郭朝暉
大數據的概念源于搜索引擎等互聯網行業。在這些行業中，成千上萬個網站的數據不斷加入，數據格式各種各樣。互聯網公司認為這是個機會，但數據量大到難以處理。于是，谷歌提出一套辦法解決這類問題，大數據的概念就此產生了。在這種背景下，人們總結出了大數據的幾個特征，如數據量大、價值密度低、類型多、增加快等。其中有一個關鍵的問題——數據量大了怎么辦？
伴隨著摩爾定律的延續，工業企業的數據也在不斷增加。于是，也有人提出了“工業大數據”的概念。但是，工業企業和互聯網企業的數據背景很不一樣。傳統工業企業一般只采集必須的數據，比如那些與生產控制和質量標準有關的數據，而設備狀態數據就很少存儲或存儲時間很短。人們希望得到更多的數據，但必須考慮采集和存儲的成本問題。這是另外一種“數據量大了怎么辦”的問題。現在，數據采集、傳輸和存儲的成本大大降低了，數據采集和存儲條件改善了，“數據量大了怎么辦”的困難也就弱化了。
由此可見，在工業和互聯網領域都曾面臨“數據量大了怎么辦”的問題。但是，在互聯網行業，瓶頸是數據量大帶來的困難，這出現在數據量大的時候，需要用技術手段去解決；而在工業行業，主要瓶頸是成本問題，出現在數據少的時候。所以，隨著數據越來越多，在互聯網行業的技術困難越來越大，而在工業行業獲得數據的經濟困難卻越來越小。從某種意義上說，工業領域的大數據時代是“不必考慮數據量大了怎么辦”的時代——因為現在有辦法解決了。
事實上，工業和互聯網領域對大數據的理解還有很多不同。比如，互聯網領域的數據分析強調相關性，而工業領域往往需要因果關系支撐，否則，分析結果的可靠性就難以保證，會給應用過程帶來極大的危害。再如，互聯網數據之間的關聯性相對較弱，而工業數據之間的關聯性很強。
然而，很多人仍然把互聯網公司的思想、概念和方法直接套用到工業界，這樣做會誤導工作的方向、喪失時代的機遇，是缺乏思考的表現。對于工業人來說，我們現在主要關心的不是“數據量大了怎么辦”，而是如何利用數據帶動技術和管理水平的提升、如何用數據帶來價值。
寶鋼信息技術奠基人何麟生先生在多年前就有一個愿望：“要有一個虛擬的數字化寶鋼，能夠在計算機和網絡平臺上充分地描述實體寶鋼的實時活動。”這樣的愿望，只有在大數據時代才有條件實現。因為只有數據足夠多的時候，才能完整、實時、準確地描述和記錄生產過程。就像寶鋼老專家王洪水先生說的“像錄像一樣地記錄生產過程”，這樣，數據才能反映生產過程的因果關系。
有了這樣的數據基礎之后，我們可以全面深入地推進智能化。在筆者看來，在短期內，鋼廠智能化的重點應該是管理和控制的融合。美國大河公司的實踐，證明了這個方向的正確性。
在工業大數據時代，可以通過工業互聯網等技術重構人和機器的界面來推進決策革命、提升企業的整體價值。這些技術又會導致更深刻的變化，如組織流程的重構、生產流程的再造、從服從到協同的文化轉變等。所有這一切，都是在“數據量大了不是問題”的前提下才能實現的。這才是工業大數據真正的意義所在。
（作者系優也信息科技有限公司首席科學家，工業互聯網產業聯盟工業大數據組副主席）
《中國冶金報》（2020年09月15日 04版四版）
