专家原创丨深度解析工业大数据的定义

摘要
“破”简单，难的是“立”。“立”一定要借助智慧。本文先“破”传统的数据，然后借助佛学的智慧“立”数据。基于所立的数据，给工业大数据下定义。通过一系列严谨的逻辑推理，从数据的维度再次论述第四次工业革命的缘起。希望以此激发国内工业人的独立思维能力，为中国工业参制定本次工业革命标准的理论研究和工业实践抛砖引玉。本次工业革命是工业大数据推动的。“工业4.0”的核心是工业大数据。这些观点没有争议的。对于这个正在发生的“第四次工业革命”，全球工业企业都还处于摸索、研究阶段。工业大数据既然是核心，搞清楚工业大数据到底是什么？那么至少可以使我们在“中国制造2025”的道路上把准方向，少走弯路。
工业大数据到底是什么？如何给它下一个有“工业革命”意义的定义？这是有难度的。其主要的挑战在于我们接受“变”的堪忍性。人们习惯于守成不变，希望得到永恒。但是，存在永恒不变的事物吗？佛学三法印“诸行无常”的智慧告诉我们：“无常”即变化。“诸行无常”，一切事物都在变，没有一层不变的事物。“工业革命”的产生本身就是“诸行无常”的证明。“工业革命”意味着“有破有立”。既然“诸行无常”，那么理论、思想、观点、定义等，也是在变的。它们因缘而变才是“常”。因此，在“工业革命”的风口，我们更需要有独立思维能力，有接受“无常”的准备，有“敢破”、“敢立”的勇气。
要定义工业大数据，必须重新定义“数据”。要对工业大数据下有“革命意义”的定义，必然涉及到对传统的“数据”的观点、认识等的“破”和“立”。对“数据”有了新的认识和定义后，那么工业大数据的真正意义才能明了。 “数据”的重新定义 相对而言，“破”简单，摆出几个驳不倒的论据，就可“破”了。难的是“立”， 而“立”是一定要借助智慧的。
中国的语言文字是博大精深的。所谓数据，即有“数”，有“据”。有“数”，是指一串代码、一串数字，它的作用是量化。有“据”，简单的说就是有依据，也就是产生这一串代码的原因、依据。它的作用很显然是描述变化过程的、描述变化的原因。因此，我们可以这样说：数据是用来量化或者描述事物变化过程的。长久以来，我们对事物的描述一直是通过语言、文字、图片、音声、肢体语言等，在大数据技术时代，数据也将成为描述事物变化的常用的手段、工具。
这是正在开启的“DT技术时代”，人类对客观事物的一种新的认识、描述、记录、理解方式。这也是对数据的重新定义。如果以此作为标准，很容易得到如下结论：即将结束的第三次工业革命，以管理驱动为导向的信息技术时代将要落下帷幕的当下，当前的企业是没有真正的“数据”的。企业所拥有的所谓的“数据”，准确的说是缺乏时效性的、价值密度极低的、可怜的“数字”。这些所谓的“数字”的特点就是价值密度低、使用成本高。这个当然不是“数据”的本性。那些所谓的“大数据公司”，称之为“大数字公司”更为合适。当前炽手可热的、被鼓上天的“大数据分析师”、“大数据专家”，也应改名为“大数字分析师”、“大数字专家”。
再回到数据，数据既然是描述事物变化过程的，要深刻解读数据，那就必须对事物变化过程做深刻的理解。那么事物变化过程到底是什么样的呢？理清楚它遵循的规律，才能清楚的知道数据的真正意义所在。要把事物变化的规则理清楚，一定要借助智慧。 事物变化的根本法则：缘起论、因缘所生法事物变化是宇宙万物变化的一个抽象描述。佛学“缘起论”、“因缘所生法”就是描述宇宙万物变化的根本法则。“因缘所生法”、“万法因缘生”，是指一切事物都是“因”、“缘”和合而生的。关于“因缘”：“因谓能生，缘能长养”，这是因缘的差別，能生的叫因，能夠长养的叫缘。他打个比喻，“生养二母差异”，生母，亲生的母亲，它是能夠生果的；缘呢，养母，虽然她孩子生下來了，没有养母给他抚养也不成人。所以说这两个都重要，一个是因，一个是缘，但是因要亲一点，缘要疏一点。“又缘摄助，因方能生”，缘的帮助，因才能生……①【智敏上师，《俱舍大要讲记》】
我个人的理解是这样的：这个“因”是种子，又可称“主因”或者“内因”， “缘”呢，又称“助缘”或“外缘”，是指能对种子产生影响所有的外部条件。因此事物变化，可以说是 “主因”（种子）与“助缘”（外部条件）和合后（符合条件）持续变化的过程。“主因”（种子）和“助缘”（外部条件）就其影响事物变化的重要性来说，同等重要，缺一不可。佛学三法印“诸法无我”的智慧，清楚地告诉我们事物变化的原因。“无我”，即无自性，自性空。“诸法无我”，即一切事物自性空，事物本身不会变，没有一个自生自灭的事物存在，一切事物都是在外部条件（“外缘”）推动下变化的。
因此，我们对数据的精准定义：描述一个事物的“主因”（种子）与“助缘”（外部条件）和合（符合条件）后，在“外缘”（外部条件）的推动下持续变化的一系列“因缘果数据”的集合。即因缘和合生的过程。因此数据是有因果属性的，它是可以还原这个事物变化过程的。这便是数据的结构性以及数据模型。关于数据结构性，可以参考我2015年5月的文章《工业大数据为什么只能是结构性数据》。

“数据价值”的重新定义数据量化事物变化过程，同时具备因果属性。这是智能化“数据驱动”的基础。因此数据的价值至少体现在两个维度：
其一、量化能力，能量化事物变化中的“主因”和“助缘”，以及变化过程产生的事物。
其二、智能驱动，因缘果属性表明了数据的结构性，能描述事物变化的过程，即因果关系。因果逻辑是智能的基础。
因此大数据的价值不在于其量的大小，而在于其价值的大小。所以海量低价值密度不是数据的本性。由此而推，凡是基于传统的对数据的理解而得出的观点，在数据被重新定义后，必须重新梳理重构。包括IBM公司提出的所谓的“著名”的大数据“4V”理论，这些都需要我们每个人去认真独立思考。工业大数据定义 数据重新定义之后，再给工业大数据下定义就容易了。数据是描述事物变化的一系列因果数据的集合。很显然，工业大数据应该是描述工业领域、工业企业的一系列事物变化的因果数据的集合。工业企业有什么事物变化呢？
毫无疑问，工业企业的核心就是价值创造。这个观点在今年7月份我写的《工业革命之管理理论创新》一文中已做论证。因此，工业大数据是描述工业企业价值创造的因果数据的集合。或者说工业大数据是描述制造业如何实现价值创造的一系列因果数据的集合。
价值创造即价值使用中实现价值增加。价值创造也是“因缘所生法”，基于佛学的“缘起论”、“因缘所生法”。价值创造是价值创造的主因（种子）和助缘（外部条件）“因缘和合”后，在一系列（主因和助缘）价值使用过程中，实现价值增加的过程。对于工业企业，主因（种子）就是“原材料”，助缘（外部条件）就是与主因关联的“人机料法环”，“原材料”与“人机料法环”因缘和合后，条件都具备了，在人机料法环的价值使用过程中，实现价值增加，这就是价值创造。

狭义工业大数据定义狭义工业大数据的定义：描述工业企业内部，主因（种子）“原材料”与助缘（外部条件）“人机料法环”因缘和合后，在助缘（外部条件）“人机料法环”的持续推动下，在主因和助缘的价值使用过程中，实现价值增加的一系列因缘果数据的集合。这个定义中，工业大数据描述的是工业企业内部的价值链。广义工业大数据定义广义的工业大数据要上升到第二产业制造业、产业链的高度，描述制造业、产业链、供应链、生态圈中各个价值创造单元如何在价值使用中实现价值创造的一系列因缘果数据的集合。广义的工业大数据要包括第二产业工业企业和第三产业现代制造服务业等一系列的价值创造和价值交换等。广义的工业大数据是描述的产业链生态圈的价值链。对于产业链生态圈中的每个价值创造单元，这个工业大数据就是该价值创造单元的外部价值链。因此广义的工业大数据需要每个工业企业和服务业的内部价值链的支撑。也可以这么说，先有狭义的工业大数据，才有广义的工业大数据。
这是搭建工业大数据平台的理论基础。或者说是“互联网 工业平台”的理论基础。关于第二产业与第三产业如何装入“互联网 工业平台”？它的商业逻辑是什么？装入的次第是什么？我们认为还需要引入“主价值链”、“从价值链”的概念，才能进一步理清楚第二产业与第三产业的价值链的关系和区别。才能让我们中国的工业企业在未来的“生态圈竞争”中立于不败之地。敬请期待相关文章。
工业大数据的现状基于上述的分析，目前全球范围内的工业企业还没有形成狭义的工业大数据。也就是说第三次工业革命之后，全球的工业企业实施的以“管理驱动”为导向的信息化系统，装的并不是企业内部的价值链数据。或者说企业内部的价值链装得非常有限。从而成为企业高效价值创造的障碍。
这些管理应用系统装的是什么数据呢？顾名思义，管理应用系统装的是“管理数据”，管理过程产生的数据，它并不是价值创造，甚至也没办法还原管理过程。今年7月份我写的《工业革命之管理理论创新》一文中，直接推论出管理、ERP、EAM、MES等管理应用系统、管理流程、KPI指标等在经济学上是不创造价值的，被定义成浪费，即企业的“管理浪费”。因此当前管理应用系统所装的 “管理数据”，对企业来说也属于浪费。这是第三次工业革命终结退场、第四次工业革命开启的根本原因。这是从数据的角度论述第四次工业革命的缘起。
我们还可以直接推定，每个工业企业都埋葬了一个“工业大数据金矿”，这个金矿装的是企业内部的价值链，这个金矿埋葬了企业的核心竞争力。这一轮工业革命直接的说，就是要开挖自己的“工业大数据金矿”。
狭义的工业大数据还未出现，所以广义的工业大数据就无从说起。
工业大数据的来源既然“管理驱动”为导向的管理应用系统的方向偏了，没有能描述企业的核心价值创造。那么是否可以用传统的ERP、EAM、MES等管理应用系统来描述价值链呢？我的结论是不可以的。很简单，“管理模型”装不下价值创造。有人提出，那企业花巨资实施的管理应用系统ERP、EAM、MES等推掉太可惜了。个人的观点是：推掉也不是可惜，但是不推掉才可惜，每时每刻还在产生新的浪费。所以，有效推掉之后反过来是帮企业省钱，而且越早越好。制造业已经被推到挂骨疗伤的境地，这正说明了本次工业革命的残酷性和紧迫性。因此传统的ERP、EAM、MES等管理应用系统是不可以产生工业大数据的。
要得到工业大数据，必须开启全新的数据模型。这个模型就是我们狭义工业大数据定义中主因（种子）“原材料”与助缘（外部条件）“人机料法环”的因缘果价值创造模型。工业大数据的量化能力基于数据的量化能力特性，工业大数据必然也具有强大的量化能力。从狭义的工业大数据定义中，可以得出如下关于工业大数据的观点：

1.   工业大数据量化价值创造过程。
工业大数据装的是企业内部的价值链，企业内部的价值链装得越长，价值链中各个价值创造环节高效协同价值创造的能力就越强，这个价值创造就越高效。工业大数据所量化的是企业内部的价值链。因此，工业大数据将能有效提升企业价值创造的能力，有效提升企业核心竞争力。

2.     工业大数据测量浪费、消除浪费。
企业的浪费大致分为两种，即“直接浪费”和“管理浪费”。为什么传统的管理应用系统无法测量浪费，主要原因是当前企业的管理及相关应用本身就是浪费。乃至导致传统的管理思维无法定义浪费。所以就谈不上测量浪费，消除浪费。而工业大数据模型中，直接浪费即价值创造因缘不和合而额外增加的价值使用成本。可以被实时量化。在未来的成熟的工业大数据模型中，管理者、管理流程、KPI指标等直接消失，管理浪费也就不存在了。

3.     工业大数据量化员工的价值创造能力。
一切社会问题，源自人与社会之间的价值认同；一切企业问题，源自人与企业之间的价值认同。工业大数据量化员工的价值创造能力，必将能重构企业的组织架构，价值创造的合伙人体系将顺势形成。员工的价值创造热情能被高效激发。工业大数据的核心价值，也体现在“量化人的价值创造能力”，从而有效解决人与企业之间的价值认同。特别强调：实现员工与企业的价值认同是企业责任，而不是员工义务。这是工业大数据时代企业必须具备的根本能力。


基于广义工业大数据的定义，可以得出如下观点：

4.     工业大数据量化企业的价值创造能力。
工业企业对内的价值链透明之后，所形成的工业大数据将成为企业的名片，该企业的价值创造能力将能清晰的呈现。将首先帮助制造业从“被供应链绑架”中解套。具体见我今年4月份的文章《供应链革命：工业大数据平台战略》。从而将推动供应链、产业链的深层次的重构，最终形成稳定的大数据大生态圈。可参考我2015年5月的文章《工业大数据将重构大生态圈》。

5.     工业大数据量化产业链、生态圈的价值创造能力。
未来的竞争属于生态圈之间的竞争。工业大数据量化价值创造能力，工业大数据推动供应链、产业链的大数据大生态圈重构后形成“超级工业大数据平台”，这个“超级工业大数据平台”将能装下第二产业和第三产业，也就是最终形成装下多个生态圈的“超级工业大数据平台”。在这个“超级工业大数据平台”中，生态圈的价值创造能力也是可以被量化的。关于“互联网 工业平台”的构建，敬请关注后期系列相关文章。

关于工业大数据的定义行文至此。今天我们赋予数据、工业大数据最新的意义，也是“因缘和合生”。但请记住，从佛学“诸行无常”的智慧看，因缘瞬息万变，未来数据、工业大数据将在“因缘和合”时被重新定义。
各位工业同路人，对于我们武汉优博睿科技有限公司提出的“数据的再定义”以及“工业大数据的定义”。真诚的建议你们一定要独立思考后，再批判性的接受。如果您觉得我们的观点或者某些观点有道理，那么，你们一定要站在您自己的背景下，认真思考一些问题了。比如美国GE公司工业互联网的工业大数据到底是什么？符不符合中国的国情？对照最新的工业大数据定义的标准捋一捋。GE公司的“工业大数据”解决方案能帮中国企业解决什么问题？这次工业革命，我们到底该如何面对？
第四次工业革命刚刚起步，我们再次呼吁，中国的工业人、实业人一定要有独立思维能力。工业革命就是“制定标准”，“输出标准”。只有革命者与被革命者。而革命者革所有人的命。不要指望欧美国家帮你思考你公司的工业革命方案。不要指望你的员工帮你思考你公司的转型之路。不要寄希望于他人帮你制定一个标准……
只有中国的工业实业人开始独立思维了，中国的工业才能开始真正苏醒。我们才有可能不继续“被技术殖民”，不“被标准绑架”。乃至有可能，我们制定标准后，向欧美工业国家输出。
关于工业大数据的研究和实践，全球刚刚起步。不要轻易相信任何专家学者（包括我）、任何公司的所谓观点。一定要有质疑精神、一定要有独立思维的能力，一定要有借助智慧的智慧，才有可能占领制高点，参与制定新一轮工业革命的标准。如此，中国制造2025才可能落地，中国工业强国梦才有可能实现。


康志刚


首席数据官联盟专家组成员，武汉优博睿科技有限公司创始人，优博睿“工业大数据”解决方案技术总监。3年工艺，5年PLM咨询，9年“智能制造”解决方案研究。带领的团队已推出国内领先的《智能制造、工业大数据解决方案》。率先展开智能制造、工业大数据方案推广模式和商业模式创新、工业大数据模型、供应链工业大数据平台、行业工业大数据平台战略等领域的研究实践。

版权声明

• 声明：本文由作者原创并授权首席数据官联盟公众号运营发布，如需转载或引用该文章的任何内容，请注明作者及作者简介和来源。未经同意，不得擅自修改、歪曲、篡改文章内容，不得转载或使用该文章中包含的任何图片或影像。
  

【参考文献】
①    《俱舍大要讲记》第115页，智敏上师著




往期精彩回顾：（点击文字内容可直接跳转页面）
2016中国大数据企业排行榜

中国大数据产业地图
联盟专家解读《民法总则草案》

倡议书：数据信息行业自律公约（首席数据官联盟原创率先发声）
有关联盟更多详细介绍，可直接扫描下方二维码浏览

首席数据官联盟推出的《影响大数据产业进程100人》专访节选

张锐（时趣互动） ▏ 徐斌（壳牌） ▏程宏亮（美林数据）
王喜文（工信部） ▏王渝伟（观韬律所） ▏吴明辉（明略软件） ▏高瀚昭（HanSight） ▏王叁寿（九次方） ▏窦勇（达晨创投）
更多精彩专访请关注“首席数据官联盟”微信公众号，选择菜单“百人专访”