其總結為三大特點：實時性，每過1分鍾交通情況以及車的位置都會發生變化；雙向互動，需求方用戶和供給方司機相互影響，除了滿足用戶，系統要根據司機喜好推薦最好的訂單；集群擾動，比如，100個人或10000人搜索，結果不會有什麼區別，但是10個人還是200人一起叫車，運算結果完全不同，「滴滴代表的交通雲，涉及深度學習、人工智慧等技術前沿，令雲平台更智能、更高效，這是公司最重要的事情。」
「互聯網的競爭，已從早期的產品競爭、營銷競爭、資本競爭，實實在在進入雲端、大數據端的競爭，」程維表示，「全球大的互聯網出行領域，最尖端的競爭就集中在大數據領域。」
占據技術制高點的背後，是頂尖人才的爭奪。滴滴的全球競爭對手，幾乎早於他們動手前的半年，就開始收羅全球頂尖大學的大數據研究人員，從主任、專家到一線工作人員，幾乎一網打盡，甚至有公司專門派一支隊伍在MIT實驗室旁蹲守兩個月，「先從副主任挖起，再找主任，一個帶一個把30多個實驗室的人徹底挖空。」
關鍵在頂層設計
6年前即深耕工業大數據，美林數據總裁王璐深有感觸，「大數據對整個工業帶來的沖擊是太大太大了」，而美林只專注兩件事：工業大數據中心的建設以及對數據的分析、挖掘、高維可視化。「『兩化融合』核心是什麼？我們認為是數據的管理，只有在工業4.0時代，才實現了『兩化』的強連接，代表工業化和信息化高度嵌入到一個整體系統。」
在王璐看來，大數據時代，就是會用數據說話、決策、管理、創新，如今，整體氛圍和思維方式的條件已具備，核心在於大數據技術的挑戰，其中，首要的挑戰在於組織的頂層設計，「美林幫助很多企業進行頂層設計，兩化融合和大數據融合的戰略需要復雜組織系統的設計，尤其是數據管理的長效機制，其中，流程和組織最直接的挑戰，就是尋找一批懂業務、懂數據還懂分析的人才隊伍。」
國家電網信通部主任王繼業在峰會分享了其基於頂層設計、布實施後的運營實踐。在大數據方面，國家電網首先規劃建立了企業級大數據平台，通過大數據平台實現數據的採集、傳輸以及存儲和處理；在大數據平台之上建立決策支持類、實施採集類、在線監測類、計算分析類等大數據業務應用，其中分成10大場景，在不同單位進行相應試點工作。
以電力負荷預測為例，國家電網組織了江蘇電力、山東電力兩家地區公司，利用大數據技術，基於電力負荷用戶檔案數據，結合氣侯、氣溫變化等數據，建立用電數據分析模型，實現用電負荷特性分析並且預測未來用點負荷曲線。
比如，江蘇電力就構建了數百個分析模型，在2015年4月對於全省的電力用電高峰進行了預測，其判斷用電高峰出現在8月6號，預測最高電量為8481萬千瓦時，結果，真正出現時間是8月5號，僅僅差一天，而實際發生的最高值為8440萬千瓦時，誤差率非常之低。
王繼業表示，基於頂層設計、有序推進，大數據帶來的威力十分之大，國家電網也嘗到了甜頭，「通過前期試點，負荷預測准確率提高到99.5%，最高負荷發生時間偏差1天，峰谷差率下降了5%；對配電網搶修精益化大數據預測，實時監測、故障預測、搶修達標率析，設備故障預測准確率提升40%，搶修達標率達到15%，搶修時長縮短30分鍾。」
事實上，不只工業領域，響應整個社會大數據化，凝聚共識，全力推動大數據產業創新發展，形成政府、社會、市場共同推動、聯合治理的發展格局，一樣需要頂層設計；而商業公司內部的許多數據，若能在一套規則清晰的制度下進行共享，完全可以應用到宏觀經濟和社會管理，實現數據價值的最大化。
龍信數據董事長李鈺就認為，應用是衡量數據價值唯一標准，龍信即將發布的是中關村企業大數據平台，可記錄北京市百萬家企業每天的動態的經營和稅收情況，可以洞悉全國5千萬市場主體與宏觀經濟內在關系，有百億的節點在秒級可以進行運算，有深度學習能力，是未來企業數據的智慧大腦，這對於宏觀經濟決策一樣極具價值。
LinkedIn全球副總裁Michael Korcuska在峰會分享了過去3年的領英（LinkedIn）數據積累，也有非常有趣的洞察：基於中國強勁的經濟增長，越來越多的人才從全球來到中國，其核心技能主要是經濟學、統計分析、化學、社交媒體等領域，而部分離開中國的人士，其所擅長的是城市規劃、海洋、導航、水庫管理以及傳統中醫等。Michael Korcuska建議，利用領英的職位資料庫，政府可以做兩件事：為稀缺人才提供激勵機制，與大學合作培養針對性的人才。
峰會最後，寬頻資本董事長田溯寧以獨有的歷史視角，對於大數據應用的前景進行了展望。他認為，人類歷史上曾有地理大發現的時代，發現新大陸改變了人類的時空觀念，開啟了工業革命，而現在，人類社會正邁入「一個數據大發現的時代」，將開啟無限的新機會。
Ⅶ 工業大數據漫談15：工業大數據與工業4.0的關系
現在的世界，已經進入了一個概念滿天飛的年代。和工業大數據相關的概念非常多，包括工業4.0、物聯網、雲計算、人工智慧、智能製造等等，接下來，我會 追根溯源 ，把這些概念都理清楚，這樣，我們才能更好地理解工業大數據。今天先聊一聊工業4.0是怎麼回事。
工業4.0的概念來源比較清晰，不像大數據概念的來源，說不清，道不明。工業4.0是德國聯邦教研部與聯邦經濟技術部在2013年 漢諾威工業博覽會 上提出的概念。它實際上是德國人為了推廣他們的工業技術而提出的一個營銷概念。這個概念應該說提的非常成功，彷彿一夜之間，全世界都在講自己的產品符合工業4.0的理念。
當時德國人提的工業4.0概念中，主要是描繪了製造業的未來願景（注意，是製造業，而不是工業，德國人在這里其實偷換了概念，工業的范疇遠比製造業大得多），提出了繼蒸汽機、規模化生產、電子信息技術等三次工業革命後，人類即將迎來的以生產高度數字化、網路化、機器自組織為標志的第四次工業革命。
在德國人描述的四次工業革命中，第一次是以蒸汽機為動力的機械生產設備導致的第一次工業革命，該次工業革命與18世紀末基本結束。第二次是基於勞動力分工（即流水線），以電為動力的大規模生產為核心的第二次工業革命，該次革命始於20世紀初， 第三次工業革命 始於20世紀70年代，其標志是電子信息技術的大規模使用使得工業自動化程度大為提高，現在，德國人認為我們進入了第四次工業革命，在本次工業革命中，軟體不再僅僅是為了控制儀器或者執行具體的工作而編寫的，也不再僅僅被嵌入到產品和生產系統中。產品和服務藉助於互聯網和其他網路服務，通過軟體、電子及環境的結合，生產處全新的產品和服務。越來越多的產品功能無需操作人員介入，而是可以自主進行生產。
從這個概念可以看出，工業4.0實際上是德國等先進製造業發達國家在進行一次大的製造業升級，以期保持其在國際競爭中的地位。因此，工業4.0概念提出之後，各國紛紛跟進，美國提出了工業物聯網，中國提出了工業2025，其實都是想在這一次工業革命中保持或者進一步佔領國際市場，獲得競爭優勢。
工業4.0中涉及到的技術概念有很多，大致可以通過下面這張圖來進行描述。
從底層看，工業4.0包括互聯網時代的三大底層基礎設施，工業物聯網（這是美國人的概念）、雲計算、工業大數據，在具體應用上，包括兩大硬體技術3D列印和工業機器人，兩大軟體技術工業網路和工作自動化，同時還囊括了未來的兩大技術虛擬現實和人工智慧。這些技術構成了工業4.0的技術圖譜。
由此可以看出，工業大數據是工業4.0的一部分，它是為工業4.0提供軟體技術支撐的，也是工業4.0的核心部分。由於工業4.0的最終目的是提高企業的生產力、生產效率及生產的靈活性，但又受制於生產的復雜性和復雜生產帶來的超高難度的管理，因此，現代化的生產要求從產品、工具、運輸、設備的每一個環節都配備感測器，並更夠通過標准協議彼此通訊，在這種情況下，企業生產就必須依賴全新的軟體系統，它可以覆蓋整個產品生命周期，它可以協調海量的數據流程，它可以自主控制設備進行復雜化的、自定義的生產作業，而這和核心的一切，就是工業大數據。
到今天，工業大數據的概念已將慢慢的超越了工業4.0，工業大數據既是工業4.0的核心，也在獨立的發展，既有重合的部分，也有超越的部分。
不管概念如何發展，以人工智慧、大數據為標志的第四次工業革命已經在我們的身邊展開了，通過這一次的工業革命，我們可以進行超級復雜流程的管理、大規模生產過程的優化和決策的快速執行，實現復雜生產和個性商業活動的高度整合，使人類的生產效率再上升一個數量級，使生產力得到進一步的釋放。
Ⅷ 中國人民大學信息資源管理學院師生參加全球信息技術主管大會
中國人民大學信息資源管理學院師生參加2015全球信息技術主管大會暨工業大數據創新發展高峰會議。此次大會由中國電子學會、中國首席信息官聯盟、中國工業大數據創新發展聯盟三家單位主辦。信息資源管理學院作為中國首席信息官聯盟創始單位之一，張斌院長出席並主持了部分會議。
中國人民大學信息資源管理學院是中國人民大學專門從事信息資源管理學科教學與科研活動的機構，是我國信息管理、信息系統、知識管理、圖書、情報與檔案管理教學科研及人才培養的重要基地之一。
大會以「『互聯網+大數據』驅動智能製造、創新紅利重構產業生態」和「互聯網+大數據時代的CIO選擇」為主題，匯聚了政府及行業、企業主管領導，國內外知名專家學者，全球電子、製造、金融、醫葯等重點行業最具影響力的信息技術主管，國內外知名媒體代表，青年ICT組織及社會團體代表等來自全球多個國家信息技術相關領域的800多位領軍人物，是一次年度CIO盛會。
工業和信息化部副部長、中國科學院院士、中國電子學會理斗慶空事長懷進鵬為大會開幕致辭。懷進鵬副部長在致辭中指出這是一個CIO大有作為的時代，也是中國信息產業可以大有作為的時代，所以抓好這個時代的機遇。探討在新發展模式下的解決方案和新平台，以及支持兩化融合的新應用點，是CIO非常重要的責任和使命。這次全球CIO大會以互聯網大數據為主題，共同探討技術產業發展趨勢，以及中國在面對新常態下的發展格局非常有意義。
全體大會上午部分以「『互聯網+大數據』驅動智能製造，創新紅利重構產業生態」為主題展開。中國工程院院士柴天佑、高文分別以「智能製造與智能優化製造」和「從無人駕駛汽車研究看未來產業生態的重構趨勢」為題進行了現場演講。騰訊雲計算副總裁劉克鴻、IBM大中華區大數據總架構師林旭光、世紀互聯藍雲總裁柯文達、SAP解決方案與構架技術部總經理李旭東、美國信息產業機構總裁Matt Roberts等大型企業管理者共同圍繞互聯網+、雲計算、工業大數據等時下最為熱門的話題同與會者進行了分享。
除此之外，大會邀請北京航空航天大學計算機學院院長呂衛鋒主持「高峰對話」環節，三一集團CIO賀東東、海爾集團CIO佘敏、中國西電西安高壓電器研究員CIO趙紅武、騰訊雲計算副總裁劉克鴻等四位重量級嘉賓，以「工業大數據時代製造業的創新與機遇」為主題進行了對話。
下午的大會上，中國首席信息官聯盟指導委員會主任、中國工業大數據創新發展聯盟專家委員會主任、工業和信息化空瞎部原副部長楊學山為大會致辭。楊學山副部長在致辭中指出，IT技術和工業技術的融合使得CIO所面對的技術體系，從原來的以處理和傳輸為主轉向了更多更廣泛的領域，因此導致了IT發展的技術方向產生了變化。CIO應圍繞著事物和流程通過信息技術和應用來提升效率和質量、降低成本。
緊接著，中國電子學會副理事長兼秘書長、中國首席信息官聯盟理事長兼秘書長、中國工業大數據創新發展聯盟理事長兼秘書長徐曉蘭在現場發布了《中國工業大數據創新發展綠皮書》，分享了大數據在工業領域的應用情況及未來發展趨勢。
隨後，大會進入了「互聯網+時代CIO的創新」主題探討。中國首席信息官聯盟常務副理事長、我院院長張斌教授主持了接下來的會議。在該主題下，AMT創始人王玉榮提出CIO的創新方向之一是智能定製;長城計算機深圳有限公司劉輝副總經理做了「教育雲創新發展之路」的主題報告;南大通用數據技術股份有限公司首席技術官武新則介紹了Gbass資料庫的相關應用。中國首席信息官聯盟理事長助理陳玥如做了《中國首席信息官聯盟、中國工業大數據創新發展聯盟工作報告》。
另外，此次大會的表彰環節中，工業和信息化部電子科學技術情報研究所所長洪京一主持了2015全國百佳首席信息官、CIO工作突出貢獻獎頒獎典禮中國人民大學信息資源管理學院院長張斌公布了2015全國優秀首席信息官評選結果，並主持了頒獎儀式。
隨著「中國製造2025」、「互聯網+」、大數據等戰略落地的腳步不斷提速，大數據、雲計算等新一代信息技術在產業結構調整和經濟社會發展中發揮著越來越重要的作用。伴隨著大數據與各大行業的深度融合，抓准時機發揮數據價值才是未來商業藍海所在。此次召開的2015全球信息技術主管大會暨工業大數據創新發展高峰會議，為各行業CIO們搭差亂建了一個跨國界、跨領域、跨專業的交流平台，為企業提供了技術交流與合作的國際舞台，同時也為提升我國兩化融合水平起到了推動作用。
考研政策不清晰？同等學力在職申碩有困惑？院校專業不好選？點擊底部官網，有專業老師為你答疑解惑，211/985名校研究生碩士/博士開放網申報名中：https://www.87dh.com/yjs2/
Ⅸ 從概念到應用 大數據產業剛剛開始
從概念到應用 大數據產業剛剛開始
當互聯網與IT技術對傳統產業的改造越來越深入，全社會的信息化程度越來越高時，各行各業會產生大量的用戶大數據。
大數據已經成國家戰略，事關中國經濟的轉型與升級，以及中國在全球經濟、政治、文化上的競爭力。
在2015年第四屆中關村大數據日的活動上，分享嘉賓來自各行各業。從個人出行到工業大數據，從能源到企業服務，大數據正快速與企業結合，擁有勃勃生機。圍繞著「共享共融數創未來」這個主題，在第四屆中關村大數據日上，各位嘉賓發表了自身的精彩觀點。
從概念到應用落地
過去幾年，大數據還只是談論概念，現在已經有了諸多應用。比如，在打車行業，如何利用大數據進行司機與乘客路線更精準的匹配，而不同場景、不同時段，用戶出行的特點不同，司機也有不同的喜好與熟悉的區域，如何動態地將這兩者匹配，實際上是大數據的難題。
同樣，在工業領域，一整套數據的標准、主數據、數據倉庫，甚至BI，亦可以優化工業化生產，提升效率。這其中模型數據化、數據產品化，是工業大數據，兩個重要的探索方向。
而在民生領域，以龍信思源為代表的大數據公司，為政府、社會組織及研究團隊，提供了大量的數據產品支持，這也促進了整個民生行業大數據的發展。
中國的大數據產業，才1500米，而未來的路是萬米之長。這其中蘊含的機會也有很多。目前，大量的大數據創業公司，圍繞數據交換、數據建模、數據分析、數據可視化、數據集成、數據倉庫、數據行業應用等大數據產業鏈各個層面，開始創業。據了解，目前，大數據已經成為全球知名VC投資的重要方向，並且各個階段企業的融資步伐，也開始加快。
當大數據產業鏈、行業應用逐步發展完善之後，大數據將會形成質變，創新整個社會形態。
寬頻資本董事長田溯寧認為，大數據不僅引起數據的量變，還會引起整個企業經營形態發生變化。過去，工業時代是以產品為中心，而大數據時代，需要的是圍繞客戶運營，依據客戶需求，給出合適的數據產品。並且，可以實時將客戶需求與產品進行較好匹配。「在客戶最需要的時候，站出來，這比什麼都有效。」
大數據的3大挑戰
大數據是從信息技術的底層來捕捉信息化的共性基礎和未來發展趨勢。大數據技術是底層技術，基礎性、內蘊性、普適性可以給各個行業助力。但大數據的基礎性、底層性，也帶來了一些挑戰。
中國科學院院士、大數據專家徐宗本認為，大數據行業的真正挑戰來自三個方面：一是原來的分析基礎要變化，要融合統計學、計算理論基礎、邏輯基礎。二是，計算技術也需要重新革新，無論是存儲、計算語言、還是計算方法都需要重新來過。三是，大數據做出來的結論對不對，還無法大規模驗證，這是目前面臨的最大挑戰。
在三大挑戰中，應用層的挑戰當屬榜首。大數據，看上去很美，但對大多數人來說，更是霧里看花。如何將抽象的數據變成一個個可以在現實中實踐的產品，這些需要各行各業進行深入探索。
目前，大數據的浪潮才剛剛開始，許多傳統產業看到了這方面的價值，但是並沒有獲得收益。而如果大數據沒有相關的產業基礎，亦很難有更多的務實創新。行業人士一致認為，未來，大數據的機會與挑戰皆在與行業的結合上。
未來的路要怎麼走？
大數據產業，既獨立於行業，有自身的產業鏈條;又依賴於各個行業，形成大數據應用的廣度與深度。
共享經濟這個詞近兩年很流星，除了實物類的共享外，還引領了數據層面的共享。Airbnb、滴滴打車、優步，這些都實現了物理資源的共享。而在IT界，雲計算是將每個人需要的計算能力，匯聚到一起，形成一點對多點的需求。而在共享經濟時代，不必將資源和計算的方式連接在一起，大眾將自身擁有的資源共享，成為多點對多點的關系。在這一模式下，大數據也可以作為一種資源共享出來。
目前，國內進行的數據共享，主要圍繞數據互換、數據定價、數據反饋等層面來進行。舉個例子，一個利用大數據進行金融創新的企業，其獲得的數據源主要來自於幾個方面:用戶、合作的場景與客戶、第三方徵信數據。與合作場景客戶往往通過數據互換、數據反饋來進行。而與第三方徵信公司，數據往往通過數據定價來完成。
與會專家不少認為，由於數據定價模式還不完善，數據只處於交換階段，這使得大規模的數據交換無法進行。未來，還會是通過數據交換平台來完成。
行業人士一致認為，未來，數據交易市場目前還處於發展初期。未來，數據交易市場還從服務、IT應用、行業開發等各個方面，來形成數據產品，進行流通。並且，數據流通不是一個空話，這里也非常需要多行業多企業的數據聚合，將交易市場這個大平台，實現最大化。
不少大數據創業公司，致力於大數據交易。但是，數據堂CEO齊紅威的觀點頗具代表性，他表示，數據交易平台會遇到幾個核心問題。：一是直接的數據交易無法實現。不少數據涉及個人隱私，有一些處於灰色帶這些數據需要脫敏之後，形成相關的產品之後，才能使用。並且，不少數據是涉及國家安全的，這些數據，就不能使用，這是每一個大數據公司的底線。
二是，數據提供方和數據需求方的需求並不對等。目前，數據提供方想要的是對自身數據的不斷補充，以及對自身數據產品的調整與研發。而同時，數據需求方，則希望能夠整合多家數據，完善自身的數據體系。現在，每家公司都認識到自身的數據資產價值，對於數據的開放、合作上的積極性還需要進一步提高。
三是，數據的版權問題。原始的數據由於各種沒法使用，公司與產業需要的是脫敏感數據產品，那這些深度加工過的數據產品，版權究竟屬於誰，誰能夠使用。這些還需要進一步探討。
四是，數據的加工。原數據可以使用的場景、交易的范圍都被大大縮減了。而進行數據加工之後，可以使用的產品與場景，都驟然增多。
對於這4大問題，行業一致認為，除了通過市場化的企業力量，去創新方法，改裝這些問題之外，還需要政府的主導力量。
中關村管委會副主任宣鴻表示，中關村管委會將全力支持大數據產業快速發展，從政策支持、人才引進、資源扶持等各個方面，全力支持大數據。
據了解，中關村管委會制訂了中關村大數據產業發展促進路線圖，面向2020年，中關村將著力引進100個大數據頂尖人才和100個創業團隊，超前布局，人機交互、人工智慧、虛擬現實等關鍵技術，落地5家一流的大數據究機構和5家交易評估機構，建設30個大數據共享應用平台，建設20個企業創業的孵化平台，建設3個大數據產業園並落地50個大數據的產業化項目。
Ⅹ 工業大數據是什麼為什麼怎麼辦
大數據具有數據量大、數據類型復雜、數據處理實時性要求高等特點，大數據分析在版互聯網權和電子商務領域的廣泛應用產生了巨大的商業價值，得到世界各國的高度重視。全球著名戰略咨詢公司麥肯錫認為，大數據是創新、競爭和生產力的下一個領域。