崑崙數據創始人陸薇：工業大數據，探索場景是核心挑戰

在大數據行業應用中，工業領域除了傳統製造業巨頭，涉足的創業公司不多，是相對冷門的方向。究其原因，其一，對工業業務理解是巨大門檻；其二，工業應用定製化程度高，一個細分問題對應一個演算法模型，繁雜程度可見一斑。但總體來看，工業市場空間巨大，數據分析需求強烈，全球化趨勢明顯，愛分析認為工業領域是大數據行業應用的優質賽道之一。

崑崙數據憑藉技術實力較早入場工業大數據，在能源、電子製造等領域取得快速發展。崑崙數據獲客的打法簡單明快，項目落地切實高效，獲得多個行業標杆企業認可並達成戰略合作，傾力推動中國工業智慧升級。

指導 凱文

撰寫 關蕾

崑崙數據成立於2014年底，由陸薇帶隊的原IBM大數據團隊創立，一直深耕工業大數據領域，是該領域的翹楚。

創業之初，崑崙數據沿襲之前在IBM的市場路線，主營業務為提供工業大數據平台產品，支持海量高通量工業數據應用的規模部署。

在市場實踐中，崑崙數據逐漸認識到中美市場的差異，中國工業領域大數據應用仍處於早期，在提供技術平台之前，首先需要幫助企業解決業務價值、實施路徑等問題，因此後來拓展了產品線，支持企業從業務問題診斷、專題試點到規模部署的完整體驗。

工業大數據的興起晚於互聯網大數據，目前國內出現的創新公司並不多，仍處於跑馬圈地的早期階段。崑崙數據的打法是，從行業標杆客戶切入，逐步服務其上下游企業，以「點-線-面」的方式拓展，在某一細分行業里先深再寬，以提升細分市場佔有率和影響力。

由於工業數據存在多樣性、專業性和複雜性等特點，要求入場的大數據服務商具備深度的行業理解。愛分析認為，相對於正逐步開源的數據分析演算法，尋找合適的應用場景、獲取持續不斷的數據源才是最重要的兩個難點和挑戰。

目前，工業大數據主要涉及以下三類數據源：

第一， 企業經營相關的業務數據，來自於企業內部的ERP、 CRM、SCM等管理系統，滿足企業的日常管理需求；

第二， 機器設備數據，一部分來自於設備製造管理的數據，以MES系統數據為代表，通過數據分析優化生產流程、提高產量，一部分來自於設備運行參數及感測器數據，通過數據分析提升效率、控制風險；

第三， 企業外部數據，包括相關的環境、氣象、上下游供應商數據等，配合前兩類數據完成設備的數據建模。

相比於互聯網大數據，工業大數據有非常強的目標性，需求十分明確，以產品全生命周期管理為例，一個設備的智能運維通常需要若干個小型的模型，完成不同的功能。互聯網大數據則相對中心化，圍繞著一個主題應用場景做更豐富的功能開發和更深的應用挖掘。

崑崙數據創始人陸薇解釋說，互聯網大數據類似一個巨大的星球，工業大數據則更像一條星系，由數個小星球匯聚而成。

由於工業業務的個性化特點，現階段工業大數據公司一般會鎖定細分領域提供定製化的業務模式，但底層平台產品具有較高的通用性，在跨領域之間也具有很強的參考意義。

愛分析認為，定製化的業務模式雖然不能改變，但選擇在單個行業縱深的戰略打法值得肯定。

從工業大數據產業鏈上判斷，傳統大數據和工業自動化產業，以IBM、Microsoft、GE、SIEMENS等為代表的巨頭公司利用先發、資源、技術等優勢，將在產業鏈上佔據重要環節，大量新興初創公司憑藉開源技術，結合個別細分領域的業務認知力，或將成為細分領域的重要支撐力量。

國內市場中，崑崙數據是較早介入工業大數據領域的創業公司之一，並與金風科技、中石油、台達電子等工業龍頭企業建立了戰略合作關係。

傳統工業巨頭似乎格外關注本行業內技術創新型公司，國外工業物聯網公司路徑也不謀而合，其中新銳公司Uptake的快速成長與機械大亨Caterpillar關係密切，Caterpillar是其種子客戶，二者不僅長期保持合作，更是參與了Uptake兩輪融資。

與傳統巨頭戰略合作，創業公司在技術、資源等方面收益頗豐。

目前，中國工業企業對大數據理解很多還停留在概念層面，仍需大量教育市場工作。崑崙數據採取的打法是先幫企業用戶做痛點診斷，通過基於業務以及數據的雙重診斷報告幫助企業梳理需求；再選擇其中有代表性的問題做試點方案，再次明確方案的可行性、為用戶測算投資回報、為其提供科學決策的數據價值依據；最終延伸至規模部署階段，做企業系統性的大數據平台建設和全面部署。

崑崙數據在創立之初就明確選擇了工業領域。陸薇畢業於清華大學，計算機系博士，是IBM中國區培養的第10位全球技術高管、傑出工程師。她帶領團隊研發物聯網領域產品，主旨在實現設備數據的商業價值，是初具成果的工業大數據業務雛形。

近日，愛分析專訪了崑崙數據創始人兼CEO陸薇，精選部分與讀者分享。

實行客戶落地三段論，聚焦工業四大痛點需求

愛分析：與其它類型大數據相比，工業大數據需要對業務的深刻理解，崑崙數據為何選擇工業方向切入？

陸薇：創立崑崙數據之前，我在IBM研究院管理大數據研發。2009年，我帶領團隊參加IBM全球重大研發計劃，專註物聯網方向，把物聯網設備數據收集到雲端，做存儲、分析，產生價值，解決問題，與現在選擇的領域一脈相承。

做項目的過程中，我們看到物聯網市場逐步興起，萬物互聯是必然趨勢。而且，這項技術有獨特性和領先性，通過反覆驗證，市場需求反饋強烈。

隨後，項目進入IBM公司戰略層面。受制於當時的公司體制，產品並不能以最符合市場需求的形式呈現，註定在市場競爭中出現嚴重後果，於是我們決定出來自己做。

愛分析：從2014年12月成立至今，是否嘗試過別的方向？

陸薇：我們一直專註在工業領域，在技術思路和產品上做過一些適度調整，一直在更迭演進。

愛分析：目前的打法是什麼？

陸薇：對很多工業企業來說，第一個問題是回答大數據到底能為其帶來什麼價值，其次是如何跟企業業務結合，給予行之有效的實施路徑。

我們為客戶解決問題實行三段論。

第一步，給業務做診斷。如果企業想引用大數據，但又不知如何下手，我們會進場做業務診斷，系統地梳理業務形態，找到痛點，確定可以用大數據解決的問題。通常，診斷需要一天，診斷報告需要一周。

第二步，做試點。診斷之後，客戶確認這個問題很重要，且數據完備度好，我們會做方案試點。

第三步，做部署。通常，對試點效果認可度高的行業標杆公司，會走到全面部署實施的階段。

愛分析：做試點是一個比較偏重的模式，是否佔用過多人力成本？

陸薇：工業領域特點決定了這個商業模式，只有這樣，才能真正幫助企業迅捷地實現數據價值落地。剛開始有點慢，我們目前標準是，十周完成一個試點。隨著案例、模型逐漸增多，以後會越做越快。

愛分析：做試點會有哪些收穫？

陸薇：做完試點，有幾件事就明確了：一，技術可行性，問題能否通過數據解決；二，投入產出，比如通過我們的模型可以提高多少產量，多少折現價值；三，明確解決這個問題，和哪些因素相關。

下一步，企業可以根據算出來的可行性、價值、投入產出，做科學決策，我們也可以做價值定價。

愛分析：如何進行價值定價？

陸薇：我們的理念是數據價值大於數據平台價值。我們不是單純賣一個平台產品，而是解決了實際問題，有額外的價值產出。

工業企業很直接，兩三年內能收回投資的，就願意投入實施。

愛分許：如果試點完了，也沒有梳理出需求，會有哪些維度去判斷投入產出的問題？

陸薇：試點之前，為了保證試點效果，雙方要確立共同的目標。包括共同認可問題的重要程度、共同同意的分析方法、共同配合的團隊、共同同意的時間表等。一定是客戶得重視，得配合，才能提高成功率。

愛分析：從平台切入應用，通常為客戶解決哪些實際問題？

陸薇：通常工業大數據有四大類應用：提質、增效、降耗、控險。控險一般在高危行業，比如化工。

愛分析：這四類應用從數據分析方法或演算法模型上有通用性嗎？

陸薇：方法上有通用性，但模型是個性和共性的結合。

第一，工業大數據一定是個性化的，每個應用領域都不同。即使同款產品，使用不同的設備生產，獲取的數據也不同。第二，底下平台產品是有共性的，比如感測器數據可以算一種數據類型。第三，有些不同行業也可以相互參考，比如生物製藥和化工。

以後會越做越快，找相近的問題，在既有的模型上，用新環境下的數據重新做訓練。

兩個產品一個服務，「點-線-面」拓展戰略

愛分析：對外產品以什麼樣的方式輸出？

陸薇：我們有兩個平台產品，一個叫K2Sigma，是崑崙數據自己運營的公有雲服務，支持數據應用的診斷和試點階段；另一個叫KMX，支持規模部署階段，支持公有雲和私有雲兩種部署方式。

此外，我們還提供數據科學服務，我們的數據科學家可以深入企業一線與業務專家一起解決問題。未來，我們還將在一些複製性強的應用領域提供應用產品。

愛分析：會去幫企業做底層的數據治理嗎？

陸薇：不會一開始做全面的數據治理，企業數據治理項目非常耗時。

我們推薦小步快跑，快速實現。先找到業務切入點，再圍繞切入點把東西做出來。但我們有一個架構原則，保證以後在增加和擴容時，不至於要推翻重來。採取漸進的方式，從一個需求點出發，上下打穿，逐漸擴充。

愛分析：做模型驗證時候主要用的哪些數據？

陸薇：機器數據、業務數據，以及一些第三方數據，包括天氣、地理等數據。

愛分析：常用的第三方數據源如何獲得？

陸薇：一些是企業採購的數據源，一些是公共數據源。目前以企業數據為主，未來計劃在平台上提供更多的公共數據服務。

愛分析：這樣看來，也不完全對標Uptake。

陸薇：對，Uptake做PHM（故障預測與健康管理）多一些，我們不限於這個。

愛分析：重點關注的是哪些細分行業？

陸薇：我們做的最多的是能源，像風電、石油，能源企業數據完備度比較高。其次是精密製造，比如電子，關注質量、產量的應用。

愛分析：崑崙數據在細分領域、場景應用上，提供多元化的解決方案，而並不是選擇聚焦在一個細分領域，或一個解決方向上，是如何考慮的？

陸薇：我們最早的出發點是做一個通用的工業大數據平台，後來發現只有這個平台不能直接解決客戶問題，一定要這個平台上面有能解答業務問題的分析應用。在選擇分析應用時發現，不同企業又有各自獨特的關注點，隨著對行業與用戶需求的更深入理解與價值挖掘，應用也能逐步自成體系。

2C是做爆款應用，一個公司做一個應用，可以比較專註，像打造一個巨大的星球。但2B裡面，工業有很多門類，每個門類有不同場景，像打造一個星系，由若干小星球匯聚而成。當然，我們只會選擇有限的幾個高價值星球聚焦。

愛分析：您認為崑崙數據的技術壁壘產生在哪些地方？

陸薇：首先，我們的平台產品針對工業數據的特點有一系列的專有技術，例如帶工業語義的查詢、數據版本和完整性管理等等。此外，這個領域，經驗積累很重要。我們積累一部分在數據模型，一部分在對工業領域的理解，比如對生產工藝流程的理解，也會變成模型的一部分。積累逐漸增多，就會形成很大的壁壘。

愛分析：下一步公司整體戰略是什麼？

陸薇：一方面是繼續按照三步走的方式走下去，不斷打磨產品，提升效率，把產品做好。

另一方面，商業上按照點線面拓展。由工業龍頭企業切入其上下游，大數據跨越企業的邊界，支持整個產業鏈。不僅解決單個企業內部的問題，會幫企業搭建一個服務上下游產業鏈的數據平台，讓數據在產業鏈上流動起來，把數據的價值無限放大。

主要成本在研發， 四類人才協作共贏

愛分析：銷售模式以直銷為主還是渠道為主？

陸薇：我們目前是直銷加上合作夥伴。

愛分析：通常客單價是什麼量級？服務的客戶量有多少？

陸薇：客單價取決於階段，試點項目一般幾十至百萬上下，部署看規模，幾百萬到上千萬不等。

愛分析：客戶量與銷售額的增加與人員擴張有直接關係嗎？

陸薇：不太直接。在公司初期，產品剛剛研發出來的時候，效率不是那麼高，後來隨著產品的穩定，隨著項目的增多，效率越來越高。人均產出會穩步增長，因此人員增長和銷售額增長的關係不是線性的，比如業務翻一倍，不需要人翻一倍。

愛分析：整體團隊規模有多少人？是怎樣的結構？

陸薇：目前80多人，包括60人研發。

愛分析：這個領域對人才的要求有哪些特點？

陸薇：我們需要四類人。

第一，懂行業的業務分析師，能夠用行業的語言與客戶交互，了解實際問題，並變成數學問題。

第二，數據科學家，根據數據和數學問題，做演算法和建模。

第三，數據工程師，負責數據整理、清洗，包括寫小程序。

第四，應用開發工程師，在部署時把演算法開發成能用的系統，做產品化封裝，有時也通過合作夥伴或應用集成商。很多時候，我們做的應用會變成客戶某個系統的一個外腦。

例如，MES系統是企業做製造執行的管理系統，我們會從其中讀取數據，給它加外腦，幫它做智能判斷、決策、預測，但結果要返回給它，再控制機器。

新工業革命全球化，探索場景是挑戰

愛分析：您認為，工業大數據和互聯網大數據有哪些區別呢？

陸薇：第一，數據類型不同，消費互聯網大多是人產生的數據，如文本、圖片、視頻、社交行為，是半結構化、無結構數據。工業領域大多是機器數據、設備工況、周邊環境、人機交互等數據。

第二，這兩類數據上的分析應用也不盡相同。一個的典型應用是推薦、信用分析等，另一個做頻譜分析、故障預測等應用，這是兩個截然不同的領域，需要用完全不同的技術。

愛分析：除了能源領域，您看到還有哪些領域信息化程度比較高？

陸薇：流程製造業的信息化程度較高，像冶金、化工，自動化程度高，數據比較全。離散製造業高精尖一點的，信息化程度也很好。

愛分析：跟金風科技是如何合作的？

陸薇：我們目前在幫助金風建設集團的數字化轉型平台。在全面建設之前，我們先做了三個試點項目來驗證數據的價值，一個是對風優化，實現發電效率提升，做完之後驗證，平均一颱風機每年可以多發電一萬多元，金風有兩萬多颱風機，全面部署後一年就可以增收兩個多億，數據的價值赫然出現。

另一個是大部件故障預警，比如傳動裝置齒形帶有時會斷裂，斷了之後葉片不受控，嚴重會毀塔，我們通過大數據分析做到提前90個小時預警，掃塔概率降低30%。

還做了葉片結冰檢測，我們通過數據分析判斷單個風機的結冰狀況和程度，制定準確的運行方案，用數據做決策。

愛分析：大數據和人工智慧在行業應用中是分不開的，崑崙數據用到哪些AI技術？

陸薇：舉個例子，生物製藥中提升產出藥品的效價，需要從藥品發酵罐的歷史控制數據中挖掘出和效價的關聯模型。藥品發酵罐的性能會隨著時間推移發生變化，今天工作很好的模型，可能明天就不好用了。所以需要根據持續進來的數據進行模型的自學習、自訓練、自優化，這就是人工智慧技術在工業裡面的典型應用。

我們認為人工智慧技術本身不神秘，像現在流行的人工智慧演算法，包括深度學習都開源了。

首先，技術本身不是問題，挑戰在於找到合適的場景，使其產生很大的作用。第二，需要持續的數據喂演算法，讓演算法越做越好，海量的數據遠比演算法重要。

愛分析：工業大數據在國內處於什麼階段？

陸薇：我覺得剛剛興起，到大範圍應用還需要過程，正好適合創業公司和市場共成長。

大數據屬於信息技術，新技術的蔓延過程一定是先從第四產業開始，以互聯網技術為主的產業；再到第三產業服務業，比如金融、電信、零售等，信息化技術高，IT應用多；然後再到第二產業；最後才到第一產業，農業。我覺得不僅僅是大數據，任何一個IT技術，被採納都是這樣的過程。

大數據最早從互聯網上起來；再到金融，像Fintech；這一兩年開始，到工業界；國外也是一樣的，也處於早期。

愛分析：未來幾年這個行業的發展趨勢，您怎麼判斷？

陸薇：我覺得在至少未來5到10年，空間足夠大。

首先，工業4.0，新工業革命是全球性趨勢。在這個階段，各個國家都在做升級，是產業發展的必然。另外，中國製造業發展遇到很大的挑戰，有很強的市場需求。

愛分析熱文

喜歡這篇文章嗎？立刻分享出去讓更多人知道吧！