‘數據挖掘’理論出現了幾十年。但在工業界的成功應用并不多。筆者認為：重要的原因之一是缺乏一個合適的數據分析處理理論。筆者認為：用好工業大數據需要關注三個要點：

1、可靠性。可靠的結論才能用于工業實際。在本人看來，所謂可靠性，包含精確性、適用范圍的廣泛性和適用范圍的可知性。現實中，絕對的可靠是不存在的，我們只能追求相對的可靠。相對的可靠，可以由盡量多的、獨立的知識或分析結果來支撐。要做到可靠，就不能僅僅滿足與‘相關性’，而是要盡量關注‘因果性’。

這一點，工業大數據與商務大數據的理論是矛盾的。同時，可靠性要求我們盡量使用傳統的、有堅實理論基礎的統計方法——只是不能盲目適用這些方法，要關注對適用條件的驗證和構造。

2、超越性。新發現的知識一定要超越人的認識，否則就沒有價值。在商務活動中，人的認識相對模糊，大數據研究容易得到超越性的結果。在工業領域，人們對物理對象的了解往往非常深刻。膚淺的研究很難超越人的經驗。這時，要讓新知識超越人的經驗，往往要以精確定量為基礎的。

我們不宜將發現不同于經驗的知識作為研究目標：在工業領域，與專家認識不同的結論多數是錯的。有例外的話，也往往是量變引發質變造成的——這種現象，正是以結論的精確定量為前提的。

3、嵌入性。大數據的應用必須嵌入合適的流程。一般來說，僅僅滿足于發現知識并不能創造價值。在工業應用中，常見的做法是將新發現的知識嵌入到生產和管理流程中去。最好用模型為載體來實現，促進流程的智能化。眾所周知，商務大數據的應用一般要結合新的商業模式。這一點，工業大數據與商務大數據是相通的。

來源：文章來源

注：文章內的所有配圖皆為網絡轉載圖片，侵權即刪！