工业大数据的几个特征《资讯》

发布时间：2020-08-17 12:17:49 阅读：次来源：发带厂家

2016-11-24 19:56:26来源：贤集网

说到这里，大数据的另外几个特征：“速度”、“多样性”“低价值密度”。从应用的角度看，这些特征的意义似乎也不是很大。

1、产生速度快。增大了分析的难度，对应用带来的好处却不多，故而仅仅是在理论上有价值。

工业大数据的几个特征" width="410" height="290" title="工业大数据的几个特征" align="">

2、低价值密度。也增加了分析的难度。但对应用来说，这是一种现象，似乎不值得强调。事实上，为了获得可靠的结果，个别的‘小数据’往往才是分析大数据的关键钥匙。而且，发现具有‘黑天鹅’性质的小数据，往往是研究大数据的重要目的。

3、所谓‘多样性’，指有很多非结构化数据。也是增加理论难度、对实用无正面影响的因素。在现实中，数据分布越广越好，便于从不同角度和视野确定结论的可靠性。所以，我宁可把多样性’理解为数据分布的广泛性，而非数据形态的多样性。

从应用的角度看，笔者更欣赏‘数据科学’的概念：综合利用数据分析、模型计算和领域知识来解决实际问题。对工程师来说，分析数据的目的是解决问题。为了达到分析的目的，应该采取一切有利的方法、收集一切有用的证据，不应该将自己限制在某个特定的理论方法上。我们期望大数据，却也喜欢小数据：我们喜欢完整的、真实的数据。IBM对4V理论进行了矫正。

综上所述，笔者认为：将大数据理论用于工业领域时，不可执着于‘原教旨主义’的认识。我们关注大数据，是为了创造价值，而不是追赶时髦的理论和领域。从这种意义上说，制造企业研究大数据，应该特别强调‘工业’二字，以区分现在流行的、以商务为主的大数据理论。