大數據與人工智能的浪潮推動著工業(yè)世界向前發(fā)展，對工業(yè)大數據分析師提出了更高的要求。他們需要熟練掌握數據分析和建模方法，精通各種數據分析工具，會SQL，具備超強的邏輯思維能力，最重要的是擁有工業(yè)領域知識。

工業(yè)文明兩百年以來形成的工業(yè)系統(tǒng)和標準化體系，在進入新工業(yè)時代背景下，企業(yè)面臨的挑戰(zhàn)是如何運用數據分析技術來打造自己的競爭力壁壘，這也是對數據分析師的考驗。

除了需要具備以上提到的技能，工業(yè)大數據分析師還要能夠做客戶的眼睛，洞察深層需求，與客戶同懷敬畏之心，將智能化技術融入工業(yè)系統(tǒng)和體系，并且懂得溝通技巧，幫助客戶理解技術如何與業(yè)務結合，實現最終的業(yè)務目標。

下面分享兩位天澤智云數據分析師的項目實踐經驗，從他們的視角出發(fā)，看如何幫助客戶實現工業(yè)智能化。

項目背景&目標

項目名稱：智慧風場系統(tǒng)

作為一名數據分析師，我在項目中的主要工作是進行風功率預測的算法開發(fā)，并協助進行風功率預測系統(tǒng)的設計。目標是利用數值天氣預報數據和風場的歷史數據來對未來一段時間內風電場所能輸出的功率大小進行預測，以便指導風場運維人員安排調度計劃。

除了使用數據分析技術進行算法的開發(fā)，日常也參與到項目管理中，深度挖掘用戶的需求，協調與追蹤項目的進度。

實現項目遇到的困難&挑戰(zhàn)

>> 工業(yè)場景的復雜性

遇到的首要困難是對實際工業(yè)場景的不熟悉，工業(yè)領域特別是風電領域擁有非常復雜的場景和挑戰(zhàn)。

>> 更高要求的數據安全性

工業(yè)場景中對于數據的安全性要求更高，從而限制了我們去用很多目前已經比較成熟的數據分析技術和互聯網或者云計算技術，只能在復雜的數據環(huán)境中實現高效的數據分析，提取出數據中的價值與信息。

>> 管理模型的不確定性

使用基于機器學習的方式去解決實際工業(yè)場景中的問題，對模型的不確定性管理需要特別注意，進而保證模型輸出的結果持續(xù)可靠、穩(wěn)定精準。

賦能&解決方案

>> 公司培訓和前輩帶領，熟悉應用場景

首先在公司培訓和相關前輩的帶領下一步一步地熟悉具體的應用場景，建立數據分析的平臺，然后將業(yè)務問題準確的翻譯成為數據驅動的算法可實現的問題，設計出基于算法的解決方案。

>> 明確所需數據，用工具判斷數據質量和算法的可靠性

明確解決方案中需要什么數據支持，并協調客戶與項目的伙伴去獲得這些數據；使用工具判斷數據的質量和算法的可靠性，最終通過獲得的數據對數據分析模型進行訓練與測試。

>> 準確判斷解決方案的局限性，管理模型

在項目進行的過程中，要清楚地知道解決方案的局限性在哪里，從而進行模型的不確定管理并優(yōu)化用戶需求，明確方向。

成長&收獲

工業(yè)擁有非常復雜的場景，如何在復雜的應用場景中緊緊的抓住業(yè)務的痛點，最終收斂到業(yè)務中的價值點，從而解決場景中的具體的問題，是數據分析師的價值所在。

在項目的進行中，作為一個數據分析師也要懂得溝通技巧，怎樣將整個思維過程和結果直觀的展現給大家，也是非常值得注意的。

對數據的處理具有連貫性，每一個環(huán)節(jié)都要避免出錯，一旦粗心大意，就要付出很多時間去彌補。

項目背景&目標

項目名稱：智慧廠務能量管理系統(tǒng)

工廠里所有保障生產的系統(tǒng)統(tǒng)稱為廠務系統(tǒng)，包括供應壓縮空氣的空壓機、提供冷卻水的冰機、廢水回收處理、配電發(fā)電等等。我們這個項目主要針對耗電量最大的空壓機系統(tǒng)和冰機系統(tǒng)，優(yōu)化這些設備的調控實現節(jié)能減排。

數據分析師的目標就是使用智能算法建立最優(yōu)的設備調控策略，并且預測需求量提前推送準確的調控建議。

實現項目遇到的困難&挑戰(zhàn)

>> 如何統(tǒng)一對項目的理解

我們所說的智慧廠務能量管理系統(tǒng)，是在原有的FMCS廠務系統(tǒng)之上增加了數據分析和智能化管理，所以第一個挑戰(zhàn)是客戶思維上的轉變。

>> 如何合理“拆分”工作流程

為了更好地達成項目目標，需要將其拆分成許多和工程實際相關的小目標，“拆分”這項工作是很有挑戰(zhàn)的，技術框架搭建的好壞直接影響后續(xù)工作開展的順利與否。

>> 如何平衡工程實踐經驗與數據分析

這個項目需要很多工程實踐的經驗，前期我們在做數據分析的時候沒有重視這一點，埋頭從數據上做文章，導致走了許多彎路。

>> 前人經驗空白，如何摸索

在設計調控策略時，完全沒有前人的經驗，只能自己去摸索，提出假設再驗證。而從探索數據到設計算法再到實現算法最后用歷史數據驗證的整個過程是反反復復很多次的，需要花費很多精力，如果最后驗證效果不好會覺得很有挫敗感。

賦能&解決方案

>> 與客戶深度溝通，統(tǒng)一思維

首先是與客戶溝通，通過案例幫助客戶理解智慧廠務能量管理系統(tǒng)與傳統(tǒng)FMCS的區(qū)別。它不是替換原有的廠務系統(tǒng)，而是基于廠務系統(tǒng)，再融合數據分析和人工智能等軟硬結合技術實現更加高效的廠務管理。

>> CTO技術指導，拆分項目

目標拆分工作需要非常有經驗和能力的人。項目前期我們的CTO劉宗長博士設計了技術的框架，給出了很多探索方向和建設性的建議，后續(xù)我們繼續(xù)細化拆分和工作實施就順利了很多。

>> 與客戶相互賦能，放大優(yōu)勢

關于工程經驗這方面，我們后來和用戶的資深工程師進行緊密交流，學習他們的領域知識集成在我們的算法里，能夠減輕很多負擔。

>> 提前驗證，保證有效性

在設計算法的環(huán)節(jié)需要一些討論和碰撞，并且做一些小型數據的驗證，評估技術難度和泛化性，才能保證實現算法的有效性，接下來迭代優(yōu)化算法的時候會沿用這種思路。

成長&收獲

項目帶給我最大的收獲在于思想的轉變。通過參與到實際工程項目的經歷，讓我更加深刻的體會到什么是責任和擔當。算法的每一個輸出都會對應切實的操作流程，稍有不慎就會造成事故，影響非常大，因此在設計算法時要把系統(tǒng)合理性和穩(wěn)定性放在首位。

此外，需要合理規(guī)劃項目進度，促進項目的按時交付。提前制定項目時程，每一個里程碑每一個節(jié)點要能夠按時完成，才不會拖慢整個團隊的進度。

以專業(yè)、嚴謹的態(tài)度和志同道合的小伙伴一起參與這場偉大的工業(yè)變革，也是我們每一個天澤智云人的使命所在。