2019中国工业大数据产业演进及投资价值研究

董凯

从整体的概念和演进过程来看，工业大数据是在工业领域中，围绕智能制造模式，以数据采集、分析处理、服务应用为主的各类经济活动所产生的数据的总称，囊括了从需求到销售、计划、研发、采购等所有的环节。2011年工业和信息化部印发的《物联网“十二五”发展规划》第一次提到跟工业大数据相吻合的概念，2014年大数据被正式写入政府工作报告，2015年大数据成为国家战略，大数据产業生态联盟于2016年大数据发展巅峰时成立。工业大数据是智能制造和工业互联网的核心，工业互联网的本源是数据驱动。

通过产业年度市场报告，我们对市场总体规模有了检测和预判，近几年工业大数据的增速相较大数据整体增速偏缓，因为在制造业领域大数据特别不好做，工业大数据市场规模刚刚超过100亿元，规模并不是很大。但随着制造企业数据成熟度不断提升，很多理念不断被制造企业接受，包括工业互联网政策、资金等，未来工业大数据增速将超越大数据市场规模整体增速。

工业大数据市场特征有哪些呢？从用户行业结构来看，离散型企业用户占中国工业大数据市场比例最大，离散型制造企业设备和零部件数量非常多，有一些技术可以方便地在一些场景和环节突破，从而达到提升企业内部生产效率的目的。设备故障诊断和生产过程可视化相关的产品占据大部分市场份额。在用户方面，工业大数据目前以大企业为主。

工业大数据的典型应用场景，一是产品设计和研发。二是能耗优化，比如利用大数据技术实现燃煤效率提升。三是供应链优化，比如海尔最早提出将C端数据作用到供给侧，除了提升自身产线智能化水平，也能优化供应链。四是对高附加值的生产设备做预测性维护，比如通过大数据可以对风机叶片结冰概率进行预测，降低设备停止运作带来的损失。

下面重点讲一下工业大数据发展的趋势判断。第一，我们认为工业大数据目前以及未来都是智能制造和工业互联网的发展核心，需要构建一个精准的数据闭环，依托数据驱动推动制造企业转型升级，实现数字化、网络化、智能化三化提升。

第二，根植行业、深耕场景，将成为工业大数据企业发展的重要方向。我们认为短期内很难出现跨行业、跨领域的企业，不同行业领域有非常高的行业门槛，我们更看好企业围绕一个领域甚至是一个场景做专、做精、做深。

第三，数据安全将成为企业智能化升级的重要依据。工业大数据企业的服务对象是传统制造企业，2018年年底我们调研这些企业未来一年是否有上云或上平台的打算，72%的企业称没有。而制约他们的第一大因素就是数据安全问题。反过来讲，我们不仅可以为工业大数据企业提供基于技术的解决方案，还可能一并提供数据安全整体解决方案。

第四，数据资产管理将成为制造环节工业大数据价值挖掘的基础。能串起制造环节的核心就是数据资产管理，我们面向制造企业开展工业大数据数据成熟度评估，推动更多制造企业认识这个理念。

第五，搭建工业机理模型库将成为工业大数据发展的重要路径。工业领域隔行如隔山，工业领域最核心的理念是工业机理，比如数据科学家来到工厂一线，跟现场的自动化工程师、电气化工程师之间的话语体系是有差异的，如何将大家的话语体系统一起来，构建工业机理模型库是关键。要能形成解决方案，要把模型库建立起来，这个模型库可能是行业，也可能是场景。今年提出的工业互联网创新发展有一个特别重要的方向，就是建立制造业行业模型库。

第六，工业App将成为工业大数据发展的重要业务载体。2018年，工业和信息化部明确指出在未来三年将通过政策保障、资金支持培育出30万个工业App，构建工业App标准体系。目前我们还没看到那么多优秀的工业App，但是这种理念和战略是没有问题的。

第七，构建精准数据闭环将成为制造企业创新业务模式的重要驱动力。我们的目标直击受众，按照目标客户的特殊要求进行个性化产品开发，从产品设计开始到完整营销环节的精准化，增强数据流动和实用性。

第八，内生培养数据思维工程师将成为工业企业数字化人才团队建设的主要手段。大数据特别是工业领域大数据，非常需要复合型人才，他们既要懂信息基础，更要懂工业支持，但是很多顶尖的数据工程师、数据科学家，制造企业是难以聘请的，所以内部培养人才可能成为企业数字化转型的主要手段。

关于工业大数据投资，我们更看好四类企业：第一类是基于平台的数据驱动型方案提供商。第二类是开发实用性工业App的企业，我们更看好实用、有可复制价值的工业App，这种可复制价值可以基于场景横向复制，比如视觉识别。第三类是工业机理模型库的建设能力强的企业，他们具备把工业经验和知识数字化、模型化的能力。第四类是具有制造基因的企业，这类企业基于自身的工业知识、工业流程，形成一套解决方案，向行业持续辐射。

（根据演讲内容整理，未经本人审核）