侵权投诉

搜索
更多>> 热门搜索:
订阅
纠错
加入自媒体

【深度】工业大数据分析的误区与建议

2016-08-24 09:14
kumsing
关注

  工业数据分析与商业数据分析:一字之别?

  当前很多流行的大数据理念来自于互联网和商务领域,不少分析技术也是针对商业大数据。但工业大数据与商业大数据在很多地方存在比较大的差别,郭朝辉等行业专家对此从不同角度进行了深刻剖析[2,3],我们将其归纳为如下表所示的四个维度。

  1)研究对象不同:工业领域以物理系统(物理实体或环境)为中心,研究动态过程的规律和因果关系,而商业大数据以人造系统(人或流程)为研究对象,试图理解其中的行为模式。当然,工业领域的一些简单产品(如个人电子消费品)制造业和商业产品在产品定义、营销和售后有不少相似之处,但对于复杂产品(如高端装备、高精度制造),区别是非常显著的。

  2)现有基础不同:在工业领域,人们对生产过程的研究一般比较深入,形成了很多系统化的中观、微观机理模型,领域知识也比较丰富。客观来讲,对物理系统本身的突破性知识发现难度很大。工业数据中体现出来的规律常常难以突破现有生产技术人员的认知范围。与之相比,商业领域中仅存在一些宏观理念,定性描述人的行为偏好和经济活动规律,给大数据分析留有广泛的提升空间。

  3)新的驱动力不同:感知技术的发展和普及是工业大数据的驱动力,现有的工控技术很难处理大数据量的挑战,大量的监测数据也为大数据分析带来与业务数据融合分析的机会。而互联网的发展为企业带来与客户交互的新渠道,极大促进了商业大数据分析的发展。工业领域的大数据大多是具有时空信息的结构化数据,且背后有明确的物理结构(如系统动力学、网络拓扑关系等),对时间序列、时空模式、序列模式等结构模式挖掘非常重要。而商业大数据分析大多集中在结构化的数据仓库表或非结构化数据(如文本、视频),数据间除了实体关系和部分时空信息外,结构性关系较弱。

<上一页  1  2  3  4  下一页>  余下全文
声明: 本文由入驻维科号的作者撰写,观点仅代表作者本人,不代表OFweek立场。如有侵权或其他问题,请联系举报。

发表评论

0条评论,0人参与

请输入评论内容...

请输入评论/评论长度6~500个字

您提交的评论过于频繁,请输入验证码继续

暂无评论

暂无评论

文章纠错
x
*文字标题:
*纠错内容:
联系邮箱:
*验 证 码:

粤公网安备 44030502002758号