赋能成长 | 数据分析师如何做工业智能化项目？

大数据与人工智能的浪潮推动着工业世界向前发展，对工业大数据分析师提出了更高的要求。他们需要熟练掌握数据分析和建模方法，精通各种数据分析工具，会SQL，具备超强的逻辑思维能力，最重要的是拥有工业领域知识。

工业文明两百年以来形成的工业系统和标准化体系，在进入新工业时代背景下，企业面临的挑战是如何运用数据分析技术来打造自己的竞争力壁垒，这也是对数据分析师的考验。

除了需要具备以上提到的技能，工业大数据分析师还要能够做客户的眼睛，洞察深层需求，与客户同怀敬畏之心，将智能化技术融入工业系统和体系，并且懂得沟通技巧，帮助客户理解技术如何与业务结合，实现最终的业务目标。

下面分享两位天泽智云数据分析师的项目实践经验，从他们的视角出发，看如何帮助客户实现工业智能化。

项目背景&目标

项目名称：智慧风场系统

作为一名数据分析师，我在项目中的主要工作是进行风功率预测的算法开发，并协助进行风功率预测系统的设计。目标是利用数值天气预报数据和风场的历史数据来对未来一段时间内风电场所能输出的功率大小进行预测，以便指导风场运维人员安排调度计划。

除了使用数据分析技术进行算法的开发，日常也参与到项目管理中，深度挖掘用户的需求，协调与追踪项目的进度。

实现项目遇到的困难&挑战

>> 工业场景的复杂性

遇到的首要困难是对实际工业场景的不熟悉，工业领域特别是风电领域拥有非常复杂的场景和挑战。

>> 更高要求的数据安全性

工业场景中对于数据的安全性要求更高，从而限制了我们去用很多目前已经比较成熟的数据分析技术和互联网或者云计算技术，只能在复杂的数据环境中实现高效的数据分析，提取出数据中的价值与信息。

>> 管理模型的不确定性

使用基于机器学习的方式去解决实际工业场景中的问题，对模型的不确定性管理需要特别注意，进而保证模型输出的结果持续可靠、稳定精准。

赋能&解决方案

>> 公司培训和前辈带领，熟悉应用场景

首先在公司培训和相关前辈的带领下一步一步地熟悉具体的应用场景，建立数据分析的平台，然后将业务问题准确的翻译成为数据驱动的算法可实现的问题，设计出基于算法的解决方案。

>> 明确所需数据，用工具判断数据质量和算法的可靠性

明确解决方案中需要什么数据支持，并协调客户与项目的伙伴去获得这些数据；使用工具判断数据的质量和算法的可靠性，最终通过获得的数据对数据分析模型进行训练与测试。

>> 准确判断解决方案的局限性，管理模型

在项目进行的过程中，要清楚地知道解决方案的局限性在哪里，从而进行模型的不确定管理并优化用户需求，明确方向。

成长&收获

工业拥有非常复杂的场景，如何在复杂的应用场景中紧紧的抓住业务的痛点，最终收敛到业务中的价值点，从而解决场景中的具体的问题，是数据分析师的价值所在。

在项目的进行中，作为一个数据分析师也要懂得沟通技巧，怎样将整个思维过程和结果直观的展现给大家，也是非常值得注意的。

对数据的处理具有连贯性，每一个环节都要避免出错，一旦粗心大意，就要付出很多时间去弥补。

项目背景&目标

项目名称：智慧厂务能量管理系统

工厂里所有保障生产的系统统称为厂务系统，包括供应压缩空气的空压机、提供冷却水的冰机、废水回收处理、配电发电等等。我们这个项目主要针对耗电量最大的空压机系统和冰机系统，优化这些设备的调控实现节能减排。

数据分析师的目标就是使用智能算法建立最优的设备调控策略，并且预测需求量提前推送准确的调控建议。

实现项目遇到的困难&挑战

>> 如何统一对项目的理解

我们所说的智慧厂务能量管理系统，是在原有的FMCS厂务系统之上增加了数据分析和智能化管理，所以第一个挑战是客户思维上的转变。

>> 如何合理“拆分”工作流程

为了更好地达成项目目标，需要将其拆分成许多和工程实际相关的小目标，“拆分”这项工作是很有挑战的，技术框架搭建的好坏直接影响后续工作开展的顺利与否。

>> 如何平衡工程实践经验与数据分析

这个项目需要很多工程实践的经验，前期我们在做数据分析的时候没有重视这一点，埋头从数据上做文章，导致走了许多弯路。

>> 前人经验空白，如何摸索

在设计调控策略时，完全没有前人的经验，只能自己去摸索，提出假设再验证。而从探索数据到设计算法再到实现算法最后用历史数据验证的整个过程是反反复复很多次的，需要花费很多精力，如果最后验证效果不好会觉得很有挫败感。

赋能&解决方案

>> 与客户深度沟通，统一思维

首先是与客户沟通，通过案例帮助客户理解智慧厂务能量管理系统与传统FMCS的区别。它不是替换原有的厂务系统，而是基于厂务系统，再融合数据分析和人工智能等软硬结合技术实现更加高效的厂务管理。

>> CTO技术指导，拆分项目

目标拆分工作需要非常有经验和能力的人。项目前期我们的CTO刘宗长博士设计了技术的框架，给出了很多探索方向和建设性的建议，后续我们继续细化拆分和工作实施就顺利了很多。

>> 与客户相互赋能，放大优势

关于工程经验这方面，我们后来和用户的资深工程师进行紧密交流，学习他们的领域知识集成在我们的算法里，能够减轻很多负担。

>> 提前验证，保证有效性

在设计算法的环节需要一些讨论和碰撞，并且做一些小型数据的验证，评估技术难度和泛化性，才能保证实现算法的有效性，接下来迭代优化算法的时候会沿用这种思路。

成长&收获

项目带给我最大的收获在于思想的转变。通过参与到实际工程项目的经历，让我更加深刻的体会到什么是责任和担当。算法的每一个输出都会对应切实的操作流程，稍有不慎就会造成事故，影响非常大，因此在设计算法时要把系统合理性和稳定性放在首位。

此外，需要合理规划项目进度，促进项目的按时交付。提前制定项目时程，每一个里程碑每一个节点要能够按时完成，才不会拖慢整个团队的进度。

以专业、严谨的态度和志同道合的小伙伴一起参与这场伟大的工业变革，也是我们每一个天泽智云人的使命所在。