陆薇:尊重工业专家原生工作方式,让技术产品更管用好用
来源: | 作者:pmod6d781 | 发布时间: 2021-04-14 | 332 次浏览 | 分享到:

3月19日,虎嗅大鲸「重构工业·工业互联网企业大会」于深圳召开。本场链接巨头公司、投资机构、高成长企业的高精尖盛宴,旨在深入洞察2021行业发展趋势,展望领域全新投资机遇。昆仑数据荣登虎嗅大鲸榜工业互联网领域最具成长力的30家企业之一,受邀出席本次会议。


会上,昆仑数据创始人&CEO陆薇博士发表主题演讲,以下为演讲实录:


首先非常感谢虎嗅网的认可,也非常荣幸昆仑数据能够荣登大鲸榜。

今天主持人给了我一个题目,叫“工业从不懂到懂”,我看到这个题目之后感觉还是蛮贴切的。因为昆仑数据创业这几年,在工业行业确实经历了从不懂到懂的认知逐步升级的过程。

刚刚进入到工业领域时,我们是以技术为主的创业团队,希望用大数据技术DT帮助工业企业管好数据。但只是把数据管理起来,并不产生业务价值。


所以在工业大数据平台上,我们又提供世界冠军级的工业智能分析服务,来替客户发现问题、解决问题。但很快发现工业界的问题非常多,工业是千行百业,每个行业每个领域都有自己很独特的领域知识和无法穷尽的问题。我们有限的分析师团队,还是无法真正帮企业打开局面。


于是我们进入到DT+AI阶段,我们在平台上不仅仅把数据管好,还把行业里某些共性的问题和解法总结下来,成为在平台上运行的工业智能的模型,相当于内置一部分数据价值挖掘、解决问题的能力,希望用这种方式替企业解决问题。


但之前的海量问题仍然存在,此外,越深入越发现,在工业领域有很多其他现实问题,比如很多工业机理本身是不完备的,有一些领域即使机理比较成熟,但真正在实践中可能70%的问题是理论可以指导的,但另外30%要靠现场运行的经验,而这些经验并没有被很好的记录。还有一个有意思的现象,DT+AI的方式,往往会遇到工业专家心理上的排斥。因为大家会有心理上的恐惧,担心人工智能把问题解决了之后,个人价值会受到威胁。于是,总会在现场碰到各种不配合的情况,不管好不好用都说不好用等等。现场工业一线的专家如果不愿意支持,很多事情是非常难落地的。


一方面要面临各种问题和先验知识纷繁复杂,另一方面要解决个人的抗拒,于是我们目前进入到DT+AI+HI,就是大数据+人工智能技术+人类智能的协同,人在这里是主角,需要把现场专家的主观能动性、把相关的行业知识非常有机的调用起来。



OT+IT+DT技术的融合确实非常重要,但只是其中一方面,不同学科不同背景的人之间,思维方式的融合也非常关键。

工业大数据技术是为工业人服务的,以人为本,要把一线的工业专家放到主角的位置。我们通过产品研发,把工业专家利用数据来看异常、找规律、做分析、远程服务的技术门槛降下来,让专家能够更轻松更优秀地完成他的工作。这是我们现在的定位。


工业互联网姓工不姓互。虽然我们是一支数据技术出身的团队,但越做越对工业充满敬畏,我们需要尊重工业专家,尊重他的工作方式、工作规律,能够让我们的技术为专家所用,真正嵌入到现场工作流程中,才能真正的替他解决问题。


我们正在践行的技术和人的融合之道,总结下来有三条:

一条是数据资源化。如何把工业现场各类数据有机收集、整理好,让工业专家以他们熟悉的方式访问使用数据,不需要理解数据引擎、数据技术。

二是知识结构化。如何把专家脑子里那些隐形的、定性的知识经验用一种结构化的方式,用模型、算法、软件的方式表达出来,变成一个可复用的知识模型或者APP模块。现在传统的做法是工业专家有一个想法,委托IT部门帮忙开发,但中间往复过程很低效,还有信息传递的遗漏等等。我们的做法是把工业数据分析的大量实战经验,抽象成可以直接指导行动的方法和工具,工业专家可以凭自己的力量把知识结构化,生成相应的模型和算法。

三是应用服务化。把知识变成模型和算法还是没有解决最后一公里的问题,模型算法能够在现场发生效用,需要能够嵌入到一线生产经营中,贴合现场人的工作习惯。靠数据资源化和知识结构化解决管用,通过应用服务化的方式实现好用。通过云边协同的模式,让知识型APP能够在场站端实地运行,并嵌入到现场工作流程中,才能真正让工业数据价值在现场落地。


昆仑数据定位是做工业企业的大数据合伙人,我们跟工业龙头企业携手共进,先把他服务好,再以他为核心,服务他所在的行业上下游,再带动整个行业相关的生态。一个企业一个企业地服务,一个行业一个行业地服务。比如智慧水电行业,从水轮机制造商到做水电研究的科研院所、水电服务的线下服务团队,都能在平台沉淀知识并为最终用户水电站提供服务。

我们希望通过与行业龙头同行的方式,以前瞻眼光和务实技术,做好工业企业的大数据合伙人,切实达到我们希望用数据推动中国工业未来的使命。