起步於工業數據平台，大數點志在技術能力輸出

在工業領域，大數點是一家技術特點鮮明的數據服務創新企業。創立之初，大數點確立了技術能力輸出的戰略方向，發布的產品工具屬性相對突出，表現出較強產品化能力。大數點的打法是，以工業數據平台建設的方式切入客戶，在單一客戶中做深，逐步覆蓋所有需求，實則瞄準的是後續合作訂單空間。目前階段，大數點的重心是深度紮根行業細分市場，打造行業解決方案，逐步擴大行業影響力。

指導 | 凱文

調研 | 凱文 關蕾

撰寫 | 關蕾

工業領域，大數據應用也在逐漸落地，並陸續冒出一批創新企業，其中，大數點是一家技術特點鮮明的數據服務創新企業。

大數點創始人猶傑曾是愛立信（德國）系統工程師，被評為卓越工程師，後任職百視通總架構師；CTO Matthias Hub曾是IBM Bluemix IoT首席軟體架構師，開創了Bluemix的數據倉庫。創始團隊在分散式計算、物聯網等領域的有十年積累，大數點早期業務以工業物聯網為主，聚焦在海量設備連接、實時數據處理和存儲等方面。

隨著數據量的劇增，客戶需求的逐漸深入，大數點逐漸將重心轉移到大數據演算法、模型引擎層面，打造工業大數據底層核心系統，同時在產品設計上，也由工業物聯網演變成工業大數據平台。

目前，大數點以大數據基礎平台建設為核心，開發了包括工業物聯網匯流排IoT DataHub、實時數據倉庫DSDB、數據流引擎Flow Engine等三大核心產品，用於設備連接和數據處理、數據儲存和管理、演算法引擎和模型訓練。

創立之初，大數點確立了技術能力輸出的戰略方向，發布的產品工具屬性比較突出。在定製化為主的工業大數據領域，表現出較強產品化能力。大數點的基礎平台產品可通用於各行業客戶，客戶的差異點和定製化部分體現在演算法層面。

受多因素驅動，工業大數據呈必然趨勢

國內市場，工業大數據的興起始於2015年，在國家級規劃綱要、標準規範中明確指出，工業大數據是智能製造標準體系五大關鍵技術之一，是製造業挖掘價值、推動變革的重要手段。

據工信部公布數據，近兩年時間，有162家工業企業成功申報了智能製造示範項目，成為改革先鋒，涉及能源、製造、汽車、醫療、航天等多個領域，其中，工業大數據是主要試點方向。

在政策、技術、需求等因素的共同驅使下，工業企業對大數據的認知正逐步滲透。目前階段，數據採集、大數據平台建設是主要切入方向。

工業企業對自身業務的改革需求相對清晰，但對大數據的認知尚不明確。在企業與數據服務商的合作中，需求探索、業務理解是前期必不可少的階段，駐場、諮詢、合作辦公是常見的模式，探索大數據適合的應用場景是發展關鍵。

大數點成立於2015年，屬於較早一批入場的創新公司。鋰電池行業是大數點切入的首個領域，項目從大數據平台建設開始，後續開始探索數據應用，逐漸豐富場景開發，覆蓋客戶需求。對大數點而言，解決標杆客戶需求、積累演算法模型、打磨行業解決方案是發展重點。

目前階段，大數點覆蓋了生產管理、物料管理、產能分析、故障預測等應用場景。憑藉複製性較高的行業解決方案，大數點在鋰電池領域已擴展至6家同類企業。

經過兩年的沉澱，大數點的客群由最初的鋰電池製造行業，拓展至精密製造、光伏電站運營、汽車分時租賃運營等四大客群。這幾類客群對大數據有一定認知，信息化程度高，但自身大數據能力較為薄弱，大數點以同樣的打法切入，從建立工業大數據平台開始，應用場景在合作中逐步滲透。

在中國市場，工業元器件供應商眾多，市場分散度高，設備結構複雜。在實際應用中，具體的應用場景對企業的重要性也不盡相同，企業更傾向於定製化方案，對單一產品的數據服務商接受度較低。因此，大數點的打法更適合與中國市場，在靈活性、價格、服務等層面更有競爭力。

整體市場仍處早期，困難與機會共存

由於多數工業大數據最終應用於具體業務，隨著雙方合作的不斷深入，服務商對行業理解更加深厚、產品更加完善，客戶更換服務商概率逐漸變小。

大數點選擇深度紮根行業細分市場的戰略，為行業優質客戶提供定製化解決方案。雖然客戶數量不佔優勢，但多數都有續單，在單一客戶處，逐漸滲透至覆蓋全部需求，從而形成自己的行業解決方案，構築競爭壁壘。

對於工業大數據，工業企業是數據的生產方，主要來源於生產製造和產品運維環節。工業數據具備線下規模化、複雜化、實時性、準確性等特點，數據可用性較強，受客戶價值驅動特點明顯。

大數點作為發展初期的第三方數據服務商，在數據源、需求探索、行業理解上都依賴於工業企業合作，其產品、模型的迭代更直接受客戶數據和需求驅動，因此，客群規模與公司整體發展速度相關性較強。

大數點創始人猶傑在訪談中表示，客戶開拓將是大數點下一步重要戰略之一。

從行業發展進程來看，目前工業大數據尚處於初級階段，工業大數據與物聯網是傳統製造型企業變革的必然趨勢，但實際運用中仍存在諸多困難與挑戰，具體如下：

首先，工業業務理解是高門檻，探索場景、應用落地是未來一段時期的行業熱點；其次，數據來源散亂，數據格式、規範難以統一，互通融合相對困難，工業大數據標準體系的研製是業內重點期待；再次，高端設備不能自主可控，物聯接入時讀寫困難，從而誕生新的數據孤島，制約瓶頸有待突破；最後，已落地的應用場景覆蓋率低，大部分需求仍未滿足，後續市場空間仍需探索。

工業數據服務商是產業鏈上新生形態，屬於新興市場。在早期市場發展中，困難亦是機遇，與競爭激烈的互聯網大數據領域相比，工業數據服務的創新公司成長更快，出成果概率更高。

當前階段，市場集中度尚未形成，跑馬圈地仍是各家重點。然而，一些細分領域已出現競爭力較強的個別企業，新能源、精密製造、電力、石化等行業發展較快，入場的玩家包括高舉高打的國外巨頭、積極布局的行業標杆、以及躍躍欲試的創新企業。

參考國內工業軟體市場特點判斷，預計未來整體工業大數據市場仍以分散為主，或將在單一細分市場逐漸趨於集中。

大數點創始人猶傑（左）和CTO Matthias Hub（右）

近日，愛分析對大數點創始人兼CEO猶傑進行訪談，現將部分內容分享如下。

一家技術驅動型創新公司，三個產品打造工業大數據平台

愛分析：大數點經歷了哪些發展歷程？

猶傑：2015年3月，我與兩名外籍同事成立初創團隊，基於我們在分散式計算、物聯網、人工智慧等項目的積累，我們決定回國創業。

我們看到，傳統IT企業的數據處理能力不足，我們的系統非常適合解決這個需求，像產線、設備控制系統等中，測試數據、工業控制信號的數據快速處理、分析等。我們決定將之前積累的工業物聯網系統應用到工業中，連接工業設備數據，服務製造類、運營類企業。

大數點的第一個階段是物聯網連接，做工業物聯網，用產線的業務邏輯做數據簡單處理，像在產品生產檢測環節中，做質量判斷。

第二個階段是數據分析和應用，我們把大量的設備數據採集到大數據平台上，對實時數據進行快速挖掘規律，用人工智慧演算法對數據進行學習，得出的模型集成到核心產品數據流引擎Flow Engine，我們的產品逐漸從工業物聯網演變成工業大數據平台。

愛分析：目前階段主要產品有哪些？

猶傑：我們有三個相輔相成的核心產品，在項目中同時應用。

一，IoT DataHub工業物聯網數據匯流排，我們將軟體包植入到數控機床的控制系統中，通過標準的物聯網傳輸協議MQTT採集運行數據，傳輸到我們的平台。我們做了很多操作系統的適配，有各種版本的軟體包。

二，Flow Engine數據流引擎，對數據進行建模，比如機床的數據建模，先將參數做分類，看能否找到某種模式做固定生成若干類別，再對這些分類做判斷和預測。

三，DSDB實時數據倉庫，配合前兩款產品使用，把經過Iot Datahub的數據進行存儲，將非結構化數據提取成結構化數據。

愛分析：如何完成數據從非結構化到結構化的轉換？

猶傑：傳統資料庫需要先定義欄位，數據才能寫入，在上傳時需要匹配驗證，吞吐率很低。對於工業數據，多數情況是未知的，DSDB資料庫是非結構化的，在上傳時不定義欄位，對任意數據都支持直接存儲、分析、處理、展示，在數據完整度、存儲量、效率等方面有很大提升。此外，DSDB資料庫集群可以隨著數據量的擴充而逐步擴展，我們稱為數據湖。

從非結構化的數據提取成結構化數據，數據湖中的數據分析引擎用MR框架，可以把儲存在多個節點裡的海量數據快速清洗，做分散式計算。

比如一大部分數據都落到一個很大的類裡面，可能就定義為正常數據，如果落到一個數據小的類，可能對應某種異常波動或故障，之後再去判斷是否產生了某種故障，逐漸修正種類數量。

我們的Flow Engine可以測試、調整、驗證模型，模型調好之後，直接在產品中固定應用，再去預測故障。

愛分析：現階段更側重於數據分析？

猶傑：是的。目前有很多做數據採集和連接的公司，但大多缺乏數據分析能力。大數點除了連接設備以外，更重要在於數據分析，Flow Engine是我們的特色，是對實時數據分析的系統。

愛分析：數據是從現有系統里直接獲取，還是依靠增加感測器採集？

猶傑：兩種都有，加感測器取決於應用場景和要解決的問題，是否需要增加數據的維度。一些自動化設備，像數控機床，我們直接連接控制系統就可以拿到幾乎所有的數據，對於傳統機床，或轉軸類設備的振動測試，多數依靠外加的感測器。

愛分析：對於傳統工控通信協議，像Canbus、Modbus、Profibus等，用IoT Datahub如何上傳數據？

猶傑：如果是傳統協議，我們會配備大數點物聯網關，通過一個硬體設備和軟體包，轉成標準的MQTT協議，再進行上傳。軟體包對應著雲端集群，需要多個計算機節點處理數據，這是我們的強項。

愛分析：Flow Engine能否對需求建模？

猶傑：可以，除了設備，還有其他需求，比如ERP的財務數據，包括庫存數據、訂單等，用Flow Engine可以對訂單、庫存進行預測，對業務需求進行建模。

愛分析：在對業務知識理解有限的情況下，DSDB從非結構化轉成結構化數據時，如何進行數據標註？

猶傑：這是工業大數據面臨的重要挑戰，在智能製造領域，更需要綜合性人才，IT與OT（Operation Technology）兩種領域的技術結合，目前主要靠合作。

我們的模式是與製造業充分配合、合作，項目中有雙方的工程師，他們幫助提供一些信息、解釋、分類標註。有兩種標註方式，一種先人工標註，再用監督學習；另一種先用非監督型學習，自動分類形成某種標註，再人工判斷。大部分場景需要配合業務工程師進行標註，是一個合作共贏的過程。

愛分析：自動標註能否舉個例子？

猶傑：像檢測數據，標註異常或合格，用演算法會對數據進行分類，分類之後發現一些是非正常數值，就不需要人工再判斷。

愛分析：需要客戶標註哪些數據？人工標註的工作量佔了幾成？

猶傑：一些報警信息、設備已有的故障類型、保護限制等，通過客戶標註可以直接使用，大約佔六成工作量。

細分市場深耕戰略，行業解決方案是壁壘

愛分析：目前切了哪幾類客群？

猶傑：兩類客群，一個是製造商，包括鋰電池製造、精密製造等，另一個是運營商，像光伏電站運營、汽車分時租賃運營平台等。

愛分析：大數點為鋰電池製造商提供了哪些產品和服務？

猶傑：我們為鋰電池製造商欣旺達提供了多個方面的服務。

一，多廠區監控，包括運行指標、故障分布等；二，智能排產排程，我們把生產過程、物料、庫存、員工、訂單等信息進行綜合計算分析，實現智能排產；三，設備故障預測，針對鋰電池生產環節的各種設備；四，工藝環節，像電芯分選，將電芯分選機連到雲端，通過人工智慧演算法，對電芯的特徵進行學習、自動分類，與人工分選相比，我們提升了2.5倍的分選效率。

愛分析：在項目中對接了哪些企業資料庫，與哪些部門做對接？

猶傑：包括ERP訂單數據、倉儲管理系統、OA員工管理系統、產線控制系統等，整合不同數據源打造大數據平台，多數部署在本地，做私有雲。一般IT部門負責規劃和決策，最終是生產部門使用，直接對接產線。

愛分析：項目周期多久？

猶傑：現在每個客戶基本上需要半年時間。大部分是做項目，我們基礎平台是通用的，對客戶使用的演算法不一樣。

愛分析：光伏電站客戶主要解決哪些需求？

猶傑：主要包括設備實時監控、故障預測。根據不同組件特徵，我們在4-36個小時提前發出故障告警。

愛分析：客戶對數據開放的理解和接受意願如何？

猶傑：目前是私有雲模式。一開始接觸客戶時，很難把效果展示出來，很多演算法需要先接入數據才能做模型。我們採用試用模式，先把平台給客戶試用，看到效果之後再確認訂單。

愛分析：前期了解客戶需求的時間需要多久？成功率如何？

猶傑：三個月左右，成功率在60%以上。

愛分析：現在團隊能同時支撐多少客戶？

猶傑：10個客戶，一般一個項目需要1-2個工程師。

愛分析：工業細分領域集中度較高，很多行業巨頭也在介入，大數點如何考慮？

猶傑：我們聚焦在智能製造領域，有大數據理念，在嘗試中遇到技術難點的企業，大數點通過我們的技術與他遇到的問題做匹配。另外，從細分市場的角度看，在同行業企業中，我們的產品可複製成分很高，我們用鋰電池方案開拓了6家同行業客戶。

愛分析：從需求層面上，目前解決了多少比例？

猶傑：在大型製造企業中，可以做的內容非常多，我們目前做了40%，續單率很高，我們可以在單一客戶處收穫很多。

目前以平台項目為主，未來將轉型技術能力輸出

愛分析：採用怎樣的定價模式？

猶傑：有兩個部分，平台是按照年收費，定製化業務按一次性收費。

愛分析：工業企業現在是否有大數據的預算？

猶傑：大數據的預算在百萬量級，以試點為主。

愛分析：目前階段，以建大數據平台為主還是應用為主？

猶傑：平台類多一些，還在收集數據，目前客戶總結的需求是脫離數據的。

愛分析：後期部署需要多久？

猶傑：部署需要一天時間，開發階段需要駐場了解需求，運營時候不需要駐場。

愛分析：是否會逐漸滲透單個客戶的所有需求？

猶傑：是的，我們會在一個客戶中做深，分期逐步展開，把所有需求都做掉。

愛分析：國內工業領域，已經在做大數據的企業有多少？

猶傑：我們看到有20%的企業宣稱在做，落地的不多。

愛分析：大數點有哪些對標企業？

猶傑：C3IoT、Uptake，SoftwareAG、GE Predix。

愛分析：下一步公司整體戰略是什麼？

猶傑：正在擴張售前、銷售、市場團隊。戰略上會針對不同行業成立子公司，大數點做純技術公司，做技術能力輸出，授權子公司服務行業，包含銷售、應用開發。

愛分析：工業中，還有哪些細分領域目前適合接入大數據？

猶傑：工業企業保險與供應鏈金融，包括物流體系下的金融服務，需要物流環節的設備監控和數據分析，貸款模型、保險模型，是很好的應用領域。

愛分析：工業大數據或者物聯網領域，我們看到很多行業巨頭在裡面，相比之下，大數點作為第三方創新企業，有哪些優勢？

猶傑：我們在數據分析能力、產品靈活性、價格等方面有優勢，傳統企業對製造和設備的理解更深刻。

愛分析：未來市場格局如何？

猶傑：長遠來看，大企業做智慧園區、智慧地球；創新公司，直接為企業提供分析服務，或提供演算法交易服務，我們與大企業將各自佔有相應的市場份額，大企業有可能在一些最終環節通過我們來落地。

愛分析：中美市場有哪些差距？

猶傑：美國的階段已經完成了大數據平台建設，逐漸偏向於應用，不同業務領域已經有一些標準化組件。中國製造企業非常繁雜，供應商較多，做標準化產品較難，目前打法是滿足客戶不同需求。

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！

本站內容充實豐富，博大精深，小編精選每日熱門資訊，隨時更新，點擊「搶先收到最新資訊」瀏覽吧！

請您繼續閱讀更多來自 愛分析 的精彩文章: