联想集团首席研究员田日辉：大数据在工业智能领域的应用

全文共3414字 阅读大约需8分钟

联想集团副总裁、首席研究员田日辉

田日辉先生过去有大量的发明专利，现在又带领联想集团同事基于联想自身实践在大力推进大数据在工业智能领域的应用。以下为田总演讲主要内容：

我们正在进入一个全新的智能互联网时代，这个时代里面最核心的是数据，数据本身蕴藏着无限价值，就像一个非常深的海洋，深度和广度都是我们无法想像的。

从应用深度和广度的角度来看，工业智能应用是数据这能个皇冠上最亮的珠宝。因为从业务广度来讲，工业智能涉及这个行业和各种社会组织的各个行业，每一个应用都有非常多的环节，所以非常广。从深度来讲它比个人应用涉及的数据面和环节更复杂。

在未来，在数据智能的背景下我们构建了自己实现数据智能的路径。即我们讲的企业转型升级的核心：数据智能。它的核心表现有两个：第一，把数据以最高效的方式整理组合；第二，以敏捷的方式挖掘它的智能，挖掘这些数据本身的价值。

对一个企业来说，我们所提到的数据，包括企业内部的传统的像ERP、CRM、每一条生产线的数据，通过IT系统进入到企业生产中。PC设备的数据也会注入进去。对于一个风力发电企业，高端装备制造企业，他们生产集成、挖掘机，这些都是通过IIOT继承，电商平台上我们的产品和用户交互这些数据有些是结构化的，有些是非结构化的，要把所有相关数据放在一起，整合起来。这方面我们有很多模型和算法，这些模型和算法跟业务逻辑和业务方向结合。通过这些算法支持产品优化，支持整体企业管理效益的提升，包括产线效率的提升，产品产量的提升以及最终产业的转型升级。

在这个概念下，我们理解数据智能相当于企业的大脑。人的大脑从身体收集各种数据在大脑中枢指挥人的各种行为。企业也是如此，包括企业数据、设备数据，通过对数据整合清理，然后智能分析，进而驱动整体企业的运转。

这个数据我相信很快会超过人类智能的水平，包括企业的规划层，因为它生成的数据更多、更全面，对企业的决策以及生产效率的提升很快会超过人类本身。

从实际企业运作角度来看，这些案例是我们对运营模式的分析：

从最基础的工厂层面，数据智能可以指导我们提升产线生产效率以及产品，包括整体产线的能耗、包括大型终端设备的运行能力、连续制造企业它的产线流程参数的调整。

提升产品质量：我们可以追踪来料和过程中的生产线及质量检测。包括通过这样的大量数据在过程中实现产品质量管理和对关键问题进行分析提升产品品质。

第二个层次，企业层次。整个产品价值链端到端的，数据智能都有非常大的应用。用户对产品的反馈，和宏观经济数据，这些东西都放在一起，会促使我们优化产品定位和定向分析。产品用户使用过程中，不但可以通过产品每天实际的数据来优化产品本身，还可以创新一种新的模式。以汽车行业为例，大家知道车联网，我们不但可以用车联网的车的数据优化用户使用体验，也可以根据车联网反应驾驶员的行为，跟保险公司合作进行一些个性化的保险服务。对有一些不良驾驶习惯的人就多收他的保费。反过来这也是驱动这些人能够更好的尊重公路安全。

数据还可以预测产品的整个生命周期、节能环保、降低能耗等等。

再扩展一个层次就是跨出企业这一层，供应链的上下游，通过企业本身的销量预测，指导采购预测，跟上下游进行协同。包括一个企业的产品仓储过程中物流进行综合优化，以提升整个供应链的效率。

我们基于数据智能对企业行业和整个产业价值甚至于社会整体的运营效率提升都是非常有价值的。我们所做的事情是让这些价值能够落地，能够体现到我们的产品上，能让企业客户更快的用到这个价值。

我们有一个产品叫联想企业数据杨学山平台LEAP，设计理念就是一方面是整合数据，把数据放在一起构建一个处理中心，这样业务价值驱动的AI决策可以提升业务价值。

细一点来说，有六大块。包括数据采集和物联网包括组件的各种数据，这块我们支持实时的海量数据，包括这些数据的实时窗口数据和实时预警，在窗口内的一些算法和实时优化。这块数据的产生主要是为了企业内部现有的包括ERP、CRM这些系统和用户开发的外挂的活动，联想自身经过20多年的信息化积累，现在联想用的大的系统主系统有十几个，整个公司服务器加起来有上千个，这对500强企业来说是非常重要的资产，很多数据分散在不同的业务系统里面，我们希望通过LEAP，让数据集中的方式方便把这些数据整合起来。

核心是HD，这是我们的计算存储平台，包括开源，包括图数据库是我们自己的，我们自己在这块还做了通过一个界面查到所有数据。

可信计算是数据安全非常关注的，我们可以提供从硬件到操作系统到大数据平台到大数据应用到数据本身基于硬件本身的TCM芯片的认证和加密。可以保证这个服务器在中国境内用这个芯片任何数据所有过程都是可跟踪的隐私和安全性可以得到足够的保护。

数据智能平台LEAP AI：包括深度学习方法和优化类的，可以支持销量预测、优化等等，知识库就是帮助企业把一些呼叫中心这种大量人工参与的部门可以通过人工智能替代。数据治理从企业管理角度来说非常重要。联想本身有1000多个服务器，数据有不完整和质量问题，要通过统一的原数据管理让这些数据提升质量。在一个典型数据分析项目里面80%-90%的工作量是提数据，做好数据是企业整个智能提高的根本性内容。

刚才我们讲了六大产品线，其实这些产品是一个工具，能让这些企业很好的用这些工具做智能分析和数据智能应用。但是这还不够，我们现在国家的信息化水平还有比较大的缺口，刚才那些工具很多企业不一定能够用起来，我们接触到很多客户，他们需要端到端的解决业务问题的方案。

所以我们在刚才讲的那些工具基础上在业务价值链不同的阶段也有很多产品，包括质量预测、精准营销等等，所有这些产品都是端到端的方案。

比如说要用到什么数据什么算法，这个结果出来以后连什么系统，ERP、包括采购系统怎么结合，能让企业快速的进入到数据实践环节。对企业本身产生价值，这也是推动这件事情迅速往前走的重点。

我们联想构建了统一的数据平台和分析平台，我们每天新增的数据是30T，真正的是几亿用户的优化。对外我们也做了像钢铁、宝钢和泰钢还有汽车行业的，像猎豹汽车和银行这样的客户。这些很多客户都是企业一线的业务人员跟我们一起来挖掘这些应用，挖掘出来对企业有价值的应用。

案例：

第一个例子是财富50强的医药企业，在中国每个月大概有上万家的分销商产生几百万到上千万条利用数据。药品名称通常很乱，有各种名称，包括客户的名称，经销过程的业务数据。企业需要雇佣150人，每个月要用一半时间整理这些数据，因为涉及到整个物流管理和给经销商返款。

联想通过自然元素把这些信息进行有效的聚类，提升他们的自动化水平，把原来那150人降到30人以下，人力成本降低了80%，准确率由92%提升到99%，时间由原来15天压缩到现在几个小时就可以完成。

这是另外一个例子，钢铁行业。我们经过图像检测进行产线、钢材的质量检测。大家知道钢有5米多宽，这个东西原先检测靠员工，人工对钢铁的检测一个是工作量太大，第二就是因为产线速度比较快，人不可能全检。如果说这条钢材漏检了，发过去以后质量不达标，被返回会一来一回造成巨大的浪费。现在我们通过摄像头把钢材表面图像数据截取下来，突破性的通过实时聚类分析，实现豪秒级全量检测，大幅度提升效率。这种技术不但可以用在钢铁上，还可以应用到其他行业。甚至包括像轮胎等行业，通过X光或者三维摄象头把数据拿过来原理一样，能够提升透率，这都是提升产品质量的案例。

还有一个案例是汽车领域，联想帮这家企业做了整体企业经营分析的优化，包括客户画像、潜在挖掘，车联网应用。通过我们的应用它的整体管理效率包括出报告速度，原来是以周计现在变成实时的。

这些都是我们在企业应用里面的一些案例，我们希望通过刚才讲的这些产品和客户业务深度结合，能够让我们的客户看到数据智能带来的价值。这是最重要的，能够快速的闭环，通过这个闭环能让每一个企业参与到数据智能推动中来，然后再上升到整个社会层面，能够形成数据智能的良性商业生态，最终能促进我们整体的社会效率的提升。这是我们的理想。所以希望今天能够跟大家一起研讨，在实践的过程中，如何更好的去推动企业应用，给企业创造价值。

关于此次论坛嘉宾观点的更多解读，请关注企智网后续报道。