工业大数据的挑战及出路——调研昆仑数据有感

11月6日晚间下班时段&＃xff0c;清数大数据产业联盟秘书处刘道全、范增伟和杨海变前往昆仑数据交流工业大数据行业的发展情况。巧遇昆仑数据CEO陆薇、副总秦磊和陈晨等正在休息区匆匆吃加班餐&＃xff0c;而此次交流的对象CTO王晨还在接待前一拨客人&＃xff0c;虽然已过下班点&＃xff0c;仍有许多人在加班。

下面是基于此次与王晨交流讨论的部分内容&＃xff0c;并结合我们对行业的观察理解&＃xff0c;整理的关于工业大数据发展的一些看法&＃xff0c;欢迎更多业界朋友一起深入交流&＃xff0c;您的见解、问题和需求可以邮件发送到刘道全邮箱&＃xff08;daoquan.liu&＃64;tsingdata.com&＃xff09;&＃xff0c;我们将及时给予反馈。 

工业大数据是工业企业转型升级的主要技术支撑&＃xff0c;目前是增量市场&＃xff0c;前景广阔。但当下仍处于发展初期&＃xff0c;需要进行更多的市场教育和宣传。要与工业客户共同完成工业大数据平台的搭建&＃xff0c;引导工业客户发掘数据的价值&＃xff0c;把工业大数据的行业驱动力展现出来&＃xff0c;才能做大整体行业市场规模。当前工业大数据的发展存在一些挑战&＃xff0c;同时也潜藏着相应的机遇。

1、中小工业企业数据基础薄弱&＃xff0c;开展相关业务需要另辟蹊径。

相对而言&＃xff0c;大型工业企业的数据基础较好&＃xff0c;前期的自动化和信息化工作相对比较完备&＃xff0c;对大数据技术应用的认识相对理性&＃xff0c;并且对大数据项目具有较强的付费意愿和能力&＃xff0c;同时对国际市场竞争更为敏感&＃xff0c;成为目前尝试和应用工业大数据的主体。所以&＃xff0c;各类工业大数据产品与服务的提供商首先瞄准的都是这类大型企业客户&＃xff0c;昆仑数据也是如此&＃xff0c;目前主要客户来自风电、电子制造、石油石化等领域的龙头企业。要服务好这类大型企业并不容易&＃xff0c;需要工业大数据产品和服务提供商的技术等各方面的软硬实力都足够强大。

与此同时&＃xff0c;中国大部分中小企业对工业大数据的理解参差不齐&＃xff0c;总体上自动化和信息化水平相对较弱&＃xff0c;开展工业大数据的基础条件并不完备&＃xff0c;至少大部分中小型工业企业应用工业大数据往往需要前期完成一系列的设备和系统改造等工作&＃xff0c;很难在短时间内看到并获取实际的成效。由此造成大部分中小型工业企业&＃xff0c;一方面试图与行业趋势接轨&＃xff0c;接触和认识工业大数据&＃xff0c;其中部分企业也在积极尝试大数据升级改造&＃xff1b;但另一方面短期内投入成本与收益并不成正比&＃xff0c;更多的中小型企业对工业大数据仍然处于观望和犹豫之中。试图直接将适用于大型企业的工业大数据产品与服务卖给中小型工业企业的方法至少目前来看并不合适。

那针对中小型工业企业的大数据产品和服务是否完全没有市场呢&＃xff1f;首先&＃xff0c;从行业发展的总体趋势上看&＃xff0c;这类市场未来发展空间巨大&＃xff0c;特别在长三角和珠三角等工业集中区&＃xff0c;大量中小型工业企业具有转型升级的需求&＃xff1b;另外&＃xff0c;从我们观察到的行业情况来看&＃xff0c;针对中小企业的工业大数据产品或服务需要在商业模式上进行创新&＃xff0c;而传统互联网的部分经验在一定程度上可以借鉴&＃xff0c;政府等更多相关方也可以参与到整个服务链路中来&＃xff0c;但目前并没有适合所有地方和所有工业行业的模式&＃xff0c;所以需要从事相关业务的企业继续摸索与验证。

2、工业大数据领域资本的能动作用有限&＃xff0c;需要真正解决工业客户的需求和问题。

在传统互联网消费领域&＃xff0c;资本频频推动行业的爆炸增长和整合&＃xff0c;比如曾经的打车领域以及如今的共享单车等领域。然而工业大数据领域与消费互联网领域的基本逻辑不同&＃xff0c;工业大数据领域的准入门槛极高&＃xff0c;不同行业不同客户对工业大数据的具体需求并不完全一致&＃xff0c;并且工业企业客户对交付成果的要求较高&＃xff0c;每个客户要求交付的成果也并非完全标准化的产品。如果没有核心技术、没有对工业客户需求的理解&＃xff0c;投入再多的资本都是白搭。纯粹依靠资本推动某家或某几家工业大数据产品与服务提供商占领大部分市场几乎是不可能的。

在工业大数据领域如要立足&＃xff0c;不仅需要工业领域的专业知识&＃xff0c;去理解工业客户的业务问题和需求&＃xff0c;还要综合运用数据分析的技术和方法&＃xff0c;去解决生产、运维等环节的实际业务问题。由于工业产业链涉及的环节众多&＃xff0c;工业大数据的应用将逐渐渗透各个环节&＃xff0c;工业客户对大数据产品和服务的需求也将越来越精细化。这就要求工业大数据产品与服务提供商切入大型工业客户后&＃xff0c;需要提升演进服务的能力以满足这些日益精细化的大数据需求&＃xff0c;即便服务的工业客户数量不是很多&＃xff0c;但只要把握机会伴随工业客户共同成长&＃xff0c;就能逐渐形成一定的行业影响力&＃xff0c;且保持较高水平的业务增长。

3、工业大数据产品与服务的标准化和规模化之路漫漫&＃xff0c;苦修内功延伸客户价值。

按照国民经济分类标准&＃xff0c;工业制造涉及30个大的门类&＃xff0c;200余个细分行业&＃xff0c;每个行业均有许多独特的行业知识和原理&＃xff0c;每个行业对大数据的需求和应用不尽相同&＃xff0c;基本上需要为每个行业定制一套满足行业需求的大数据解决方案。这就决定了任何一家工业大数据企业不可能做到所有行业通吃。每进入一个新行业&＃xff0c;都需要经过大量的行业调研&＃xff0c;理解行业的主要业务和关键环节&＃xff0c;所以工业大数据产品与服务在行业间的标准化至少短期来看存在较大困难。

此外&＃xff0c;同一行业间不同企业对工业大数据的需求不尽相同&＃xff0c;需要针对工业客户的具体需求提供定制化的技术和数据服务也是现阶段行业的普遍现象&＃xff0c;工业大数据规模化发展之路仍然存在较大挑战。

在探索标准化、规模化发展的漫漫长路上&＃xff0c;工业大数据产品与服务提供商发展策略也需要适当调整以适应行业的不同发展阶段。类似昆仑数据等已经在工业大数据领域初步立足的企业&＃xff0c;通常拥有几家、十几家或者几十家客户不等&＃xff0c;现有客户大多数是行业龙头的大型企业&＃xff0c;而成为该类型客户的长期合作伙伴后&＃xff0c;以每年取得几百万到几千万不等的合同总额估算&＃xff0c;如果能够长期为5~10家这类大型客户提供服务&＃xff0c;即有可能实现亿元量级的年营收。当然这就要求工业大数据产品与服务提供商能够苦修内功&＃xff0c;深入理解客户的业务&＃xff0c;从而不断为工业客户创造价值。

作者&＃xff1a;刘道全

校对&＃xff1a;丁楠雅

为保证发文质量、树立口碑&＃xff0c;数据派现设立“错别字基金”&＃xff0c;鼓励读者积极纠错。

若您在阅读文章过程中发现任何错误&＃xff0c;请在文末留言&＃xff0c;或到后台反馈&＃xff0c;经小编确认后&＃xff0c;数据派将向检举读者发8.8元红包。

同一位读者指出同一篇文章多处错误&＃xff0c;奖金不变。不同读者指出同一处错误&＃xff0c;奖励第一位读者。

感谢一直以来您的关注和支持&＃xff0c;希望您能够监督数据派产出更加高质的内容。