制造业的数据总量居然超过了政府部门的数据总量，这个结论还是让我吃了一惊，因为在2000年的时候，我还记得那个时候说，数据总量80%在政府，那么中国这个制造大国，面临美国的工业互联网，德国的工业4.0，不是一个上不上的问题，而是一个怎么上的问题，否则，毁灭你与你无关。

　　回想这25年来的信息化工作，数据、信息、知识，还是给企业带来了巨大的价值，所以笔者才提出了一个理念，就是传统企业利用大数据思维，收集具有统计学意义的小数据，进行分析应用，就可以获得巨大的经济价值。

　　工业大数据指在工业领域中产生的各种数据，事实上相对于互联网数据、营销数据，工业数据覆盖着整个价值链、生态圈，甚至笔者现在提出升级的工业企业必须三流合一，这三流就是物流(包括物的变化，这是工业企业的核心，然后才是运输、仓储意义上的物流)、资金流、信息流，做到三流合一才是一流的工业企业。

　　工业企业随着信息化软硬件设备、系统的普及应用，包括条形码、二维码、RFID、工业传感器、工业自动控制系统、工业物联网、MES、CAD/CAPP/CAM/CAE/CAI/CAQ、PDM 、ERP等等，工业企业拥有的数据越来越多，这些数据同样具有大数据的特征，工业企业能否按照大数据的思维方式实现企业的数据应用，是值得我们深思的大话题。

　　笔者还是按照大数据的4个V，也就是数据量、数据种类、数据速度、数据价值四个方面对工业企业的大数据进行解读。

　　要想发现隐藏的知识，必须具有足够的数据量，笔者曾经培训一个铝轮毂企业的PRO/E软件中的有限元分析，企业的需求就是如何提高铝轮毂的设计一次成功率，笔者教会了企业员工如何建模，如何加约束，如何加载荷，如何网格划分，如何设置相关工况，如何计算，并分析计算结果，然后很现实的问题就是，分析结果出来以后，强度应力值，结合安全系数，到底取多大，笔者是没有数据基础的，只能告知企业的员工，你们回去后，计算至少10个产品以后，结合试验数据，最终确定强度应力值的阀值。不过值得欣慰的是，过了半年左右，和企业的员工联系后，他们告诉我，有限元分析已经普及化应用，现在试验失败的设计已经大幅度降低，印象说法以前15%左右，每个月总有几个，超过10个也有，现在一个月难得有一、两个。

　　然后说数据种类，随着客户要求的提升，例如服装企业，曾经1个半月的交期，现在要求一周，以往的工作模式，根本完不成，那么为什么完不成。分析其原因，来回返工，各种更改是频繁发生，那么从一个具体的设计变更来说，以前只需要发出变更就OK，现在变更必须查询物料情况，确认物料才可以，以前设计结束了，如何检测，检测部门自己定，差错是经常的，现在是设计变更、物料、检测单必须三单齐才可以下发，那么这就意味着操作者必须考虑更多的数据，也可以说成大数据，那么这种情况下，就必须足够的信息系统支持，而其产生的数据，数据的量、种类，也大幅度上升，这种模式下，其产出也就变成了大数据。

　　第三说时效，其实对于工业企业，生产部门的数据的及时性要求甚至比互联网企业更高，例如生产线的高速运转，一台关键设备出现前期缺陷，如果不能及时处理，进一步扩大，将导致设备瘫痪，整个生产线停转，产品就不能完成，而更要命的问题是，工业化生产是规模化的，缺一个零件，整个产品就出不了厂，例如某汽车配件企业产品出现问题，汽车总装厂停线两天，直接造成数以亿计的损失。再从单元设备角度，工业制造过程往往伴随强大动力，一旦设备故障，将会产生人生伤害风险，安全事故时有发生。所以工业企业如何利用大数据手段提升效率，是很多企业重点考虑的问题。

　　第四说价值，拿设计来说，设计中会有很多方案，经过多次比选，选择了一个方案，绘制图纸，而淘汰的方案就放弃了，那么这些淘汰方案就没有价值了吗?以往由于存储成本问题，企业往往丢弃了这些东西，因此造成的结果就是知其然不知其所以然，例如某企业的零件经常出现问题，但是技术人员还是不敢改，原因就是怕改了更糟糕。也有个例子，某汽车企业引进一个车型，将长度加了10厘米，结果整个动力学性能不可同日而语。所以如何积累那些以往丢弃的过程数据，对于工业企业也是个值得深思的话题。

　　笔者崇尚的大数据思维，简要从数据的电子化采集、数据的视角高度、数据应用三个方面做一些描述。

　　数据采集的手段可以包括人工采集、电子化采集、网络化存储、平台化存储多个层次，不同的层次将带来不同的价值。一个汽车企业，油漆温度要求2个小时采集一次，而一位熟人告诉我，目前模式工程师们几天填一回，那么如果油漆出现问题，需要处理的车的范围将是管理期望的数十倍。于是我跟这位熟人建议，企业真的重视，那么可以用电子采集手段啊，把数据传到服务器，数据的产生同时包括生成时间，而这个时间是服务器时间，这样工程师就不能控制了，以往手写的，随便写。她又问我，那如果工程师不看表就乱填怎么办，我的回答是，那就只能上自动化采集设备了。而类似的，一个企业产品质量偶尔出问题，企业最终决定，上一套工控系统，在一次又出现问题时，经过分析，认为员工一定没有正常上班，否则不会出现这样的数据，最终员工交待，当时他在睡觉，而之后，该产品再没有出问题。

　　数据的视角高度是指生产的各个环节的数据流，例如有企业，设计部门做完三维设计、做二维图纸，发给工艺部门的是二维图纸，三维模型不给的，因为不符合管理规范，于是工艺部门再根据二维图纸进行三维建模，可想而知其效率与质量，生产误时间不说，还经常看不懂，错误频繁。这是在两个节点之间的数据处理问题，而更高的层次，是整个生产流程是否可以拿到所有的数据，数据的传递过程中，是否出现偏差，这也是个非常大的问题。某企业被客户投诉，三天之内就赔付了50万美金，内部处理开掉了一个设计师，原因就是工厂生产采用了某个国产零件，而该零件是国外客户明确指定供应商的，而追查起来，是总部设计师没有把这条信息传递到工厂。

　　第三说数据的应用，当我们采集了各个环节的数据，以全局性眼光、改善性眼光来看待的整体工业流程时，将会发现很多可以创新改进的机会，或者对企业的关键节点进行优化，就可以获得巨大的经济收益。例如某企业一名普通员工，提出供应商的一道工序，我们也有一道，能不能两道合一道，企业采纳了，与供应商协商执行后，一年就给企业节约200万美金的采购成本。某企业实现了客户订单有纸面传真，改成电子化，又由电子化上升到标准化，通过一个自动化转换平台(转换部分达到总订单85%)，实现客户订单信息向生产指令的自动化转换，结果大幅度提升了企业的订单完成时间，原来一般一个月交期，现在7天，加急订单三天，企业的人员规模除增加两名软件开发人员以外基本没变，企业设备基本没变，而一年的时间，企业的产值从2个多亿上升到7个多亿。而从数据的应用看，一个企业通过工程机械的开工情况分析，得出经济危机将至的结论，减少了扩张，成功避免了损失。一个企业通过分析产品的最终用户，而不是仅仅象以往一样只是从渠道那里拿到一些汇总数据，经过分析，确立了一个细分市场，结果成功形成了规模化，硬生生在一般人眼里的红海中开辟了一块天地。

　　随着全球经济一体化、互联网、移动应用，大数据的应用，企业面临的是前所未有的竞争环境，利润空间日益变薄，拿GE的工业互联网说法，至少节约成本1%-1.5%，但是这1%-1.5%可能就是工业企业的生死线，例如某企业1500美金的产品，利润只有10块美金，而如前例，一道工序优化，就为那个年产值2.5亿美金的企业带来了0.8%的成本节约，所以笔者以为，用大数据思维分析企业，应用大数据，改进企业流程，优化工序，创新产品，改进客户关系，从而实现企业整体的优化，达到升级，是一条王道。