王甲佳：工业大数据，到底神不神？

早年做OSCM&ISCM（企业内外供应链）系统的时候，专门做了一个运营质量提示模块，就是给基层管理者推送异常的业务过程、单据，并要求进行干预。比如到了交付时间还没有出库的订单，通过稽核明显不合指标的质量检验单、工序交接表，等等。

    《工业大数据》作者李杰先生在一次访谈中，对工业4.0概念需要哪些支撑点时候说“一是制造本身的价值化，不仅仅是做好一个产品，还要把产品生产过程做到浪费最少、实现制造过程与设计和客户需求相配合；二是制造过程中根据加工产品和状况的改变自动进行调整，在原有自动化的基础上实现“自省(Self-Aware)”的能力；三是在整个制造过程中达到零故障、零忧虑、零意外、零污染，这就是制造系统的最高境界。”

**系统老化与系统自省**

    他谈到的“自省”，让我感到耳目一新，我们在第一季讨论的时候多次提到ERP系统的老化问题，我一直在反思，系统为什么会老化？是功能不够用然后大家不愿意用吗？表面上确实如此。也往往因为这个我们进入了持续的“需求（bug）-开发-新功能-老化-需求”的循坏，几乎成为我们日常运维的重头。从系统论的角度看，可能还有深意，比如系统因为缺乏持续的反馈，流程的熵值也持续增加了。我们依托（ERP）系统，不仅是希望它可以承载业务作业，完成业务闭环，还需要进行业务运维，修订系统的参数。

    谈到老化，我还想起一位朋友，他是专门做数据库运维的。我说，这还可以成为一门生意吗？一般的网管、ERP工程师不就是可以自己干了？他莞尔一笑。有些企业系统用了七八年，性能减弱到不能忍的时候，才找到他这位“扁鹊”。记得他说的最多的是：数据不有效的治理，系统的技术架构与数据库的耦合性就不如初始阶段，还会衍生出诸多新的不确定问题。这自然是从技术角度看的。从业务角度看，也是如此。前面提到的十年前关于运营质量“监控”并且干预的做法，或者恰恰是对“老化”的干预。

    “吾当三省吾身”，人要自省，系统也要自省。大数据的时代，如何促进企业信息系统、作业系统以及经营系统的自省。可能是一个重要的话题。

**成就工业大数据的三大条件**

1.全量采集成为可能
    
       IOT的技术普及，让设备数据的采集成本大幅下降，使得装备自动化的速度得以加快，实物生产系统的智能化成为不可逆的趋势。在比较优势的趋势下，越来越多的企业用“军备竞赛”的速度参与其中。采集技术的应用普及速度已经进入了一个加速周期，同样，在相当长的一段时间里，它也是不可逆的。
    
    
    
2.全域识别成为可能
    
        中国的企业信息化是这几十年本土企业“早熟”期的信息化，不是渐进过程中的，虽然企业家们还是感到慢了，不能让他们的商业抱负如臂使指般的挥洒。在自动化不够充分地条件下进行的信息化，更多的聚焦于管理，组织和个人的行为规范在激荡的市场环境中具有很强的不确定性，造成管理信息化的成功率远低于期望和一般水平。这三十年来，财力、人力加起来数万亿之巨的投入，当然没有白费。它们构成了企业下一轮发展的重要环境和红利，加上几乎同时开始的互联网的商用，中国消费互联网的异军突起，一样为企业创造了可观的红利。这就是使得本土企业的进化走向了另外的道路。
    
    全域识别，在这个的条件下，变得更加便利。包括消费者的识别、渠道的识别、研发的识别、供应链的识别、管控方式的识别等等。
    
   
    
3.全程干预成为可能
    
        从最近现场参观以及工业大数据从业公司的调研情况看，在工业生产过程中，对良品率的干预、对生产线节拍的干预、对离散制造换型节奏的干预、对能耗的干预，是非常实际有效的。干预更精准，迭代更频繁，模式积累也更容易进入中国人擅长的领域。

        这三个方面的充裕条件，有利于靠谱地跃升工业大数据的地位，使得大数据在“云大物移”里抢先获得更好的规模经济效应（后续的讨论中将专门阐述“规模经济”物种的支配权）。

**工业大数据的必然窘境**

         工业大数据，并不是看起来的那么美。依然有许多坑，许多存量的以及隐性的不确定性必将长期存在。
        从生产设备、生产环节中高频（比如每秒，每15秒）采集多种参数，是工业大数据具有价值的前提。这个方面的分工属于自动化领域，在企业里面一般是装备部门、研发部门、生产部门，对应的供方是IOT物联网技术公司。建模与数据分析是企业业务运营部门的职能范畴，对应的供方是大数据技术公司；订单处理、绩效测量与考核、供应链、交付等则在传统的企业信息化范畴。

       这里的内在矛盾是长期存在的，将是许多企业的新矛盾策源地，需要足够的智慧来化解，也必然带来企业组织形态的新变革。

        与传统的业务流程再造不同的是，这一轮的变革将因为“不动点”（体现为硬件形态的设备、生产环境等）的客观性，科学相对容易占据上风而不是不可捉摸的“管理艺术”。通过最近考察的若干智能工厂案例，和ERP相比，即便是全局性质的，其交付周期也明显缩短。可以想见，这个方面的持续推进，对传统的管理软件业态将产生深刻的影响。

        它的窘境还不止于此。
        行业主数据、数据接口规范以及客户需求描述的结构化、客户参与生产过程等，还有大量的课要补。

        这个方面最突出的是行业主数据的百花齐放带来了诸多毫无价值的社会成本增加。2000年前后是中国行业主数据形成全局影响力的最佳窗口期，现在重新提上议程，肯定不是简单地将之前的工作捡前来做，需要基于新的情况做决策取舍。这是最难的事情，也是完全无法绕开的事情。它会成为社会各界IT投入的黑洞吗？不得而知。

        传统的管理信息化（ERP的势力范围内），就将客户隔在玻璃墙之外，智能制造和客户之间的玻璃墙似乎更厚了。这是需要警醒的，也是最容易将过程价值持续贬值的地方。

        当机器主导数据生产（机器生产出的数据量远远大于人生产出的数据量）之后，企业IT将如何演化？这个命题，回头我们还要继续谈，这里就不展开了。

**工业大数据的使命是帮助企业便利地构造“膝跳反应”体系**

     就是将企业这样的大能力单元赋予人一样的生命力，“自由”地与其他组织互动，这成立吗？
    工业大数据，不是基于制造业的功能延展，而是正在缔造一个新的世界，必将涌现出新的认知，新的未知。