李琼

在过去几年中，美林一直为大型工业企业提供数据应用的管理、分析和相关的技术服务，主要涉及电力和军工装备制造等。我们怎样为客户提供服务？首先我们要明确一个目标，要解决什么问题，是解决产品的品质，或是某个场景的业务预测，还是精准营销等，最终决定采集什么样的数据。当我们开始进行定向数据采集时，如果发现数据不够，则需要增加其他的数据采集手段来完善数据。虽然我们一直在强调数据分析，根据我們自己的实操经验来看，在数据采集方面会消耗大量的时间，这也是客观存在的现实。

所以我们会选择使用存储管理计算平台，由于我们主要服务的是大型工业企业，这些企业在处理数据时所采用的是私有云方式，但是现在这种状况正在逐渐改变。我认为改变的原因是技术的成熟，另外则是大家理念和观念的转变，现在有越来越多的客户，会要求我们把部分应用部署在公有云。然后通过算法和分析技术的选择，将数据应用不断进行修正、迭代和完善。

应用场景数据样本和算法模型，是数据应用过程的核心之一。虽然美林擅长数据分析，但我个人认为，一个成熟的数据应用项目，应用场景和数据样本起到关键作用。在传统的大数据应用模式下，我们所面向企业级的服务是以项目的方式呈现，软件与数据模型应用成耦合关系，如果换一个应用场景，可能会导致重复性工作，这就会给数据应用的开放性和扩展性带来问题。

过去我们基本上给客户提供的是产品种类，这就需要耗费大量的时间帮客户打造数据基础，包括数据治理，主数据、数据仓库等。在中间环节我们会强调数据分析，无论是BI类的统计分析，还是AI类的挖掘分析，都是为上层数据应用在特定的工业场景下提供支撑。

工业互联网平台这一概念成为当下热点，美林该如何发展工业互联网平台？我们认为在工业互联网平台的建设初期，我们应强调对于设备数据、机器数据的采集，同时我们会搭建一个工程数据中心，来区别以往从各项工业管理软件系统当中采集到的数据，如果将管理数据和机器类数据放在一起，我们认为会构成更加广义、全面和完善的工业大数据基础。

在改善传统的信息化方面，在产品研发、制造和交付创新的能力需要提升外，工业互联网平台更加看重外部的增值服务，当然无论是对内还是对外，我们最终的核心还是促进主营业务的快速健康发展。工业互联网平台的功能架构可分为：

第一层边缘层。主要强调的是连接，无论是设备数据、产品数据、业务系统数据还是人的数据形成数据汇集。第二层是平台。我们希望通过一个平台来营造开发环境，为更多的平台拥有者和第三方开发人员，以及服务商提供灵活、开放、便捷的开发工具。我认为在工业互联网平台架构下，不同的企业所提供的能力也不尽相同。包括数据采集、数据安全等部分，应当按照平台的需要进行。

现今云计算云服务商的能力在不断提高，IaaS和PaaS级服务，都应该由云服务商提供。那么美林为工业互联网PaaS层提供哪些能力？我们积累了以前为企业提供单点项目的经验和能力，第一我们开发了一款名为Tempo Data的软件，这款软件包含了数据管理、数据编码、数据清洗、数据监控等，能够为企业和平台打造数据资产地图。同时我们开发了一款新型的数据资产图谱平台，来完成数据资源管理工作。该平台更强调逆向数据治理，在进行传统的数据治理时，我们需要定义数据标准，然后进行编码和定义规则，以人工干预的方式来完成数据治理工作。当这项工作运行一段时间后，数据就会出现互通互联等问题，可以通过逆向工程的方式，从历史数据当中去发现数据存储的结构关系，最终解决业务与数据之间的关联。当不同业务系统中的数据发生变化时，该平台可以自动发现原因，并提醒数据管理人员进行相应操作。

在数据分析方面，我们的Tempo AI平台更强调数据挖掘能力。我们可以利用简单的模型，就可以建立挖掘算法建模，同时该平台已经集成了较丰富的算法和模型。此外该平台还具备智能算法的选择，以及全面洞察分析的能力，来帮助模型和算法的搭建。

当然如果为工业互联网平台PaaS层提供工序，那么Tempo AI也具备开放的可拓展能力，让平台的使用者来定义自己所需的算法节点。当完成AI分析以后，我们打造BI部分与市场中的工序十分相似。都是依靠个性化拖拽方式，使用户自定义图形组建。所以无论是在数据资源管理方面，还是数据分析应用的工具软件，我们都可以为工业互联网平台的PaaS层，提供工具和可扩展的开放能力。

我们认为工业互联网平台的应用还处于发展的初级阶段，而工业互联网平台的未来，则需要设备物联和系统互联全面打通。所以我们将会持续加强工具和能力方面的投入，在数据管理和分析应用方面为工业互联网平台赋能，也会针对特定的细分行业和工业场景开发工业App。

（根据演讲内容整理，未经本人审核）