數據觀產業巡禮—京津冀篇之四

對國民經濟發展來說，制造業是國之重器，打造具有國際競爭力的制造業，是我國提升綜合國力、保障國家安全、建設世界強國的必由之路。2015年5月發布的《中國制造2025》戰略文件，強調通過大數據、云計算等新技術來提升中國制造業的智能化水平，推動企業完成智能化升級。聯想集團作為IT制造企業，如何完成自身的智能化轉型?又有哪些舉措來推動其他傳統企業加快業務優化升級? 聯想集團副總裁、首席研究員、大數據事業部總經理田日輝在接受數據觀專訪時談到：“數據智能的應用優化了聯想內部的業務流程，基于這些經驗，我們正在將聯想的大數據產品對外提供服務，希望幫助傳統企業實現智能制造。”

從自身業務出發探索數據智能

2011年，出于自身業務發展需求考慮，聯想開始做大數據。最開始是使用大數據對設備的應用服務進行優化，成熟之后擴展到聯想內部的業務運作，包括供應鏈的分析優化、質量的預測、精準營銷等。這個在集團內部使用大數據優化業務流程的過程，使聯想在數據分析、數據采集、數據智能分析應用方面積累了大量經驗。2016年開始對外提供大數據平臺產品、數據智能分析咨詢服務等。據田日輝介紹：“目前聯想已經構建了統一的大數據平臺，并開始投入搭建大數據生態系統。”

聯想生產制造的產品包括手機、PC、平板等個人設備，在對外的大數據服務中，面向個人的服務是聯想的大數據業務板塊之一。田日輝表示：“這個板塊的核心是設備加云服務的模式。”設備就是各種智能的個人設備，除了聯想自身的智能手機、PC等，還有智能音箱、智能家庭設備等都包含在內;同時在設備后臺提供強大的云服務支持，包括智能引擎、個人助理、內容的個性化服務等。

對外服務的另一個業務板塊，是面向企業的產品和服務，這個部分則是聯想云計算加人工智能的綜合體現。在這個板塊中，一方面提供數據智能的計算平臺;另一方面提供AI的算法和模型，將數據的價值發揮出來。這些都集中體現在聯想的LEAP大數據平臺中。

聯想的企業級大數據分析平臺LEAP(Lenovo Enterprise Analytics Platform)有六大產品線，分別是大數據智能平臺LEAP AI、大數據計算平臺LEAP HD、物聯網采集LEAP Edge Server、數據集成平臺LEAP DataHub、數據治理平臺LEAP DataGov和可信計算引擎LEAP Trusted。。在這六大產品線中，包含了數據整合、計算引擎、數據分析算法和模型、數據治理和數據安全保護等大數據各個層次的服務。

數據智能的核心是數據和分析模型

田日輝稱：“不管是面向個人，還是面向企業，聯想的產品和服務都必須是圍繞數據智能而設計的。”那么實現數據智能，需要做好哪些方面的準備呢?對此，田日輝在介紹聯想LEAP大數據平臺時提到：“數據智能的核心主要體現在兩個方面：整合多源異構的數據形成數據湖(Data Lake)，以及能結合不同行業業務的分析模型。”

聯想集團副總裁、首席研究員、大數據事業部總經理田日輝

數據是分析的基礎。在聯想的業務中，數據主要來源于三個方面。一部分是企業內部各部門、各生產環節產生的數據;一部分是產品運行產生的數據、以及用戶使用過程中在電商系統、搜索系統中產生的數據;還有一部分是來自開放市場里競爭對手的策略、宏觀經濟的狀況等。這些數據可能是結構化的也可能是非結構化的。

在大量結構化和非結構化的數據基礎上，如何進行存儲和分析?在大數據的發展過程中，數據存儲和分析技術有三個層次，分別是數據庫、數據倉庫和數據湖。數據庫相當于一個電子化的文件柜，主要存儲關系型數據，支持實時的、小批量的數據交易。數據倉庫能將各種業務系統的結構化數據整合在一起，進行業務分析并提供直觀易懂的查詢結果。現在越來越多企業更傾向于使用數據湖。和數據倉庫相比，數據湖最大的優勢在于它能統一處理結構化和非結構化的數據。另外，數據湖采用并行處理技術，并且能支持深度學習方法在內的多種機器模型的算法，這些特點意味著數據湖有更高的效率。從企業數據應用的整體角度來說，數據湖的各方面性能比數據倉庫提升了很多，所以聯想在構建大數據平臺時會采用數據湖技術。

構建數據湖是加快實現數據智能基礎條件。田日輝認為：“對于企業來說，使用數據湖技術最大的難點不在于技術條件，因為現在有不少大數據廠商有能力去幫助企業來搭建這樣的大數據平臺，最大的阻礙其實是在企業的管理上。”任何企業都希望能盡快看到數據產生的業務價值，但是做好數據整合、數據治理需要完成很大的工作量，并且將分散在各部門的數據整合起來也存在管理上的挑戰。這些難點要求企業首先要有這個意識，要有構建統一的大數據平臺、建立全面的數據智能應用的主動需求;其次要看企業有沒有決心去投入、去重塑企業的管理模式。

有了數據以及數據存儲管理技術，數據智能的另一個核心在分析模型上。例如在聯想的LEAP大數據分析平臺中，有幾百種算法，這些算法會根據用戶行業應用的不同，來進行業務方面的優化，形成分析模型。不同的行業，雖然數據內容不同，但對數據的整合、分析和治理方式是一致的。在分析模型的具體應用上，則需要有理解這個行業，并且懂得行業業務邏輯的人，來對分析模型的實際使用做出調整和優化。

數據是基礎，而分析模型是挖掘數據價值、實現業務優化的方式。有了數據和分析模型就能夠快速地幫助企業進行用戶體驗的優化，包括產品體驗的優化，供應鏈效益、企業整體管理效益的提升，供應鏈上下游之間實現更高效的協同等。田日輝表示：“這就是我們所說的，數據智能需要形成統一的數據群、統一的治理并且做到敏捷智能，才能幫助企業完成轉型升級。”

數據智能推動京津冀一體化發展

我們已經進入到智能互聯網的時代，在這個時代，數據和智能化的應用將會改變每個人的生活體驗，提高企業的生產效益，最終提高整個社會的效益。田日輝認為這才是聯想追求并致力于去實現的目標。同時，聯想也在搭建大數據產業生態聯盟，與眾多合作伙伴一道推動先進制造業的發展。

京津冀一體化是國家發展的戰略性規劃，數據智能會對此產生巨大的促進作用，同時京津冀地區自身的條件也將推動數據智能的發展。在京津冀地區的整個體系里，發展數據智能具備多方面的優勢：在以北京、天津為核心的大城市，聚集著大量大數據和人工智能相關的科技人才;包括聯想在內的大型科技企業，以及眾多的創業型公司也在這個區域誕生。這將有利于推動新技術和新模式的應用，從而帶來新的產品創新以及新的業務模式和應用價值，這是京津冀地區創新發展的最核心的驅動力。

另外一方面，人才和企業的聚集，使京津冀地區的產業配套更加豐富和成熟。這為傳統企業在使用數據智能的過程中提供了成熟的案例以及便利的條件。同時通過工業智能的應用，能夠讓傳統企業用數據智能的方式快速提升業務效率。這個不僅是對京津冀地區，對全國的工業發展、產業轉型升級都有重要的意義。

據田日輝介紹，聯想作為全球化的企業，三分之二的業務來自海外，尤其是在亞太地區，并且全球不同國家和地區擁有十個數據中心，形成了數據智能的基礎和體系。這樣的全球化大型企業在一帶一路等國家對外發展戰略中發揮著排頭兵的作用，可以幫助很多中國企業，尤其是京津冀地區的企業走出去，在一帶一路的建設中發揮更大的價值。同時，這些企業的相互合作，可以利用在海外的管理和數據服務的優勢，推動國內產業的結構化升級。

數據觀采訪感悟： 當數據積累到一定程度形成大數據，它的價值得到認可和重視，這時候需要出現相應的大數據技術來對其進行存儲和處理;當有了合適的技術來挖掘數據的價值時，最重要的就是要形成利用大數據的意識了。大數據發展目前處于初期階段，技術條件基本能滿足當前的需求。但技術的發展是突飛猛進的，人的思維能不能跟上技術發展的速度，以及有沒有決心做出改變，決定了你能在這個新的時代中能走多遠。

（數據觀 孫永慧）

責任編輯：黃玉葉