最近和幾位朋友談到同一個(gè)問(wèn)題：從數(shù)據(jù)中獲得知識(shí)。有人談起，他們準(zhǔn)備做工業(yè)大腦，大量應(yīng)用機(jī)器學(xué)習(xí)。對(duì)這種做法的成效，我表示了擔(dān)憂。
人們很早就知道，可以從工業(yè)數(shù)據(jù)中獲得知識(shí)。但是，現(xiàn)實(shí)卻往往并不理想。一個(gè)重要的原因是：與數(shù)據(jù)分析師相比，工業(yè)人往往并不缺乏專業(yè)知識(shí)。所以，數(shù)據(jù)分析師看到的相關(guān)性，或者是假象、或者是工業(yè)人老早就了解的知識(shí)，很少增加新知識(shí)。所以，數(shù)據(jù)分析的實(shí)際作用，往往定位在比經(jīng)驗(yàn)更準(zhǔn)一點(diǎn)。其實(shí)，“更準(zhǔn)一點(diǎn)”也不容易做到：因?yàn)楣I(yè)現(xiàn)場(chǎng)數(shù)據(jù)的質(zhì)量往往不理想，分析結(jié)果常常存在“有偏估計(jì)”。
從數(shù)據(jù)中難以得到新知識(shí)，還有一個(gè)原因：工業(yè)過(guò)程和工業(yè)對(duì)象都是人造的。在正常的情況下，往往反映的就是人類已知的知識(shí)。容易發(fā)現(xiàn)新知識(shí)的數(shù)據(jù)，往往是那些有點(diǎn)“異常”的數(shù)據(jù)。正常生產(chǎn)的數(shù)據(jù)雖然很多，卻不容易蘊(yùn)含新知識(shí)。這有點(diǎn)像人的創(chuàng)新：善于創(chuàng)新的人，往往是那些想到“盒子之外”的人。
但是，異常數(shù)據(jù)也不一定產(chǎn)生知識(shí)。在多數(shù)情況下，異常數(shù)據(jù)往往是數(shù)據(jù)的采集或收集過(guò)程出了問(wèn)題。對(duì)數(shù)據(jù)分析師來(lái)說(shuō)，真正的“異常過(guò)程”往往是可遇不可求的、是難得的機(jī)會(huì)。因?yàn)楣芾砗玫钠髽I(yè)，應(yīng)該很少出現(xiàn)異常。而且，對(duì)數(shù)據(jù)分析師來(lái)說(shuō)，“異常”很可能是對(duì)工業(yè)過(guò)程和對(duì)象的理解不到位導(dǎo)致的，屬于“少見(jiàn)多怪”。
根據(jù)筆者的經(jīng)驗(yàn)，發(fā)現(xiàn)知識(shí)的一種可能性是“知識(shí)的融合”。不同的產(chǎn)品、不同的設(shè)備狀態(tài)、不同的流程背后都有人類積累的知識(shí)。但這些知識(shí)往往是碎片化的，僅僅適合特定的場(chǎng)景。把這些知識(shí)融合在一起，形成廣泛適用的知識(shí)，是非常值得做的事情。這樣的知識(shí)一旦形成，對(duì)創(chuàng)新和優(yōu)化的意義非常巨大，也有知識(shí)發(fā)現(xiàn)的空間。
數(shù)據(jù)分析有一個(gè)非常重大的意義，就是掌握現(xiàn)代化技術(shù)的抓手。
我國(guó)的許多先進(jìn)技術(shù)都是從國(guó)外引進(jìn)的。長(zhǎng)期以來(lái)，我們并沒(méi)有把引進(jìn)技術(shù)消化透。我們或許會(huì)用這些技術(shù)，卻不能很好地掌握這些技術(shù)。就像會(huì)開(kāi)車的人不一定會(huì)修車、不一定會(huì)造車。這是個(gè)很大的麻煩，使得我們無(wú)法擺脫“引進(jìn)落后，再引進(jìn)再落后”的怪圈。
要擺脫這個(gè)怪圈，需要對(duì)引進(jìn)技術(shù)深入理解。但如何才能深入理解呢？小平同志說(shuō)：掌握新技術(shù)，要善于學(xué)習(xí)更要善于創(chuàng)新。實(shí)踐證明，只有在創(chuàng)新中才能學(xué)習(xí)到位。但這里又遇到一個(gè)困境：學(xué)都沒(méi)學(xué)好，如何創(chuàng)新呢？
答案是從改進(jìn)型的“微創(chuàng)新”開(kāi)始。員工小改小革發(fā)揮的作用或許不大，但通過(guò)小改小革，卻能深入地了解引進(jìn)技術(shù)。小改小革的次數(shù)多了，也就容易掌握引進(jìn)技術(shù)了。所以，小改小革是培養(yǎng)人、培養(yǎng)能力的抓手。
怎樣小改小革？我曾經(jīng)給某公司領(lǐng)導(dǎo)建議抓兩件事：“不犯二次錯(cuò)、做得更好點(diǎn)”。產(chǎn)品質(zhì)量或設(shè)備出現(xiàn)問(wèn)題是難免的，要努力做到不犯第二次錯(cuò)誤；每次生產(chǎn)都涉及到質(zhì)量、成本、效率等問(wèn)題，希望每次都有進(jìn)步或者保持最好。這兩件事看起來(lái)很小，但卻能把數(shù)字化相關(guān)的技術(shù)拉動(dòng)起來(lái)。這個(gè)道理我在過(guò)去的文章中講過(guò)，這里就不多說(shuō)了。
做這兩件事的時(shí)候，幾乎一定會(huì)遇到數(shù)據(jù)分析：為什么出問(wèn)題了？如何做得更好一點(diǎn)？所以，數(shù)據(jù)分析往往是支持“微創(chuàng)新”的必要手段。在數(shù)據(jù)分析過(guò)程中，我們可以從微觀角度深入地理解技術(shù)的本質(zhì)。對(duì)高度自動(dòng)化的企業(yè)，更是如此。因?yàn)樯a(chǎn)技術(shù)都寫入了計(jì)算機(jī)，都由數(shù)據(jù)表現(xiàn)出來(lái)了。當(dāng)年寶鋼第一批技術(shù)業(yè)務(wù)專家，搞計(jì)算機(jī)的比例很大，總體上與此有關(guān)。
我們知道：在許多傳統(tǒng)制造行業(yè)，美國(guó)原本是領(lǐng)頭羊，但日本制造卻不斷超越美國(guó)。這一點(diǎn)，很少國(guó)家能夠做到。在我看來(lái)，日本人做到這一點(diǎn)的重要原因，是有著精益求精的精神。在求精的過(guò)程中，真正認(rèn)識(shí)、掌握新技術(shù)，從而超越了美國(guó)。我們的企業(yè)往往缺乏精益求精的精神，也就難以實(shí)現(xiàn)從跟隨到超越的轉(zhuǎn)變。
數(shù)字化時(shí)代的到來(lái)，給我們提供了新的機(jī)會(huì)。數(shù)據(jù)分析，幫助我們抓住機(jī)會(huì)。但我認(rèn)為：對(duì)機(jī)器學(xué)習(xí)的作用不要過(guò)于迷信。智能化我往往是“用人明白的道理，讓機(jī)器做得更好”。我們做數(shù)據(jù)分析，往往首先是變成“人明白的道理”，然后再寫入計(jì)算機(jī)中。如果跨越了人的這一步，工廠敢讓機(jī)器去決策嗎？簡(jiǎn)單決策可以，復(fù)雜就不行了。
作者：郭朝暉(工學(xué)博士，教授級(jí)高工。企業(yè)研發(fā)一線工作20年；優(yōu)也科技信息公司首席科學(xué)家；東北大學(xué)、上海交大等多所院校兼職教授。國(guó)內(nèi)知名智庫(kù)、走向智能研究院的發(fā)起人之一。原寶鋼研究院首席研究員)
