1.4　本章小结

本章讨论了工业大数据的背景、典型应用场景、特点、关键技术，尝试为工业大数据的建设与实践提供参考。

何为工业大数据？工业大数据不能仅以数据量大来定义，在很多实际场景中，数据量并没有那么大。大数据有时用来代表Hadoop、Spark等新的数据存储和计算框架，利用普通服务器集群来应对特定的数据负荷特征（如少更新操作、批量联合访问等）。大数据也常作为一种“数据思维”的代名词，是在逻辑思维（基于若干公理的推理和演绎）、实证思维（基于观察和控制实验的归纳）、构造思维（基于算法过程的构造与模拟）等经典思维基础上的新思维，鼓励大家使用在样本统计中得到的关联关系进行不确定性推理，不要拘泥于因果关系。“数据思维”与实证思维不是完全对立的，很多物理定律（如牛顿力学第二定律等）都通过对小样本的观察和总结得到，并经过思辨、抽象和逻辑推理，形成了若干自洽的理论体系。

随着数据采集能力和计算能力的提高，数据技术在企业经营、生产业务发展和转型中发挥的作用越来越重要。作为数据价值变现的核心技术之一，大数据分析的作用和意义得到了充分而广泛的认可。但很多简洁或不加前提的宣传也带来了一些对大数据分析的误解，如表1-1所示。

表1-1　对大数据分析的误解

大数据在商业领域已经有了很多很好的应用。工业是一个重设计和机理的领域，大家对于大数据该如何应用大概还有不少疑问。这里列举了一些常见的大数据应用相关问题，如表1-2所示，后面将对这些问题进行详细讨论。

表1-2　大数据应用相关问题

续表