创见:工业智能的新风口

2016年6月,联想集团大数据事业部和中国区携手拿下大数据商业化第一单,帮助某世界500强钢铁企业建立大数据分析能力,开启了联想咨询方案销售的先河。这家钢铁制造企业是我国钢铁生产制造龙头企业,积累了大量有价值的数据。以汽车行业为例,其行业供应链系统已支持近100家汽车行业客户、管理近900个车型、近4.5万个零部件。在钢铁行业市场剧烈波动的大环境下,联想大数据团队为其搭建大数据平台,并整合了内外部各类相关数据,借助机器学习和知识图谱发掘出数据和业务之间的联系,支撑企业业务和管理的发展和转型,比如建立分钢种的钢材需求量预测、分汽车生产商的订货量预测、客户忠诚度分析等相关专题。

其实早在2006年初的时候,田日辉便发觉,中国有很多大型企业在数据智能方面投入了大量的人力和物力,但具体怎么去做、如何做才能对业务起到闭环的效果,却是困扰了很多管理者的难题。

“我们必须从一开始的业务咨询到技术咨询,提出解决方案,找出最痛的痛点,然后收集数据,再去优化模型,做出来以后要考虑怎么跟它原有的系统对接,最终应用到业务实践里面。”田日辉谈道,依照这样的一种业务逻辑,从应用的优化到设备的优化再到产业整体效率的提升,联想大数据团队不断通过服务于联想内部的各个产品线,将数据智能给企业带来的价值,一次次一遍遍地通过自身实践加以验证,再将之代入联想之外的企业级客户。

在田日辉看来,数据智能最核心的是两个方面:第一,把数据以最高效的方式管理好;第二,以敏捷的方式挖掘数据价值。对联想而言,更多的是设备数据,以及用户使用设备产生的数据。“对于一个典型的数据智能分析应用而言,可能80%的时间都会花在整理数据上,因为准确的数据是构成优质分析效果的基础。”田日辉补充道,数据治理也是数据平台要做的事情。从联想自身来看,每天产生的数据量高达30TB,在数据平台的性能优化方面,联想结合了2000台服务器的大数据集群管理经验,在实战中不断演练。

通过数据智能推动中国企业的转型升级,这是田日辉关注数据智能的初衷,他谈道:“数据智能实际上相当于一个大脑,人的身体基于大量的神经元收集到很多的数据,神经中枢经过处理之后指挥身体的各种运动。对于企业也是如此,在企业里面我们相信数据智能的作用。”

而联想聚焦在工业领域,“其实最高的境界就是工业智能,工业智能是广义的,不只是工厂级的,而是整个企业级的,甚至可以拓展到行业级、产业链”。

那么,工业智能如何在推动制造业转型升级中发挥作用呢?田日辉认为,主要体现在帮助企业提升产品能力和经营水平两方面。工业智能不仅可以帮助企业提高产品质量,还能在更高的层面上优化企业供应链,包括跟上下游更好地协同。目前,联想工业大数据企业级分析平台LEAP及大数据服务已经应用于汽车制造、烟草、冶金等行业,其中不少是世界500强企业。

“我们其实很少赶风口,就像大数据,包括工业智能在内,我们做了之后,发现就变成风口了。”田日辉在联想的21年间,一直从事软件和服务,在他看来,每一步都为企业的快速发展提供了机会,甚至有时候会去引领行业的方向和潮流。

“我在联想这么多年,基本上每两三年换一个方向,虽然大的方向还是软件和互联网这个角度,但是聚焦点会变。这一方面反映了我们这个时代的变化和用户需求的变化,另一方面,是我们这个舞台比较好、比较灵活。你有新的想法可以去实践,这些使我个人觉得一直待在这儿,一直都有创新的机会。”田日辉如是说。


访谈实录

中国大数据产业生态联盟、《软件和集成电路》杂志社

联想集团副总裁、首席研究员、大数据事业部总经理 田日辉

Q:为何要倡导数据智能?

A:十年前,中国大部分企业的诉求不是通过软件来创新的,而是通过用这些包装软件来实现的,像ERP、CRM。因为这些软件里面固化了很多业务流程,并且都经过了最佳实践,企业通过这些固化的业务流程来提升它的效率。那么,你把最佳实践学好了,就可以提升自己的效率,你就有机会领先,这是前十年很多企业在做的事情,也解决了当时企业面临的问题。

但是现在这个时代已经完全不一样了,消费升级,用户的需求在快速变化,关键很多产品已经过剩了,而且竞争的范围也从地域性变成全球化。所有这些因素已经使得传统的包装软件不能满足快速变化的需求。

所以,我们要谈数据智能。因为数据智能迎合了时代的需求。而我们的团队也一直在这个过程中发展壮大。我们团队的竞争力,其实都跟这个理念相关。我们从2011年开始构建这个团队,一步一步走来,最核心的是我们相信数据智能能够给企业带来价值,这是根本性的转变,包括联想自身和外部的企业级客户。


Q:联想大数据是如何践行数据智能的?

A:联想LEAP大数据平台实际上是各种算法和模型的库,包括预测型、优化型、知识管理型等。在这里面,我们会跟很多垂直行业的应用场景结合起来形成分析模型,比方说销量预测、质量预测、采购预测,还包括仓储优化、物流路径优化、用户画像等。另一方面,我们的数据科学家要对这些算法本身进行优化、创新,还要与我们自己的业务专家、客户的业务专家一起把这些分析模式做到更好,来满足业务需求。


Q:对于数据智能,未来有什么预期?

A:未来数据智能的应用还是两个大方向,一个是数据平台的数据治理,另外一个就是智能应用。我希望我们的团队在这两个方面有更深入的发展。并且,我们会更好地通过我们的实践,把很多行业性的知识加强。因为我们数据平台的能力很强,现有的能力已经完全超出客户的需求。那么从智能分析的角度,从算法和模型的角度出发,需要跟业务一块优化算法,要紧跟客户的逻辑,帮助客户去找出最关键的优化点,把这一块做得更扎实。


Q:如何定位联想的工业大数据?

A:我们更倾向于“工业智能”这个词。工业大数据也是类似的意思,但是我觉得“工业智能”这个词更能够反映它的价值。从深度来讲,它比个人应用涉及的数据面和环节更复杂。我们理解的工业智能包括:工业数据的采集和分析、企业经营管理数据的挖掘等。工业智能不仅可以帮助企业提高产品质量,还能在更高的层面上优化企业供应链,包括跟上下游企业更好地协同。


Q:联想大数据从服务联想自身到服务其他企业,这背后有哪些思考?

A:从2016年初,我们在联想做了产品优化、业务的优化以及产品的用户经营分析。我觉得这些对于中国企业来说也是非常重要的,尤其是国家也践行“中国制造2025”。而且,智能化转型,包括数据智能这一块,国家层面都非常重视。那我们也希望把我们这些基本能力,用来为其他的客户贡献价值。

因为我们最大的一个优势是,所有这些都是自己实践出来的,包括我们的数据管理平台的性能也都是在实践中优化的。

我谈到的,比如智能预测、销量预测、生产线优化、仓储优化、渠道管理等,这其中很多算法和模型也是我们实践中积累的东西。所以,我们把能力的积累凝聚成产品,给很多企业提供这方面的服务,包括构建企业统一的数据平台,或者叫数据湖,也包括帮助企业构建优化能力。我们的客户遍布钢铁、汽车整车制造、医疗流通、银行、高端装备制造等领域。

到今天为止,很多行业虽然不像联想这么全面地应用数据智能,但是每个深入的优化已经为企业带来了端到端闭环的价值。