中文  |  English
咨询:800-8202-575

     大卫逊上海产品设计今天就来具体说说工业大数据的另外几个特征:“速度”、“多样性”“低价值密度”。从应用的角度看,这些特征的意义似乎也不是很大。

    1、产生速度快。增大了分析的难度,对应用带来的好处却不多,故而仅仅是在理论上有价值。

    2、低价值密度。也增加了分析的难度。但对应用来说,这是一种现象,似乎不值得强调。事实上,为了获得可靠的结果,个别的‘小数据’往往才是分析大数据的关键钥匙。而且,发现具有‘黑天鹅’性质的小数据,往往是研究大数据的重要目的。

    3、所谓‘多样性’,指有很多非结构化数据。也是增加理论难度、对实用无正面影响的因素。在现实中,数据分布越广越好,便于从不同角度和视野确定结论的可靠性。所以,我宁可把多样性’理解为数据分布的广泛性,而非数据形态的多样性。

    从应用的角度看,大卫逊上海产品设计更欣赏‘数据科学’的概念:综合利用数据分析、模型计算和领域知识来解决实际问题。对工程师来说,分析数据的目的是解决问题。为了达到分析的目的,应该采取一切有利的方法、收集一切有用的证据,不应该将自己限制在某个特定的理论方法上。我们期望大数据,却也喜欢小数据:我们喜欢完整的、真实的数据。IBM对4V理论进行了矫正。

    综上所述,大卫逊上海工业设计公司将大数据理论用于工业领域时,不可执着于‘原教旨主义’的认识。我们关注大数据,是为了创造价值,而不是追赶时髦的理论和领域。从这种意义上说,制造企业研究大数据,应该特别强调‘工业’二字,以区分现在流行的、以商务为主的大数据理论。

上页:大卫逊上海工业设计观点分享:懂工业设计的人不多




公司动态


行业新闻


产品资讯