工業(yè)大數(shù)據(jù)相對商務(wù)大數(shù)據(jù)更難判斷之處

  如今工業(yè)界重視數(shù)據(jù)分析早已不是新鮮事了，人們很早就希望通過數(shù)據(jù)發(fā)現(xiàn)客觀規(guī)律、優(yōu)化生產(chǎn)過程。對數(shù)據(jù)挖掘的價值，一種流行的觀點是：當企業(yè)競爭進入白熱化、所有手段都已用盡時，數(shù)據(jù)挖掘提供了半步的可能。與現(xiàn)在的觀點相比，這個認識是相當?shù)驼{(diào)的。當然，低調(diào)背后是有原因的，因為業(yè)界真正成功的案例其實非常少。現(xiàn)在關(guān)于大數(shù)據(jù)的流行觀點，幾乎都是針對商務(wù)大數(shù)據(jù)的。然而，許多觀點可能并不適合工業(yè)界。工業(yè)大數(shù)據(jù)相對商務(wù)大數(shù)據(jù)更難判斷之處大概總結(jié)如下幾點：

1、分析難度高。工業(yè)系統(tǒng)往往是復(fù)雜的人造系統(tǒng)，包含大量復(fù)雜的前饋和反饋環(huán)節(jié)。這意味著，變量間的相關(guān)性往往不是自然的因果關(guān)系。這個問題很容易誤導(dǎo)分析和決策的過程。另外，工業(yè)數(shù)據(jù)的信噪比往往比較低，分析結(jié)果很容易出現(xiàn)嚴重偏離事實的畸變（即所謂的有偏估計）。

2、對分析結(jié)果的質(zhì)量要求高。工業(yè)界對分析結(jié)果的精度和可靠度要求高。如果將不可靠、不的分析結(jié)果用于指導(dǎo)生產(chǎn)，不僅不能創(chuàng)造價值，甚可能導(dǎo)大的損失。與之相比，在許多商務(wù)大數(shù)據(jù)的應(yīng)用場景下，即便分析錯誤，損失也不大。
3、相關(guān)性包含的信息少。在商務(wù)大數(shù)據(jù)中，數(shù)據(jù)之間的“相關(guān)性”本身往往就具有很大的參考價值，而在工業(yè)體系中則未必是這樣。

4、可發(fā)現(xiàn)的新知識少。一般來說，發(fā)現(xiàn)新知識是大數(shù)據(jù)分析的一個重要目的。然而，在工業(yè)領(lǐng)域，人們對生產(chǎn)過程的研究一般比較深入，專業(yè)知識也很豐富，很難從數(shù)據(jù)中發(fā)現(xiàn)新的知識。與之相比，商務(wù)活動的大數(shù)據(jù)分析往往涉及人的喜好，這些恰恰是過去難以量化研究的，故而大數(shù)據(jù)的含金量高。

  很多企業(yè)急于搭上“工業(yè)大數(shù)據(jù)”這趟快車，然而在現(xiàn)實中遇到了很多的困惑。人們似乎都認為數(shù)據(jù)的作用很大，但從事過工業(yè)數(shù)據(jù)分析的人往往有這樣的體會：分析過程往往達不到預(yù)想的目標，數(shù)據(jù)似乎并不是傳說中的金礦，工業(yè)大數(shù)據(jù)之路還值得我們更加深思。
測試儀器引申閱讀：鐵素體測試儀、超聲波探傷儀。