本文從大數據定義出發，探討大數據管理形成的數據資產的”數字孿生”，所需要的戰略、技術架構，提出創新的數據湖架構，從而有大數據的生命周期概念，進一步探討數字經濟下的用戶體驗和貼身管家式的的深度數據服務的基本內容與模式。

關鍵詞：大數據、大數據管理的戰略、大數據管理的技術架構、大數據生命周期

智能制造與工業互聯網本質是數據驅動的創新生產模式和商業模式的融合，在產品市場需求獲取、產品研發、生產制造、設備運行、市場服務直至報廢回收的產品全生命周期過程中，甚至在產品本身的智能化方面。而數據驅動的核心需要大數據，大數據管理提供對有意義的數據進行專業化處加工能力，實現數據的增值和服務模式的創新。大數據時代來臨首先由數據豐富度決定的，首先是社交網絡興起，大量的UGC內容、音頻、文本信息、視頻、圖片等非結構化數據出現。工業物聯網的數據量更大，新一代信息技術能更準確、更快地收集用戶生產運營的信息，消費者越來越希望品牌能直觀地交付個性化、富有情感的數字體驗。數字革命和不斷演變的消費者行為助推這一趨勢，大數據管理、人工智能、語音技術和增強現實等前沿創新技術的崛起，使我們能夠設計出更加靈敏、精準和無縫的數字服務，從數據量和信息技術的創新來說，已進入大數據管理的數字經濟時代。

從中國大數據市場趨勢來看， 2023年將達到224.9億美元的規模，未來五年CAGR復合增長率為23.5%，2019年大數據的硬件：軟件：服務為45.2%:32.2%:22.6%到2023年會基本上達到各1/3的理想比例1）。隨著數字經濟、數字政府的推動互聯網、政府、金融、電信會更大幅度的提升，而工業互聯網和智能制造的實質落地為制造業的提升帶來至少高于復合增長率20%的高增長，特別是對于場景和需求的下沉，基于行業的應用的推廣和基于商業模式的推動。客戶體驗(CX)方面的投資將會增加，企業更加確信這方面的商業效益2）。國外大數據服務和軟件商業模式的轉移，為中國大數據產業的提質帶來動力，同樣目前國際形勢的變化極大的推動中國大數據產業從技術端包括硬件、軟件、服務的自我更新，在區域從華東、華南、中南到中西部的硬件系統的轉移到服務的變化帶來更多機遇，同樣隨著工業互聯網、智能制造和數字經濟的上下齊動，特別是疫情給中國人民帶來的對于大數據的全新認知所形成，應對未來公共管理需求的大數據信息管控的大幅度提升，其次在本地化和全球化之間平衡。

首先何為大數據？按照Gartner的定義是需要新處理模式，具有更強的決策力、洞察發現力和流程優化能力的海量、高增長率和多樣化的信息資產3）。而工業大數據是指在工業領域中，圍繞典型智能制造模式，從客戶需求到銷售、訂單、計劃、研發、設計、工藝、制造、采購、供應、庫存、發貨和交付、售后、服務、運維、報廢或回收再制造等整個產品全生命周期各個環節所產生的各類數據及相關技術和應用的總稱，工業大數據以產品數據為核心，極大延展了傳統工業數據范圍，還包括工業大數據相關技術和應用4）。

從技術角度，大數據與云計算的關系相輔相成的，大數據采用分布式架構，在對海量數據進行分布式數據挖掘，需要依托云計算的分布式處理的特點。大數據就是新一代信息技術和互聯網發展到現今階段的特征，在以云計算為代表的技術創新大幕的襯托下，更加方便的收集和數據利用，通過各種行業、工藝、管理應用的創新，大數據開始為社會創造價值同時形成迭代效應，衍化出新商業模式。工業大數據具備雙重屬性：價值屬性和產權屬性一方面，通過工業大數據分析等關鍵技術能夠實現設計、工藝、生產、管理、服務等各個環節智能化水平的提升，滿足用戶定制化需求，提高生產效率并降低生產成本，為企業創造可量化的價值；另一方面，這些數據具有明確的權屬關系和資產價值，企業能夠決定數據的具體使用方式和邊界，數據產權屬性明顯。工業大數據的價值屬性實質上是基于工業大數據采集、存儲、分析等關鍵技術，對工業生產、運維、服務過程中數據實現價值的提升或變現；工業大數據的產權屬性則偏重于通過管理機制和 管理方法幫助工業企業明晰數據資產目錄與數據資源分布，確定所有權邊界，為其價值的深入挖掘提供支撐4）。

大數據是數據分析的前沿技術。從各種各樣類型的海量數據中，快速、廉價、可優化的方式獲得有價值信息的能力，就是大數據技術。大數據最核心的價值就是在于對于海量數據進行存儲、分析，進而達成綜合成本最優的目標。

大數據的特點用4個“V”來解釋：第一，數據體量巨大（Volume）；第二，數據類型繁多(Varity);第三，處理速度快(Velocity);第四，價值密度低(Value)所以基于特點的對于進行準確、有效的分析和優化，形成價值回報。

未來，數據可能成為最大的交易商品，數據量大不是“大數據”，大數據的特征是數據量大、數據種類多、非標準化數據通過驗證和標記后其價值最大。因此大數據的價值是通過數據共享、交叉復用后獲取最大的數據價值。未來大數據將會如基礎設施一樣，有數據提供方、管理者、監管者，數據的交叉復用將企業的智能制造、工業互聯網落地的助力器，同時大數據也將催生一個新的產業大數據應用及服務產業。因此大數據管理和平臺是非常重要的因為數據分析和應用發生四個方向的變化，第一從統計分析向預測分析轉變、第二從單領域、結構化數據向多學科跨領域轉變、第三從被動分析向主動預測轉變、第四從非實時階段性向實時持續處理轉變。轉變對傳統的數據服務平臺和數據管理模式提出了更高的要求，對大數據功能的要求體現在數據處理、分析、預測、時效、互通、共享機制以及平臺輕量化、可移植、適用性、開放性等方面；從而以數據資產管理為核心、大數據安全共享機制的大數據管理成為選擇5）。

智能制造和工業互聯網應對中國制造業的轉型和變革的內循環和外循環，可以理解為智能制造重點在制造過程本身的精益與智能，工業互聯網著力于企業全價值鏈的提升，但有效的結合智能制造和工業互聯網的內外循環時需要數據的互聯互通，即具有“互操作性”, 形成企業數據資產的全價值鏈管理，這是信息時代大數據管理的核心價值：源自企業運營回饋企業運營，平臺賦能，服務優化，形成數據資產的”數字孿生”（圖1）6）。

圖1， 對于大數據管理的理解

作為企業的重要資產，企業數據來自于企業業務運營流程和市場流程，而后經過整理、加工后形成支持和指導企業決策的信息，同時系統化的優化和累計。為有效的實現數據資產的數字孿生，達到“平臺即實現、數據即服務”需要對于大數據管理進行變革，變革的管理要求從用戶的需求和市場的變化出發、與用戶就大數據管理的內容進行有效而充分的溝通、通過用戶與我們共同的互動定義戰略包括路徑、流程、改進目標、相應的管理組織能力和與之適應的落地技術架構。數據戰略已成為企業精細化管理不可或缺的基礎，只有切實落實好數據戰略工作，才能提升企業數據管理與數據質量、實現企業數據價值升華，為企業數字化轉型奠定基礎。企業的數據戰略目標與企業業務戰略目標的內在一致性，構建在企業智能制造和精益管理過程中形成一種機制，因為智能制造已是制造企業不可避免的選擇，是企業隨著環境的變化進行持續的戰略調整的重要使能手段。做好企業數據戰略，明確數據管理目標是企業實施數據管理的第一步。在數據戰略制定需要重要考慮核心點：第一企業的業務目標是生產盈利，從而無論在生產過程、運營過程、管理過程對于數據需求必須貼合工藝和實際需要，第二企業做智能制造過程中的核心利益是提質增效，通過智能制造實現“工序牽引、場景驅動、數據核心”的制造智能化、生產少人化、管理精益化，第三為確保數據管理滿足業務目標，需要一個更加輕量化、可移植、有彈性、自主可控、自我管理的數據湖實現數據承載和數據治理，第四數據資產的管理的有效性和可測量性，需要一個云-邊-端的基于SOA架構的數據平臺的技術架構實現數據資產的有效管理和可度量的實現。基于數據引擎的數據平臺，結合行業應用和互聯網數據思維，形成可賦能、可推廣、可以定制化、的應用。（圖2）

圖2 基于SOA架構的數據管理平臺技術架構

數據湖是可以容納大量原始數據存儲庫和處理系統，已經成為企業應用大數據重要工具，是有一個中心化的存儲、所有的數據以它本來的形式集中存儲，是一種經濟有效的方式存儲所有數據。可以更好地支撐數據預測分析、跨領域分析、主動分析、實時分析以及多元化結構化數據分析，可以加速從數據到價值的過程，建立應用能力和業務增值能力。結合工業生產過程數據、運營過程管理數據、工業制造精細化管理和原料物流全信息供應鏈、全局優化要求建設適合工業行業特點的數據湖。從數據的采集、整理、分析、賦能的生態閉環，企業需要打破不同業務領域之間的壁壘，真正做到數據和業務流程的融會貫通，進一步挖掘數據價值，提升企業綜合決策的能力，提高企業工作和管理效率。推動大數據在工業行業基于應用場景的經營決策、產品設計制造、生產過程控制、物流全域管理，實現產品、市場和效益的動態監控、預警預測、從局部優化到全局優化，提升產品研發、生產制造、供應鏈管理、營銷、服務的資源優化配置能力和智能決策水平同時對于頭部企業可以有效賦能產業發展。

傳統的數據IDC模式面臨挑戰，第一、數據倉庫模式導致的煙囪式建設與數據需跨業務線廣泛和不同協議接口的連接之間的挑戰；第二、傳統數據庫不能應對數據的增長，數據ETL、數據建模工作的響應速度與數據反哺業務迭代創新之間的挑戰；第三、數據賦能與業務場景探索脫節的挑戰。在一個非常理想的企業數據架構中，企業所有的信息處理系統將共享一個通用的數據模型，這個數據模型是建立在一個高性能數據庫上的，但在制造業實現數據管理的是在原來IT/OT架構保留使用同時逐步采用新的數據管理技術架構，平臺和數據湖而不是完全打破舊有體制，應該是三種模式，新系統新架構、老系統老架構、改造系統逐步新架構，但是這里需要強調的是往往這一進程不是簡單的技術推進也不可能是粗暴的行政命令而是自我驅動+管理推進的模式比較切實可行，因為企業還是以生產盈利為第一要職。企業在發展過程中，數據的積累由于技術和歷史的因素，在展示和存儲上呈現多種形態，數據的提取、整合、分析、洞察有難度，數據的碎片化使得領導和IT供貨商大力推動的信息系統并未達到預期，業務協作反倒因為IT系統呈現煙囪和孤島化，所有的IT企業要么陷入賣產品要么陷入賣一次性方案要么像江湖郎中一樣以狗皮膏藥為生，缺乏規范化的數據管理和治理使得信息化建設和業務流程優化舉步維艱，雖然新信息時代的智能制造和工業互聯網似乎帶來業務機會也不過是雨后的彩虹，但是這樣的實踐給與產業界更多思考與教育，深刻的認識到“數據核心、服務增值、流程第一“

大數據管理說到底還是為企業服務的，數據管理從兩個視角：第一從企業應用系統的視角，用系統間的數據整合及維護費用最小化；提高跨系統間數據存貯和共享的效率。第二從企業數據資產管理的角度：對整個數據生命周期中數據的處理、存貯、轉換、整合、 以及支持這些策略、模型、流程。從而提出基于從數據全生命周期的全空間坐標（圖3數字價值空間）：第一從數據的業務流程，從數據的用戶體驗、從數據的增值服務三個維度來考量，數據生命周期的管理空間：從業務流程上實現了對大數據平臺的數據全生命周期、全流程的數據治理，主要包括數據資產管理、元數據管理、數據開發流程管理、數據質量管理、數據安全共享管理。

圖3數字價值空間

第二數字經濟下的用戶體驗：從用戶體驗上實現基于元數據全方位畫像的數據資產管理，數據全生命周期的管理與監控，全流程記錄的追本溯源，全景式的資產可視化，提供數據資產全場景視圖，滿足不同用戶的應用場景的需求，既有全局規劃的管理者，也有細節定義的使用者，還有加工、運維的開發者，進而提供多層次的圖形化展示，滿足應用場景的圖形查詢和輔助分析、對工業數據質量進行建模或者模型學習，可實時預警數據質量問題。

在我們目前的實踐和探索來看有以下四種模式可以應用于大數據管理下可以提高用戶體驗進而形成新的商業模式：面對不同需求的自由組合的可視化、分析及應用工具模塊化、完全自主定制化的App組件等。

第三從基于數據產品生命周期的增值服務端提供經濟有效的方式來存儲組織的所有數據、低延遲實時數據處理、支持基于內容的檢索、可橫向線性擴展、內置支持各種并行化數據分析算法、構建工業邊界安全、傳輸通信安全和邊緣計算終端安全的防護體系、支持工業數據標準度量指標庫和分布式計算組件、并支持大規模數據糾錯等服務。

在我們目前的實踐和探索來看有以下四種模式可以應用于大數據管理下結合用戶體驗的數據增值服務的商業模式：基于傳統數據系統集成模式的項目模式、基于軟件訂閱模式的服務收費模式、基于用戶體驗的服務分享模式、基于共享未來成長的生態協作模式，但無論哪一種都是必須圍繞數據賦能和價值的角度必須從用戶的需求和符合現場工藝需求的角度，但更為重要的是數據閉環而數字孿生的核心也在于此。

基于中國工業的現實和企業運營管理的現實，實現大數據經營管理必須兩條腿一起走：第一、基于邊緣側的數據采集、數據執行解決應用落地和數據之源，第二、數據層（數據湖）的有效切入，同時數據增值模式的創新。從而基于智能制造咨詢、數字化轉型服務到數據平臺賦能的新型生態商業模式有其邏輯。

4.0時代的到來，大數據管理，是技術+管理+治理的過程，是從煙囪式的IT架構， 真正走向數據為核心、數據資產管理的全新理念和實踐過程，在數字經濟時代里，大數據管理不僅僅是數據存儲架構的變革，更是大數據思維方式的升級。用好數據是企業數字化轉型的關鍵、“邊緣+數據+應用”的基于IOT架構是大數據管理更是數字增值服務的新趨勢。沒有捷徑也不是老舊系統的補丁，更不是原來不同層級系統的集合，面對新的時代，從數據出發、從價值導向，來自企業回歸企業，唯天下之至誠能勝天下之至偽，唯天下之至拙能勝天下之至巧。