用好工業大資料的基礎是資料質量

工業大資料的重要作用是支援智慧決策。我們可以把計算機的智慧決策抽象成一個數學公式，即計算Y=F(X)。我們進行這種計算時，潛伏著一個基本的要求：X和Y是與某個特定物件相關聯的引數。比如，X某個產品的效能，X是生產這個產品時的工藝引數。X、Y背後都與某個特定的產品關聯著。顯然，如果對應關係出現差錯，計算就會出現問題。

怎麼才能對應好呢?要解決這個問題，要從源頭上考慮問題。

首先要從提高生產過程的標準化和穩定性做起。當我們計算Y=F(X)時，預設一個條件：X確定之後Y就確定了。如果生產過程標準化程度和穩定性差，往往意味著X確定之後生產過程仍然有較大的“自由度”。這就意味著，對Y存在不可見因素的影響。這時，X確定了Y也不能確定。由此可見，管理不好的企業，難以有效地利用工業大資料。

其次要關注資料的採集過程。資料採集時，如果是人類輸入資料，則資料的精度和時間往往就難以把握。所以，在資料質量要求高的過程，資料必須是機器自動採集的。機器採集的本質好處，是能把生產和採集的過程統一起來，讓資料空間準確描述物理空間。另外需要關注的是：如果人們對資料的精度要求高，就要考慮資料採集過程本身帶來的干擾。這不僅需要採集過程的標準化和穩定性，還要增加用於研究採集過程干擾的資料。

第三要解決產品在不同工位的資料對應問題。在流水線上生產時，產品在每個工位上的資料都要對應好。產品從一個工位走到另外一個工位時，是容易跟丟的。所以，物料移動的自動化很重要。這種條件下，讓機器自動地記錄，產品就不容易跟丟。所以，我看一個企業的智慧化程度時，往往比較關注廠內物流的自動化。

第四個要解決的是時間的一致性問題。有些產品的質量或效能與加工或等待的時間有關。從加工裝置採集資料時，可能採用裝置自己的時鐘。如果裝置的時鐘不統一，加工或等待時間就難以準確計算。另外，有些時候我們需要分析因果關係，而因果關係的屬性之一是“原因在先\結果在後”。裝置時鐘不統一時，先後關係和延遲時間就難以判斷，從而嚴重影響資料質量。

如果我們不從源頭上解決問題，很可能花了很多功夫做資料分析，最後無功而返。如果不在資料質量上下功夫，一味地關注模型或演算法，很可能是緣木求魚。遺憾的是：很多人就是這麼做的。從上面的分析也可以看出：應用好工業大資料，並非僅僅是資料工作者的事情。

技術工作者最怕的是技術邏輯中的斷點。從事智慧化工作時，可能需要大量的資料;一條資料有問題，可能會影響整個系統的穩定、可靠性。資料質量問題就像一粒塵土，當它擺在技術人員面前時，可能會成為阻礙技術走向成功的高山。資料質量決定於應用場景。應用場景不同，資料質量的內涵就不一樣。常見的內涵包括資料的精度、種類、採集和傳遞頻度、儲存的週期等。所以，資料的高質量有賴於資料的儲存和處理能力。

做資料分析工作有時就像(就是)搞科學研究，資料質量決定了你能夠研究的深度。資料質量達不到一定的程度，有些問題就沒有辦法解決。反之，如果資料質量高到一定程度，研究工作就可能帶來突破。從某種意義上說，資料分析師機會的多寡，決定於資料質量。

幾年前討論“工業大資料”概念時，我提出一個觀點：工業大資料時代的本質，是資料質量足夠高的時代。我們推進企業的數字化轉型，本質上就是讓計算機多幹活;在工業場景下，計算機幹活的關鍵是安全、穩定、少出錯;而安全、穩定、少出錯的關鍵，是有較高的資料質量;如果資料的採集、儲存、處理能力不足，資料質量就難以提升;工業大資料時代，讓我們有條件解決資料質量問題。