1、數據的來源

有種觀點認為大數據的來源是業務系統，大數據平臺只是順便把這些數據收集起來。這樣做不為數據的收集產生額外成本、也不影響原有業務系統的運行。但是，各個業務系統中的數據，往往不是為了分析目的而建立的，關聯關系是丟失的。這樣，數據中很多的價值就失去了。本人的觀點是，如果這種觀點成立，建立業務系統的時候就要想到進行數據分析。否則，數據的價值就會大打折扣。未來，如果要讓數據發揮大的作用，可能要花很大的時間對某些數據進行人工處理、講專家頭腦中的知識與數據結合起來，然后入庫：如果等到分析數據的時候再做，很多信息早已丟失了。當然，這個過程本身的規范化要做好。否則甚至會把好數據變成垃圾。

 

2、有無明確的業務功能

工業大數據平臺有沒有明確的功能？ 多數觀點認為：大數據的功能是事后分析挖掘。而針對事后分析，有兩種態度：有什么數據用什么數據、為了便于分析收集數據。我們認為，從未來的角度看，后者應該是發展方向。這時，數據的質量、完整性就變得很非常重要。

在我看來，隨著ICT技術的提升，大數據平臺很可能會成為新一代的智能監控系統（GE對飛機發動機的設想應該就是）。與傳統監控系統不同的是：平臺能記憶大量的過往案例和處置方法。未來的這種監控，很可能是為無人化、少人化、移動監控服務的。如果是這樣，就會對大數據平臺的數據質量、傳輸的可靠性和實施性產生極高的要求。換而言之，智能制造與工業大數據的相互促進，會大大拓展這個領域的發展前景。

 

3、大數據能獲得什么知識

人們很早就意識到：數據質量是決定于應用的目的。所以，在建立大數據平臺之前，最好能夠明確希望得到什么樣的知識，而不是泛泛地強調分析知識。我想，這些知識的一端是企業關心的結果，如質量、效率、能耗、缺陷率、作業率、設備狀態、完成時間，另外一端是與這些要素相關的原因。我們要得到的知識大概分成兩類：最初級的分析是原因與結果的關系，比如A變量與B變量的關系。但現實中，這種關系往往是很不穩定的。其他要素變化的時候，這種關系也會發生變化。所以，進一步的知識是要知道：哪些要素固定下來以后，變量之間的關系是穩定的。這些知識可以用于提高生產組織的水平、考核相關人員、發現各種跑冒滴漏、明確優化的側重點等。當然，理想的情況是分析多變量對多變量的關系。但遺憾的是，這樣的分析結果往往是可遇不可求的。

 

4、知識發現的人機關系問題

 

發現知識的過程是認識漸進的過程、是對知識可靠性把握不斷深入的過程。這個過程往往是人機交互實現的。首先，人要對可能的相關關系提出自己的想法；其次，可以通過計算機對人的想法進行篩選；接著，篩選過程中可能會出現大量難以解釋、或無法確認的東西，又需要人進行深入的對比分析：必要時甚至需要試驗和文獻分析補充數據、乃至提出新的假設。我曾經想通過找到自動化的算法，把機理不清楚的問題搞清楚。這現實中是難以實現的。現實中最好的辦法，往往只是“可靠性”的收斂速度比較快、人的工作量相對較小。我一直認為：人類分析復雜問題的能力，是計算機遠遠不及的。大數據時代我們有更多的素材，但要做得更好，需要更聰明的人來完成。當然，任何事情都有反例、特別是全體人類都非常關注的問題——這時，人類會不計代價，為機器智能做好各種準備工作。但對一般的企業，用機器代替人的分析，很可能是不合算的。

 

5、對概念的認識

  研究工業大數據，不必糾結于數據的多少。我們關心的是：如何讓數據創造商業價值。我一直認為，現在的統計理論，主要是針對小數據集合的，比如幾十個樣本以內；幾十年前的數據挖掘方法，基本上停留在科學尺度，勉強進入技術尺度，很少成功進入商業尺度；現在的深度學習理論，則很難廣泛地進入工業領域。