杨善林院士：大数据与具体应用领域结合才能获得大发展

2017年05月25日-28日，由国家发改委、工信部、国家互联网信息办公室、贵州省人民政府共同主办的“2017中国国际大数据产业博览会”在贵州贵阳举行。

25日，在数博会的“大数据与商务创新论坛”，哈工大-大数据与商务创新论坛上，国家工程院院士杨善林发表了题为“基于大数据的智能制造”的主题演讲。

杨善林在演讲中指出：

1、我们高端装备制造是事关国家经济安全和国防安全的战略性产业，其发展水平是国家科技水平和综合实力的重要标志，是国家产业转型升级的重要支援。

2、不同领域的科学、不同领域的企业家都应该有自己不同的思考，都应该有自己的认识，都应该有自己对大数据的定义。

3、围绕大数据的相关科学研究和商业应用刚刚开始起步，大数据只有与具体应用领域紧密结合才能获得更大的发展。

4、互联网与大数据技术等新兴信息技术的快速发展，深刻地影响着制造过程，改变了制造过程中人与人、人与组织、人与资源等交互方式，呈现出制造过程协同化、制造方式个性化、制造资源全球化、制造数据多元化、制造产品服务化等特点。

以下为演讲速记整理（有删减）：

杨善林：很高兴能有这么个机会，在贵阳数搏会的会场来给各位做一次学术交流，我今天的题目是“制造大数据及科学问题”。今天的主题是讲商务，在商务上讲制造大数据我想是合理的，制造、商务是一体化的。

我们高端装备制造是事关国家经济安全和国防安全的战略性产业，其发展水平是国家科技水平和综合实力的重要标志，是国家产业转型升级的重要支援。高端装备是指技术含量高、资金投入大、涉及学科多、服役寿命长，其研发与制造一般需要组织跨部门、跨行业、跨地方的力量才能完成的一类技术装备。

高端技术装备一般分为三类：

基层装备比如高端数控机床，简单说是用在制造装备的装备；

二是专用装备，比如民用飞机、高速动车组、航空航天、海洋工程装备；

三是成套装备，很多装备连成一个生产线，比如石油化工。

改革开放以来，我国装备制造业的水平大幅提升，建立了门类齐全、独立完整的装备制造体系。一些重要领域已经跻身世界先进颌裂，比如航天装备，卫星通信装备、先进轨道交通装备等等。

但是，我国的高端装备纸扎业却面临着诸多严峻的挑战，比如：产业的体系大而不强，企业创新能力不足，产业生态相对封闭，传统竞争优势在逐渐丧失。比如劳动力成本以前是我们的优势，现在劳动力成本也不低。由此可见，大力发展高端装备制造业既是国家的重大战略性需求，同时又面临着巨大的困难。

当前，全球科技创新呈现出新的发展趋势和特征，以互联网和大数据为代表的新兴信息技术广泛渗透，带动了几乎所有领域发生以绿色、智能、泛在为特征的群体性技术革命。因此，在此环境下，新一轮科技革命和产业变革正好孕育兴起，同时也为我国发展高端装备制造提供历史机遇。

下面简要从三个方面来给大家做交流：

一、大数据的资源观

在大数据的发展史上有几件重要的事，1998年美国硅图公司首席科学家提出大数据，但是很简单。美国的硅图公司是制造服务器的公司，服务器质量非常好，作为一个公司的首席科学家他思考的问题是什么呢？

硅图公司下一步应该如何以更好的产品来服务社会，来让企业发展，思考的问题就是经过硅图公司的服务器是世界一流的，但是出去不了，如果处理大数据是硅图公司的发展方向。到2007年的时候，关系数据库发明人之一吉姆·格雷，是实验观测，理论推演，计算仿真。

到2012年，《大数据时代》出版，这本书的出版由随机样本到全体数据，由因果关系到关联关系，使大数据研究轰轰烈烈，如火如荼。

什么是大数据？我们应该如何定义大数据？

我觉得应该是不同领域的科学、不同领域的企业家都应该有自己不同的思考，都应该有自己的认识，都应该有自己对大数据的定义。在学术界广为流传的是IBM公司的四个定义，IBM公司认定大数据我认为是非常科学，非常符合IBM公司利益，是符合IBM公司未来发展方向，但是如果所有科学家、所有企业家都这样看大数据，我认为这是错误的。

IBM公司的四个特征是对的，因为IBM公司是信息设备提供商，是信息服务提供商，从IBM公司未来发展的角度来看，IBM公司要制造顶好的设备，就要提供好的新服务，要具备这种思维特征的大数据广泛应用，IBM的思考思维值得我们借鉴，提供的思维不可作为所有人的认识。

下面提出一个问题，作为管理科学工作者来说，作为企业家来说，我们应该如何认识大数据？我想这样看大数据是否合理？

大数据是一类能够反映物质世界和精神世界运动状态和状态变化的资源，它具有决策有用性、功能多样性、应用协同性、可重复开采性和安全风险性。

首先我们是做管理，做管理就要做资源利用，核心就是对资源做管理。

资源有什么特征？

从应用角度来看，管理就是决策，能应用决策就不用多说。

功能多样性，一类数据可以做很多问题，比如金融大数据可以研究金融问题，运用金融数据也可以研究虚拟经济与实体经济之间的互动关系，运用金融大数据也可以研究社会治理现代化，这就是功能的多样性大数据。

协同性大数据，在金融经济不仅仅用金融数据，可以用实体经济跟基础数据，应用协同性。可重复开采性，用了以后再次挖掘还能有新的发现。安全风险性，这个就不用说了。

按照大数据的资源观，大数据研究的关键科学问题应该包括大数据的获取方法、加工技术、应用模式以及大数据的产权问题、相关的产业发展问题和相应的法律法规建设问题。

这是2012年我们第一次召开创新论坛，这是我对大数据的认识。

Gartner公司每年都发布一条曲线图，每年曲线的形状是一样的，但是出现的点不一样，有很多密密麻麻的文字，有圆的、有方的、有虚的，点的方式不一样。每个曲线在顶峰表明这项技术是炒作最厉害的，从下面上去的曲线是表明这个技术已经和产业结合，正在稳步上升，红点标出来的是大数据，2011年没有大数据的说法，2012年大数据快要登顶；2013年达到最高风，2014年下降，2015年、2016年、2017年再也没有大数据这个词。

这不是说大数据不是，这只是说大数据的炒作期已经结束。而围绕大数据的相关科学研究和商业应用刚刚开始起步！大数据只有与具体应用领域紧密结合才能获得更大的发展！

目前，通过大数据科室化展视、统计分析、机器学习等技术在可伸缩能力上的扩展，有很多大数据分析方法，但是要真正把大数据用好，发挥它潜在存在的巨大作用，大数据分析能力的提升仍然需要创新型、颠覆性的方法。深度学习能够下好围棋，但不一定能处理商业。

人工智能发展的两大途径，一类是建立在知识标识与推理机制基础上的人工智能技术，模拟人的逻辑思维；二类是在机器学习理论基础上发展起来的人工智能，主要是模拟人的经验思维。第一类是主体，现在深度学习是第二类，在基础学习的基础上发展起来，这两类方法在大数据处理上可能都有一定的前景。

简要说一下，大数据研究方面的几个问题：

（1）大数据资源的采集、开放、共享、安全、更新是大数据研究的重要方向。

（2）高动态多模态的大数据储存与分析的一般技术短期内很难有重大突破，但是结合一些具体应用领域需求来展开的大数据技术研究很可能取得重大成果。

（3）面向大量结构化数据的分析方法有较好的研究基础，同时也有很大的发展空间，在分析人的行为和预测经济社会发展趋势方面仍然会发挥重要作用。

（4）建立在知识标识与推理机制基础之上、以迷你人的逻辑思维为目标的人工智能技术，在大量数据的支持下一定会得到更加广泛的应用。

（5）在机器学习理论基础上发展起来的，以模拟人的经验思维为目标的、能够处理高动态多模态大数据的人工智能技术在大数据分析中可能有很好的应用前景。

二、制造大数据

大数据技术作为一类新的人造资源加入制造过程中，改变了制造业的组织方式和管理模式，推动制造业的新一轮重大技术创新和管理创新，在诸多方面极其深刻地影响着制造模式和发展战略。充分利用大数据这一心的战略性人造资源，能够不断提高产品的智能化水平、研发与生产过程的开放式创新水平和基于产品的服务华水平，并能重构制造资源组合，从而优化制造业生态系统。

制造大数据的构成，制造大数据无非是由三类数据构成：

一类是没有大数据的概念，由企业内部业务部门的数据，传统的数据，ERP的数据。

二类是网络中对制造有价值的数据，主要是产品价值网络中的数据，还有社会化知识创新网络中的数据，简单来说就是互联网数据，对企业有价值的部分。

三是智能互联产品，将来的产品，汽车也好、飞机也好都是智能互联的产品，在运动过程中通过后台往数据中心发射与设备相关的信息，这部分数据也是极其重要的，这是智能互联。这是应用的协调性，研究制造大数据不是仅仅只要工厂的数据，而是要全面的数据，要发挥数据的协同性作用。

制造大数据是一类重要的制造资源。它由企业内部的产品及其研发过程数据、生产和维护过程数据、客户服务和营销过程数据等传统知识文档数据，来自于企业外部的产品价值网络和社会化知识创新网络中的数据，以及来自于智能互联产品运行中的数据构成。利用制造大数据能够提高产品的智能化水平，提升产品研发与生产过程的开放式创新水平和基于产品的服务化水平，从而优化制造生态系统。

作为智能大数据在产品开发过程中的应用，能够为产品开发知识集成提供全新的数据来源，成为智能创新的基础资源。在产品生活过程中应用大数据，企业能够把生产制造过程中所涉及的数据整合到其运营中，从而获得对产品的预测性洞察而让生产运营变得更有竞争力。

在产品精准营销过程中的应用，运用大数据能够改变企业与客户之间的关系，能够帮助制造企业发现信市场和新客户，提高营销效率，提升品牌形象。在产品服务创新中应用大数据，可以通过智能互联产品相互连接、收集并分析数据，有利于企业为客户提供全新类型的产品服务，从而促进制造业服务化。

由于互联网大数据广泛应用，企业制造业的管理结构也会发生深刻的变革。

在工业3.0时代，企业是层级式的，底层是产品层，设备上面是控制层，控制上面是工作中心，这是中国没有，德国有，上面最高是企业层次，是层级结构。德国构想在工业4.0时代的企业结构，所有产品都是智能互联，中间是智能工厂，智能工厂不是简单的层级结构而分，而是网状结构，网状结构智能工厂是全球化资源。

播音787在沈阳制造，机身在西门子制造，智能工厂的车间是分布在全球，是网状构。这样的智能工厂再通过互联网大数据连成一个完整的智能互联体，这是未来工业4.0企业的基本结构。

总之，充分利用互联网与大数据这一心的战略性人造资源，不断提高产品的智能化水平、研发与生产过程中的开放式创新水平和基于产品的服务化水平，并能重构制造资源组合。

三、管理科学问题

互联网与大数据技术等新兴信息技术的快速发展，深刻地影响着制造过程，改变了制造过程中人与人、人与组织、人与资源等交互方式，呈现出制造过程协同化、制造方式个性化、制造资源全球化、制造数据多元化、制造产品服务化等特点。

这些新特征使企业组织形态、运营决策模式、协同制造方式和制造生产模式等方面必将发生重大变革，从而带来很多新的工程科技和管理科学问题。

制造工程管理的科学问题：

科学问题1：智能互联时代制造生态系统的演变与重构，因为互联网大数据是整个制造过程中全生命周期，从产品需求的提出，然后到研发、生产制造，一直到市场、售后服务，最后再反馈回来，为下一个产品开发提供新的数据资源，有重大变化，使得原有产业生态发生变化，不是简单的供应链，网状网络不是供应链，在整个产业生态系统的变革，整个产业生态系统要重新演变，围绕这个问题有很多科学问题要研究。

科学问题2：互联网时代制造过程的价值创造与服务化。互联网制造加热以后，价值创造过程发生变化，德国工业4.0没有企业制造你最擅长的小环节，只有质量最高、成本最低，就是你擅长的，这是整个的价值创造，价值链和价值网络发生重大变化，这也是我们需要研究的管理科学问题。

科学问题3：智能互联时代制造资源跨区域自组织与协同化。产品市场应该是国际化的、全球化的，分布在全球的制造资源，分布在全球各地的市场，如何通过互联网大数据来让它进行自组织，高效率运行的企业，这就需要很好的运行。

科学问题4：互联时代制造过程的智能运作管理理论。现有的运作管理都是层级式的企业模型，未来企业是网状结构，而不是层级结构，整个生态运作应该建立在全新的理论基础之上，需要进行方方面面的研究。

科学问题5：智能互联时代制造企业的人力资源管理。怎么把人管好？这是一些问题，未来是大数据数据，人不一定是单位的员工，照样是企业的人力资源。播音787在中国做机身，员工不是美国的员工。

科学问题6：信息系统开放结构与智能决策问题。现在信息管理系统无论是基于互联网，还是企业内部的，总体是面向企业内部管理结构，系统必须是开放结构，能够与任何系统对接，必须要推动信息系统标准全球化问题，不仅有重大的理论问题，有重大的技术问题，有国际化同步的问题。

总的来说，在这个时代无论是创业者，还是企业，还是政府，都应该有自己新的思考。

面对制造业国际竞争的新格局和我国制造业发展的新要求，制造业改革与发展的实践急需先进的管理管理理论支撑。系统深入地研究互联网与大数据环境下制造工程管理理论与方法，不仅能够开拓制造工程管理的前沿科学领域，而且能够为制造工程实践提供理论与方法支撑，为我国制造业发展发挥指导作用。