美女你很内涵
大数据是一个事关我国经济社会发展全局的战略性产业，大数据技术为社会经济活动提供决策依据，提高各个领域的运行效率，提升整个社会经济的集约化程度，对于我国经济发展转型具有重要的推动作用！2016年，由中国首席数据官联盟与网加时代网发起并承办，北京大学信息化与信息管理研究中心、中国新一代IT产业推进联盟、数邦客协办的“影响中国大数据产业进程100人”大型人物专访活动全面启动，被采访对象分别来自政府、产、学、研、企各个领域，他们将从不同角度，不同层面向大家阐述当前大数据产业热点、难点、疑点问题，为中国大数据产业健康、持续发展探索经验、保驾护航，敬请关注！
第三十一期专访人物：中国首席数据官联盟专家组成员，武汉优博睿科技有限公司创始人康志刚康志刚，中国首席数据官联盟专家组成员，武汉优博睿科技有限公司创始人。
本期特邀嘉宾中国首席数据官联盟发起人鲁四海，就工业大数据向康志刚先生发起提问。
鲁四海：说到工业大数据，离不开制造企业转型升级，那么制造企业为什么要转型升级，到底还缺什么？
康志刚：说转型，好像比较婉约一点，也看不出紧迫感。我个人认为转型更大程度上属于技术手段触发的局部的商业模式调整问题。从我们持续近十年来的研究，我们认为，它就是一场工业革命。为什么呢？当前制造业所面临的革新首先是全球性的，它具有极高的是残酷性，是新一轮工业标准制定争夺战，是定价权的战争。既然是新标准制定，那结果就是制定标准、输出标准。如果我们对此后知后觉，认为它仅仅是个转型，将错失千载难逢的、参与本轮工业革命标准制定的窗口机会。前三次工业革命，中国都没能参与制定标准，我们国家的工业基本上是“被标准殖民”，“被技术绑架”的。所以只能做“工业大国”，“世界工厂”。我们必须要有清醒的认识，我们想要成为“工业强国”，必须要抓住先机，参与制定被称为第四次工业革命“DT技术革命”的标准。
有人质疑，前三次工业革命都没能赶上，这次数据技术革命咱们有资格参加吗？要回答这个，我们的制造业必须要补课。但这个课，我首先申明不是补什么“工业2.0”、“3.0”的课。上自动化只是个技术问题，不算是补课。这一轮工业革命也不是信息化加上自动化。所以国家的“两化深度融合”战略，某种意义上与这一轮“DT技术革命”没有什么关系。为什么呢？今天的“两化深度融合”样板企业有不少，它们实现智能制造了吗？实现“DT技术革命”了吗？没有。我们可以肯定的说，本轮工业革命就是“数据驱动”要革掉“管理驱动”的命。“两化深度融合”的样板企业为什么没有出现“工业大数据”？ 为什么没有实现“数据驱动”？“管理驱动”为什么会被革命？“管理驱动”如果被革命，那么以“管理驱动”为导向的一大堆管理应用系统如ERP、MES、CRM、SCM等的命运如何？先把这些问题都理清楚，才是我们的制造业首先需要补的课 。凡是都有因果。要搞清楚这些问题，我们必须认清这场来势汹汹的工业革命的因果。
鲁四海：在您看来工业4.0首先不是解决技术问题，而是重构整个理论体系，这又是为什么呢？
康志刚：好的，我看先来看一下第四次工业革命的起因，很直接的就是第三次工业革命“管理驱动”为导向的信息技术革命未能解决，而又是工业制造业迫切需要解决的问题。也就是说它一定是个共性的问题。我们先来看看，到底是个什么样的全球性共性问题呢。
这是我们研究分析的结果：即使是在信息化与自动化高度融合的制造业，无论是内企还是外企，全球范围内的工业还面临着三个核心的瓶颈痛苦，这也是信息技术革命无法突破的，具体如下：
其一、对内的总体成本控制能力失效。为什么呢？在全球工业企业的财务报表上，无一例外都没有“浪费”两个字。浪费都被“包装”为成本。制造业花了巨资实施的管理应用系统变成了电子台账，无法量化浪费，持续消除浪费。
其二、对外的客户服务能力有限。即质量、交期、进度为导向的客户服务、客户体验以及客户维护服务能力不能有效保障。
其三、被供应链绑架。产业链分工细化导致供应链体系复杂，因所有的制造业都被前两个问题所束缚。实际上，制造业对外的客户服务能力有限，都是被供应链绑架的。这在内企更为突出，供应链呈现的就是“群体性互害模式”。
以上三个问题归一，制造业实际上是“被数据绑架”。所以“中层干部集体数据造假绑架高层”，绝不是空穴来风啊。制造业对内无法通过数据量化浪费，无法消除浪费。紧接着导致了第二个、第三个一连串的问题。
以上三个问题是“管理驱动”为导向的信息技术革命的结果，也是第三次工业革命无法穿越的。这是导致第四次工业革命的因。这些问题很显然不是技术问题，更多的应该是理念、理论体系出现了问题。直接的原因就是“管理驱动”。为什么呢？
因为第三次工业革命有悖论，一定是违背了逻辑。我曾经在2015年6月发表了《深度思考|信息化建设理论走歪了！》这篇文章。文中包含了我们持续八年来对管理信息化系统应用问题的深刻思考。对以管理驱动为导向的信息化管理系统存在的问题、弊端和悖论做了有力的论述。原文中关于信息化建设理论的悖论，共提出如下四个论点：违背管理逻辑，管理模型悖论，本末倒置，庸医（***）。我们逐条来看：
（一）违背管理逻辑
从数据的角度抽象管理，管理就是“管数据”，“理数据”。管理的过程抽象，就是“数据获取”、“数据分析”和“数据应用”。这其中包含严格的因果逻辑，即先有“数据获取”，才能做“数据分析”；有精准的“数据分析”，才有可落地的“数据应用”。
而实际上以“管理驱动”为导向的管理应用系统，强调帮助企业做决策支撑，乃至自动化、智能决策，这些都是属于“数据分析”和”数据应用”的范畴。传统的管理应用系统忽视和弱化了“数据获取”。这就违背前因后果逻辑。“数据分析”和“数据应用”是果，没有因，何生果。
所以违背管理逻辑实际上就是违背了因果法则。
（二）管理模型悖论
管理应用系统要实现“管理流程”的梳理， 必须对该管理流程进行数字化建模。而一旦数字化建模成功，则意味着该管理流程的固化。管理流程的固化则违背了精益管理的宗旨 - -“持续改善”。即“管理流程固化”与“持续改善”冲突。这就是“管理模型悖论”。
企业从小到大发展、从粗放式管理向精细化调整的过程中，管理的需求随时在变。“管理数字化模型”一旦建立，便不能适应企业下一步的管理需求。这就是全球性的某ERP巨头常对业主说的：这是需求不确定所造成的“建模鸿沟”。这个“建模鸿沟”是不可逾越的。实际上他就是个悖论。
某信息化巨头后来提出了“管理模型进化论”。试图建立一个可以自行进化、自行迭代的管理模型，以实现对“建模鸿沟”的超越。到目前为止，没有哪个信息化巨头推出一个可以持续自行迭代的管理模型。本人认为，这个陷入“悖论”的“管理模型进化论”必然是个怪胎，逃不出胎死腹中的宿命。
“管理数字化模型”的“电子台账”，还导致另外一个令业主头疼的问题，那就是制造大量的非结构性数据，大幅增加数据使用的成本。
要解决这个问题，还得看清楚管理模型的存在的致命的“颠倒”。
（三）本末倒置
从价值流的角度分析，企业价值分为直接价值和间接价值。直接价值就是价值创造（对于制造工厂来说即是生产制造）。其他都属间接价值。管理是典型的间接价值。故而管理本身是不能创造价值的。管理就是要保障价值创造时的人机料法环的协调（因缘和合），这就是我们常说的高效价值创造。也就是说管理的价值在于保障价值创造时的人机料法环协调（因缘和合）的能力。
由此我们进一步推论，价值创造时的人机料法环不协调，实际上就是企业的”浪费”。 管理的目的就是要能持续消除浪费。任何不能保证“人机料法环协调的流程“在经济学上就是企业的浪费。
如果人机料法环都协调了，管理的需求就会减少乃至消失，管理也就会变简单。
企业不去有效保障价值创造时的人机料法环的协调、实现高效价值创造，不去有效地消除企业的“浪费”，而是上一大堆“管理驱动”为导向的管理应用系统，为管理服务、为管理者服务、甚至为管理应用系统服务。这就是本末倒置。
有人声称：企业上管理应用系统，最终也是要消除浪费、为高效价值创造服务的。这个辩解是荒谬的。这就譬如从武汉到北京有两点直达的火车，既省时又省钱。但有人非要先从武汉坐到上海，再从上海倒腾到北京。并且还理直气壮的宣称，你看，我也到北京了……这个时间账、经济账如果一算的，你会得出这样的结果：管理、管理者乃至管理系统把自己推到了消除浪费（实现高效价值创造）的“中间层”。变成了高效价值创造的多余的环节。管理自身也变成了企业经济学上的“浪费”。
在本轮工业革命数据技术革命中，这个“两点直达的火车”，就是 “工业大数据模型”。这个工业大数据模型也就是价值创造的“因缘果模型”。它不是以管理为导向，它是“为高效价值创造服务”的“工业大数据模型”，不存在管理模型悖论的问题。
“为高效价值创造服务”的工业大数据，量化价值创造过程，有效测量浪费，可以持续消除浪费。这样通过“工业大数据模型”，我们可以制定“消除浪费的标准”了。
（四）庸医（***）
制造业的管理问题不是一天产生的，也不可能一次性全部解决。诸多问题之间存在着复杂的因果关系，解决这些问题需要有诸多的因缘和合和次第。企业的“浪费”只能一个一个的消除。试图一次性解决所有的问题的“***”行为，必然违背因果法则。
要解决这个问题，只有基于TOC约束理论，也就是“围桶理论”，一个一个的补短板，消除浪费。在制造业消除浪费的维度上，“长尾理论”是失效的。因为制造业内部的浪费是不可以转嫁出去的。
鲁四海：您前面讲到，工业4.0非常重要的是数据，那应该如何去获取有用的数据，这些数据都在哪？
康志刚：前面已经论述了，制造业当前的管理驱动为导向的管理应用系统存在严重的悖论，违背管理逻辑，本末倒置，为管理服务、为管理者服务的“电子台账”导向，以及数据获取的能力缺陷等问题。导致企业缺数据，即使是有限的数据也是电子台账的非结构性数据，数据价值密度低，使用成本高。
我们同时也要认识到，企业最缺的是支撑持续改善、持续消除浪费、持续降低成本的数据。这些数据只能从以价值创造为导向的工业大数据模型中来。基于价值创造的工业大数据，详细记录了价值创造过程中的一系列因缘果数据。这些结构性数据来自价值创造的第一线车间现场。其因缘果结构性属性又是智能制造的基础。这些数据可以量化价值创造过程、测量浪费，就可以持续消除浪费了。只有实施以价值创造为导向的工业大数据、智能制造解决方案后，数据的问题才能解决。
鲁四海：您从思维的高度提出获取数据的方法，那么在有数据之后如何用大数据进行精益生产？
康志刚：工业大数据解决方案或者智能制造解决方案，可以说就是一个工业大数据支撑的精益制造平台。该平台中流程标准化是第一步。必须说明的是，这个流程一定是有效的价值创造流程，不会涉及到所谓的管理流程的标准化。为什么？管理流程标准化是个悖论。它违背精益管理思想，这在前面管理模型悖论里就说过了。
工业大数据解决方案搭建了一个全员参与的精益制造平台。这个平台是为实现高效价值创造而搭建的，它具备持续测量浪费、持续消除浪费的能力。平台里，每个员工都在做精益生产。这与传统的浮在水面上的、基于管理思维的、集中在管理层的精益是完全不一样的。精益思想通过工业大数据解决方案扎根于企业的每一个价值创造环节。基于工业大数据的PDCA帮助制造业持续消除浪费，帮助企业的每个价值创造点实现高效的价值创造。这是工业大数据方案能成为消除浪费标准的基础。
鲁四海：在您看来工业大数据将会给制造企业管理带来哪些变化？
康志刚：企业管理问题都是因人机料法环的不协调造成的。或者说价值创造时的浪费造成的。如果价值创造时的因缘和合得到保证，即传统的管理模型被工业大数据因缘果模型所替代后，管理的问题还会有这么多，还有这么复杂吗？我们不妨推论。基于我们对工业大数据的研究实践成果，以及管理理论创新的研究成果，随着工业革命的深入，我们认为工业大数据将带来如下变化：
1)管理系统的电子台账将成为历史
传统的管理系统产生了一堆电子台账，传统的管理系统是不能认识”浪费”。管理之目的一旦从管理被纠正为高效价值创造，价值创造模型（工业大数据因缘果模型）逐步代替管理模型。诸多的管理应用系统所产生的电子台账随缘生灭。
2）传统管理流程逐步消失
因管理的本末倒置，管理流程不能直接保证价值创造的因缘和合，沦为高效价值创造的中间层，成为企业浪费。一旦管理之目的一被纠偏，回归为高效价值创造服务，传统的事后管理、电子台账统计的流程，将被保证价值创造因缘和合的工业大数据驱动的控制流程所替代。
3)管理由复杂变简单
工业大数据驱动的控制流程逐步替代原有的事后管理流程之后，人机料法环的协调自然得到保证。一旦人机料法环的协调得到保障，企业运营的混乱状态自然消失。当前的复杂的流程将逐步消失，众多的无需存在的KPI（绩效考核）指标亦将消失……摔掉这些无用的包袱后，管理自然就轻松了。
企业的诸多管理”需求”也并非实有的，许多管理的需求是虚妄的。一旦企业的（信息孤岛）消失，管理需求就会减少。管理就变得简单。
4）浪费将成为财务报表的核心指标
当前的企业财务报表上是没有“浪费”两个字的。管理驱动的结果无法测量浪费，故而将浪费包装成成本，隐藏于财务报表中。这就是传统管理应用系统为企业埋藏的一个巨大的定时炸弹。
工业大数据因缘果模型将有效量化浪费，帮助消除浪费。浪费将出现在企业财务报表中，并且成为企业财务报表的核心指标。
5)管理者被去中间层
随着信息孤岛、诸多复杂的管理流程的逐步消失，管理者的角色必须向价值创造的角色进行转换。传统的管理者角色消失。因缘生因缘灭。
6）管理应用系统逐步被淘汰
管理流程、KPI指标、管理者等从企业中逐步淡化至消失，那些为管理服务的管理驱动为导向的ERP、MES、CRM等管理应用系统亦将消失。无论企业对此领域的投入有多大，几百万、几千万、乃至数亿，这些钱注定成为企业财务报表上的某种意义上的浪费。
传统的信息化巨头，无论是国内还是国际的，如果不迅速做出调整，将面临巨大的生灭无常压力。
7)因缘果工业大数据模型将广泛应用
上述的转换皆由价值创造模型的应用实现。而价值创造模型就是价值创造的因缘果模型，也就是我们常说的工业大数据模型。因缘果模型将被广泛的应用。
DT时代的变化只会更多。当然工业大数据量化价值创造能力，重构大数据大生态圈，与社会大数据融合提升国家的社会治理能力，我们也曾有专门的文章研究。未来工业大数据的应用价值和范围会不断延伸。即将到来的DT技术时代，工业大数据的主角地位是不可替代的。工业大数据带来的惊喜只会越来越多。
。
中国首席数据官联盟/中国CDO精英俱乐部是国内首个以CDO为核心的技术型非盈利性联盟组织，遵循自愿、平等、合作的原则。其发起人为刘冬冬、鲁四海、葛涵涛。我们希望成为中国大数据产业创新与发展推动者，为实现中国大数据产业全球领先而努力。我们将一如继往的打造跨行业、跨领域的商业精英交流平台，提升CDO在企业中的地位，提升企业的数据化水平，将数据变为未来企业发展的核心驱动力并最终推动中国大数据产业整体发展水平。
本文由“首席数据官联盟”公众号及其运营主体整理、创作，如需转载或引用该文章的任何内容，请注明来源。未经书面同意，不得擅自修改、歪曲、篡改文章内容，不得转载或使用该文章中包含的任何图片或影像。
