郭朝暉：工業大數據的理論體系

走向智能研究院工業大數據首席專家郭朝暉博士

大數據的課程我講過多次。除了給專業人人士講，我個人幾乎都不滿意。有個問題一直困惑著我：“工業大數據”到底該講什么，才不至于以偏概全？或者說，理論體系應該包含哪些內容？ 下面是我想到的一點原則性的觀點——可以從哪些視角看待它。

1、工業大數據的意義：從DIKW體系的角度看

我用DIKW體系的觀點解釋大數據的意義：將人類帶入智能社會。大數據夠把人類帶入智能社會的核心優勢在于“知識”的生產和應用。我們把智能理解為“感知、決策和執行”的統一，則大數據能很好地提供“感知”和“決策”所需要的知識。

2、大數據與業務系統的關系：概念。

很多人把數據和大數據混淆起來。一個典型的表現是把業務系統（如MES、ERP）的功能說成大數據的應用，似乎只要數據都是大數據。在我看來業務系統看數據，側重數據用于完成特定業務的一次利用。數據作為信息的載體，數據的生命周期相對較短。

大數據則側重數據的二次利用或重復利用，數據主要作為知識的載體。當然：大數據主要由業務系統（如ERP、MES）產生、積累，并最終服務于業務系統。

3、大數據的特征：甲乙方的視角

甲乙雙方看待大數據的特征是不同的。

其中，甲方就是希望通過大數據創造價值、改進業務的業務人員，而乙方是幫助甲方實現目標的IT技術人員。

大數據的甲方視角：有三個特征（樣本=全體等，后面詳細展開），都與獲取知識相關。而獲取了知識才能創造價值。大數據的乙方視角即“4V特征”。這四個特征關注的是IT技術人員數據處理的困難。

顯然，乙方的工作應該服從甲方的業務需求。從這個意義上講，乙方可能遇到4V涉及的困難、也可能遇不到，視甲方的實際情況而定。我講的課主要是甲方視角，而IT專業人士講的課主要是乙方視角。

4、大數據與知識獲取的可行性（甲方視角、大數據特征）

（從甲方看）大數據的價值在于產生知識。人們經常提到的大數據的幾個特征（樣本=全體、相關非因果、混雜性），都可以歸結為便于獲得知識。

l 樣本=全體。解決知識的存在性問題。人類的一切知識都來源于歷史；如果大數據能夠完整地記錄歷史，就會蘊含知識。這一點強調的是樣本分布的完整性。

l 不拘泥于因果。一般說法的是“相關關系而非因果關系”，而我將其改為“不拘泥于因果”。人類的知識有很多種，一種是說不出來的“默會知識”、一種是說的清楚的知識；而說得清楚的知識又包括理論知識和經驗知識。其中，理論知識是講究因果的；如果有把知識拘泥于因果則是不完備的。所以，“不拘泥于因果”解決了知識完的整性問題。

l 混雜性。本質是知識的可獲得、可驗證性，保證知識的質量。獲得知識的一個本質要求是區分偶然聯系和非偶然聯系。混雜性可以用于解決這個問題。

換句話說，這三個特點保證了知識的存在性、完整性和可獲得性。這就是大數據的意義所在。我們知道：智能制造需要知識才能形成閉環、互聯網可以讓知識的價值放大。所以，在智能制造、工業互聯網的背景下，大數據的價值猛增。

5、知識類型的角度：多角度觀察

我一直認為，大數據的價值在于獲得、存儲和運用知識的能力。而“知識”可以分類——可以從多個維度來看：

l 默會知識、經驗知識、理論知識。

默會知識就是說不清楚、難以變成程序代碼的感性知識。例如，從圖像中人是一個人、下棋時對“勢”的理解，都是感性知識。

感性知識之外的經驗知識。這些知識說得清楚怎么做，不一定需要說明原因。如某種方法較好、哪條路走的快等——實際上好就是好了，不一定需要解釋。

理論知識就是說得清楚原因、可以解釋、甚至可計算的知識。

如前所述，大數據的優勢在于可以更容易地獲得默會和經驗知識——這在過去是很難的。過去計算機用到的知識，往往需要人們寫成代碼——但這只是人們大腦中的一部分知識。單純依靠理性知識，難以實現智能化。

l 正向知識（建模獲得）、逆向知識（根因分析）。

從原因到結果的知識，我稱其為正向知識。數學建模過程就是建立正向知識。從結果到原因的知識，我稱為逆向知識。就是所謂的根因分析。

l 聯系型知識、設計型知識。

因果知識、感性知識等體現的都是信息之間的聯系。而設計型的知識指的是產品、工藝設計等。設計型知識占用的計算機存儲量很大。在大數據時代，設計型知識容易存儲、處理了。

6、大數據獲得知識的途徑：承載知識和提煉知識

用大數據獲得知識有兩種方式：一種就是數據本身就承載知識；一種是數據承載的是信息、需要從數據提煉出知識。

第一種典型的就是產品設計數據、各種標準、成功案例等。快速響應、個性化定制的前提和手段，就是這種知識的共享。

對于這些知識，有時候會面臨的困難之一是如何找到它們。而找到這些知識本身就可能是需要獲得的知識。典型的就是谷歌搜索。AI算法對解決這個問題可能是有用的。

第二種知識就是前面說的、通過建模或根因分析得到的知識。工業上對知識是有明確需求的、以至于難以達到；但機理卻是相對明確的。我談的很多方法論，其實就是在這兩個方面的。下面還會提到。

7、通過大數據獲得價值：轉型升級才能創造藍海

從某種意義上說，大數據創造價值就是促進知識創造價值。這些知識要用在提高質量、效率，降低成本等具體問題上，才能創造價值。

人們遇到的真正困惑，或許是如何找到這些“問題”。這些問題大概可以分成兩類：一類是現有業務的痛點；第二類是轉型升級以后面臨新的要求。

對于業務痛點，往往是：“該做的都做了，剩下的往往是難以做的。”所以，難以找到合適的問題。對于這類困惑，大數據只是手段之一。往往要綜合運用各種手段，大數據才能給創造價值。

對于第二類困惑，往往是業務本身或外部變化引發的。例如，采用了新的生產方式或技術手段、用戶對質量要求提高了、數字化水平提高了、企業的業務重心轉移了（創新和服務的比重增大了）等等。這些變化，我統稱為“轉型升級”。對于這類新的問題，大數據方法比較容易發揮作用。

數據分析曾經被認為是“沒有辦法的辦法”。我把最近突然變熱的原因，歸結到智能制造相關技術引發的企業轉型升級。這時，大數據技術進入了一個藍海。大數據進入藍海的原因，不僅是獲得知識更方便等原因，更是知識的放大：把知識變成計算機可執行的代碼、實現人機知識的共享，知識在互聯網上實現共享，都會讓知識的價值倍增。從而讓“知識生產”的經濟性大大提升。

總體上看，轉型升級是戰略問題，大數據應用是戰術問題。戰略重點的改變，才能給大數據的應用創造條件。否則，再好的技術都可能成為屠龍之技。

8、大數據建模分析的方法論：算法只是細節問題

談到大數據分析與建模，很多人馬上想到各種算法。在我看來，對數據分析與建模問題來說，算法問題其實是戰術問題——也就是說，還需要有個戰略問題，用來決定分析什么問題、分析問題的次序和路徑等。CRISP_DM就是這個層面上的邏輯。我還想將其邏輯進一步簡化：

1、明確業務需求；確定需求是真實的、一旦分析成功則具有可行性。

2、數據分析方法：解決問題的次序和切入點的問題。

3、分析問題的具體算法。如回歸、決策樹、深度學習等。

其中，前面兩步做得好的話，后面的算法會比較簡單。我總覺得，學術界把算法看得太重、過度重視算法技巧。技巧易于發論文，但不符合工程邏輯。

９、總結

人們關注工業大數據的終極目標是創造價值；方向是提升智能化；核心問題是知識的獲取和應用。用好大數據的關鍵是搞清楚戰略和戰術的關系，也就是做什么事情、做事的次序和切入點等問題。單純從分析方法或數據角度看問題，是看不清楚問題全貌的。