當傳統工業崗搭上“順風車”，成為工業大數據分析師 | CDA持證人專訪

嘉賓：CDA持證人?徐鶴?工業大數據分析師

采訪老師：大家好，又和大家見面了，今天我們邀請到了徐鶴來參加我們的CDA持證人專訪。

嘉賓：Hello，我叫徐鶴，之前是一名控制算法工程師，現在轉型成為了工業大數據分析師。

問題1：之前從事傳統工業的控制算法工程師，和現在工業大數據分析師相比較起來，你覺得有什么區別呢？大家覺得工業大數據行業還是比較神秘的。

嘉賓：傳統的控制算法工程師主要針對設備的管理系統進行控制邏輯開發及測試。那么工業大數據分析師主要是利用統計學、機器學習、信號處理等技術手段，結合業務知識對工業過程中產生的數據進行處理、計算、分析并提取其中有價值的信息和工業運行過程的規律。工業大數據分析的直接目的是獲得業務活動所需各種的知識，來推進設備和企業的精細化管理。

問題2：工業大數據分析主要應用在那些方面呢？?

嘉賓：根據業務目標的不同，工業大數據分析可以分成四種應用類型：

1、??描述型分析，用來回答“發生了什么”、體現的“是什么”過程。一般通過計算數據的各種統計特征，把各種數據以便于人們理解的可視化方式表示出來。工業企業總的周報、月報、商務智能分析等，就是典型的描述型分析。

2、??診斷型分析：用來回答“為什么會發生這樣的事情”。針對設備運行等過程中出現的問題和異常，找出導致問題的原因所在，診斷分析的關鍵是剔除非本質的隨機關聯和各種假象。

3、??預測型分析：用來回答“將要發生什么？”。針對生產、經營中的各種問題，根據現在可見的因素，來預測未來可能發生的結果。

4、??處方型（指導型）分析：用來回答“怎么辦”的問題。針對已經和將要發生的問題，找出適當的行動方案，有效解決存在的問題來把工作做得更好。

業務目標不同，所需要的條件、對數據分析的要求和難度就不一樣。大體上說，四種問題的難度是遞增的。描述性分析的目標只是便于人們理解；診斷式分析有明確的目標和對錯；預測式分析，不僅有明確的目標和對錯，還要區分因果和相關；而處方式分析，則往往要進一步與實施手段和流程的創新相結合。

問題3：您平時做工業大數據分析時，最常用到什么分析工具呢？

嘉賓：最常用的建模工具是Python，會針對具體的業務問題進行相應的機器學習、深度學習等建模過程。

問題4：最近也是到了畢業季，您覺得工業大數據的就業前景怎么樣？有什么經驗可以分享給正在找工作的同學呢？

嘉賓：工業數字化、網絡化和智能化的步伐不斷加快，工業大數據的發展前景也是非?？捎^。國家層面提出要從工業大國向工業強國的轉變，政府的政策制定、驅動導向、發展引導、配套支持等，也為工業大數據產業發展創造了優良環境。

至于建議，工業大數據不同于傳統的數據分析，也不同于商務大數據分析。工業場景的邊界都有專業領域的機理進行約束，工業大數據的分析注重數據模型和機理模型的融合，它的重要特征是數據與機理的深度融合。所以呢，建議對工業大數據感興趣的同學，不僅要了解大數據算法，也需要了解領域常識，如設備運行機理、運維過程等相關的知識。

問題5：我們今天和大家聊了許多您過去和現在的職場發展，那您將來有什么職業規劃呢？?

嘉賓：在工作實踐中認識到工業大數據分析的瓶頸難點，往往不是計算機存儲和處理數據的能力，而是數據關聯關系的復雜性。這種復雜性使得一些傳統的數據分析方法難以奏效，無法高效提煉出質量更高、價值更大的知識。那么針對這一點呢，今后除了在算法層面的能力繼續加強，也要加強借鑒工程思想和方法。通過技術驅動與業務驅動相結合，努力成為工業大數據領域的技術專家。

結束語：

成為工業大數據分析師，工業大數據再次插上了大數據的翅膀，加快了工業的數字化智能化的腳步。剛才也談到了，想要進入工業大數據做數據分析相關工作的，不僅要了解數據分析的相關知識，還要了解工業領域的相關知識。這也是給想要在工業領域做數據分析的小伙伴們一個重要的提示。好了，今天的CDA持證人專訪就到這里，再一次感謝徐鶴接受我們的采訪，謝謝！