工业物联网发展初期 挑战巨大 落地价值凸显

中国发展网7月3日讯 7月2日下午2点半，一场主题为“释放工业物联网的潜力”论坛在2019夏季达沃斯大连举行。《巴伦周刊》高级管理编辑Lauren Rublin现场主持，富士康工业互联网副董事长李杰，密西根大学交大密西根学院荣誉院长及吴贤铭制造科学冠名教授倪军、SCA集团执行董事Bhairavi Jani、SAP执行副总裁兼企业战略主管Deepak Krishnamurthy4位嘉宾一起探讨关于“工业物联网”目前的阶段、挑战及带来的巨大价值。

从左往右依次为《巴伦周刊》高级管理编辑Lauren Rublin，富士康工业互联网副董事长李杰，密西根大学交大密西根学院荣誉院长及吴贤铭制造科学冠名教授倪军、SCA集团执行董事Bhairavi Jani、SAP执行副总裁兼企业战略主管Deepak Krishnamurthy

刘沐琪摄图

工业物联网现今挑战大于发展

现场多名专家都认为，工业物联网目前仍处于早期阶段，信息所有权、数据分享规则制定的相关问题也存在着争议。富士康工业互联网副董事长李杰认为，互联网改变生活工业物联网改变业界。工业物联网本质上就是D2D（DATA TO DECISION），即通过数据做出决策，企业不管是谁先掌握工业物联网并引导转型，谁就有责任和义务进行标准的制定。

密西根大学交大密西根学院荣誉院长及吴贤铭制造科学冠名教授倪军在现场表示非常赞同李杰的观点，同时他也提出，相关学者已经做了大量研究，并早已绘制相关路径图，更多地展示了工业物联网如何改变企业的KPI（关键绩效指标），很多国家的政府也在鼓励这项新的技术，但是从企业的角度和反馈上来讲物联网还处于早期的阶段，特别是数据的分享、安全和所有权问题还处于早期的阶段。

倪军解释，因为物联网类似 社会 互联网，需要人们彼此连接，搜索世界上所有的供应方，而销售方也会有这样的驱动力去搜索。与之不同的是，在工业物联网中，会存在各种潜在的障碍，去阻碍这样的连接和搜索。例如，在工业物联网当中涉及到商业机密，企业通常不愿意和友商共享这些数据。

SCA集团执行董事Bhairavi Jani表示，现今一个产品的问世需要一系列不同的零部件，生产过程中涉及到大量的供应链不仅仅是独立且孤立的，供应链中存在着海量数据对物流企业来说蕴藏着很大的发展机会。工业物联网不仅仅涉及到现代化的生产，并且涉及到整个的产品生产、消费、运输等全产业周期。

SAP执行副总裁兼企业战略主管Deepak Krishnamurthy认为，工业物联网需要有一个通用的语言才能信息共享从而创造价值。目前，工业物联网仍处于通用语言开发的初期。他表示，倪军教授所说的“信息所有权”是一个比较棘手和敏感的问题，同时也是复杂的 社会 性的问题，在国际化的供应链中，如何进行跨国的分享数据也是目前世界工业物联网共同面临的问题，同样也是SAP目前试图解决的问题。

至于数据分享规则制定的规律，富士康工业互联网副董事长李杰认为，富士康一直在引导业界转型，他举例说明，富士康有175万个机床，这些机床在制造环节会产生大量的数据，通过数据改进绩效是不少供应商的愿望。因此这些供应商希望与富士康合作，从而更快实现需求响应。不同的数据来源联系起来就需要保持一个标准，对于规模相对较小的企业，李杰认为这并非意味着小企业毫无作为。事实上，大型供应商会分享给小企业，这些小企业必须有更快的进程，从而更敏捷地填补大企业的空白以及大企业没有认识到的机会。

工业物联网释放更大价值和机会

SAP执行副总裁兼企业战略主管DeepakKrishnamurthy提出工业物联网已经释放出大量的机会和价值，SAP进军更多消费品领域期待创造更多价值、开放更多市场，也将会有更多的合作伙伴。工业产品不再是过去生产制造的模式，工业物联网用到的设备高能效，在生产过程中减少碳的排放。

富士康工业互联网副董事长李杰认为，工业物联网改变业界主要有三点，第一是用前所未有的方式更快生产；第二是运用智能手机就可以实现更大规模更加灵活的远程管理；三是基于事实、证据、数据，通过询证的方式作出判断，从而更加可持续发展。

专家纷纷在现场用实际案例举证工业物联网在未来将释放出怎样的价值和机会。富士康工业互联网副董事长李杰提出“灯塔”项目，该项目跟世界经济论坛合作，给想做工业物联网的公司提供从传统产业模式转化为先进的产业模式的范例，通过垂直客户和供应链的整合，用教训经验推动生态系统的转变。

密西根大学交大密西根学院荣誉院长及吴贤铭制造科学冠名教授倪军举例 汽车 整车厂商和IT之间的合作，通用跟生产机器人的厂家合作，产权转移给最终用户，思科提供安全的网络方案收集机器人数据第三方，预测机器人停工的时间，机器人把空闲几分钟有效利用起来可以节约几百万美元，同时生产机器人的公司可以通过数据了解自己的产品未来需要改进的方面。

SCA集团执行董事Bhairavi Jani讲了两个案例，一是三个做消费产品的客户使用工业物联网，供应链收集客户信息更加敏捷。二是初创企业在使用技术帮助农户根据市场需求来实现生产，带来了经济效益和 社会 效益。

SAP执行副总裁兼企业战略主管Deepak Krishnamurthy带来了SAP和微软有一个开放数据信息服务合作项目，这些消费数据整合在一起，越来越多的企业参与进来，在这个平台可以相互合作可以提出具有共性的价值主张，帮助客户实现更大的价值。

可以参考 SAP提出工业互联网及工业40前沿研究报告>

为用户画像的焦点工作就是为用户打“标签”，而一个标签通常是人为规定的高度精炼的特征标识，如年龄、性别、地域、用户偏好等，最后将用户的所有标签综合来看，基本就可以勾勒出该用户的立体“画像”了。

借助CRM系统，轻松勾勒出用户“画像”：

1、客户特征细分

借助CRM，可以对现有客户或者是潜在客户的特征进行整理分析，这些信息是多维度的，包括姓名、性别、年龄、、地址、职业、客户编号等基本信息（静态信息），此外，企业还可以根据自身需求添加自定义字段，在开发以及维护的过程中不断完善客户资料，形成对客户的基础认知。

2、客户价值细分

CRM可以详细记录客户的消费记录，打开CRM，就可以详细看到客户的下单时间，购买的产品种类、数量、价格，下单的频率等。企业可以根据这些数据统计得出客户的价值，哪些客户是一次性消费大宗消费的、哪些客户是持续性消费的、哪些客户从来没有消费过。结合消费金额和消费频率，可以从总体上将客户划分价值区间：高价值客户、低价值客户、中间客户等。

3、客户需求细分

CRM中的各个板块既相互独立又相互融合，企业可以根据需要做交叉数据分析。根据CRM中的咨询记录、沟通与跟进记录、订单记录、收款记录及合同记录等，企业可以得出目标客户及客户群对产品的需求及购买规律：客户需要的是什么产品、客户购买的是什么产品、在什么时间购买的、购买的频率是什么从而得出客户的需求状况，以及需求是否被满足。

消费方式的改变促使用户迫切希望尽快获取自己想要了解的信息，所以说，基于用户画像上的精准营销不管对企业还是对用户来说，都是有需求的，这会给双方交易带来极大便捷，也为双方平等沟通搭建了一个畅通平台。

工业物联网的定义是通过各种信息传感设备，如射频识别技术、全球卫星定位系统、红外感应器、激光扫描器、气体感应器等各种装置与技术，实时采集任何需要连接、监控、互动的物体或过程状态信息，包含其声、光、热、电、力学、化学、生物、位置等各种基础信息，通过互联网形成相互交互的、可识别的、可共享的网络，其目的是实现物与物、人与物在网络上的连接，识别、管理和控制等，物联网的信息是动态的，主要由物理机器生成。
工业互联网是指将两台计算机或者两台以上的计算机终端、客户端、服务端通过计算机信息技术手段互相联系起来的结果，解决人与人之间互联互通问题，人们可以在互联网上获取信息、发布评论、采购产品、购买服务等，但是这些信息和服务需要人来做大量的工作才能完成，并且难以动态地了解其变化。
虽然两者的概念不同，但是他们之间在工业领域是存在交集的，我们也可以理解为工业物联网是在互联网的基础上延伸和扩展到传感层的网络。

目前，很多公司正在积极布局智能制造和工业物联网发展战略。问题是，这些企业是会共同推进两个战略的发展还是分开推进呢？我相信他们会共同推进，但我也可以理解那些把他们看作是分开的人。
在我们讨论这个话题之前，先让我先定义一下术语，因为有很多关于这个的争论。
智能制造：在工厂和整个价值链内实现业务、物理和数字流程的智能化、实时协调和优化。基于所有可用的信息，资源和流程将实现自动化、集成化、被监控和持续评估。（根据MESA International ，MES国际联合会定义）
IIoT：在工业（如组件、产品、产品运输和设备）中使用的物理对象（“物”）中嵌入电子、软件、传感器组成的网络，这个网络能够使物理对象通过互联网协议(IP)收集数据并与控制系统、业务流程和分析交换数据。（根据维基百科“IoT”修改）
现在回到我们的核心问题：两个战略是要共同推进还是分开推进呢？很明显，目前还没有定论。下面是这些观点的一些背景：
工业互联网协会(IIC)说:"通过自动化工业设备和系统之间的通信，IIoT提高了整个工厂的效率，使其更加智能化，"我同意。我相信，IIoT是智能制造的一项有利技术，它的进步将推动智能制造的发展。同样，随着智能制造超越概念，进入公司正在执行的项目，制造商和他们的解决方案提供者将改进支持这些项目的IIoT技术。这两个很可能会被共同推进。
另外：并不是每个人都同意。在最近的MESA调查中，超过三分之一的制造商报告说他们不相信智能制造包括IIoT（参见上图）。我明白这个观点，因为智能制造有很多途径。实际上，IIoT可以在一些可能定义智能制造的正常边界之外使用。
与智能制造相比，IIoT确实发展可能会更快，因为解决整个价值链上的项目是一个超出公司内部的挑战。像通用动力公司、通用磨坊和通用汽车这样的大公司可以展示他们的力量，并帮助推动特定行业的智能制造行动，但是IIoT项目可以取得很大的进展，并在公司的内部提供许多好处。如果消费者市场上的物联网计划提高了工厂内部的期望门槛，那么实现类似的互联互通、数据访问、控制和分析能力也会有压力。
此外，生产仍将涉及人员，以及未配备IIoT的设备和产品。对于一些智能制造方案，IIoT没有也不可能是商业案例，这些情景可能关注人员和价值链流程。
推动第四次工业革命的是什么？
有些人会认为智能制造或IIoT可能导致第四次工业革命。我也有一个观点：智能制造是这场革命的基础，而IIoT不是。即使IIoT的发展比智能制造快得多，我也不认为它足以让生产企业进入下一个生产力阶段。
那么IIoT缺少了什么来推动第四次工业革命呢？首先是企业环境。智能制造不仅整合了工厂或智能连接工厂，还包括智能连接的供应链和贯穿产品生命周期的数字线程。与其他工业革命一样，技术的转变--比如IIoT--必须与新的流程和人们工作的方式协同工作，以达到我们在第四次工业革命中所追求的生产力水平的提高。
IIoT是一项基础技术，但它只做它所做的事情--在"事物"之间创建通信，以便更容易地获取数据和分析。第四次工业革命需要许多其他技术和工艺。其中一些将针对一件设备或生产过程；其他人将在工厂、企业或价值网络上工作。
真正让商界人士兴奋的是，当新技术和新方法将它们整合在一起时，就会扰乱市场，并让公司提供新的服务和与新产品所能产生的数字数据绑定的新价值。例如，基于IoT的智能产品可以向工程师和生产者提供关于产品如何在该领域执行的反馈。基于这些数据，我们能提供什么样的新见解和服务？
这就是为什么我认为，要实现第四次工业革命需要更多的时间。它将把IoT和IIoT引入智能制造策略，以创建新的方法来协调和优化整个价值链中的流程，并向客户交付新的服务级别。

客户画像:客户信息标签化，完美地抽象出一个客户的信息全貌，可以看作企业应用大数据的根基。
客户画像的核心工作是为客户打标签，打标签的重要目的之一是为了让人能够理解并且方便计算机处理，如，可以做分类统计：喜欢红酒的用户有多少？喜欢红酒的人群中，男、女比例是多少？
也可以做数据挖掘工作：利用关联规则计算，喜欢红酒的人通常喜欢什么运动品牌？利用聚类算法分析，喜欢红酒的人年龄段分布情况？
大数据处理，离不开计算机的运算，标签提供了一种便捷的方式，使得计算机能够程序化处理与人相关的信息，甚至通过算法、模型能够“理解” 人。当计算机具备这样的能力后，无论是搜索引擎、推荐引擎、广告投放等各种应用领域，都将能进一步提升精准度，提高信息获取的效率。

用户画像是通过数据分析和挖掘从用户的各类数据中提取共性特点的过程。作为大数据的根基，用户画像完美地抽象出一个用户的信息全貌，为进一步精准、快速地分析用户行为习惯、消费习惯等重要信息，提供了足够的数据基础，奠定了大数据时代的基石。

用户画像是在解客户需求和消费能力，以及客户信用额度的基础上，寻找潜在产品的目标客户，并利用画像信息为客户开发产品。提到用户画像，很多品牌商都会提到全方位用户画像，其实全方位用户画像是一个广告宣传用语，根本不存数据可以全面描述用户，透彻了解用户。人是非常复杂的动物，信息纬度非常复杂，仅仅依靠外部信息来刻画客户内心需要根本不可能。

用户画像一词具有很重的场景因素，不同企业对于用户画像有着不同对理解和需求。举个例子，金融行业和汽车行业对于用户画像需求的信息完全不一样，信息纬度也不同，对画像结果要求也不同。每个行业都有一套适合自己行业的用户画像方法，但是其核心都是为客户服务，为业务场景服务。

---