郭朝暉于1997年加盟寶鋼，長期從事信息，模型，自動控制，大數據等領域的技術研發(fā)工作，在企業(yè)一線積累了寶貴的經驗。
他表示，工業(yè)大數據能否真正落地，取決于能否創(chuàng)造經濟價值。要體現價值，必須找到合適的場景。而價值的持續(xù)創(chuàng)造，必須與日常的生產或管理流程相結合。為此，必須理解工業(yè)大數據的特殊要求，那就是可靠性。
可靠：工業(yè)的基本要求
工業(yè)數據分析的項目常常不了了之、虎頭蛇尾。為什么呢？
業(yè)界在談到數據應用的時候，往往是在說它好的一面，比如說數據中有信息，數據中有知識，數據是有用的；但是，業(yè)界往往會忽略其另外一面，比如說數據有假的，有錯的，有偏差很大的，有暫時性的。
特別地，人們對分析結果有一個基本的要求：可靠?？煽啃砸蠛褪褂脙r值往往是硬幣的兩面：如果價值很大，則往往對分析結果的可靠性要求很高；反之，對可靠性要求不高的分析，價值也不會很大。如果正確的分析結果能夠帶來很大的效益，錯誤的分析結果往往也會帶來巨大的損失。
工業(yè)大數據分析結果的可靠性成為重中之重。然而，當前無論是從數據質量層面，亦或是在分析理論層面，工業(yè)大數據均面臨挑戰(zhàn)。
在工業(yè)過程中，數據質量差是種常態(tài)。在傳統(tǒng)的分析理論，同樣面臨挑戰(zhàn)。
場景一：鋼鐵的成分和工藝怎么提升煉鋼的性能，這個模型的建立非常重要，這是鋼鐵工業(yè)60多年來的一個夢想。但是在建模的過程中，分析師會發(fā)現模型的精度總是提不高，不同的人會得出完全不同的模型。
是否存在精確的模型？郭朝暉的結論是：不可能的。因為數據的誤差制約了模型的精度。
在實踐中，郭朝暉發(fā)現，如果自變量存在顯著誤差，用誤差最小化的優(yōu)化方法，可能都存在分析結果與真實性的偏離的問題。這對傳統(tǒng)建模理論是一個極大的沖擊。
場景二：相關性與因果性。比如，A鋼種，很少發(fā)生缺陷，所以不對其進行檢驗，B鋼種容易發(fā)生缺陷，必須經常進行檢驗；導致的結果卻是，A鋼種缺陷率高，B鋼種缺陷率低。
長期以來，在工業(yè)過程中，工程師往往采用前饋、反饋的手段，構成一個復雜的人造系統(tǒng)。所以常常有這樣的現象（幾乎是必然會發(fā)生的）：某一個變量如果有重大影響，權重極高，分析師一定會想方設法降低其影響力。
這說明，從工業(yè)大數據中淘金，相關性分析可能是不夠的。
回歸分析與相關性分析，都存在某種程度的失效，工業(yè)大數據還能怎么玩？
工業(yè)條件往往不高，導致分析師不能提出不現實的數據的要求；分析的誤差也比較大，因為過程中看不見的原因有很多……這都是造成最后的分析結果似是而非，不了了之。
怎么辦？
提高數據質量 采用合理的分析方法
可靠性是工業(yè)大數據的靈魂，這與商務大數據（包括互聯網大數據）具有本質的不同。那么，怎么提高工業(yè)大數據的可靠性？數據質量和分析方法（思路），成為兩大關鍵，而組織好數據是基礎。
郭朝暉表示，在思維上，要認識到工業(yè)大數據要求數據的完整性與真實性，包括存儲數據時的真實性，組織數據時的結構化，分析數據時的預處理。
如果在開始時，數據沒有進行很好的組織，到最后肯定是分析不出結果的。因此，要想把工業(yè)大數據用好，在分析階段，在組織數據和收集數據時，就該想到數據是干什么用的，否則很有可能收集到的數據是不能用的。
“首先是為人的分析創(chuàng)造條件，然后才能有自動化的分析?！惫瘯熣f。
2013年3月，IBM公司在發(fā)布的《分析：大數據在現實世界中的作用》白皮書中，對大數據的4V理論進行了修改，把其中的商業(yè)價值（Value）修改為Veracity（真實性）。IBM認為，“前3個V涵蓋了大數據本身的關鍵屬性，但真實性是當前企業(yè)亟需考慮的重要維度，將促使他們利用數據融合和先進的數學方法進一步提升數據的質量，從而創(chuàng)造更高價值?！?/p>
據介紹，對于真實性，寶鋼老專家王洪水認為，真實性首先是數據的完整性，數據之間的聯系要盡可能完整地記錄下來。而郭朝暉認為，我們不僅要知道數據是什么，還要知道數據是怎么來的。有時候，這比數據本身更重要，是分析問題的關鍵所在。
一個完整性，不僅僅包含過程本身、對象本身的完整性，還要包含數據本身的邏輯的完整性。這樣，在使用的時候，才能不被假象所誤導。事實上，“做數據分析的，本身就是不斷地與假象做斗爭?！?/p>
有專家認為，數據分析無非有兩種方法，一種是先對數據的分布做出某種假設，結論的正確性依賴于假設的正確性；另外一種不作出假設，直接根據數據之間的關聯得出結論。所有的方法，離不開這兩種。如果第一種方法的前提可行，結論一定是可靠的。但現實問題卻是：數據分布往往不能滿足某些分析方法的要求。
郭朝暉認為，為此要把分析的重點轉到幕后去，也就是在原始數據的基礎上，通過人工分析來選定數據和創(chuàng)造條件，從而得到一個可靠的統(tǒng)計的辦法。
“絕對可靠是不存在的。我們只能得到相對的可靠。如果從多個維度去論證其合理性，并且沒有明顯的反例，我們或許就可以認可這個結論?！?/p>
從數據到數據的方法就像是坐井觀天：因為我們不知道數據產生背后的原因。同時，工業(yè)界的數據往往是多維度的，如果僅僅想從數據本身證明某個結論，數據量往往是不夠的。
“一定要把知識和機理融合進去，當這兩者同時滿足時，才有可能得到一個可靠的結果?！?/p>
合適的場景決定了工業(yè)大數據的價值
在現實中，往往先進的東西不實用，實用的東西往往不先進；對于新技術，只有運用于經濟活動并取得經濟成功才算是創(chuàng)新；同理，只有創(chuàng)造價值，工業(yè)大數據才有生命力，才能真正在企業(yè)落地。
郭朝暉認為，一個技術的價值，取決于用戶怎么看待它。大數據能不能落地，關鍵的問題，是能不能找到合適的場景，而不是技術本身的先進性；不僅如此，還要看投入產出比是否合適。
場景一：GE是用工業(yè)互聯網獲得大數據、降低維修成本，提高可靠度。由于航空發(fā)動機的維修成本很高，對可靠性的要求也非常高。因此，如果能通過大數據分析，找到恰當的知識，就可以復制到成千上萬個發(fā)動機產品上，能降低成本，提高可靠度。
場景二：河南省有一個小工廠，基本上沒有操作工。他們把每個環(huán)節(jié)的數據及時存儲起來。出了什么問題，怎么出的問題，哪個環(huán)節(jié)有問題，都能溯源。
所以：1.GE的想法非常好，可并不見得適用于每個企業(yè)，因為投入產出比太高。2.高質量、無人化的場景之下，數據非常重要。
結論：數據是否有用，關鍵在于用戶是否對高質量的產品有很高的追求。如果有，那么數據的價值自然會被帶動；反之，當企業(yè)對質量不關注，再好的數據也是沒有用的。
場景三：上海寶山某豆腐工廠，員工有1000多人，但是豆腐質量不好，工人的操作水平無法得知。最后，豆腐廠老板在工廠里安裝了攝像頭，于是產品質量馬上變好了。
所以：雖然工廠領導并沒有看監(jiān)控，但無疑攝像頭起到了威懾的作用。
結論：中國的經濟起步于農業(yè)經濟，工業(yè)化還不成熟，人的規(guī)范性、職業(yè)道德各個方面有待提高，不具備精益求精的精神。所以，用大數據提高管理水平是重要的應用場景。
郭朝暉建議：能不能通過大數據，把每一個生產流程記錄下來，然后讓研發(fā)，采購，銷售，設備維護，都很規(guī)范地運行，當出現違規(guī)時，就用一個算法進行示警？
“在某些傳統(tǒng)企業(yè)，管理漏洞導致的浪費可能大于總利潤。大數據記錄可以看作一種抽象的‘錄像’，對提高管理水平的價值是很大的，或許適合很多中國企業(yè)?！彼硎?。
工業(yè)大數據是對生產、研發(fā)、服務過程的痕跡的數字化記錄，其目的是建立以數據說話的基礎，它常常是對數據資源的二次利用，是通過間接的途徑創(chuàng)造價值。因此，只有將大數據的功能和業(yè)務流程綁定，才能持續(xù)地創(chuàng)造價值。
“我認為工業(yè)大數據的主要價值，或許不在于發(fā)現規(guī)律性的知識，而在于提煉出有用的信息。用這些信息驅動軟件化、模型化的知識，可以智能化地解決管理問題?！惫瘯熑缡钦f。
