数据观产业巡礼京津冀篇
对国民经济发展来说，制造业是国之重器，打造具有国际竞争力的制造业，是我国提升综合国力、保障国家安全、建设世界强国的必由之路。2015年5月发布的《中国制造2025》战略文件，强调通过大数据、云计算等新技术来提升中国制造业的智能化水平，推动企业完成智能化升级。联想集团作为IT制造企业，如何完成自身的智能化转型？又有哪些举措来推动其他传统企业加快业务优化升级？ 联想集团副总裁、首席研究员、大数据事业部总经理田日辉在接受数据观专访时谈到：“数据智能的应用优化了联想内部的业务流程，基于这些经验，我们正在将联想的大数据产品对外提供服务，希望帮助传统企业实现智能制造。”
从自身业务出发探索数据智能
2011年，出于自身业务发展需求考虑，联想开始做大数据。最开始是使用大数据对设备的应用服务进行优化，成熟之后扩展到联想内部的业务运作，包括供应链的分析优化、质量的预测、精准营销等。这个在集团内部使用大数据优化业务流程的过程，使联想在数据分析、数据采集、数据智能分析应用方面积累了大量经验。2016年开始对外提供大数据平台产品、数据智能分析咨询服务等。据田日辉介绍：“目前联想已经构建了统一的大数据平台，并开始投入搭建大数据生态系统。”
联想生产制造的产品包括手机、PC、平板等个人设备，在对外的大数据服务中，面向个人的服务是联想的大数据业务板块之一。田日辉表示：“这个板块的核心是设备加云服务的模式。”设备就是各种智能的个人设备，除了联想自身的智能手机、PC等，还有智能音箱、智能家庭设备等都包含在内；同时在设备后台提供强大的云服务支持，包括智能引擎、个人助理、内容的个性化服务等。
对外服务的另一个业务板块，是面向企业的产品和服务，这个部分则是联想云计算加人工智能的综合体现。在这个板块中，一方面提供数据智能的计算平台；另一方面提供AI的算法和模型，将数据的价值发挥出来。这些都集中体现在联想的LEAP大数据平台中。
联想的企业级大数据分析平台LEAP（Lenovo Enterprise Analytics Platform）有六大产品线，分别是大数据智能平台LEAP AI、大数据计算平台LEAP HD、物联网采集LEAP Edge Server、数据集成平台LEAP DataHub、数据治理平台LEAP DataGov和可信计算引擎LEAP Trusted。。在这六大产品线中，包含了数据整合、计算引擎、数据分析算法和模型、数据治理和数据安全保护等大数据各个层次的服务。
数据智能的核心是数据和分析模型
田日辉称：“不管是面向个人，还是面向企业，联想的产品和服务都必须是围绕数据智能而设计的。”那么实现数据智能，需要做好哪些方面的准备呢？对此，田日辉在介绍联想LEAP大数据平台时提到：“数据智能的核心主要体现在两个方面：整合多源异构的数据形成数据湖（Data Lake），以及能结合不同行业业务的分析模型。”
数据是分析的基础。在联想的业务中，数据主要来源于三个方面。一部分是企业内部各部门、各生产环节产生的数据；一部分是产品运行产生的数据、以及用户使用过程中在电商系统、搜索系统中产生的数据；还有一部分是来自开放市场里竞争对手的策略、宏观经济的状况等。这些数据可能是结构化的也可能是非结构化的。
在大量结构化和非结构化的数据基础上，如何进行存储和分析？在大数据的发展过程中，数据存储和分析技术有三个层次，分别是数据库、数据仓库和数据湖。数据库相当于一个电子化的文件柜，主要存储关系型数据，支持实时的、小批量的数据交易。数据仓库能将各种业务系统的结构化数据整合在一起，进行业务分析并提供直观易懂的查询结果。现在越来越多企业更倾向于使用数据湖。和数据仓库相比，数据湖最大的优势在于它能统一处理结构化和非结构化的数据。另外，数据湖采用并行处理技术，并且能支持深度学习方法在内的多种机器模型的算法，这些特点意味着数据湖有更高的效率。从企业数据应用的整体角度来说，数据湖的各方面性能比数据仓库提升了很多，所以联想在构建大数据平台时会采用数据湖技术。
构建数据湖是加快实现数据智能基础条件。田日辉认为：“对于企业来说，使用数据湖技术最大的难点不在于技术条件，因为现在有不少大数据厂商有能力去帮助企业来搭建这样的大数据平台，最大的阻碍其实是在企业的管理上。”任何企业都希望能尽快看到数据产生的业务价值，但是做好数据整合、数据治理需要完成很大的工作量，并且将分散在各部门的数据整合起来也存在管理上的挑战。这些难点要求企业首先要有这个意识，要有构建统一的大数据平台、建立全面的数据智能应用的主动需求；其次要看企业有没有决心去投入、去重塑企业的管理模式。
有了数据以及数据存储管理技术，数据智能的另一个核心在分析模型上。例如在联想的LEAP大数据分析平台中，有几百种算法，这些算法会根据用户行业应用的不同，来进行业务方面的优化，形成分析模型。不同的行业，虽然数据内容不同，但对数据的整合、分析和治理方式是一致的。在分析模型的具体应用上，则需要有理解这个行业，并且懂得行业业务逻辑的人，来对分析模型的实际使用做出调整和优化。
数据是基础，而分析模型是挖掘数据价值、实现业务优化的方式。有了数据和分析模型就能够快速地帮助企业进行用户体验的优化，包括产品体验的优化，供应链效益、企业整体管理效益的提升，供应链上下游之间实现更高效的协同等。田日辉表示：“这就是我们所说的，数据智能需要形成统一的数据群、统一的治理并且做到敏捷智能，才能帮助企业完成转型升级。”
数据智能推动京津冀一体化发展
我们已经进入到智能互联网的时代，在这个时代，数据和智能化的应用将会改变每个人的生活体验，提高企业的生产效益，最终提高整个社会的效益。田日辉认为这才是联想追求并致力于去实现的目标。同时，联想也在搭建大数据产业生态联盟，与众多合作伙伴一道推动先进制造业的发展。
京津冀一体化是国家发展的战略性规划，数据智能会对此产生巨大的促进作用，同时京津冀地区自身的条件也将推动数据智能的发展。在京津冀地区的整个体系里，发展数据智能具备多方面的优势：在以北京、天津为核心的大城市，聚集着大量大数据和人工智能相关的科技人才；包括联想在内的大型科技企业，以及众多的创业型公司也在这个区域诞生。这将有利于推动新技术和新模式的应用，从而带来新的产品创新以及新的业务模式和应用价值，这是京津冀地区创新发展的最核心的驱动力。
另外一方面，人才和企业的聚集，使京津冀地区的产业配套更加丰富和成熟。这为传统企业在使用数据智能的过程中提供了成熟的案例以及便利的条件。同时通过工业智能的应用，能够让传统企业用数据智能的方式快速提升业务效率。这个不仅是对京津冀地区，对全国的工业发展、产业转型升级都有重要的意义。
据田日辉介绍，联想作为全球化的企业，三分之二的业务来自海外，尤其是在亚太地区，并且全球不同国家和地区拥有十个数据中心，形成了数据智能的基础和体系。这样的全球化大型企业在一带一路等国家对外发展战略中发挥着排头兵的作用，可以帮助很多中国企业，尤其是京津冀地区的企业走出去，在一带一路的建设中发挥更大的价值。同时，这些企业的相互合作，可以利用在海外的管理和数据服务的优势，推动国内产业的结构化升级。
✍数据观采访感悟
当数据积累到一定程度形成大数据，它的价值得到认可和重视，这时候需要出现相应的大数据技术来对其进行存储和处理；当有了合适的技术来挖掘数据的价值时，最重要的就是要形成利用大数据的意识了。大数据发展目前处于初期阶段，技术条件基本能满足当前的需求。但技术的发展是突飞猛进的，人的思维能不能跟上技术发展的速度，以及有没有决心做出改变，决定了你能在这个新的时代中能走多远。
