打开文本图片集
对大数据的分析能力是缔造产业互联网的现实基础，它与方兴未艾的物联网技术相互渗透，就能为那些率先打破数据孤岛、实现系统整合的工业企业带来新的业务价值，创造新的商业模式，捕捉新的增长机会。此外，对于产业物联网的“国家吸收能力”则决定了有关投入最终产生的经济回报规模。
追根溯源，“产业互联网”（Industrial Internet）是美国通用电气公司创造的概念，指的是如何将复杂的物理机器设备通过彼此联网的传感器和软件整合在一起，从而创造出更高效的生产力。它将机器认知学习、大数据、物联网、机器对机器（M2M）通信等领域串联在一起，目的是实时消化和分析来自工业机器的数据并利用数据洞察来调整和优化生产运营。从2014年开始，通用电气还与其他几家美国的ICT企业建立了开放性的“产业互联网联合体”，以期加速工业互联网技术的开发、市场接纳和广泛应用。
综合业内信息来看，“产业互联网”中的“产业”，应当包括传统意义上的多个“产业”，例如农业、重工业、轻工业、服务业等。因此“产业互联网”的设想、实验和商业模式已经向与传统制造业相邻的更多产业延伸，其中的“互联网”也更多地被方兴未艾的“物联网”所具象化。正是设备与机器这些“物”联网之后所产生的数据，为下一次产业革命开启了技术之门。
埃森哲认为，产业物联网（Industrial Internet of Things）就是大数据分析法和物联网相结合的产物——正在为各行各业创造巨大商机，尤以航空、油气、运输、发电配电、制造、医疗、采矿等行业为最。究其原因，正如近期一项分析研究的作者所指出：“并非所有大数据都能产生同样价值。在调整至同等规模的情况下，风力涡轮机、喷气式发动机、核磁共振仪之类的工业设备产生的数据，与源自社交网络、消费物联网或其他渠道的大数据相比，具有更大的潜在商业价值。”
产业物联网的经济规模究竟有多大？一项分析预测：在2020年之前，全球该方面的支出保守估计约为5000亿美元；而更乐观的估计是，到2030年，产业物联网的全球生产总值可能高达15万亿美元。
埃森哲与通用电气在2014年联合进行了全球产业调研。由于认识到大数据分析法是产业物联网的基础，通用电气和埃森哲共同合作，在英国、美国、中国、法国、德国、印度和南非开展了一项实地调研，探究大数据分析法的现状，以及八大行业中企业高管对它的认识和态度。这八大行业分别为航空、风能、发电、配电、油气、铁路、制造业和采矿业。此外，我们还针对美国的医疗行业进行了一项类似的调查，结果也纳入了调研报告当中。所有参与调研企业的年收入均在1.5亿美元以上，其中一半以上的企业年收入达到或超过了10亿美元。半数以上的受访者为企业的首席执行官、首席财务官、首席运营官、首席信息官或首席技术官。其余受访者则为主管信息技术、财务、运营以及其他跨部门管理工作的副总裁及总监。
该调研结果显示，工业及医疗领域的高层管理者已普遍认识到了产业物联网的巨大商机，并且正在多种应用环境中部署第一代解决方案。绝大多数高管认为，只需等到一年之后（即2015年），大数据分析法左右行业竞争格局的威力就将展露无遗，因此这些企业正着力加强投资。一言以蔽之，产业物联网解决方案可以为企业带来显著的运营优势、战略优势和竞争优势。
大数据带给企业
部署产业物联网的紧迫感
在发达国家，产业物联网之所以能够被称为运营效率和创新的源泉，正是得益于它提供了一个有效的方程式，多种技术融合发展，共同促进产业升级：
首先是数据量的指数级增长——即“大数据”。如今，几乎任何一个工业部门的企业都可以获得大数据，主要是因为具有了将传感器和数据收集装置植入工业设备的能力。
其次是能够提供更多数据的物联网——设备、产品、工厂、供应链及医疗设备等都可以成为数据来源。思科公司预计，到2020年，连接到物联网的“实物”数量将从2015年的250亿增加到500亿）。随着数据湖（Data Lakes）等新技术的出现，捕捉、处理这些数据的能力已成为现实。
再次是数据分析领域的技术能力也在不断增强。挖掘和分析数据的能力，让企业可以在资产绩效管理（APM）或是医疗卫生服务交付的过程中，洞悉设备运行状况，甚至预测设备故障或其他意外情况的出现。
最后，在一些行业，设备本身或患者疗效正是业务的核心。在这种情况下，监控设备或医疗服务质量的能力不仅会有重大的经济影响，在某些情况下甚至还能挽救生命。
上述这些因素汇集在一起，就有了产业物联网——它是实体和数字世界的紧密结合。依托产业物联网，企业可以利用传感器、软件、机器对机器学习等各种技术手段，收集并分析从实物或其他大规模数据流中获取的数据，并利用分析结果来管理运营，或是提供新的增值服务。
在我们与通用电气的联合调研中，有一项发现引人注目，那就是企业受访高管在实施产业物联网解决方案时感受到的紧迫感。其部分原因在于，在整个行业层面和与同行竞争中都能感受到它产生的影响。例如，84%的受访者认为，大数据分析法的应用在一年以内“就有能力改变我所在行业的竞争格局”；而足有87%的人相信，大数据分析法将在三年内展现出这种威力。另外，89%的受访者表示，那些一年后还未采用大数据分析策略的企业将面临市场份额缩小、发展势头减弱的风险。
那么，那些领先企业正在从何处着手应对呢？在我们的调查中，欧美发达国家的工业企业高管们表示都非常清楚地意识到产业物联网潜在的力量与价值，其中关键是如何挖掘和分析大数据的商业价值，并以这些有意义的数据作为拓展创新商业模式的“货币”。例如，73%的企业在大数据分析方面的投资已超过企业技术总预算的20%，而两成以上的企业投资比例超过了30%。此外，3/4的受访高管预计，一年内的支出还会进一步向此倾斜。
在所有受调查的行业中，八到九成的企业都表示，大数据分析是他们当前最重要或是前三大重要的事务之一。如果看清楚大数据工作的主要支持者到底是谁，就更能明白大数据举措为何拥有如此之高的优先程度。简而言之，承担这个角色的不再像以前那样是首席信息官或首席运营官。53%的受访者表示，董事会才是大数据应用策略的最根本推动者，该比例远远高于其他被提到的管理者。事实上，在一些行业里，董事会的推动作用格外突出。例如采矿业中，73%的受访者认为董事会是首要推动方。而其他受董事会影响较大的行业还包括制造业（67%受访者将董事会视为首要支持者）、航空业（61%）和铁路业（60%）。
可以说，在战略决策层的指导和鞭策下，受访高管均感受到了一股紧迫感——必须更加积极地迈向产业物联网时代。而且，企业规模越大、复杂度越高，这种紧迫感也就更加强烈。
第一次跨越：
资产优化、运营优化、预测业务趋势
事实上，不同企业数据分析的应用阶段各不相同。与所有新技术一样，其成熟度曲线正日渐清晰，从而将先行者与那些仍在从事基础工作的企业区分开来。成熟度曲线初级阶段的任务之一，就是将运营资产连接起来，进行跟踪监测和故障诊断。但是在大多数发达国家，那些较早开始部署产业物联网解决方案的工业企业，其工作重点已经在从这种资产监测跨越到能产生更高营运效益的领域。譬如，通过引入分析法及更灵活的生产技术，制造商可以将生产效率提高30%。
为了提高生产效率和盈利能力，工业企业正在努力解决两个主要方面的需求：资产优化与运营优化。在资产领域，通过收集并分析大量的机器传感器数据，工业企业在创造经济价值方面正不断取得明显进展。此外，一些企业也正在利用从机器资产数据中获得的洞见来提高运营效率，以更大的信心打造其市场优势。
资产的预测性维护就是这样的一个重点领域，它能减少12%的常规维修工作，将总体维护成本降低30%，并消除高达70%的故障。例如，泰晤士水务事业有限公司是英国最大的净水提供商和污水处理服务企业，公司正在使用传感器、分析法和实时数据帮助企业更快速地应对各种紧急情况，如水管泄漏或恶劣天气导致的突发事件等。
另一个例子来自石油和天然气行业。作为美国受监管力度最大的能源供应商之一，哥伦比亚管道集团已显著加强了对管道运营和安全性的关注。它将现有的资产数据与数字可视化、分析法及共享型的环境智能系统结合起来，使管道运营商能够更快地应对突发事件。这有助于对维护任务进行优先排序，合理配置资源，以及根据风险评估更有效地安排资本支出。
更加熟练地使用数据分析法是大势所趋，航空业的燃料消耗解决方案就是一个典型的例子。航空公司的最大运营开支基本是在燃料上。过去10年中，燃料成本平均每年上升19%。而通过使用飞机各部件的全程飞行数据以及使用性能分析工具，将飞机的飞行数据、天气、导航、风险数据和燃料操作整合在一起，就可以缩短飞行时间，进而直接节约成本、提升利润。
智能建筑是另一种常见的产业物联网解决方案。例如，西雅图市就正将分析法用于建筑管理数据，以优化设备和相关工艺，达到节能减排和舒适性的要求。该技术是通过软件识别出设备和系统低效率的地方，及时提醒建筑管理人员哪里出现能源浪费现象。建筑物每个房间的要素——如照明、温度、窗帘位置，都可以根据数据显示来加以调整，以最大限度地提高能源使用效率。
通过大数据分析改进现有运营工作极富价值，但这相对而言仍是比较容易实现的目标。随着成熟度曲线的发展，企业会从主动性解决方案发展到预测性解决方案。例如，石化产品生产商可依靠预测性维护，避免不必要的停电事故发生，确保生产正常进行。油气勘探和生产企业阿帕奇公司正采用这种方法来预测在岸和离岸油泵故障，以最大程度减少生产损失。阿帕奇的高管指出，如果全球油气行业将泵的性能提高1%，原油产量每天就能增加50万桶，从而每年为行业增加190亿美元的额外收益。
医疗行业的趋势同样如此。医疗服务机构正在利用技术手段进行健康数据的实时采集，然后使用先进的预测分析技术，帮助预测未来情况。通过对数据进行预测性的测量、监控和管理，医疗组织可以有效提高护理水平，提早处理风险因素和慢性病的症状，并提供新的、更加有效的积极治疗方案。
一家领先的美国医疗机构在控制感染（败血症）方面的经验为我们提供了一个典型范例，展示出预测性分析法在提高临床医疗服务方面的作用。由于败血症是住院病患者死亡的主要元凶之一，因此医疗中心就定义了败血症的早期先行指标，并使用技术工具监测病患，进行早期诊断和预防。这一新举措已经拯救了数百人的生命，同时也为整个医疗系统节省了数百万美元的开支。
另一则成功案例来自美国佛罗里达州。一家大型医院和医疗中心使用了实时跟踪和分析法，优化病人流量，成功将急诊等待时间缩短了68%。入院时，急诊患者会拿到一个标牌，后台仪表板就开始记录病人在住院期间的整个活动。同时，结合病患实时定位系统、接口和病床分配时间来显示并评估该医院病人吞吐量的实时情况。医院还设法缩短了救护车接收病人的时间，保证大部分急救病人可在约三十分钟内护送到院。该医院的统计数字显示：住院患者平均年龄74岁，85%都是通过急诊收治住院的。
目前，这些事例在发达国家的数量还在上升，这足以说明产业物联网的巨大力量。正如诺福克南方铁路公司信息技术副总裁弗雷德·埃勒斯所说：“从20世纪60年代到90年代，铁路行业一直在努力通过自动化流程减少人工作业，这方面的任务已基本完成。现在，我们将关注焦点放在如何实现更完善、更有实据且更加智能的决策上。这可以从多个方向来推进，但主要应是自上而下，而非自下而上。”
第二次跨越：
打造创新型、增收型服务，开发新的细分市场
一旦企业通过运用物联网技术和数据分析法掌握了这些资产优化和运营优化的能力，它们就可以开始提供创新型和增收型服务。
例如，一家全球能源公司正利用分析法，对一个风电厂数以万计的数据点进行以秒为单位的数据分析。根据这些数据，企业可以操作一系列的性能仪表和杠杆（包括速度、转矩、节距、偏航、空气动力学和涡轮控制等），对风力涡轮机的运作进行微调，从而提高电能产量。而如果将涡轮机的控制技术应用到整个风电厂，该能源供应商就能将电力输出提高五个百分点。因此，一旦将综合性方法用于以燃料为动力的能源供应及可再生能源供应行业，数据分析法就可以直接创造收入，对企业经营业绩产生积极影响。
再如，通用电气公司借助产业物联网，将由其飞机引擎制造业务衍生出来的引擎检修业务推进至预防性检修模式，并逐步再拓展至机群维护服务。这种巧妙运用引擎工作数据的商业模式，为通用电气创造了新的民航运维细分市场。米其林公司运用同样的数字化方式，在卡车的引擎和轮胎上装备了传感器，收集有关燃油消耗、胎压胎温、车速以及位置等数据信息，并将之传送至云端，由米其林的专家团队对其进行分析，并向车队管理人员提出建议。此举使米其林帮助客户企业的卡车车队经理减少燃油消耗和成本，并向其按驾驶里程销售轮胎，既大大提升了客户体验，也彻底超越了传统对手的按件销售模式。德国农场设备制造商克拉斯公司所开发的设备可为农户提供自动化的指导服务，例如针对如何提高产量、减少损耗提出建议，或是实现设备性能的自动优化。该企业现正与其他团体合作，通过365FarmNet在线平台为种植户提供一站式的、农技相关的信息服务，该平台成员还包括安联、拜耳等处于同一生态系统的企业。
在与制造业相邻的行业，类似的例子还有很多。在汽车保险业，监控驾驶习惯的车载诊断接口就为“通过驾驶行为来厘定费率”的保险产品奠定了基础。而远程监控则有助健康公司提供更广泛的家庭护理服务。
因此，在信息技术和产业物联网领域，如果我们问“接下来会是什么？”，那答案很可能就是智能化服务。对于为何要抓紧时间实施基于大数据分析的创新型产业物联网解决方案，一位受访高管人员给出了自己的判断：信息技术需要从仅仅以自动化为基础的成本节约时代，迈向一个智能化与价值创造的时代。
工业企业的高管应如何利用产业物联网实现新的创收呢？埃森哲在全球范围内听取了相关客户和专家的意见和建议，并结合具体应用案例的分析，对当前的产业物联网概念进行了梳理，最终总结了三点建议供管理人员参考：一是提升产量并打造新的“产品+服务”的混合商业模式以增加企业营收；二是利用智能技术推动企业创新；三是推动人才队伍转型。
那么，对于创建更具预测性、创新性、价值创造型的高级阶段解决方案，企业是否做好了准备呢？答案大多是“尚未准备好”。不过，很多企业正在积极为这样的解决方案进行自我完善。当我们请企业高管们描述所在企业现行的大数据分析能力时，将近三分之二（65%）的受访者指出，企业目前的工作重心是跟踪监测，即积极培育监测资产的能力，提前发现运营问题，进行预测性的维护；58%的受访者表示企业已经具备了关联设备收集运营数据、分析数据并获取洞见等方面的能力。然而，只有40%的受访者认为他们具有了依据现有数据进行预测的能力；而能够从数据中获得洞见并藉此优化运营的企业则更少（36%）。
这些调查结果也通过其它反馈信息进行验证。当被问及在业务运营管理上的进展时，认为已具备了预测能力的仅占四分之一，表示具有优化能力的受访者仅有17%。在一次单独调研过程中，在我们询问其所在企业具备怎样的分析能力时（即完成连接—监控—分析—预测—优化等一系列工作的程度），答案主要集中在较为低端的能力上。只有13%表示具备了优化能力，16%则坦承根本没有开始打造这些能力。但埃森哲认为，在谋求产业物联网高级解决方案的过程中，关联、监控和分析是开发预测性模型和优化能力的先决条件，工业企业必须努力提升自身在成熟度曲线上位置，方能利用更为复杂的大数据分析工具。
迎接安全、整合、人才三大挑战
与发达国家运用产业物联网的案例相比，大多数中国工业企业部署产业物联网的目的仍在于实现“第一次跨越”。但这并不意味着中国企业迎接“第二次跨越”之前必须等待漫长时间，因为中国企业陈旧信息系统留下的包袱较少，“轻装上阵”比“重装上阵”更有便捷优势。然而，实时了解全球产业物联网的最新商用趋势和主要掣肘因素，对于任何一个希望通过“跨越式发展”提升产业链位置的经济体来说都至关重要。
即便在发达国家，产业物联网的实际普及速度并没有我们想象得那么迅猛。实际上，大多数企业高管们出台产业物联网部署的战略和解决方案的时间反而很可能会有所延迟。其主要原因，在于数据安全、数据孤岛、数据分析人才，以及企业间的系统整合问题等一系列挑战依对他们来说依然存在。在这些方面，中国和海外的企业大体处于同一个起点。
当今企业要如何做，才能提升自身产业物联网的能力，使其在成熟曲线上更进一步，开展更多的价值创造活动？基于埃森哲的调查和经验，以下措施可供参考。
一是投资于端到端的安全管理。针对网络攻击、防范数据泄露而设置的安全防护需要覆盖到整个企业范围内的全部资产。企业尤其要做好整个供应链的安全防护。采用强度测试以及在采购过程中要求安全认证等方式，确保供应商符合安全性要求。同时，采用工业控制系统（ICS）专用风险防范设备，利用IT技术确保工业控制系统专用的保护装置能防范工业薄弱环节和运营技术漏洞。
二是破除数据集成障碍。缺乏一种纵览企业全局的分析法战略，往往会导致分析技能互不衔接、重复工作，而最重要的是会影响到数据分析的投资回报。相反，数据湖等新技术与产业物联网能力的有机结合，可以帮助运营商将不同联网设备的传感器数据导入到一个平台。在这里，大量并行的处理能力将会对数据进行整体性分析，而不是去逐个分析数以亿计、具有各自文件路径的独立信息点。在发达国家中，已有领先企业成立了专门的集中化团队或IT部门内部的协调小组来管理大数据分析举措的实施，还有不少企业打算任命一位首席分析官，专职负责有关数据分析的工作和实施策略。埃森哲认为，将运营技术与信息技术部门结合，共同实现产业物联网的价值，是推动效益最大化的关键。
正如亚洲航空公司（Air Asia）区域燃油效率经理乔纳森·桑杰所说：“我们的数据很多，但实际使用的却很少。掌握信息不是什么坏事，但你需要用资源来分析数据、找到最佳解决方案、继而推出新的飞行计划。而我们所缺乏的，正是诠释数据的资源。”
因此，第三要务便是注重大数据人才的吸纳与培养。接受埃森哲和通用电气联合调研的约一半企业高管承认在一些关键领域存在人才缺口，其中包括数据分析、数据解读、零散数据收集与整合等领域。一种应对之道是，聘请某一行业的专家，迅速将业务需求转换为分析解决方案；另一个缓解措施是与大学等机构合作（55%的高管对此表示青睐），联合培养所需的人才。正如澳洲航空公司（Qantas Airways Ltd.）飞机性能与机队经理伯特兰·马森所说：“招募维修工程方面的人才着实不易。经验固然难能可贵，但澳航还是选择了与多所大学建立合作关系，从学校招收拥有航空工程学和计算机编程双学位的学生。我个人认为，这才是最佳的技能组合。”
“国家吸收能力”超越技术本身
从宏观产业政策层面看，无论是英国的“新工业革命”、德国的“工业4.0”，还是中国的“中国制造2025”，很多国家都在传统工业向数字经济转型过程中，将产业物联网视为实现快速增长的有效途径。但是如果没有构建恰当的支持环境，就很难充分把握这一机遇。
因此，一个国家必须了解自身对产业物联网的“国家吸收能力”，也就是如何在经济和社会体系中融入各种创新的能力。在这方面，国家决策者应当将关注焦点从技术本身转移至促使技术扩散转化为经济扩散的各种条件当中。埃森哲为此建立了四项支柱模型，揭示了有助于各国获取产业物联网最大经济效益的要素。
一是商业环境。这是指企业能够利用的商业氛围和资源库，企业可以藉此来推出自身业务。在提升商业环境的实力方面，强大的电信和互联网基础设施发挥着重要作用。
二是腾飞因素。这些因素有助于将技术进步转化为实用的应用软件、产品和服务，而不再局限于小众市场和技术玩家之中。随着技术基础的建立，创业者、大型企业和社会公众都会开始运用新技术，进而推动不断创新和规模扩大。
三是转化因素。这些因素有助于将技术深深地植入到经济中——引导企业、消费者和社会的行为发生更加广泛的转变。就这一点而言，变革不止关乎技术本身，更重要的是实现了组织和社会变革。例如在过去二十年，技术进步清楚展示出了互联网的经济扩散过程：从电子邮件和文件共享领域等相对有限的应用，逐步延伸成为企业经营方式和许多消费者日常生活方式的基础。
四是创新动力源泉。这是指通过技术催生出可自我持续的创新与发展。当这种情况发生时，创新者将其他领域的技术进步与核心技术的最新流行趋势结合起来，打造之前难以想象的互补商品，从而产生“乘数效应”。例如，电子学催生出了现代计算技术，当其与电信传播方式结合在一起，就缔造了如今的互联网和产业物联网。
根据埃森哲对全球前20大经济体的对比研究评估，中国对于产业物联网的“国家吸收能力”分数位列第14位，落后于美、日、德和韩国，但领先于法国、印度和俄罗斯。然而总体来看，目前尚没有一个国家在所有指标达到优秀水平。换言之，每个国家都仍有大量工作亟待完成。围绕产业物联网展开的竞争才刚刚开始。但我们通过观察这种量化能力指标便不难意识到：在其他条件不变的情况下，假如这20国在产业物联网上投入数量相同的资金，那么指数排名靠前的国家将获得更大的经济效益。