如果數(shù)據(jù)是物聯(lián)網(wǎng)時(shí)代的新石油，誰(shuí)將是它的提煉者？
2017-06-20 10:02:55 來(lái)源：物聯(lián)網(wǎng)世界 熱度:
當(dāng)今這個(gè)信息時(shí)代提供了龐大的數(shù)據(jù)等待企業(yè)去發(fā)掘，基于這些數(shù)據(jù)，企業(yè)的商業(yè)目標(biāo)便能得到發(fā)展實(shí)現(xiàn)。最近，我們與兩位來(lái)自諾基亞的物聯(lián)網(wǎng)市場(chǎng)發(fā)展部門(mén)主任Marc Jadoul和戰(zhàn)略分析部門(mén)負(fù)責(zé)人Denny Lee兩位權(quán)威專(zhuān)家進(jìn)行了一次交流，對(duì)如何將企業(yè)運(yùn)營(yíng)數(shù)據(jù)轉(zhuǎn)化為企業(yè)發(fā)展的驅(qū)動(dòng)力進(jìn)行了探討。
問(wèn)題一：近來(lái)，在各大會(huì)議中，我們不斷聽(tīng)到“數(shù)據(jù)即是新型石油”這個(gè)說(shuō)法。問(wèn)題是，石油可以做燃料，也可以做潤(rùn)滑劑。在您二位看來(lái)，對(duì)客戶(hù)端來(lái)說(shuō)，數(shù)據(jù)即是石油，到底意味著什么?
Marc Jadoul：我是從價(jià)值這一方面來(lái)看待它的。如果把一桶原油和一桶噴氣燃料的價(jià)錢(qián)作比較，很明顯二者有巨大差異。數(shù)據(jù)也是如此，就像石油一樣，它需要一個(gè)精制提純的過(guò)程，提煉程度越高，提供的價(jià)值越高，就能應(yīng)用在更多更復(fù)雜的場(chǎng)合。
另一個(gè)類(lèi)比方式則是金字塔的建造。在塔底，只需要將原始數(shù)據(jù)收集在傳感器層。往上，就需要開(kāi)始監(jiān)測(cè)數(shù)據(jù)并發(fā)現(xiàn)其中的隱含信息。在這個(gè)過(guò)程中，可能會(huì)發(fā)現(xiàn)異常情況或者動(dòng)態(tài)趨勢(shì)。經(jīng)過(guò)人工智能分析、提煉出的最關(guān)鍵信息，此時(shí)就能幫助公司作出更好的決策。這一過(guò)程即為數(shù)據(jù)驅(qū)動(dòng)決策(DDDM)。再往上，經(jīng)過(guò)認(rèn)知分析階段之后，人們還能實(shí)現(xiàn)行為預(yù)測(cè)。實(shí)現(xiàn)行為預(yù)測(cè)意味著得到了最高提煉程度的數(shù)據(jù)，設(shè)備和軟件的自動(dòng)化決策由此可以實(shí)現(xiàn)。
總的來(lái)說(shuō)，我描述的是一種數(shù)據(jù)提供見(jiàn)解和知識(shí)的價(jià)值鏈，它最終能幫助企業(yè)實(shí)現(xiàn)生產(chǎn)過(guò)程自動(dòng)化和決策自動(dòng)化。將其與石油產(chǎn)業(yè)作比，不是說(shuō)它和潤(rùn)滑劑的功能相同，而是說(shuō)它和石油的精煉過(guò)程類(lèi)似。數(shù)據(jù)的提煉程度越高，就越有用，得到的回報(bào)就越多。
Denny Lee:當(dāng)人們提到“新石油”這個(gè)說(shuō)法的時(shí)候，我總會(huì)想起上世紀(jì)七十年代的那句話(huà)：“控制石油，就是控制經(jīng)濟(jì)”?，F(xiàn)在的說(shuō)法本質(zhì)上和當(dāng)時(shí)是類(lèi)似的。數(shù)據(jù)即是新石油，意思是控制了數(shù)據(jù)，就是控制了經(jīng)濟(jì)以及個(gè)人的行業(yè)地位。
我還想起了“數(shù)據(jù)即是貨幣”這個(gè)說(shuō)法。人們總是隨意的使用未經(jīng)處理的原始數(shù)據(jù)，他們可能會(huì)認(rèn)為數(shù)據(jù)、見(jiàn)解、知識(shí)都是指同一件事。但實(shí)際上，這三者有很明顯的不同。我們認(rèn)為數(shù)據(jù)是催生智能最基本的原料。關(guān)于如何利用知識(shí)來(lái)實(shí)現(xiàn)商業(yè)目標(biāo)，接下來(lái)還會(huì)談到。
問(wèn)題二：當(dāng)與客戶(hù)面對(duì)面交談的時(shí)候，如何讓他們想象數(shù)據(jù)即將帶來(lái)的產(chǎn)業(yè)結(jié)構(gòu)革新呢?他們首先要知道的，要問(wèn)的事情是什么呢?
MJ：我認(rèn)為首先要做的就是理解自身的業(yè)務(wù)，確定未來(lái)想要解決的困難挑戰(zhàn)是什么，并不是特意尋找問(wèn)題的解決方案。引用 Simon Sinek的話(huà)：做一件事情，應(yīng)該從“為什么”開(kāi)始，而不是從“怎么”、“什么”開(kāi)始。
DL：商業(yè)成果毫無(wú)疑問(wèn)是重要的，但在此之前，必須先與企業(yè)中與你談話(huà)的人就這個(gè)問(wèn)題溝通清楚。每個(gè)人都處在不同的組織，承擔(dān)不同的責(zé)任，這些在之后都能引發(fā)一系列不同的問(wèn)題
然后，我們應(yīng)該談?wù)摽缭狡髽I(yè)結(jié)構(gòu)界限的問(wèn)題，這是不容忽視的一點(diǎn)。有時(shí)候，智慧金磚就是從打破的結(jié)構(gòu)壁壘之間產(chǎn)生的。
問(wèn)題三：當(dāng)與那些想要在物聯(lián)網(wǎng)行業(yè)實(shí)現(xiàn)數(shù)據(jù)驅(qū)動(dòng)解決方案的人談?wù)摃r(shí)，我發(fā)現(xiàn)行業(yè)領(lǐng)導(dǎo)者通常就是最了解挑戰(zhàn)就在組織內(nèi)部的人。你可以向我們描述下典型行業(yè)領(lǐng)導(dǎo)者通常是什么樣子以及如何定位他們?cè)谄髽I(yè)中的目標(biāo)么?
DL：物聯(lián)網(wǎng)通常劃分為兩個(gè)部分：操作技術(shù)(OT)和信息技術(shù)(IT)。在操作技術(shù)領(lǐng)域，你的解決方案針對(duì)的是那些在公司中控制基礎(chǔ)設(shè)施的人。接口人不同，需求也就不同。
以預(yù)測(cè)性維護(hù)的客戶(hù)為例子。這種情況下，他們只有設(shè)備維護(hù)的預(yù)算，希望使用大數(shù)據(jù)和設(shè)備學(xué)習(xí)維護(hù)，將停機(jī)率降至最小。這是特定目標(biāo)下非常有限的應(yīng)用。但是如果與他們經(jīng)理談話(huà)，告訴他們問(wèn)題的范圍和領(lǐng)域要比目前廣大的多，這樣的話(huà)，企業(yè)壁壘就有可能實(shí)現(xiàn)跨越突破。
MJ：對(duì)這個(gè)問(wèn)題我想從不同的角度作補(bǔ)充。除了領(lǐng)導(dǎo)層需要對(duì)情況作分析決策以外，目前在很多企業(yè)，數(shù)據(jù)分析師的重要性正在提升。這些分析師知道如何處理數(shù)據(jù)，他們知道如何控制數(shù)據(jù)的精煉過(guò)程。這里談?wù)撘粋€(gè)傳統(tǒng)IT人員不具備的技能，我的專(zhuān)業(yè)是電腦科學(xué)，20年前，這門(mén)課主修的是數(shù)學(xué)運(yùn)算。5-10年后，主修課程變成了算法和程序設(shè)計(jì)語(yǔ)言?，F(xiàn)在，我的兒子在讀AI專(zhuān)業(yè)的博士學(xué)位，他們學(xué)生又重新重視起數(shù)學(xué)運(yùn)算和統(tǒng)計(jì)學(xué)了。而且我們不要忘了，如果數(shù)據(jù)分析師的工作需要支持企業(yè)決策，他們一定要掌握不錯(cuò)的行業(yè)知識(shí)和具備一定的商業(yè)敏感度。
問(wèn)題四：所以這是兜了個(gè)圈回到原地了嗎?
MJ：最復(fù)雜的問(wèn)題是不能只用原始的計(jì)算機(jī)數(shù)據(jù)和數(shù)字運(yùn)算來(lái)處理的。你需要用行業(yè)知識(shí)來(lái)判斷什么是有意義的數(shù)據(jù)，什么是無(wú)意義的。這些是業(yè)內(nèi)人員正在做的，并且如Denny所說(shuō)，他們正是實(shí)現(xiàn)內(nèi)部決策的真實(shí)支持者。
問(wèn)題五:基于大量可分析的數(shù)據(jù)，我們看到了許多的IOT解決方案。這就說(shuō)到一點(diǎn)，如果客戶(hù)有數(shù)據(jù)知識(shí)，那還好;如果沒(méi)有，那么這樣泛濫的信息，是否有可能會(huì)讓他們感到不知所措?他們真的需要具備數(shù)據(jù)分析這一技能嗎?
MJ：這取決于想建立的是何種數(shù)據(jù)解決方案，以及在哪里實(shí)現(xiàn)數(shù)據(jù)過(guò)濾和門(mén)檻設(shè)定。舉個(gè)例子，比如在制冷裝置上安裝了溫度傳感器，真正需要掌握的數(shù)據(jù)信息即是異常情況。如果一切正常，那就沒(méi)有必要因?yàn)榇罅康钠胀〝?shù)據(jù)而不知所措。所以說(shuō)最重要的就是數(shù)據(jù)一旦產(chǎn)生，就馬上導(dǎo)出，整個(gè)過(guò)程實(shí)現(xiàn)數(shù)據(jù)的智能收集、過(guò)濾、提前分析以及快速批量處理。
DL：讓我分享下我們的觀點(diǎn)。它對(duì)IOT同樣適用。簡(jiǎn)單來(lái)說(shuō)，我們提出智能堆疊的概念，把數(shù)據(jù)智能與人類(lèi)大腦作類(lèi)比。在第一層，大腦在一片狹窄的區(qū)域內(nèi)處理環(huán)境數(shù)據(jù)，擁有較快的反應(yīng)速度和自發(fā)性。在下一層，動(dòng)作可能有個(gè)適當(dāng)?shù)捻憫?yīng)時(shí)間，是相對(duì)自動(dòng)化的。再往上，就是我們經(jīng)常說(shuō)的增強(qiáng)智能(AI)，它是軟件的頂層，服務(wù)于人類(lèi)，長(zhǎng)期由人類(lèi)執(zhí)行政策改變。它幫助人類(lèi)發(fā)現(xiàn)未知的見(jiàn)解，做出更好的，不同的，長(zhǎng)期有效的行為調(diào)整。所以同理到物聯(lián)網(wǎng)(IOT)，把這三層組合到一起。從工廠水平來(lái)說(shuō)，最底層是機(jī)器人，自動(dòng)作業(yè);往上則更加智能，最高層是受人類(lèi)控制的軟件，幫助人類(lèi)提出見(jiàn)解，做出更好的決策。
MJ：有趣的是這些已經(jīng)影響到了基礎(chǔ)設(shè)施層。你可能聽(tīng)說(shuō)過(guò)邊緣云、多路存取邊緣計(jì)算或者說(shuō)是移動(dòng)邊緣計(jì)算(MEC)，它們都是在數(shù)據(jù)源頭附近就對(duì)其進(jìn)行部分處理。這樣做有兩個(gè)原因，一是可以減少網(wǎng)絡(luò)延遲，減少?zèng)Q策轉(zhuǎn)換時(shí)間;二是可以減少擁擠在核心云的大量數(shù)據(jù)，提高云利用率。這就可以讓用戶(hù)和管理者接觸真正有用的數(shù)據(jù)。不過(guò)我現(xiàn)在解釋邊緣計(jì)算，其實(shí)也就是在描述反向內(nèi)容分發(fā)網(wǎng)絡(luò)(CDN)。
回想下幾年前視頻點(diǎn)播、直播流行的時(shí)候，我們突然發(fā)現(xiàn)沒(méi)有足夠多的頻帶去服務(wù)每一位用戶(hù)，讓其擁有單獨(dú)的流，以此應(yīng)對(duì)可能的延遲。所以，我們將緩存服務(wù)器放在最接近終端用戶(hù)的地方，在那里放置最流行的內(nèi)容，同時(shí)進(jìn)行一些本地內(nèi)容導(dǎo)航和處理，比如快速轉(zhuǎn)發(fā)、撤銷(xiāo)以及內(nèi)容改編。這就是下游存儲(chǔ)和電腦資源優(yōu)化。如今，網(wǎng)絡(luò)上有很多不同的播放器，比如Akamai，他們正是通過(guò)提供緩存和優(yōu)化服務(wù)來(lái)賺取利潤(rùn)的。
再看物聯(lián)網(wǎng)，和視頻行業(yè)不同，它的問(wèn)題不在下游數(shù)據(jù)端頻帶不足，而在上游數(shù)據(jù)數(shù)量過(guò)多。大量物聯(lián)網(wǎng)器件產(chǎn)生大批數(shù)據(jù)，我們要做的就是在上游，數(shù)據(jù)源頭附近放置一些緩存服務(wù)，在此收集數(shù)據(jù)，做基礎(chǔ)分析，保證只有有用信息到達(dá)云端，再開(kāi)始進(jìn)行進(jìn)一步的分析轉(zhuǎn)化。所以我把邊緣計(jì)算當(dāng)做一種反向內(nèi)容分發(fā)網(wǎng)絡(luò)(CDN)，因?yàn)樗鼜姆捶较?，用不同的流程?shí)現(xiàn)了同樣的功能。
問(wèn)題六：我們知道，不管是投資什么類(lèi)型的新項(xiàng)目，主要考慮的就是節(jié)約成本或者開(kāi)發(fā)新的收入源。但是我總是認(rèn)為，成本的節(jié)約和團(tuán)隊(duì)的高效性是趨使作出最終決定的關(guān)鍵因素。您二位能基于此兩點(diǎn)與我們舉例說(shuō)明嗎?
MJ：以我們目前正在做的視頻分析為例，這是一種使用導(dǎo)入大量舉例信息組成閉環(huán)回路，形成數(shù)據(jù)流，最終在監(jiān)控?cái)z像方面有所應(yīng)用的技術(shù)。在城市中，我們有無(wú)數(shù)的視頻監(jiān)控，產(chǎn)生了成千上萬(wàn)的數(shù)據(jù)信息。平常，沒(méi)有專(zhuān)門(mén)的工作人員一直盯著屏幕查看信息，因?yàn)檫@絕對(duì)是一項(xiàng)昂貴而低效的的工作方式。諾基亞要做的就是利用技術(shù)，幫助分析圖像信息。我們應(yīng)用很多實(shí)例，例如車(chē)子方向開(kāi)反，機(jī)場(chǎng)出現(xiàn)混亂，或者一些人或物產(chǎn)生異常活動(dòng)等等，將它們導(dǎo)入到分析鏈條中，通過(guò)一系列的算法完成場(chǎng)景識(shí)別和異常監(jiān)測(cè)。最后增加AI技術(shù)之后，系統(tǒng)便能完成自動(dòng)識(shí)別、報(bào)警，以及預(yù)測(cè)異常。利用它，監(jiān)測(cè)系統(tǒng)變得實(shí)實(shí)在在的可實(shí)現(xiàn)了，同時(shí)，政府和安保公司便能節(jié)省大量成本，只安排少部分人就能達(dá)到監(jiān)測(cè)目標(biāo)。
問(wèn)題七：人工監(jiān)測(cè)的能力是有限的。
MJ：對(duì)的，人工能力有限，并且99.99%的圖像信息都是不需要注意的。我們必須盡可能的在數(shù)據(jù)源頭過(guò)濾信息，只留有用數(shù)據(jù)進(jìn)入下游分析。
DL：我再給你舉幾個(gè)例子吧。第一個(gè)是加速問(wèn)題解決，其中就以預(yù)測(cè)性維護(hù)為典型。“確保下一步動(dòng)作是最好的”是預(yù)測(cè)性維護(hù)的目的，以前，在這種目標(biāo)之下，人工將設(shè)備故障的原因分析告知維護(hù)助理，當(dāng)問(wèn)題發(fā)生之后，企業(yè)才著手解決。實(shí)現(xiàn)自動(dòng)化和預(yù)測(cè)性維護(hù)之后，機(jī)器具備自動(dòng)預(yù)測(cè)問(wèn)題發(fā)生的技能，它能夠提醒使用者及時(shí)維護(hù)，將維護(hù)費(fèi)用降至最低，由此節(jié)約成本。
另一個(gè)例子則是根據(jù)顧客群，設(shè)計(jì)不同的人工智能種類(lèi)。許多的客戶(hù)都對(duì)人工智能(AI)感興趣，因?yàn)樗麄儼l(fā)現(xiàn)，競(jìng)爭(zhēng)對(duì)手竟然也在一刻不停地努力吸引顧客群。在這條路上，誰(shuí)得到了顧客，誰(shuí)就獲得勝利。而大數(shù)據(jù)分析的重要作用便是理解、預(yù)測(cè)以及回應(yīng)顧客的需求。以互聯(lián)網(wǎng)行業(yè)方案開(kāi)發(fā)者和解決者來(lái)說(shuō)，提前知道擁堵的發(fā)生，以及作出應(yīng)對(duì)措施將是十分重要的，這也是AI的一項(xiàng)應(yīng)用。
另一個(gè)問(wèn)題則是實(shí)現(xiàn)最優(yōu)化。如果看過(guò)很多商業(yè)成果，就能夠把一個(gè)問(wèn)題設(shè)置為最優(yōu)化問(wèn)題。在心中設(shè)想：這些是我的沙箱，我要做的就是利用原始數(shù)據(jù)和KPI，將實(shí)現(xiàn)優(yōu)化作為目標(biāo)。系統(tǒng)可以幫助實(shí)現(xiàn)優(yōu)化，關(guān)鍵是如何在固定的企業(yè)環(huán)境中，在之前沒(méi)有挑戰(zhàn)過(guò)的領(lǐng)域，獲得打破壁壘，優(yōu)化問(wèn)題的機(jī)會(huì)。當(dāng)然，這種類(lèi)型的增強(qiáng)智能通常會(huì)更加吸引企業(yè)高層或者相關(guān)政策管理者的關(guān)注。
下一篇：百度視頻攜手神策數(shù)據(jù) 為用戶(hù)精準(zhǔn)推送短視頻內(nèi)容上一篇：世紀(jì)互聯(lián)藍(lán)云湯濤：云服務(wù)的安全運(yùn)維平臺(tái)
責(zé)任編輯：王良地
相關(guān)推薦
融合通信，迎接“大數(shù)據(jù)”時(shí)代的來(lái)臨
引言：這是一場(chǎng)革命，龐大的數(shù)據(jù)資源使得各個(gè)領(lǐng)域開(kāi)始了量化進(jìn)程，無(wú)論學(xué)術(shù)界、商界還是政府，所有領(lǐng)域都將開(kāi)始這種進(jìn)程。———哈佛大學(xué) 社會(huì)學(xué)教授加里•金云計(jì)算技術(shù)還未完全覆蓋全部主流市場(chǎng)，大數(shù)據(jù)的浪潮已經(jīng)撲面而來(lái)，正如加里•金教授所言，無(wú)論是國(guó)內(nèi)還是國(guó)外，無(wú)論是學(xué)術(shù)界還是商界，大數(shù)據(jù)在云計(jì)算的基礎(chǔ)上已經(jīng)開(kāi)始粉墨登場(chǎng)了。大數(shù)據(jù)
輕松云管理：大數(shù)據(jù)分析SaaS