基于产业大数据运用的新业态和新模式的构建

龙浩，霍娜，杨勇，朱作付

(徐州工业职业技术学院，江苏徐州221002)

基于产业大数据运用的新业态和新模式的构建

龙浩，霍娜，杨勇，朱作付

(徐州工业职业技术学院，江苏徐州221002)

随着大数据运用的不断发展，基于产业大数据的应用尚处于探索阶段，应用的针对性过于狭隘，不具备示范作用和可复制性。本文以工程制造行业为例，将大数据与工程制造行业进行深度融合，构建一套产业大数据应用的新模式，形成一套相对成熟的大数据应用平台，实现企业已有海量数据的快速轻量化，快速提取出符合企业业务特征的大数据信息来支撑企业的大数据应用，新模式有力的推动了工程制造产业变革和工业转型升级，对其他行业大数据应用也有一定的借鉴作用。

大数据；融合；模式；轻量化

大数据是指一个体量及数据类别都特别大的数据集。该数据集不仅本身的规模庞大，而且数据采集分析的工具和平台也非常复杂。大数据中包含着有用的数据信息。而大数据技术就是一种从各种类型的海量数据中快速获取有用的数据信息的技术。通过该技术，人们不仅可以解决所获取的海量数据信息大而复杂的问题，而且还能通过一定的分析和筛选，找到具有不同价值的信息。这些有用的数据信息涉及一个庞大的群体，它可以为我们做出关于这个群体的决策提供支持[1]。

工程制造行业经过几年井喷式的信息化发展热潮，行业企业已基本建设成了完善的信息系统平台，实现了对企业全价值链的覆盖，相应的业务数据也积累至海量级[2]。但是，随着工业4.0和“互联网+”等全新概念的提出，企业的生产模式已由传统的技术驱动转变为数据驱动的全新模式。而传统的结构化、非结构化等相关业务数据，在这种全新的模式面前，并不能快速、有效的转化为对企业经营决策带来直接价值的大数据信息，企业迫切的需要一套成体系的数据分析模式和一套相对成熟的大数据应用平台，来实现企业已有海量数据的快速轻量化，快速提取出符合企业业务特征的大数据信息，支撑企业的大数据应用。本文从大数据在产业应用的现实需要出发，阐述了新模式构建的目的和意义，新模式下行业大数据的采集与研究，最后提出了基于行业大数据新模式的技术实现[3]。

一、新模式构建的目的和意义

新模式关键的目的是为开展产业大数据的运用，实现内外部资源数据的整合，对内整合企业价值链环节的研发、生产制造、采购物流、营销服务的数据信息；对外兼容相关外部物流、政府信用征信评估等方面的数据信息；同时给行业的上下游企业提供大数据支持；参照国外先进企业的做法，为国家经济政策的制定提供最真实的基层数据。

在研产供销服全价值链环节建立了完备的业务和管理信息系统，积累了庞大的系统数据，在经济全面进入新常态的大环境下，企业需要借助于大数据技术，通过大数据研究应用，为企业的决策提供有效

的数据支撑，同时全方位的提升产品的市场竞争力，并发挥大型企业集团的优势，整合资源为产业链环节的所有企业和最终客户提供全方位的增值服务。

二、行业大数据的采集与研究

工业无线网络、传感器网络（WSN）、无线射频识别（RFID）、微电子机械系统（MEMS）等技术不断成熟，获取过去由于成本或技术原因无法在线监测的重要制造过程参数不再困难，采集和获取的方式主要利用工业物联网等技术手段[4]。

生产物流依赖于积放链、AGV、RGV等生产线物流设备，而对于这些设备的控制、数据传输和采集也依赖于工业互联网和工业物联网。基于企业信息化建设基础，供应链管理、客户关系管理、企业资源管理等系统每天都在产生大量的数据。采集和获取的方式主要是通过与这些业务系统的集成实现。以客户为中心的个性化服务越来越受到重视，为了分析出客户的个性化需求，并对这种需求采取相应措施，同时分析不同客户对企业效益的不同影响，以便做出正确的决策。采集和获取的方式包括市场部门调查、销售活动、客户购买行为、售后和服务过程数据的采集，采集的手段主要为电子商务平台、CRM系统、移动销售终端等[5]。

对于不少制造产品而言，产品就是个数据终端，具有数据生产、存储、传输和加工数据的能力，而产品的使用过程会产生海量的关于产品使用、服务和维护的数据。采集和获取的方式主要是通过产品终端上的物联网设备。服务大数据的采集方式：互联网+时代，客户与工厂的联系更加直接和便利，客户可以直接通过电商平台和手机APP主动报修，工厂可以通过三包服务、物联网发现等方式进行主动服务，因此采集和获取的方式主要是在线平台、手机APP和服务人员手持终端等。

大数据整合融合传统ETL技术和数据连接器、实时消息队列、平台服务接口等新技术，从数据中心、业务平台、终端等多种外部数据源导入海量多样化数据，并按照统一的数据规范进行标准化处理，放入大数据存储系统中。

三、基于行业大数据新模式的技术实现

以产业链协同发展为大数据应用目标，以产业链各环节数据采集处理和环节相互服务为抓手，以生产、研发大数据，销售、客户大数据，服务、产品大数据这三大类数据为基础，以业务领域、信息技术基础结构、分析策略、统计算法这四个维度为数据源需求过滤模板，从数据整合、数据存储与管理、计算处理、数据分析和可视化展现五个过程进行行业大数据的新业态和新模式的构建。

（一）一条主线

以产业链协同为大数据价值目标的主线，以企业ERP系统为核心，通过系统接口集成全球协同研发平台PDM、制造执行系统MES、供应商关系管理系统SRM、经销商管理系统DMS、物联网平台、销售服务系统CRM、电子商务平台等数据平台，实现在研、产、供、销、服的全价值链的大数据采集与应用。

图1 产业链协同主线

（二）两个方向

大数据采集处理方向，价值链每个环节的技术数据由纵向采集和处理，形成设计大数据、供应大数据、制造资源与生产过程大数据、销售大数据、客户大数据、产品大数据等一系列可用数据与结果。

大数据数据服务与再服务方向：研产供销服每一个环节的大数据价值结果都可以服务下一个环节，同样下一个环节的大数据价值结果也可以反馈服务与上一个环节，乃至上几个环节。

图2 数据采集方向与服务方向

（三）三类大数据要素

生产、研发数据：由基于产品研发设计产生的数据、产品设计改型的数据、产品定制化设计数据及制造资源数据、生产物流数据、生产过程管理数据的全时空、全状态、全过程等多个维度上的数据共同组成。

销售、客户大数据：由线下和线上营销平台产生的数据、销售运营推广的数据、客户行为数据、销售过程数据、营销人员维护数据等共同组成。

服务、产品大数据：由通过线上和线下客户主动报修及工厂主动服务积累的维保服务数据及通过设备物联网终端实时采集遍布于设备上的各类传感器状态数据共同组成。

图3 三类大数据要素

（四）四个维度

业务领域维度：以业务领域来区分大数据开发的需求领域。

信息技术基础结构：以数据所处的信息技术基础结构来明确数据源的过滤处理方式。

分析策略：制定分析策略及相应的实证分析来来处理数据源过滤结果。

统计算法：在分析决策制定的基础上，逐步明确数据的统计分析算法，产生大数据的雏形。

图4 数据源需求过滤模板

（五）五个过程

基于制造数据在信息系统中的生命周期，在确立了大数据的四个维度之后，最终获得价值需要经过5个主要环节，包括数据整合、数据存储与管理、计算处理、数据分析和可视化展现，技术体系如下图所示：

图5 大数据价值发生的五个过程

四、结语

在行业数据井喷的数字化时代，传统行业数据管理模式已经不能对企业经营决策带来有效价值，本文以工程制造业为例，将大数据与行业运营深度融合，构建一套基于工程制造业产业链主线的大数据应用新模式。

阐述了新模式构建的意义和目的，新模式大数据的采集和研究，并给出了新模式的技术实现，有效的推动了工程制造业的改革和转型升级。

[1］王珊，王会举，等.架构大数据：挑战、现状与展望［J］.计算机学报，2011，（10）.

[2］孟小峰，慈祥.大数据管理：概念、技术与挑战［J］.计算机研究与发展，2013，（1）.

[3]黄升民，刘珊.“大数据”背景下营销体系的解构与重构[J].现代传播，2012，（11）.

[4]沈浩，黄晓兰.大数据助力社会科学研究:挑战与创新[J].现代传播,2013,(8).

[5]采国润,王志刚,等,于红丹.大数据时代下房地产定制化营销传播策略--以南京365地产家居网为例[J].新闻世界，2012,(12).

F224.13

A

2016－09－25

龙浩（1984-），男，江苏徐州人，讲师，研究方向：机器视觉，图像识别。E-mail:longhhao@163.com.

江苏省教育厅高校哲学社会科学基金项目（2016SJD630087）

1671－802X(2016)05－0082－03