工业大数据的收集不能乱来

自从“大数据”、“工业大数据”流行起来，就有一种常见的观点：“先把能收集的数据收集起来再说”。 也就是说，不对数据收集做认真的策划，就急着上系统。在笔者看来，这种做法的问题很大。

问题之一是关联信息容易丢失。比如，产品开发需要很多指标的测试数据，但每个实验室只记录自己的测试数据，却没有把它们串起来。这就好比，测血压的只记录血压指标、测体重的只记录体重指标，但是没有记录血压和体重是哪个人的，两个数据就丢失了关联关系。这样的数据收集再多也无法用来发现规律。

另一个问题是数据质量难以保证。在很多地方，数据收集的目的只是完成某个特定的任务（如管理的需要），对数据质量的要求不高。但是，搞工业数据分析，往往是为了发现质量问题、发现规律，对数据质量的要求就高了。

分析工业过程时，数据质量非常重要。数据质量不仅仅是精度问题，关键数据不能缺失、数据对应关系要准确、数据关联要完整。数据质量不高，就不能有效地描述和分析我们所关心的问题。有些数据不好，就像木桶有了短边，严重影响后面的使用。

但是，提高数据质量是需要成本的。不仅是设备投资，还要加强人工的维护。如果生产现场的条件差，设备维护是相当费劲的，没有大量人力投入是不行的。但是，人力和资金的投入，能带来多少效益，却往往是不确定的。这就让决策者非常为难。

笔者认为：要搞工业大数据，事先一定要做好策划：该收集什么、对数据的要求是什么、哪些数据必须联系起来。还要尽量把价值创造的道理说清楚。这时再推进可能容易一些。