论文部分内容阅读
不要认为大数据还是一个传说。每一天，我们所产生的数据都在为大数据服务提供素材，同时我们也不得不受到大数据的影响。
这一点在互联网上最为明显。打开微博，大数据会“猜你喜欢”什么样的文章；电商购物，大数据会“为你推荐”你可能需要的商品；聊个QQ，加好友时大数据会告诉你，有一些“你可能感兴趣的人”正在线上。甚至于，就是看一下新闻，大数据也会根据你的浏览记录选择推送什么样的广告。
大数据之所以能够“紧逼盯人”般地捕捉到我们的好恶，是由于其获取到了我们所创造的信息。这些信息包括了我们所发表的文章、浏览过的网站、加过的好友等，或有意或无意的，我们成为了大数据的样本收集对象。
这种被电脑所操纵的场景，可能多少会让人有些反感。不过，人类并非是被信息技术所监控的唯一对象。机器，正在成为与人类一样的“难兄难弟”，受到信息技术的左右。来自分析调研机构IDC的研究报告认为，到2020年全球数据资料存储量将达到40ZB。在这其中，大部分数据是由机器，包括机器传感器以及与其他设备通信的智能设备所产生的。
机器，大数据的主要来源
这些由机器所产生的数据，包括了计算结果、设备运行状况、温度等多方面的信息。通过对这些数据的汇总、整理、分析，我们不仅可以从中了解产品生产过程中的各个环节，同时也可以了解到机器各部件的运行状况。在工业和制造业领域，大数据正在帮助我们改进设计、制造和交付的流程。
目前，一些企业已经在利用大数据进行工业制造应用。在福特汽车的工厂里，几乎所有的制造流水线上都安装有各种传感器，通过这些传感器，福特汽车能够收集到大量在汽车生产过程中的数据。目前，福特汽车已经有计划，利用这些数据打造出一个完全建设在信息系统中的“虚拟工厂”。在这个虚拟工厂中，从设计、制造、组装到包装，所有的流程均由计算机进行模拟。从模拟场景中工程师可以随时观察流水线的运作过程，并对制造工艺、零件装配等细节进行调整，利用海量数据探索最佳的生产工艺。最终，当虚拟工厂运转正常后，会将整个模型“平移”到物理场景中，进行正式投产。
同时，在生产管理方面，福特汽车也在从大数据借力。其从中国、墨西哥、西班牙、德国、英国和美国6家装配厂分别收集到了工人的人体工程学数据，由项目团队进行汇总和处理，并打造出了两个可用于人体工程学评估的标准虚拟人体模型。这些模型综合反映了福特汽车全球工人的特征和结构，使得企业可以根据不同区域工人的工作能力，制定适合他们特质的工作要求，以提高生产率。同时，福特工程师还在尝试将动态捕捉技术和人体建模软件结合在一起，为全球各地区福特工厂的工人设计更加合理的工作流程。
不只是汽车，在零售业大数据也在发挥其用武之地。在零售领域，通过将ERP与来自POS（销售终端）机的信息整合，供货商可以及时得知超市的需求，调整送货周期。如果再整合了天气预报系统、车辆管理系统的话，信息系统通过数据分析，甚至可以根据天气、车辆位置自动调整送货周期。如今，这种被命名为需求信号储存库（Demand Signal Repository）的大数据分析系统已经开始被零售商所采用。
消化不良的“数据猎狗”
无论是制造业还是零售业，在整个工业生产和销售过程中，数据来源基本可以被划分为产品数据、运营数据、产业链数据以及外部数据四个不同的部分。
产品数据：产品数据中除了包含有其自身的特征和功能外，还有设计、制造、实验等多个部分。
运营数据：其中涵盖了管理、组织、市场、考核、薪酬等方面的内容。此外，与产品数据不同，运营数据中同时涵盖了员工积极性、品牌知名度等抽象数据
产业链数据：上通供应商，下达消费者，产业链数据中包含了与产品供求关系相关的各类信息。除此之外，同运营数据类似，其也包括了消费者满意度等抽象数据。
外部数据：这一部分的内容有法律法规、竞争对手分析等。
如此之多的数据来源，其内容很多是由机器和传感器所反馈得来的。这对于管理者来说亦喜亦优。利好的一面在于，机器会严格执行命令，而不会松懈。而这一点却恰恰成为了机器的不足：只会傻傻地收集信息，但是无法进行处理。
去粗取精的目的，将使得大数据分析可以在工业领域发挥自己的用武之地。不过大数据分析的能力还是远远赶不上数据的发展。这种能力包含了三个部分的内容：大数据分析速度、大数据分析的精细度，以及相关的专业知识。
在欧洲粒子物理研究中心内，铺设着一个庞然大物——大型强子对撞机。其被深埋在100米深的环形隧道内，横跨瑞士和法国边境。根据统计，在开足马力的情况下，大型强子对撞机所产生的数据流将达到每秒大约700兆字节，每年达到1.5万亿字节。2012年整年，这台庞然大物共产生了大概30TB的数据。这些数据，都保存在欧洲核子研究中心的存储系统内，并通过高性能计算系统对其进行夜以继日的大数据分析。
尽管研究中心每天都要迎接大量的新数据，而且其已经对旧有数据进行了分析，但是他们依然不可能随便丢掉任何一部分内容。研究中心的物理学家Pere对此表示说：“我们不能丢弃掉任何数据，否则数年后你面对新分析出来的数据时可能会突然意识到，‘天哪，几年前我扔掉了我需要的东西。’”
福特汽车也面临着这样的困扰。尽管福特首席大数据分析师John Ginder将这家公司称之为“数据猎狗（data hound）”，但是这只猎狗目前还没办法完全消化掉其寻觅来的所有食物。他认为，目前大数据分析工具并不成熟，可供企业使用的成熟大数据商业工具非常少。此外，相关的专业人才也比较缺乏。在John眼里，未来的“数据科学家”不是懂得如何书写合乎规范的SQL查询语句的人，而是知道如何提出正确问题的业务分析师。
需求执“智造时代”牛耳
来自国外媒体的调研认为，在这场大数据的洪流中，工业制造企业已经落后了。调研显示，只有3%的企业将数据的访问与分析进行了整合。甚至于，这些制造企业对自己的信心都不太足。有66%的受访制造企业认为，自己在对数据的利用方面“水平一般”或者“水平较差”。
相比IT行业火热的大数据之旅，制造业的这种现象并不偶然。一方面，工业企业对于信息系统的认知程度并不高，甚至认为这是两个没有交集的行业。除此之外，即使企业对大数据在业务流程改造、商业模式挖掘方面的作用有所认知，数据量增加、业务模式更迭、前期投入成本升高等IT化所带来的压力，也使得其很难在此进行大规模投入。
幸运的是，现代工业带来了规模化、快速响应、高自动化的需求，这使得企业必须要寻求改变。来自GE（通用电气）的观点认为，在当今社会，单纯从物理方面提升提高生产效率已经变得非常困难。因此，对流程进行改革成为了现代工业的一个非常重要的标志和人物。根据GE发布的报告估测，每提高1%的燃油效率，航空业每年能节省20亿美元，而能源行业则能节省40亿美元。
长沙中联重工科技发展股份有限公司CIO王玉坤认为，大数据在工业领域的应用应该分步推进，首先要保证数据的数量和质量，企业里绝大部分的业务都要在系统中运行，减少人工参与；其次，让企业决策者建立对数据的兴趣，在了解和应用以后，自然就提出了需求。
如果今天领导想要了解过去3个月内某条生产线的状况，你难道还要打开Excel表格查询，甚至搬出以前记在纸上的生产日志逐条翻阅吗？为什么不试试大数据？
这一点在互联网上最为明显。打开微博，大数据会“猜你喜欢”什么样的文章；电商购物，大数据会“为你推荐”你可能需要的商品；聊个QQ，加好友时大数据会告诉你，有一些“你可能感兴趣的人”正在线上。甚至于，就是看一下新闻，大数据也会根据你的浏览记录选择推送什么样的广告。
大数据之所以能够“紧逼盯人”般地捕捉到我们的好恶，是由于其获取到了我们所创造的信息。这些信息包括了我们所发表的文章、浏览过的网站、加过的好友等，或有意或无意的，我们成为了大数据的样本收集对象。
这种被电脑所操纵的场景，可能多少会让人有些反感。不过，人类并非是被信息技术所监控的唯一对象。机器，正在成为与人类一样的“难兄难弟”，受到信息技术的左右。来自分析调研机构IDC的研究报告认为，到2020年全球数据资料存储量将达到40ZB。在这其中，大部分数据是由机器，包括机器传感器以及与其他设备通信的智能设备所产生的。
机器，大数据的主要来源
这些由机器所产生的数据，包括了计算结果、设备运行状况、温度等多方面的信息。通过对这些数据的汇总、整理、分析，我们不仅可以从中了解产品生产过程中的各个环节，同时也可以了解到机器各部件的运行状况。在工业和制造业领域，大数据正在帮助我们改进设计、制造和交付的流程。
目前，一些企业已经在利用大数据进行工业制造应用。在福特汽车的工厂里，几乎所有的制造流水线上都安装有各种传感器，通过这些传感器，福特汽车能够收集到大量在汽车生产过程中的数据。目前，福特汽车已经有计划，利用这些数据打造出一个完全建设在信息系统中的“虚拟工厂”。在这个虚拟工厂中，从设计、制造、组装到包装，所有的流程均由计算机进行模拟。从模拟场景中工程师可以随时观察流水线的运作过程，并对制造工艺、零件装配等细节进行调整，利用海量数据探索最佳的生产工艺。最终，当虚拟工厂运转正常后，会将整个模型“平移”到物理场景中，进行正式投产。
同时，在生产管理方面，福特汽车也在从大数据借力。其从中国、墨西哥、西班牙、德国、英国和美国6家装配厂分别收集到了工人的人体工程学数据，由项目团队进行汇总和处理，并打造出了两个可用于人体工程学评估的标准虚拟人体模型。这些模型综合反映了福特汽车全球工人的特征和结构，使得企业可以根据不同区域工人的工作能力，制定适合他们特质的工作要求，以提高生产率。同时，福特工程师还在尝试将动态捕捉技术和人体建模软件结合在一起，为全球各地区福特工厂的工人设计更加合理的工作流程。
不只是汽车，在零售业大数据也在发挥其用武之地。在零售领域，通过将ERP与来自POS（销售终端）机的信息整合，供货商可以及时得知超市的需求，调整送货周期。如果再整合了天气预报系统、车辆管理系统的话，信息系统通过数据分析，甚至可以根据天气、车辆位置自动调整送货周期。如今，这种被命名为需求信号储存库（Demand Signal Repository）的大数据分析系统已经开始被零售商所采用。
消化不良的“数据猎狗”
无论是制造业还是零售业，在整个工业生产和销售过程中，数据来源基本可以被划分为产品数据、运营数据、产业链数据以及外部数据四个不同的部分。
产品数据：产品数据中除了包含有其自身的特征和功能外，还有设计、制造、实验等多个部分。
运营数据：其中涵盖了管理、组织、市场、考核、薪酬等方面的内容。此外，与产品数据不同，运营数据中同时涵盖了员工积极性、品牌知名度等抽象数据
产业链数据：上通供应商，下达消费者，产业链数据中包含了与产品供求关系相关的各类信息。除此之外，同运营数据类似，其也包括了消费者满意度等抽象数据。
外部数据：这一部分的内容有法律法规、竞争对手分析等。
如此之多的数据来源，其内容很多是由机器和传感器所反馈得来的。这对于管理者来说亦喜亦优。利好的一面在于，机器会严格执行命令，而不会松懈。而这一点却恰恰成为了机器的不足：只会傻傻地收集信息，但是无法进行处理。
去粗取精的目的，将使得大数据分析可以在工业领域发挥自己的用武之地。不过大数据分析的能力还是远远赶不上数据的发展。这种能力包含了三个部分的内容：大数据分析速度、大数据分析的精细度，以及相关的专业知识。
在欧洲粒子物理研究中心内，铺设着一个庞然大物——大型强子对撞机。其被深埋在100米深的环形隧道内，横跨瑞士和法国边境。根据统计，在开足马力的情况下，大型强子对撞机所产生的数据流将达到每秒大约700兆字节，每年达到1.5万亿字节。2012年整年，这台庞然大物共产生了大概30TB的数据。这些数据，都保存在欧洲核子研究中心的存储系统内，并通过高性能计算系统对其进行夜以继日的大数据分析。
尽管研究中心每天都要迎接大量的新数据，而且其已经对旧有数据进行了分析，但是他们依然不可能随便丢掉任何一部分内容。研究中心的物理学家Pere对此表示说：“我们不能丢弃掉任何数据，否则数年后你面对新分析出来的数据时可能会突然意识到，‘天哪，几年前我扔掉了我需要的东西。’”
福特汽车也面临着这样的困扰。尽管福特首席大数据分析师John Ginder将这家公司称之为“数据猎狗（data hound）”，但是这只猎狗目前还没办法完全消化掉其寻觅来的所有食物。他认为，目前大数据分析工具并不成熟，可供企业使用的成熟大数据商业工具非常少。此外，相关的专业人才也比较缺乏。在John眼里，未来的“数据科学家”不是懂得如何书写合乎规范的SQL查询语句的人，而是知道如何提出正确问题的业务分析师。
需求执“智造时代”牛耳
来自国外媒体的调研认为，在这场大数据的洪流中，工业制造企业已经落后了。调研显示，只有3%的企业将数据的访问与分析进行了整合。甚至于，这些制造企业对自己的信心都不太足。有66%的受访制造企业认为，自己在对数据的利用方面“水平一般”或者“水平较差”。
相比IT行业火热的大数据之旅，制造业的这种现象并不偶然。一方面，工业企业对于信息系统的认知程度并不高，甚至认为这是两个没有交集的行业。除此之外，即使企业对大数据在业务流程改造、商业模式挖掘方面的作用有所认知，数据量增加、业务模式更迭、前期投入成本升高等IT化所带来的压力，也使得其很难在此进行大规模投入。
幸运的是，现代工业带来了规模化、快速响应、高自动化的需求，这使得企业必须要寻求改变。来自GE（通用电气）的观点认为，在当今社会，单纯从物理方面提升提高生产效率已经变得非常困难。因此，对流程进行改革成为了现代工业的一个非常重要的标志和人物。根据GE发布的报告估测，每提高1%的燃油效率，航空业每年能节省20亿美元，而能源行业则能节省40亿美元。
长沙中联重工科技发展股份有限公司CIO王玉坤认为，大数据在工业领域的应用应该分步推进，首先要保证数据的数量和质量，企业里绝大部分的业务都要在系统中运行，减少人工参与；其次，让企业决策者建立对数据的兴趣，在了解和应用以后，自然就提出了需求。
如果今天领导想要了解过去3个月内某条生产线的状况，你难道还要打开Excel表格查询，甚至搬出以前记在纸上的生产日志逐条翻阅吗？为什么不试试大数据？