周俊临：大数据如何助力中小企业创新升级

电子科大大数据中心副教授周俊临

　　由商界传媒与贵州习酒联合主办的“2018商界领袖新年论坛”，于1月24日至25日在重庆国际会议展览中心举行。“商界APP”作为大会唯一指定移动资讯平台，将全程第一时间发布现场干货、动态。

　　以下是电子科大大数据中心副教授周俊临演讲实录：

　　各位《商界》的朋友大家上午好！非常高兴今天有机会跟大家来分享我们在大数据领域的一些实践，刚才一些嘉宾都是从社会科学的角度给大家做了分享，下面我从自然科学的角度也给大家做一下分享。

　　我的主题叫做“大数据助力传统企业转型升级”，首先我会给大家解释一下大数据到底意味着什么，然后来看看传统企业在大数据领域里到底能够有什么样的作为。这里面我准备了四个实践案例，有一些案例非常传统，传统到所有的工序都是由人工来完成；也有一些案例非常现代，现代到所有的工序可以不通过人工来完成，而是通过机器来完成。

　　首先我们来看一看大数据是什么？大数据是一种工具，是新的视觉，让我们看到前所未有的东西。也有人认为大数据是新的世界，在这个世界里，规则跟我们以往认为的截然不同。

　　所谓的传统产业指的是什么？在中国有一个产业非常的传统，工业或制造业。传统到什么程度呢？很多的工业生产完全是通过手工加工来进行的，所有的工序由人工来完成。基于此各个国家提出了自己传统产业升级的计划，比如说德国人提出了工业4.0，美国人提出了工业互联网，我们中国也提出了2025计划。

　　但是对于2025而言，并不是一个十年的计划，其实是一个30年的计划，从2025、2035到2045都已经有了明确的规划，这样子才能够真正实现一个产业的转型。

　　下面我们就来看一看，对于工业而言，一个传统制造业到底怎么样跟大数据来进行结合？从最简单的设备生产环节，利用传感器获取数据，到更高的层级。在控制的层级有一些控制的数据，包括控制参数数据。再往上可以从整个车间的管理，再往上从整个企业的管理，甚至企业之间的协同管理，这些都是我们数据的来源。

　　有了这些数据以后，对于企业而言如何来发展自己的大数据呢？这里秉承了一个非常好的理念，叫做顶层设计。做一件事情并不是一年、两年、三年就要看到效果，而是一定在未来展现。

　　所以我们首先会了解这个企业的业务现状，业务痛点，也会了解数据现状，甚至会了解基础，这个基础指的就是IT的基础。再从数据的采集，数据的接入，基础的数据平台，分析的数据平台再到最后的平台应用和开发。

　　下面来看一个传统制造业，从五个环节都跟大数据密不可分。

　　第一个环节就是生产制造环节。首先做产品的设计，我们要了解用户的需求。现在的产品为什么要进行供给侧的改革呢？因为我们生产出来的很多产品并没有用户买单，所以是过剩的产能。对于过剩产能的调整，方向是什么呢？当然就是用户的需求。如何了解用户的需求呢？现在的互联网这么发达，我们可以从各个地方、各个角落去了解用户的反馈。如果知道了用户的声音，反过来对我们的产品设计和制造就会产生非常大的影响。

　　第二个环节就是供应链。任何一个企业，任何一件产品，都不是一个厂商可以独立完成的，而需要各个厂商配合。对于供应链的组合，如何来分辨好的供应商，不好的供应商，供应商的变化情况，这也需要用到数据来辅助我们的决策。

　　第三个环节是特别重要的一个环节，但也是最迷惑的环节。很多传统的制造业并没有真正实时地利用机器来产生数据，所有的环节都是由人工来形成的。待会儿的案例第一个就会讲到一个非常传统的产业。

　　第四个环节是产品的营销环节。现在互联网的产品营销可以做到非常个性化。如何做到这样的个性化，当然是来自于我们对于数据的掌控。

　　通过这几个环节的贯通，每一个环节都应该有数据，每一个环节的数据都对其他环节有重要的影响。

　　下面就来讲四个案例，也是我今天分享的重点。

　　大家都知道中国白酒历史源远流长，白酒有什么样的分类呢？如果按照香型来看的话，第一类国酒茅台，酱香型白酒；第二类是五粮液代表的浓香型。

　　2015年跟五粮液合作，所有的环节都有人工的参与，每一瓶酒到底是定位一级酒还是二级，可以通过评酒专家人工感官来测，跟大数据有什么样的结合呢？

　　首先看看五粮液的痛点是什么，业务出发点在哪里？经过多年的传承，很多酿酒师传承了上千年的酿酒文化，这些知识都是通过人与人的传递而形成的。传递到今天，所有的传人之间，他们的经验和知识可以说是不尽相同的。经过千年的变化，我们的自然环境，社会环境，甚至用于酿酒的五种最原始的种子也发生了变化。经过这些变化以后，我们的经验该如何进行调整，才能使得我们酿出的酒又多又好？

　　此外，“多”跟“好”之间一直存在矛盾，就是说我们的产量越高，其实我们一级酒的比例就会越低。如果一级酒的比例很高的话，总体的产量反而下降。在这一痛点的驱动下，五粮液很想提升一级酒的产量。

　　一级酒的价格和其他类型完全是天壤之别的。

　　那么如何分析一级酒的产量。我们分析了很多的因素，比如窖池内外环境的温度等等。最终分成18个步骤，这个过程中涉及有上百个参数，对于这上百个参数如何进行调整，能够使得一级酒的产量提升，这对人工而言是非常困难的。

　　并且一旦五粮液的窖池受到破坏以后，这种破环是不可逆的，也就是说走错一步就不可能再回头了。五粮液做这件事情的时候有很大的压力，因为他们一直秉承一个理念，“中国的五粮液，世界的五粮液”。但最终分解成18个步骤以后，将该传统的地方继续保持传统，能够现代的地方开始用现代化的手段进行。

　　后来达到什么样的效果呢？

　　采集了3个月的酿酒数据，一个步骤一个步骤地把他们所有的参数、所有的环节记录下来。因为五粮液酿酒车间非常传统，暂时并没有太多现代化的采集设备。这些数据来自于蹲点的工程师一笔一画记录下来。在这些数据的基础之上提供了一些建议和优化的方案，最后确实对于一级酒的产量带来了一定的提升。

　　这件事情是一个长久的事情，并不是我们一两年时间能够全部解决的。所以目前我们还在合作研究的过程当中，通过前期的研究我们发现数据确实对他们起到了很大的帮助。

　　第二个案例是能源行业。对于核电而言，他们的业务痛点在于，核电的反应过程中，一旦有零部件散落，就会产生一些或好或坏的结果。在绝大多数情况下，一旦发生这种事情会停机进行检查。

　　我们在核电反应过程中间采集了一些数据，大多数情况下前期采集数据、分析建模需要耗费的时间，三个月到半年不等。由于安全隐患停机检查，每天损失几十万人民币。通过数据分析和建模，可以将建模的时间从以前的半年提升到一个星期，将以前人工分类的准确率，从88.5%提升到97%。现在我们正在进行二期的研究，希望能从97%再进一步的提升。

　　第三个案例，目前全球的手机面板出货量最大的是京东方。京东方在重庆有一个工厂，叫做B8工厂，目前是京东方最挣钱的一个工厂。我们这个案例就发生在这里，他们的业务痛点是什么呢？首先京东方的出货量已经达到了全球第一，但是在出货量巨大的基础上，他们希望提升自己的良品率。良品率每0.1%的提升对他们都是巨大的经济效益。

　　在手机玻璃面板加工过程当中涉及到300多项工序，参数高达1万多个。他们想了解到底这些顽固的不良原因出在哪里。一万个参数，人工一次一次地修正和试验，这种效率对企业来讲无法忍受。因此，在人工不可以解决的情况下，用机器恰好可以很好地解决这个问题。

　　通过对一亿多条日志的分析，建立非常复杂的分析模型，让大家真正知道调整哪些参数可以达到良品率提升的效果。通过2016年的努力和2017年我们驻场的研究，现在有一个很好的结果，对于顽固不良品的不良率降低了30%。

　　最后一个例子是另外一个手机的制造厂商，来自于深圳的富士康。大家都知道我们的手机壳，从Iphone第一代到现在每一代都来自这个生产制造厂商。

　　对于富士康而言，每一个手机壳的制造都离不开加工工具——机床，机床又离不开刀锯，而每一台机床每年要消耗五千把刀。富士康上万台机床，每一把刀100块钱左右，就是50亿的成本。这种情况下，如果说成本能节省0.1%，带来的经济效益是显而易见的。

　　我们从最开始的五粮液到最后的富士康，期望实现的目标是什么呢？不仅仅是无人工厂，我们期望实现的是关灯工厂。在工厂内不需要一丝的光亮，所有的环节由机器来完成。

　　通过这些案例我想告诉大家对于传统企业而言，采集到数据进行分析，不是我们做大数据的理由和目的。对我们而言找到痛点，看看哪些数据是可以用的，才是我们企业做大数据的生存之道。因为数据最终要对我们产生价值才有意义，否则做大数据就是一个空谈。

　　大数据时代来临了，到底我们要做新时代的创业者和推门者，还是做旧时代的关门者和关灯者，企业家要做出自己的选择。我们相信数据最终会决定我们的未来，我们也希望所有的企业家都能利用数据产生自己的价值。我今天的分享就到这里，谢谢大家！

　　新浪声明：所有会议实录均为现场速记整理，未经演讲者审阅，新浪网登载此文出于传递更多信息之目的，并不意味着赞同其观点或证实其描述。

责任编辑：梁斌 SF055