工业大数据读后感

阅读以后

　　工业4.0由德国提出并倡导之后，就被中国的媒体无限放大，每日都能听到新闻在讲工业4.0，微信作为目前信息获取的优先渠道，这些方面的信息自然少不了，而后当中国提出《中国制造2025》，似乎这样的工业化进程及变革就完成了近期历史上的一次小高潮，趁着这个热乎劲，我也趁李杰教授到清华做工业化4.0的讲座，买了一本他的签名版大作《工业大数据》，争取能够赶上时代。
　　依我浅显之见，个人认为之所以工业4.0能够吸引这么多关注的目光，尤其是得到了中国政府如此高度的深刻认识，不外乎三个原因：
　　1、中国是制造业大国，但基本都是以模仿制造为主。大型的模仿制造能力主要集中在东北地区，而华东和西南根据当年战备的需要，也存有一些实力，这些制造厂基本都是国有控制。远的不说，我熟悉一些的中航工业旗下的各个大型制造厂，就布局在这些地方，比如哈飞、沈飞、西飞、成飞、以及贵航。另外，在浙、闽、粤地区，因为地处沿海，思想解放，对于外来事物容易接受，理解得比较透彻，资本主义痕迹也非常明显。但苦于没有什么工业基础，因此都是以个体制造经济为主，零敲碎击地贡献了国内经济三根支柱之一的出口贸易。当然，产品的研发基本都是空白，从规模上辨识，这就是小模仿制造。
　　2、中国是互联网大国，但凡扯上互联网，与之有点沾亲带故关系的，基本上就能成为行业标杆、业界榜样、个体代表。目前国内互联网基本上已经形成了BAT三足鼎立的格局，媒体最喜欢八卦的内容，不会多于两个。第一个，BAT跟谁发生了关系？第二个，谁能把BAT给弄下王座？所以，涉及到第一个问题，多半都是BAT收购或入股谁谁谁，多少个亿美元，比如最近马云看不过强东娶奶茶，与近东搞起了基情，惹得媒体和资本市场一阵喧闹；而涉及到第二个问题，更是离谱，不说别的，一个打着买平台卖手机的小米一下子就估值高达450亿美元，而另一个同样也是打着平台卖硬件的乐视居然可以身价1400亿软妹币。
　　3、曾经的经济顶梁柱，GDP贡献大户房地产，明显出现了严重的两极分化，就算是北上广深这样的一线大城市，尽管有相对比较大的实际需求做支撑，但还是难掩其颓势。至少大家都明白，想要全国GDP能实现长期7.0%的年增长目标，光靠这几个地方，是肯定实现不了的。而二三线城市，该卖的能卖的，估计也卖得差不多了，而那些原本就没有或者是很潜在的消费需求也是被强烈地或者不强烈的刺激给严重透支了。目前就市场反馈的情况来看，除了贩毒、军火、赌博、卖肉、互联网，其它什么行业都难有财富的雪球效应。
　　其实上面稀里哗啦讲了这么多，就一个主题，在房地产上捞了一票，有钱，现在房地产不行了，该做点什么？能做点什么？于是想到了，如果把互联网和工业加一加，梦也许就能实现了呢？
　　扯了好半天背景的dan，该谈谈《工业大数据》的读后感了！
　　整本书读完，我个人觉得确实学到了很多，在互联网和大数据高速发展背景下，尤其是看到了生产力、生产关系、生产技术、商业模式以及创新模式等方面所受到的深刻变革影响。但其实，万变不离其宗。工业4.0，更多像是“接收-分析-预判-反馈”的无限循环机制，最终的目的，就是实现最大公约数下的最小公倍数概念。简单来说，就是在个体的需求总和上面寻找最大化的普遍性，而在实现普遍性的基础上，又最小化成本地去实现个体不同差异的需求。
　　对于李杰教授在书中的观点和方法，我并没有太多的异议。相反，我认为很多地方说得非常到位，比如“第四次工业革命的核心在于智能化，其最终目的是实现生产活动的高度整合，使系统像人一样思考和协同工作。”但，回到一个经常能接触到制造工厂的读者角色，我个人认为，至少中国离这样的工业4.0，还有很长的路要走，不管是大型模仿制造厂，还是小型模仿制造厂。另外，尤其针对书中所提到的那些方法，我有三个问题：一个是关于道德方面的，其余两个是关于技术方面的。具体如下：
　　1、数据收集该如何保护隐私？
　　定制化的服务和产品，必然是建立在非常庞大的数据处理和分析基础上的，如果在考虑遵守法律法规并尊重用户隐私的情况下，数据的收集过程该如何保护隐私？远的不说，就拿百度搜索来说，我通常都会处于登陆百度账户的情况下去搜索相关内容，时间一长，虽然没有征得我的同意，但百度还是特别“体贴地”在其它我正在浏览且由百度负责推广广告的网页上出现相关信息，如果这是一台因私电脑，那还说得过去，但如果这是一台办公电脑，很多信息，毫无疑问，肯定会泄露出去。这是出现在软的方面，如果出现在硬的方面，比如说最近用别克车挺多，经常听到里面的安吉星在做驾驶安全辅助，当你听到前方三百米有加油站且看到自己的油箱没有油的时候，你会不会感到很舒服但没有安全感？如果包括你驾驶习惯在内的所有数据都被别克所获得，那我感觉，它获得的，不光是你的信赖，更像是已然赢得了你的人生。所以，我在道德层面上，很纠结，数据收集究竟该如何做，才能保护好隐私？
　　2、怎样去获得所谓的大数据？
　　很显然，这是第一个技术问题。如文中案例所提到的某世界500强生活消费品公司在做工业4.0应用所获得的“自省性生产系统对生产效率带来的巨大提升”，其中主要是针对生产流程缺陷的修正，实际上就是基于过往曾经生产过的设备记录来重新调整。而面对客户方面，除了市场销售额和针对零星客户所做的满意度回访等等以外，并没有什么别的信息反馈。客观记录穿着状态的感应器，基本上也是不存在的。一个几块钱的纸尿片，加上一个几十块的集成电脑芯片，别说供应商不会干，就连爸爸妈妈们也不会同意。再看船舶制造，就能实现传感器的开发和数据采集。所以，针对以生产低价值和低附加值为主的中国制造业，该如何去收集大家都想要的大数据？其实，并不是那么容易的事情。因此，也不难看出，为什么中国的产品没有创造力。原因是，我们经验本身就不够，市场仍被巨头垄断，听巨头的话，乖乖生产，不也过得不错吗？富士康，就是典型代表！
　　3、收集的数据如何进行筛选，并进行分析和预测？
　　很显然，这是第二个技术问题。信号处理里有一个非常关键的技术叫做降噪，放到统计学里，我把它理解为数据的筛选。有一个好朋友在创业做汽车美容保养的O2O，在聊到这个项目的时候，我记得我们讨论过一个问题，就是针对他数据库里那些通过外置设备所收集回来日积月累的庞大数据，打算如何处理？我记得他给我说过，暂时没有想清楚具体的应用，但他坚信这些数据是有价值的，而且一定有其它公司有兴趣一起开发，比如说汽车公司，可能会需要油耗、磨损、以及故障等相关的数据；保险公司则需要汽车的维修等数据；一些互联网服务公司，比如百度糯米或大众点评等，可能会需要行车地理数据和加油记录等等。基于这个对话，我也有在考虑，如果是对数据进行筛选，如何保证有效性和客观性？如果不能确定是有效的和客观的，分析将是错误的，预测也将是错误的。
　　感谢李杰教授的详细分析，但对于工业4.0，我会保持谨慎乐观原则！