工业大数据相对商务大数据更难判断之处

工业大数据相对商务大数据更难判断之处

  如今工业界重视数据分析早已不是新鲜事了，人们很早就希望通过数据发现客观规律、优化生产过程。对数据挖掘的价值，一种流行的观点是：当企业竞争进入白热化、所有手段都已用尽时，数据挖掘提供了半步的可能。与现在的观点相比，这个认识是相当低调的。当然，低调背后是有原因的，因为业界真正成功的案例其实非常少。现在关于大数据的流行观点，几乎都是针对商务大数据的。然而，许多观点可能并不适合工业界。工业大数据相对商务大数据更难判断之处大概总结如下几点：

1、分析难度高。工业系统往往是复杂的人造系统，包含大量复杂的前馈和反馈环节。这意味着，变量间的相关性往往不是自然的因果关系。这个问题很容易误导分析和决策的过程。另外，工业数据的信噪比往往比较低，分析结果很容易出现严重偏离事实的畸变（即所谓的有偏估计）。

2、对分析结果的质量要求高。工业界对分析结果的精度和可靠度要求高。如果将不可靠、不的分析结果用于指导生产，不仅不能创造价值，甚可能导大的损失。与之相比，在许多商务大数据的应用场景下，即便分析错误，损失也不大。
3、相关性包含的信息少。在商务大数据中，数据之间的“相关性”本身往往就具有很大的参考价值，而在工业体系中则未必是这样。

4、可发现的新知识少。一般来说，发现新知识是大数据分析的一个重要目的。然而，在工业领域，人们对生产过程的研究一般比较深入，专业知识也很丰富，很难从数据中发现新的知识。与之相比，商务活动的大数据分析往往涉及人的喜好，这些恰恰是过去难以量化研究的，故而大数据的含金量高。

  很多企业急于搭上“工业大数据”这趟快车，然而在现实中遇到了很多的困惑。人们似乎都认为数据的作用很大，但从事过工业数据分析的人往往有这样的体会：分析过程往往达不到预想的目标，数据似乎并不是传说中的金矿，工业大数据之路还值得我们更加深思。
测试仪器引申阅读：铁素体测试仪、超声波探伤仪。