读懂工业大数据，不得不看的一篇文章（下）

二、工业大数据的特点和分类

不管是工业自动化、还是工业智能化（工业4.0）、或者是工业互联网概念，他们的基础是工业数据。

随着行业发展，工业企业收集的数据维度不断扩大。主要体现在三个方面：

１.是时间维度不断延长。经过多年的生产经营，积累下来历年的产品数据、工业数据、原材料数据和生产设备数据；
２.是数据范围不断扩大。随着企业信息化建设的过程，一方面积累了企业的财务、供应商数据，也通过CRM系统积累了客户数据，通过CAD等积累了研发过程数据，通过摄像头积累了生产安全数据等，另一方面越来越多的外部数据也被收集回来，包括市场数据、社交网络数据、企业舆情数据等；
３.是数据粒度不断细化。从一款产品到多款、多系列产品使得产品数据不断细化，从单机机床到联网机床，使得数据交互频率大大增强；加工精度从1mm提升到0.2mm，从5分钟每次的统计到每5秒的全程监测，都使得采集到的数据精细度不断提升。

以上三个维度终导致企业所积累的数据量以加速度的方式在增加，构成了工业大数据的集合。不管企业是否承认，这些数据都堆砌在工厂的各个角落，而且在不断增加。

再从企业经营的视角来看待这些工业数据。可以按照数据的用途分成三类：

类是经营性数据，比如财务、资产、人事、供应商基础信息等数据，这些数据在企业信息化建设过程中陆陆续续积累起来，表现了一个工业企业的经营要素和成果。
第二类是生产性数据，这部分是围绕企业生产过程中积累的数据，包括原材料、研发、生产工艺、半成品、成品、售后服务等。随着数字机床、自动化生产线、SCADA系统的建设，这些数据也被企业大量记录下来。这些数据是工业生产过程中价值增值的体现，是决定企业差异性的核心所在。
第三类是环境类数据，包括布置在机床的设备诊断系统，库房、车间的温湿度数据，以及能耗数据，废水废气的排放等数据。这些数据对工业生产过程中起到约束作用。
从目前的数据采用情况看，经营类数据利用率高，生产性数据和环境类数据相比差距比较大。从未来数据量来说，生产线数据在工业企业数据中的占比将越来越大，环境类数据也将越来越多样化。

一般意义上，大数据有具有数据量大、数据种类多、商业价值高、处理速度高，在此基础上，工业大数据还有两大特点。

一是准确率高，大数据一般的应用场景是预测，在一般性商业领域，如果预测准确率达到90%已经是很高了，如果是99%就是了。但在工业领域的很多应用场景中，对准确率的要求达到99.9%甚至更高，比如轨道交通自动控制，再比如定制生产，如果把甲乙客户的订单参数搞混了，就会造成经济损失。
二是实时性强，工业大数据重要的应用场景是实时监测、实时预警、实时控制。一旦数据的采集、传输和应用等全处理流程耗时过长，就难以在生产过程中发挥价值。

工业大数据是企业生产经营的一次重大变革，对于工业化、信息化都还没有完成的工业企业而言，数据化时代又到来了，挑战很大。

后，工业大数据建设抓住两个板子作为突破点。一个是长的板，也就是梳理产品（工业）竞争力强的在哪里，继续深挖下面的数据价值，围绕这一块的工业数据构建产品和服务能力；另一个是短的板，就是影响工业企业发展的痛点在哪里，成本、市场、还是供应链，还是能耗？在数据化时代下，寻找机遇大数据的解决方案。