郭朝晖
大数据的概念源于搜索引擎等互联网行业。在这些行业中，成千上万个网站的数据不断加入，数据格式各种各样。互联网公司认为这是个机会，但数据量大到难以处理。于是，谷歌提出一套办法解决这类问题，大数据的概念就此产生了。在这种背景下，人们总结出了大数据的几个特征，如数据量大、价值密度低、类型多、增加快等。其中有一个关键的问题——数据量大了怎么办？
伴随着摩尔定律的延续，工业企业的数据也在不断增加。于是，也有人提出了“工业大数据”的概念。但是，工业企业和互联网企业的数据背景很不一样。传统工业企业一般只采集必须的数据，比如那些与生产控制和质量标准有关的数据，而设备状态数据就很少存储或存储时间很短。人们希望得到更多的数据，但必须考虑采集和存储的成本问题。这是另外一种“数据量大了怎么办”的问题。现在，数据采集、传输和存储的成本大大降低了，数据采集和存储条件改善了，“数据量大了怎么办”的困难也就弱化了。
由此可见，在工业和互联网领域都曾面临“数据量大了怎么办”的问题。但是，在互联网行业，瓶颈是数据量大带来的困难，这出现在数据量大的时候，需要用技术手段去解决；而在工业行业，主要瓶颈是成本问题，出现在数据少的时候。所以，随着数据越来越多，在互联网行业的技术困难越来越大，而在工业行业获得数据的经济困难却越来越小。从某种意义上说，工业领域的大数据时代是“不必考虑数据量大了怎么办”的时代——因为现在有办法解决了。
事实上，工业和互联网领域对大数据的理解还有很多不同。比如，互联网领域的数据分析强调相关性，而工业领域往往需要因果关系支撑，否则，分析结果的可靠性就难以保证，会给应用过程带来极大的危害。再如，互联网数据之间的关联性相对较弱，而工业数据之间的关联性很强。
然而，很多人仍然把互联网公司的思想、概念和方法直接套用到工业界，这样做会误导工作的方向、丧失时代的机遇，是缺乏思考的表现。对于工业人来说，我们现在主要关心的不是“数据量大了怎么办”，而是如何利用数据带动技术和管理水平的提升、如何用数据带来价值。
宝钢信息技术奠基人何麟生先生在多年前就有一个愿望：“要有一个虚拟的数字化宝钢，能够在计算机和网络平台上充分地描述实体宝钢的实时活动。”这样的愿望，只有在大数据时代才有条件实现。因为只有数据足够多的时候，才能完整、实时、准确地描述和记录生产过程。就像宝钢老专家王洪水先生说的“像录像一样地记录生产过程”，这样，数据才能反映生产过程的因果关系。
有了这样的数据基础之后，我们可以全面深入地推进智能化。在笔者看来，在短期内，钢厂智能化的重点应该是管理和控制的融合。美国大河公司的实践，证明了这个方向的正确性。
在工业大数据时代，可以通过工业互联网等技术重构人和机器的界面来推进决策革命、提升企业的整体价值。这些技术又会导致更深刻的变化，如组织流程的重构、生产流程的再造、从服从到协同的文化转变等。所有这一切，都是在“数据量大了不是问题”的前提下才能实现的。这才是工业大数据真正的意义所在。
（作者系优也信息科技有限公司首席科学家，工业互联网产业联盟工业大数据组副主席）
《中国冶金报》（2020年09月15日 04版四版）
