Ⅰ 大数据推动社会思维变革
大数据推动社会思维变革
大数据并非新概念
记者：沈教授，您怎么看待大数据这个概念和大数据时代这个说法？
沈阳：我个人认为，大数据并不是一个新的概念。它很多内在的研究，其实我们计算机学科领域一直在推进。比如，对数据的挖掘和分析方法，以及纯数据内容方面的研究就一直存在。在若干年前，大数据已经在某些领域实现了具体的应用。不过，最近两年出来的大数据概念更加强调互联网的因素，更加强调数据的体量，以及数据与各行业的运用对接。大数据概念的推广和它对社会的影响，使得数据分析的概念从计算机学科快速地扩展到社会的各个领域，这是非常有价值的。大数据就是互联网发展到现今阶段的产物，在以云计算为代表的技术创新背景的衬托下，一些原本很难收集和使用的数据开始容易被利用起来了，并且不断作用于各行各业的创新发展，这就是大数据的价值。数据实用化是大数据时代的一个特点。
大数据利于社会治理
记者：您认为大数据思维会对当今社会带来哪些主要影响？
沈阳：大数据思维有这么两个特点。第一个特点是，数据一切可量化。比如说，它有助于我们研究政府官员的民意支持度。又比如，政府的信息公开程度，我们也是可以测量的。比如新媒体指数、城市幸福指数、各城市堵车指数，从大数据的角度来看，这些指数的研究方向和方式就体现了相关特点。第二个特点是，大数据思维特别强调不同数据之间的相关性，乃至于寻找它们之间的不相关性。这如果运用到社会治理上，可以提升政府反应的灵敏度。
记者：今年有句话很火，叫“证明你妈是你妈”。它直指简政放权和政府服务方面的一些问题。但在具体的新闻事件中，我们也可以看出，它还透露出相关部门一些信息共享的问题。比如，要办一个证，时常就会出现“多部门跑腿”的现象，民众要跑完这个部门再跑另一个部门。您认为，随着大数据时代的来临，政府在思维方面需要做什么样的必要刷新？
沈阳：在大数据时代，传统的政务查询、社保查询、医疗教育、水电煤等公共服务将被集成，各政务服务间的信息化壁垒、数据孤岛将会消失，政府、企业、研究机构间的数据可实现安全的分享流通、交易交换。因此，随着大数据的发展，政府首先要进一步把为人民服务的观念和责任意识落实到实际工作中去，要有数据信息开放思维、数据信息整合思维和数据信息分享思维。从互联网的角度来看，政府服务优化是没有止境的。也就是说，不同部门之间要加强服务融合，要加强信息的交换。我们需要用移动互联网的思维去打造一个指尖上的政府服务体系。正如李克强总理强调的“要让政府信息多跑路，群众少跑腿”，我们各级政府应该按照方便办事、就近服务的原则，充分利用大数据的功能，真正完成向服务型政府转变的时代要求。
大数据应进一步实用化和安全化
记者：大数据的发展离不开政府的推动，近年来，我国政府在这方面主要做了哪些工作？
沈阳：我们国家在推动大数据发展方面已经形成了较好的顶层设计。若干个省份有准备成立大数据管理局的构想。在学术支持方面也体现了我国大数据的发展比较蓬勃。还有，大数据的民间团体也非常活跃。大数据相关的公司在融资和产品推广方面也都得到了社会各界的支持。2013年，我们国家发布了《关于数据中心建设布局的指导意见》，提出了以市场为导向，以资源节约和提高效率为着力点，通过引导市场主体合理选址、长远设计、按需按标建设，逐渐形成技术先进、结构合理、协调发展的数据中心新格局。我国在加强信息基础设施建设、增强信息产品的供给能力、培育信息消费需求、营造发展环境、提升公共服务信息化水平等方面采取了一系列具体措施。
在今年6月的国务院常务会议上，李克强总理再次强调了大数据运用的重要性。之后，国务院办公厅还印发了《关于运用大数据加强对市场主体服务和监管的若干意见》，意见提出，要运用大数据提高为市场主体服务水平，加强和改进市场监管，推进政府和社会信息资源开放共享，提高政府运用大数据的能力。这些都有助于推动我国大数据的发展。
记者：沈教授，以您的研究视角来看，目前我国大数据的发展有哪些需要重视的问题？
沈阳：目前我国政府对大数据高度重视，民众对网络、新媒体越来越关注，高校的相关人才培养也在作出相应调整。我个人认为目前需要重视的问题有这么几个。第一，大量的权威数据资源集中在政府手中，而很多数据我们目前还没有开发。所以，政府应该开放更多的数据源。在政府数据开放方面，我们还需要迈向一个新台阶。第二，相关部门在保护隐私安全方面要有更多的考虑。我们要建立有效的法规机制，让隐私权和大数据的社会便利性获得一个最佳平衡点。第三，在数据的流入和流出方面，我们需要更加清晰的界定。在不同领域，我们需要更多的数据标准。第四，要加强大数据的科普。既不能神化大数据，又要让大数据在更多领域取得快速进展。第五，大数据研究只有与实际接轨，工具化、服务化和实用化，才能解决具体问题，从而提升社会的生产力。
记者：作为相关方面的资深专家，您和您的团队在大数据方面做了哪些深入研究，或者您近期有没有什么研究计划？
沈阳：我们构建的新媒体指数涵盖了不少微博数据、百万级别的微信数据，还有APP的数据等，我们目前主要的研究重点在大数据的数据源、大数据的分析模型、大数据的发布服务等方面。我们团队与教育部、新华社、人民网(603000,股吧)、新浪网、腾讯网等单位均有紧密合作，可以说，我们已经有了一个很好的研究起点。我们还做了一系列的评估指标，会对大数据的发展方向做一些客观中立的学术性评估。此外，我们还试着在新的领域扩展大数据的应用，比如说传感器新闻、互联网的虚拟社群研究等。当然，每一个团队的精力都是有限的，研究需要聚焦。我们会广泛关注，重点突破，进行不同学科之间的合作。我们团队和清华的大数据研究院有密切的合作。我们现在有若干项目是在国家有关部门的重点支持下进行的。
大数据需要复合型人才
记者：今年7月22日，国务院办公厅就2015年上半年工业通信发展情况举行发布会。工信部表示在进一步贯彻“互联网+”指导意见中，将重点推进重要工业云、工业领域大数据等发展，而“互联网+”和大数据发展的核心在于人才，清华大学作为国内一流学府，在相关方面是否已经有培养计划？
沈阳：对大学生的培养，对大数据人才的培养应该符合教育规律。我个人觉得新闻传播专业的学生大一大二的时候，还是应该强化他们的经典阅读。强化文化修养和理工科的逻辑思维。如果只是培养学生的浅阅读能力，如果学生不具备深度思考、缜密思维的能力，那就难以成为优秀的大数据人才。优秀的大数据人才是复合型人才，需要中外融合、文理相通、深浅结合，以及理论和实践的结合。因为我们需要提供能解决实际问题的产品。目前，包括清华在内的一些国内高校已经有一系列的培养方案。
以上是小编为大家分享的关于大数据推动社会思维变革的相关内容，更多信息可以关注环球青藤分享更多干货
Ⅱ 工业用电大数据分析经济运行质态
工业用电大数据分析经济运行质态_就分析师考试
工业用电数据是“克强指数”的重要组成部分，能准确反映一个地区的经济运行质态。扬州市经信委以规模以上工业企业为口径，按区域、产业等类别对工业用电月度分析制度进行了调整完善。
建准数据库。以2015年全市2756家工业规上企业为基础，与市、县供电公司对接，核对用电户号3514个，并与国税、地税、经信委经济运行统计的规上企业排序相对应，建立了首个企业名录、用电户号、统计项目最齐全最准确的规上工业企业用电数据库。
及时加工统计数据。每月6日前后，市供电公司提供3500多家企业用电数据后，该委电力能源处根据2756家规上企业排序，按照不同区域、产业等类别进行统计加工。
多维度分析。各类数据统计完毕后，可以满足经济运行相关统计数据需求，结合去年同期、上月数据进行简要的分析。既可以进行县市区工业用电数据、工业百强企业用电数据分析，又可以细分到机械、石化、船舶、汽车、冶金等7大产业用电统计分析，还可进行万元单位销售收入电耗、业扩报装量等具体指标的统计分析，使经济运行分析更加科学、直观、多维。
以上是小编为大家分享的关于工业用电大数据分析经济运行质态的相关内容，更多信息可以关注环球青藤分享更多干货
Ⅲ 智能制造：工业制造中的大数据分析
搞清出工业大数据分析，第一步我们应该如何定义制造业的大数据？这里我和大家通过大数据的三个特性，来经一步了解大数据的特性。
1
关注＃1 －工业大数据数据来源
工业大数据的主要来源有两个，第一类数据来源与智能设备。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纳的数据源之一。
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，物流与销售市场的内部流程以及外部互联网讯息等，都是此类大数据的战场。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。
2
关注＃2 －数据的关系
数据必须要放到相应的环境中一起分析，这样才能了解数据之间的关系，可以分析出问题的根本原因（root cause）。譬如，每一款新机型在交付给航空公司之前都会接受一系列残酷的飞行测试。极端天气测试就是多项严酷的测试之一。该测试的目的是为了确保飞机的发动机、材料和控制系统能在极端天气条件下正常运行。
问题的处理关键在于找到产生问题的根源，而以知错误的消除，关键在于解决方案的可靠有效。一旦找到并确定了根本原因，同时产生了可接受的应急措施，就可把问题当成一个已知错误来处理。问题调查的过程一定需要收集所有可用，与事件相关的信息来确定并消除引起事件和问题的根本原因。数据采集与分析必须要事件／问题发生的环境数据结合。
3
关注＃3 －数据的收益
对于数字化转型的其他方面而言，大数据不仅要关注实际数据量的多少，而最重要的是关注在大数据的处理方法在特定的场合的应用，让数据产生巨大的创新价值。如果离开了收益考虑或投资回报的设计，一味寻求大数据既无法落地也无法为企业创造价值。
工业大数据分析的定义
生产执行系统（MES）与飞机发动机 健康 管理系统如出一辙。我们可以从工厂的生产中，实时采集到海量的流程，变量，测量结果等数据。这些数据来源的原因都是因为在制造环境中，设备或资产连接后所产生的现象。然而基于大量数据集而生成的报表，或是基础统计的分析并不足以称之为制造业的大数据分析。
所以如果制造业大数据分析不仅仅意味着数据的量，作为一个行业，我们应该如何定义制造业的大数据分析？“大数据不仅仅是大量的数据”这句话里面包含了多重涵义。
当代大数据处理技术的价值在于技术进步，同时也是因为技术进步，使大数据成为商业中有价值的核心驱动因素。作为智能制造的三驾马车之一，工业大数据分析已经被多数的制造企业所认知并接受。许多制造业企业认为自己在生产运营方面也累积了大量的数据，是时候可以用到大数据了。
数据类型的多样性
大数据不仅仅是大量的数据的堆积。大数据的重要属性之一，便是，人们设法收集，并弄清楚，不断变化的数据类型。如果只是大量采集同一类型的数据的话，再大的数据量都不能称之为大数据。
数据必须包括高度可变性和种类多样性。制造工厂中存在无数的大数据应用，但并不包括简单地分类和展示一连串的流程测量结果，这些工作基本的统计展现就可以完成。一些大数据数据库或数据湖的构成部分数据类型也是文本信息、图像数据、地理或地质信息和非结构信息，例如，通过社交媒体或其他协作平台获得的数据类型。
制造业信息结构概括起来分为两层，一个是管理层，一个是自动化层。从经营管理，生产执行与控制三个纬度来实现决策支持、管理、生产执行、过程控制以及设备的连接与传感。制造业中大数据分析是指利用通用的数据模型，将管理层与自动化层的结构性系统数据与非结构性数据结合，进而通过先进的分析工具发现新的洞见。
大数据分析对生产的意义
制造业的创新的核心就是要依托大量的前沿 科技 。先进的技术是创新的手段。在新技术的支持下，可以通过一体化的制造运作管理系统MOM将企业管理应用系统，例如ERP，MES等系统与工业自动化的相关系统整合为一体。
从两化融合的角度来看，信息系统供应商要从企业的主信息系统提供商定位来做好规划、标准、功能设计、实施策略的统一性工作。协助企业做好风险控制，降低投资，降低操作维护成本，实现企业信息系统全集成。
Ⅳ 工业数据最大值和最小值
工业数据最大值是589和最小值是23。
工业大数据（Instrialbigdata）是指由工业设备高速产生的大量数据，对应不同时间下的设备状态，是物联网中的讯息。此一词语在2012年随着工业4.0的概念而出现，也和信息技术行销流行的大数据有关，工业大数据也意味着工业设备产生的大量数据有其潜在的商业价值。工业大数据会配合工业互联网的技术，利用原始资料来支援管理上的决策，例如降低维护成本以及提升对客户的服务。
工业大数据是指在工业领域中，围绕典型智能制造模式，从客户需求到销售、订单、计划、研发、设计、工艺、制造、采购、供应、库存、发货和交付、售后服务、运维、报废或回收再制造等整个产品全生命周期各个环节所产生的各类数据及相关技术和应用的总称。其以产品数据为核心，极大延展了传统工业数据范围，同时还包括工业大数据相关技术和应用。其主要来源可分为以下三类：第一类是生产经营相关业务数据。第二类是设备物联数据。第三类是外部数据。
工业大数据技术是使工业大数据中所蕴含的价值得以挖掘和展现的一系列技术与方法，包括数据规划、采集、预处理、存储、分析挖掘、可视化和智能控制等。工业大数据应用，则是对特定的工业大数据集，集成应用工业大数据系列技术与方法，获得有价值信息的过程。工业大数据技术的研究与突破，其本质目标就是从复杂的数据集中发现新的模式与知识，挖掘得到有价值的新信息，从而促进制造型企业的产品创新、提升经营水平和生产运作效率以及拓展新型商业模式。
Ⅳ 工业制造大数据分析
工业制造大数据分析
大数据不仅仅是大量的数据的堆积。大数据的重要属性之一，是人们设法收集并弄清楚不断变化的数据类型。如果只是大量采集同一类型的数据，再大的数据量都不能称之为大数据。
如何实现智能制造是大家都关心的问题。从哈佛商学院的迈克尔·波特到宾夕法尼亚大学沃顿商学院，有一个普遍的共识，即数字化转型是智能制造实现的途径。重要的是，这个共识也来自于众多的世界级制造业企业与企业家们。
这一共识是基于无数技术趋势的融合，例如，物联网、赛博系统(CPS)、工业物联网、移动技术、人工智能、云计算、虚拟／虚拟增强现实（VR／AR），以及大数据分析等。我们一定要保持清醒，不要简单地认为有了这些技术，未来五年就是制造业的黄金时期。道理很简单，这个新制造业文化的变革进程是相当复杂和艰难的，没有行业、企业与用户的融合推进，无法实现这次变革。数字化转型不仅仅意味着企业简单的数字化，而是把数字作为智能制造的核心驱动力，利用数据去整合产业链和价值链。
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，数据在制造业分析的需求将越来越大。然而在过去的许多年间，利用数据的根本动因并没有改变，数据的复杂性增强，数据转化为情报的能力越来越大。
2012年高德纳给出大数据定义，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。
在讨论工业大数据分析的时候，我注意到两种不同的观点：
第一种观点认为，制造业向来都有大数据。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。
第二种观点认为，从工业大数据角度看，制造业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。
考虑到这些观点，面对任何新的市场提法，包括名词解释、定义或分析框架，我们始终都应该保持适当的怀疑精神。这里我更多倾向于第二个观点。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？这里可以通过大数据的三个特性，进一步了解大数据的特性。
数据来源
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。
数据关系
数据必须要放到相应的环境中分析，才能了解数据之间的关系。譬如，每一款新机型在交付给航空公司之前都会接受一系列残酷的飞行测试。极端天气测试就是测试之一。该测试的目的是为了确保飞机的发动机、材料和控制系统能在极端天气条件下正常运行。
问题的处理关键在于找到可能产生问题的根源，消除已知错误，并确保解决方案的可靠有效。一旦找到并确定了根本原因，同时具备了可接受的应急措施，就可把问题当成一个已知错误来处理。问题调查的过程一定需要收集所有可用、与事件相关的信息，以确定并消除引起事件和问题的根本原因。数据采集与分析必须要事件／问题发生的环境数据结合。
数据价值
对于数字化转型，大数据不仅要关注实际数据量的多少，最重要的是关注大数据的处理方法在特定场合的应用，让数据产生巨大的创新价值。如果离开了收益考虑或投资回报（ROI）的设计，一味寻求大数据，则大数据分析既无法落地也无法为企业创造价值。
工业大数据分析的定义
发动机是飞机的心脏，也是关乎航空安全，生命安全的重中之重。为了实时监控发动机的状况，现代民航大多安装了飞机发动机健康管理系统。通过传感器、发射系统、信号接收系统、信号分析系统等方式采集到的数据，会经由飞机通信寻址与报告系统，通过甚高频或者卫星通信传输出来，这就是为何GE的发动机监控系统每天会获取超过1PB数据的原因。
生产执行系统（MES）与飞机发动机健康管理系统如出一辙。我们可以从工厂的生产中，实时采集到海量的流程变量、测量结果等数据。基于大量数据集而生成的报表，或是基础统计的分析并不足以称为制造业的大数据分析。
数据类型的多样性是工业大数据分析的重要属性
大数据不仅仅是大量的数据的堆积。大数据的重要属性之一，是人们设法收集并弄清楚不断变化的数据类型。如果只是大量采集同一类型的数据，再大的数据量都不能称之为大数据。
例如，生产环境中收集的时间序列模拟流程变量，数据的类型是单一的，很容易建立索引，即使存在千千万万，也不足以成为大数据。
数据必须包括高度可变性和种类多样性。制造工厂中存在无数的大数据应用，但并不包括简单地分类和展示一连串的流程测量结果，对这些工作，基本的统计展现就可以完成。一些大数据的数据库或数据湖的构成部分也是文本信息、图像数据、地理或地质信息和非结构信息，例如，通过社交媒体或其他协作平台获得的数据类型。
制造业信息结构概括起来分为两层，一个是管理层，一个是自动化层。从经营管理、生产执行与控制三个纬度来实现决策支持、管理、生产执行、过程控制以及设备的连接与传感。制造业中大数据分析是指利用通用的数据模型，将管理层与自动化层的结构性系统数据与非结构性数据结合，进而通过先进的分析工具发现新的洞见。
大数据分析对企业生产智能的意义
制造业创新的核心就是要依托大量的前沿科技。先进的技术是创新的手段。在新技术的支持下，可以通过一体化的制造运作管理系统MOM将企业管理应用系统，例如ERP、EAM等系统与工业自动化的相关系统整合为一体。在一体化制造运作管理的基础上，我们可以实现集IT+MOM+MES+BI的一体化制造企业信息系统解决方案。
从两化融合的角度来看，信息系统供应商要从企业的主信息系统提供商（MIV，MainInformation systems Vendor ）定位来做好规划、标准、功能设计、实施策略的统一性工作。协助企业做好风险控制，降低投资，降低操作维护成本，实现企业信息系统全集成。
特别需要注意的是，企业管理信息平台被普遍认为是制造企业管理的集成和仪表板工具。许多供应商既大量投资其与ERP和自动化系统专有的集成，也投资开放式集成，还投资仪表板和移动技术，希望随时随地为需要正确信息的决策者提供衡量标准。
制造业大数据分析的三种途径
途径一，利用开放技术与平台，将任何系统的数据移动到任何其他地方。
制造运作管理系统建设项目是系统工程，不仅仅是一套我们理解的传统软件系统，更多的是项目执行和服务的平台。这需要在项目管理与制造企业的策略“客户服务”上，体现出制造企业的综合管理能力与软实力。
整个平台要从前期、工程实施以及售后服务这三个大的阶段来架构。在前期规划中，要重视标准、设计与实施，特别是与管理一体化的信息系统形成统一的对接。有了前期统一规划的制定，工程实施的环节可把行业的经验、集成能力、实施能力、软件开发能力等融合。特别需要在组织上建立和形成超级团队的制度。而持续服务、长期经营，将物联网应用融入与“软件+云服务”的互联网＋战略是后续服务的考虑重点。
在制造业大数据分析工作中，必须要加强通过物联网科技的应用对后续持续服务的支撑作业。通过工业物联网，实现的及时响应客户、物联网软硬件系统定期巡检、提供应急备件、提供易耗品、完善应用等功能来加强和锁定与企业的供应链企业之间的长期合作。通过管理平台与物联网数据，可以持续为客户提供有价值的服务。
途径二，投资工厂内外系统架构堆栈中能够处理结构性和非结构性数据的数据模型。
新技术是创新革命的核心，其中很重要一个特点就是集成，即制造运作管理系统MOM与ERP、EAM、OA、商业分析的集成，包括一键登录、界面集成、消息推送、工作流集成、主数据、应用集成总线与平台。
由于这些系统之间主数据全部统一，所有系统之间的数据交互依靠应用系统总线进行数据交互，整合了跨系统的业务流程、工作流、服务流程等之后即实现无缝集成和分析。对于企业管理者来说，一键登录后，可以根据不同的岗位，个性化制定并且显示与管理最相关的必要信息。这就是互联网所带给我们的分享思路。
途径三，通过时间序列、图像、视频、机器学习、地理空间、预测模型、优化、模拟和统计过程控制等先进的分析工具与制造业企业内的大数据平台结合分析，从而洞见尚未显现的情况。通过传感器、感应器、传输网络和应用软件等物联网数据，与管理应用软件结合起来，将是今后制造业大数据分析的一大方向。
培养企业内部大数据分析专家
作为一个行业，我们需要有机地发展行业特定的大数据分析工具集，这样才能让现在的行业专家，从足够的数据科学中实现数字化转型。为了推动转型，我们需要一大批优秀的企业利用这种方法，并向其他人或同行证明其价值。
Ⅵ 互联网最尖端的竞争集中在大数据
互联网最尖端的竞争集中在大数据
2015中关村大数据日的峰会上，中国科学院院士张平文举了一个有趣例子：前一阵，他有家人甲状腺不适，院士有天晚上查了甲状腺知识，第二天就收到微信好友申请，有专治甲状腺的医生想加他为好友，院士感概说，“没有人怀疑我们就生活在大数据时代，”
2015年以来，从“大众创业、万众创新”，一直到“互联网+”以及大数据发展行动纲要，国家利好政策不断，行业领军者开拓创新，中国大数据产业群正快速形成，大数据在交通、工业、社交等领域的应用也日新月异。大数据，正在开启一个认知的新时代，这是一座新的商业宝藏，也正酝酿着一场全新的较量。
“最尖端的竞争”
过去3年，打车应用真正改变了大众出行，滴滴快的CEO程维在大数据日峰会分享说，“中国80%的出租车司机通过滴滴连接在一起，又顺势推出了滴滴专车、快车、顺风车、巴士等系列新业务，希望将有相同出行需求的人连接在一起，实现任何人在任何时间、任何地点在3分钟内叫到一辆车。”
美好的愿景完全依赖于大数据的支持。直到现在，程维依然清晰地记得一宗“事故”：2013年有一次北京大雨，CBD国贸地区用户打不到车，滴滴技术团队梳理订单后发现，绝大多数的订单根本发不出去，“我们最初德尔大数据算法是将一个订单发给附近1-3公里的司机，在订单非常多的时候，司机信道变成稀缺资源，就无法接到更多的订单。”
程维很快发现，当一个城市日均订单超过1万单后，原始的大数据算法即成为瓶颈，于是，滴滴将建设中国最好的大数据团队当成公司战略，为实现用户和司机的快速匹配，迄今后台已经多个版本的大数据结构和算法。
大数据在交通的应用，并不限于打车。构建了完整大数据产业平台的北京久其软件公司，曾为江苏省提供智能化交通统计监测系统，将所有江苏省内高速出入口的视频以及海运、河运、港口等所有的音视频的数据全部纳入体系，进行实时监控。久其软件副总裁钱晖分享说，“在江苏省内，如果你的车被偷或者号牌模糊，系统在一秒钟之内就能实现号牌识别。”
钱晖表示，智慧交通系统积累的数据，服务范围不限于交通，比如经济学有所谓“克强指数”（即以工业用电量新增、铁路货运量新增和银行中长期贷款新增的数据，评判GDP的增长），利用智能系统可以监测高速公路出入口大货车的运量，分析实体经济状况，用于经济决策。
提供便利的同时，大数据交通云的难度和复杂度，也远超过一般人的想象。以江苏省的智能交通系统为例，实现数据实时入库、动态更新以及查询，数据量非常大，每年要更新12亿条以上的信息量。
程维认为，交通大数据能力的构建，其复杂程度甚至超过搜索，他将其总结为三大特点：实时性，每过1分钟交通情况以及车的位置都会发生变化；双向互动，需求方用户和供给方司机相互影响，除了满足用户，系统要根据司机喜好推荐最好的订单；集群扰动，比如，100个人或10000人搜索，结果不会有什么区别，但是10个人还是200人一起叫车，运算结果完全不同，“滴滴代表的交通云，涉及深度学习、人工智能等技术前沿，令云平台更智能、更高效，这是公司最重要的事情。”
“互联网的竞争，已从早期的产品竞争、营销竞争、资本竞争，实实在在进入云端、大数据端的竞争，”程维表示，“全球大的互联网出行领域，最尖端的竞争就集中在大数据领域。”
占据技术制高点的背后，是顶尖人才的争夺。滴滴的全球竞争对手，几乎早于他们动手前的半年，就开始收罗全球顶尖大学的大数据研究人员，从主任、专家到一线工作人员，几乎一网打尽，甚至有公司专门派一支队伍在MIT实验室旁蹲守两个月，“先从副主任挖起，再找主任，一个带一个把30多个实验室的人彻底挖空。”
关键在顶层设计
6年前即深耕工业大数据，美林数据总裁王璐深有感触，“大数据对整个工业带来的冲击是太大太大了”，而美林只专注两件事：工业大数据中心的建设以及对数据的分析、挖掘、高维可视化。“‘两化融合’核心是什么？我们认为是数据的管理，只有在工业4.0时代，才实现了‘两化’的强连接，代表工业化和信息化高度嵌入到一个整体系统。”
在王璐看来，大数据时代，就是会用数据说话、决策、管理、创新，如今，整体氛围和思维方式的条件已具备，核心在于大数据技术的挑战，其中，首要的挑战在于组织的顶层设计，“美林帮助很多企业进行顶层设计，两化融合和大数据融合的战略需要复杂组织系统的设计，尤其是数据管理的长效机制，其中，流程和组织最直接的挑战，就是寻找一批懂业务、懂数据还懂分析的人才队伍。”
国家电网信通部主任王继业在峰会分享了其基于顶层设计、布实施后的运营实践。在大数据方面，国家电网首先规划建立了企业级大数据平台，通过大数据平台实现数据的采集、传输以及存储和处理；在大数据平台之上建立决策支持类、实施采集类、在线监测类、计算分析类等大数据业务应用，其中分成10大场景，在不同单位进行相应试点工作。
以电力负荷预测为例，国家电网组织了江苏电力、山东电力两家地区公司，利用大数据技术，基于电力负荷用户档案数据，结合气侯、气温变化等数据，建立用电数据分析模型，实现用电负荷特性分析并且预测未来用点负荷曲线。
比如，江苏电力就构建了数百个分析模型，在2015年4月对于全省的电力用电高峰进行了预测，其判断用电高峰出现在8月6号，预测最高电量为8481万千瓦时，结果，真正出现时间是8月5号，仅仅差一天，而实际发生的最高值为8440万千瓦时，误差率非常之低。
王继业表示，基于顶层设计、有序推进，大数据带来的威力十分之大，国家电网也尝到了甜头，“通过前期试点，负荷预测准确率提高到99.5%，最高负荷发生时间偏差1天，峰谷差率下降了5%；对配电网抢修精益化大数据预测，实时监测、故障预测、抢修达标率析，设备故障预测准确率提升40%，抢修达标率达到15%，抢修时长缩短30分钟。”
事实上，不只工业领域，响应整个社会大数据化，凝聚共识，全力推动大数据产业创新发展，形成政府、社会、市场共同推动、联合治理的发展格局，一样需要顶层设计；而商业公司内部的许多数据，若能在一套规则清晰的制度下进行共享，完全可以应用到宏观经济和社会管理，实现数据价值的最大化。
龙信数据董事长李钰就认为，应用是衡量数据价值唯一标准，龙信即将发布的是中关村企业大数据平台，可记录北京市百万家企业每天的动态的经营和税收情况，可以洞悉全国5千万市场主体与宏观经济内在关系，有百亿的节点在秒级可以进行运算，有深度学习能力，是未来企业数据的智慧大脑，这对于宏观经济决策一样极具价值。
LinkedIn全球副总裁Michael Korcuska在峰会分享了过去3年的领英（LinkedIn）数据积累，也有非常有趣的洞察：基于中国强劲的经济增长，越来越多的人才从全球来到中国，其核心技能主要是经济学、统计分析、化学、社交媒体等领域，而部分离开中国的人士，其所擅长的是城市规划、海洋、导航、水库管理以及传统中医等。Michael Korcuska建议，利用领英的职位数据库，政府可以做两件事：为稀缺人才提供激励机制，与大学合作培养针对性的人才。
峰会最后，宽带资本董事长田溯宁以独有的历史视角，对于大数据应用的前景进行了展望。他认为，人类历史上曾有地理大发现的时代，发现新大陆改变了人类的时空观念，开启了工业革命，而现在，人类社会正迈入“一个数据大发现的时代”，将开启无限的新机会。
Ⅶ 工业大数据漫谈15：工业大数据与工业4.0的关系
现在的世界，已经进入了一个概念满天飞的年代。和工业大数据相关的概念非常多，包括工业4.0、物联网、云计算、人工智能、智能制造等等，接下来，我会 追根溯源 ，把这些概念都理清楚，这样，我们才能更好地理解工业大数据。今天先聊一聊工业4.0是怎么回事。
工业4.0的概念来源比较清晰，不像大数据概念的来源，说不清，道不明。工业4.0是德国联邦教研部与联邦经济技术部在2013年 汉诺威工业博览会 上提出的概念。它实际上是德国人为了推广他们的工业技术而提出的一个营销概念。这个概念应该说提的非常成功，仿佛一夜之间，全世界都在讲自己的产品符合工业4.0的理念。
当时德国人提的工业4.0概念中，主要是描绘了制造业的未来愿景（注意，是制造业，而不是工业，德国人在这里其实偷换了概念，工业的范畴远比制造业大得多），提出了继蒸汽机、规模化生产、电子信息技术等三次工业革命后，人类即将迎来的以生产高度数字化、网络化、机器自组织为标志的第四次工业革命。
在德国人描述的四次工业革命中，第一次是以蒸汽机为动力的机械生产设备导致的第一次工业革命，该次工业革命与18世纪末基本结束。第二次是基于劳动力分工（即流水线），以电为动力的大规模生产为核心的第二次工业革命，该次革命始于20世纪初， 第三次工业革命 始于20世纪70年代，其标志是电子信息技术的大规模使用使得工业自动化程度大为提高，现在，德国人认为我们进入了第四次工业革命，在本次工业革命中，软件不再仅仅是为了控制仪器或者执行具体的工作而编写的，也不再仅仅被嵌入到产品和生产系统中。产品和服务借助于互联网和其他网络服务，通过软件、电子及环境的结合，生产处全新的产品和服务。越来越多的产品功能无需操作人员介入，而是可以自主进行生产。
从这个概念可以看出，工业4.0实际上是德国等先进制造业发达国家在进行一次大的制造业升级，以期保持其在国际竞争中的地位。因此，工业4.0概念提出之后，各国纷纷跟进，美国提出了工业物联网，中国提出了工业2025，其实都是想在这一次工业革命中保持或者进一步占领国际市场，获得竞争优势。
工业4.0中涉及到的技术概念有很多，大致可以通过下面这张图来进行描述。
从底层看，工业4.0包括互联网时代的三大底层基础设施，工业物联网（这是美国人的概念）、云计算、工业大数据，在具体应用上，包括两大硬件技术3D打印和工业机器人，两大软件技术工业网络和工作自动化，同时还囊括了未来的两大技术虚拟现实和人工智能。这些技术构成了工业4.0的技术图谱。
由此可以看出，工业大数据是工业4.0的一部分，它是为工业4.0提供软件技术支撑的，也是工业4.0的核心部分。由于工业4.0的最终目的是提高企业的生产力、生产效率及生产的灵活性，但又受制于生产的复杂性和复杂生产带来的超高难度的管理，因此，现代化的生产要求从产品、工具、运输、设备的每一个环节都配备传感器，并更够通过标准协议彼此通讯，在这种情况下，企业生产就必须依赖全新的软件系统，它可以覆盖整个产品生命周期，它可以协调海量的数据流程，它可以自主控制设备进行复杂化的、自定义的生产作业，而这和核心的一切，就是工业大数据。
到今天，工业大数据的概念已将慢慢的超越了工业4.0，工业大数据既是工业4.0的核心，也在独立的发展，既有重合的部分，也有超越的部分。
不管概念如何发展，以人工智能、大数据为标志的第四次工业革命已经在我们的身边展开了，通过这一次的工业革命，我们可以进行超级复杂流程的管理、大规模生产过程的优化和决策的快速执行，实现复杂生产和个性商业活动的高度整合，使人类的生产效率再上升一个数量级，使生产力得到进一步的释放。
Ⅷ 中国人民大学信息资源管理学院师生参加全球信息技术主管大会
中国人民大学信息资源管理学院师生参加2015全球信息技术主管大会暨工业大数据创新发展高峰会议。此次大会由中国电子学会、中国首席信息官联盟、中国工业大数据创新发展联盟三家单位主办。信息资源管理学院作为中国首席信息官联盟创始单位之一，张斌院长出席并主持了部分会议。
中国人民大学信息资源管理学院是中国人民大学专门从事信息资源管理学科教学与科研活动的机构，是我国信息管理、信息系统、知识管理、图书、情报与档案管理教学科研及人才培养的重要基地之一。
大会以“‘互联网+大数据’驱动智能制造、创新红利重构产业生态”和“互联网+大数据时代的CIO选择”为主题，汇聚了政府及行业、企业主管领导，国内外知名专家学者，全球电子、制造、金融、医药等重点行业最具影响力的信息技术主管，国内外知名媒体代表，青年ICT组织及社会团体代表等来自全球多个国家信息技术相关领域的800多位领军人物，是一次年度CIO盛会。
工业和信息化部副部长、中国科学院院士、中国电子学会理斗庆空事长怀进鹏为大会开幕致辞。怀进鹏副部长在致辞中指出这是一个CIO大有作为的时代，也是中国信息产业可以大有作为的时代，所以抓好这个时代的机遇。探讨在新发展模式下的解决方案和新平台，以及支持两化融合的新应用点，是CIO非常重要的责任和使命。这次全球CIO大会以互联网大数据为主题，共同探讨技术产业发展趋势，以及中国在面对新常态下的发展格局非常有意义。
全体大会上午部分以“‘互联网+大数据’驱动智能制造，创新红利重构产业生态”为主题展开。中国工程院院士柴天佑、高文分别以“智能制造与智能优化制造”和“从无人驾驶汽车研究看未来产业生态的重构趋势”为题进行了现场演讲。腾讯云计算副总裁刘克鸿、IBM大中华区大数据总架构师林旭光、世纪互联蓝云总裁柯文达、SAP解决方案与构架技术部总经理李旭东、美国信息产业机构总裁Matt Roberts等大型企业管理者共同围绕互联网+、云计算、工业大数据等时下最为热门的话题同与会者进行了分享。
除此之外，大会邀请北京航空航天大学计算机学院院长吕卫锋主持“高峰对话”环节，三一集团CIO贺东东、海尔集团CIO佘敏、中国西电西安高压电器研究员CIO赵红武、腾讯云计算副总裁刘克鸿等四位重量级嘉宾，以“工业大数据时代制造业的创新与机遇”为主题进行了对话。
下午的大会上，中国首席信息官联盟指导委员会主任、中国工业大数据创新发展联盟专家委员会主任、工业和信息化空瞎部原副部长杨学山为大会致辞。杨学山副部长在致辞中指出，IT技术和工业技术的融合使得CIO所面对的技术体系，从原来的以处理和传输为主转向了更多更广泛的领域，因此导致了IT发展的技术方向产生了变化。CIO应围绕着事物和流程通过信息技术和应用来提升效率和质量、降低成本。
紧接着，中国电子学会副理事长兼秘书长、中国首席信息官联盟理事长兼秘书长、中国工业大数据创新发展联盟理事长兼秘书长徐晓兰在现场发布了《中国工业大数据创新发展绿皮书》，分享了大数据在工业领域的应用情况及未来发展趋势。
随后，大会进入了“互联网+时代CIO的创新”主题探讨。中国首席信息官联盟常务副理事长、我院院长张斌教授主持了接下来的会议。在该主题下，AMT创始人王玉荣提出CIO的创新方向之一是智能定制;长城计算机深圳有限公司刘辉副总经理做了“教育云创新发展之路”的主题报告;南大通用数据技术股份有限公司首席技术官武新则介绍了Gbass数据库的相关应用。中国首席信息官联盟理事长助理陈玥如做了《中国首席信息官联盟、中国工业大数据创新发展联盟工作报告》。
另外，此次大会的表彰环节中，工业和信息化部电子科学技术情报研究所所长洪京一主持了2015全国百佳首席信息官、CIO工作突出贡献奖颁奖典礼中国人民大学信息资源管理学院院长张斌公布了2015全国优秀首席信息官评选结果，并主持了颁奖仪式。
随着“中国制造2025”、“互联网+”、大数据等战略落地的脚步不断提速，大数据、云计算等新一代信息技术在产业结构调整和经济社会发展中发挥着越来越重要的作用。伴随着大数据与各大行业的深度融合，抓准时机发挥数据价值才是未来商业蓝海所在。此次召开的2015全球信息技术主管大会暨工业大数据创新发展高峰会议，为各行业CIO们搭差乱建了一个跨国界、跨领域、跨专业的交流平台，为企业提供了技术交流与合作的国际舞台，同时也为提升我国两化融合水平起到了推动作用。
考研政策不清晰？同等学力在职申硕有困惑？院校专业不好选？点击底部官网，有专业老师为你答疑解惑，211/985名校研究生硕士/博士开放网申报名中：https://www.87dh.com/yjs2/
Ⅸ 从概念到应用 大数据产业刚刚开始
从概念到应用 大数据产业刚刚开始
当互联网与IT技术对传统产业的改造越来越深入，全社会的信息化程度越来越高时，各行各业会产生大量的用户大数据。
大数据已经成国家战略，事关中国经济的转型与升级，以及中国在全球经济、政治、文化上的竞争力。
在2015年第四届中关村大数据日的活动上，分享嘉宾来自各行各业。从个人出行到工业大数据，从能源到企业服务，大数据正快速与企业结合，拥有勃勃生机。围绕着“共享共融数创未来”这个主题，在第四届中关村大数据日上，各位嘉宾发表了自身的精彩观点。
从概念到应用落地
过去几年，大数据还只是谈论概念，现在已经有了诸多应用。比如，在打车行业，如何利用大数据进行司机与乘客路线更精准的匹配，而不同场景、不同时段，用户出行的特点不同，司机也有不同的喜好与熟悉的区域，如何动态地将这两者匹配，实际上是大数据的难题。
同样，在工业领域，一整套数据的标准、主数据、数据仓库，甚至BI，亦可以优化工业化生产，提升效率。这其中模型数据化、数据产品化，是工业大数据，两个重要的探索方向。
而在民生领域，以龙信思源为代表的大数据公司，为政府、社会组织及研究团队，提供了大量的数据产品支持，这也促进了整个民生行业大数据的发展。
中国的大数据产业，才1500米，而未来的路是万米之长。这其中蕴含的机会也有很多。目前，大量的大数据创业公司，围绕数据交换、数据建模、数据分析、数据可视化、数据集成、数据仓库、数据行业应用等大数据产业链各个层面，开始创业。据了解，目前，大数据已经成为全球知名VC投资的重要方向，并且各个阶段企业的融资步伐，也开始加快。
当大数据产业链、行业应用逐步发展完善之后，大数据将会形成质变，创新整个社会形态。
宽带资本董事长田溯宁认为，大数据不仅引起数据的量变，还会引起整个企业经营形态发生变化。过去，工业时代是以产品为中心，而大数据时代，需要的是围绕客户运营，依据客户需求，给出合适的数据产品。并且，可以实时将客户需求与产品进行较好匹配。“在客户最需要的时候，站出来，这比什么都有效。”
大数据的3大挑战
大数据是从信息技术的底层来捕捉信息化的共性基础和未来发展趋势。大数据技术是底层技术，基础性、内蕴性、普适性可以给各个行业助力。但大数据的基础性、底层性，也带来了一些挑战。
中国科学院院士、大数据专家徐宗本认为，大数据行业的真正挑战来自三个方面：一是原来的分析基础要变化，要融合统计学、计算理论基础、逻辑基础。二是，计算技术也需要重新革新，无论是存储、计算语言、还是计算方法都需要重新来过。三是，大数据做出来的结论对不对，还无法大规模验证，这是目前面临的最大挑战。
在三大挑战中，应用层的挑战当属榜首。大数据，看上去很美，但对大多数人来说，更是雾里看花。如何将抽象的数据变成一个个可以在现实中实践的产品，这些需要各行各业进行深入探索。
目前，大数据的浪潮才刚刚开始，许多传统产业看到了这方面的价值，但是并没有获得收益。而如果大数据没有相关的产业基础，亦很难有更多的务实创新。行业人士一致认为，未来，大数据的机会与挑战皆在与行业的结合上。
未来的路要怎么走？
大数据产业，既独立于行业，有自身的产业链条;又依赖于各个行业，形成大数据应用的广度与深度。
共享经济这个词近两年很流星，除了实物类的共享外，还引领了数据层面的共享。Airbnb、滴滴打车、优步，这些都实现了物理资源的共享。而在IT界，云计算是将每个人需要的计算能力，汇聚到一起，形成一点对多点的需求。而在共享经济时代，不必将资源和计算的方式连接在一起，大众将自身拥有的资源共享，成为多点对多点的关系。在这一模式下，大数据也可以作为一种资源共享出来。
目前，国内进行的数据共享，主要围绕数据互换、数据定价、数据反馈等层面来进行。举个例子，一个利用大数据进行金融创新的企业，其获得的数据源主要来自于几个方面:用户、合作的场景与客户、第三方征信数据。与合作场景客户往往通过数据互换、数据反馈来进行。而与第三方征信公司，数据往往通过数据定价来完成。
与会专家不少认为，由于数据定价模式还不完善，数据只处于交换阶段，这使得大规模的数据交换无法进行。未来，还会是通过数据交换平台来完成。
行业人士一致认为，未来，数据交易市场目前还处于发展初期。未来，数据交易市场还从服务、IT应用、行业开发等各个方面，来形成数据产品，进行流通。并且，数据流通不是一个空话，这里也非常需要多行业多企业的数据聚合，将交易市场这个大平台，实现最大化。
不少大数据创业公司，致力于大数据交易。但是，数据堂CEO齐红威的观点颇具代表性，他表示，数据交易平台会遇到几个核心问题。：一是直接的数据交易无法实现。不少数据涉及个人隐私，有一些处于灰色带这些数据需要脱敏之后，形成相关的产品之后，才能使用。并且，不少数据是涉及国家安全的，这些数据，就不能使用，这是每一个大数据公司的底线。
二是，数据提供方和数据需求方的需求并不对等。目前，数据提供方想要的是对自身数据的不断补充，以及对自身数据产品的调整与研发。而同时，数据需求方，则希望能够整合多家数据，完善自身的数据体系。现在，每家公司都认识到自身的数据资产价值，对于数据的开放、合作上的积极性还需要进一步提高。
三是，数据的版权问题。原始的数据由于各种没法使用，公司与产业需要的是脱敏感数据产品，那这些深度加工过的数据产品，版权究竟属于谁，谁能够使用。这些还需要进一步探讨。
四是，数据的加工。原数据可以使用的场景、交易的范围都被大大缩减了。而进行数据加工之后，可以使用的产品与场景，都骤然增多。
对于这4大问题，行业一致认为，除了通过市场化的企业力量，去创新方法，改装这些问题之外，还需要政府的主导力量。
中关村管委会副主任宣鸿表示，中关村管委会将全力支持大数据产业快速发展，从政策支持、人才引进、资源扶持等各个方面，全力支持大数据。
据了解，中关村管委会制订了中关村大数据产业发展促进路线图，面向2020年，中关村将着力引进100个大数据顶尖人才和100个创业团队，超前布局，人机交互、人工智能、虚拟现实等关键技术，落地5家一流的大数据究机构和5家交易评估机构，建设30个大数据共享应用平台，建设20个企业创业的孵化平台，建设3个大数据产业园并落地50个大数据的产业化项目。
Ⅹ 工业大数据是什么为什么怎么办
大数据具有数据量大、数据类型复杂、数据处理实时性要求高等特点，大数据分析在版互联网权和电子商务领域的广泛应用产生了巨大的商业价值，得到世界各国的高度重视。全球著名战略咨询公司麦肯锡认为，大数据是创新、竞争和生产力的下一个领域。