“過去10-20年，在整個中國互聯網的推動下，C端數據的積累已經非常豐富。而下一個10年或者20年，B端數據的整合運用將會是主要課題。”在10月22日舉行的上海靜安大數據論壇中，TCL實業副總裁何軍表示，B端大數據最難的環節，當屬工業大數據。

何軍在提及TCL時表示，“我們確實是實體，但我們不是傳統企業。”

“新基建大背景下傳統企業也變成了新企業。”他認為，新基建本質是數字化基建，數字化基建的核心是數據。如何讓數據更易獲取、更好融合，關鍵在于如何讓數據進行價值變現。

90%的工廠近乎“黑盒子”

現場，何軍將TCL稱為“非常典型的產業一體化代表”。終端側，TCL旗下子公司雷鳥科技曾以增資擴股的方式引入戰略投資者騰訊，主要從事“雷鳥”或其未來新開發品牌智能電視的設計、生產、制造和銷售，并負責TCL多媒體及其控股子公司在中國地區的全部智能電視終端平臺運營;上游端，TCL控股電視面板廠商華星光電，并進入到原材料和半導體材料生產領域。

這根全產業鏈中，如得到更豐富更干凈的數據并將其融合，成為擺在企業面前的一大難題。

“首先，讓數據更干凈很重要，數據不清楚會導致所有的決策都是錯的。其次，數據的融合和協同很重要，即如何將上游原材料、半成品的數據，和終端、銷售的數據打通。”何軍表示。

TCL實業副總裁何軍

目前，TCL在全球約有22個生產工廠，供應鏈全球化程度非常高。但同時也造成了一個困難——如何將其在C端的大量用戶數據推進到供應端和工廠，進行數據融合。

同時，因為有大量的供應商、代理商和下游客戶，保證數據一致和及時抓取成為一大難點。

“事實上，TCL所有的數據場景里，我認為最難的是工廠端。目前，國內99%的工廠可以說都是‘黑盒子’—— 90%的制造業連基本的信息化和自動化都不完善。這導致我們很多IT系統都無法上線。個人預估，目前國內制造業能達到20%-30%的自動化數據在線率就已經不錯了。”何軍坦言。

他透露，當前工業領域的工廠，仍有大量數據無法獲取的。比如，電力、溫度、度濕等等工業敏感，TCL在產業鏈中的獲取率不足5%，而工廠生產過程中的數據獲取率不足20%。

此外，國內生產領域的企業，圖片數據和視頻數據的缺失度也非常高。“過去我們會配備大量工程師，以人工觀測的方式做人工判別，現在我們在一些半導體工廠已經實現機器替代，進行缺陷判別，準確率和覆蓋率有非常明顯的提升。”何軍表示。

如何獲取干凈的數據

眼下，華星光電內部正在啟動數據治理工作。TCL發現，將管理數據分解到上千項的子項后，工廠和工廠、產線和產線之間是不統一的。即使是最應該標準化的財務報表，對收入的統計口徑在每個產線也是不一致的，更遑論原材料、半成品、投料等數據。

“其中的工作量巨大，所以每個制造業公司應該從管理層角度去重視數據質量的提升和治理工作，而非讓IT團隊或者業務部門牽頭去做這件事。”何軍表示。

他認為，獲取數據過程中，最基本的工作是保證數據的真實性。如果梳理一下數據來源，目前國內最完善的制造業仍有70%左右的數據為手工輸入，真實性程度仍有待提升。而高端制造業工廠普遍習慣購買一套商業套件，導致數據的系統和系統之間標準不一致、不融合。

在TCL內部生產環節中，經常遇到一個問題：當有問題的產品出現后，如何快速找到根源。但這個過程超越了單一工廠的管理，可能會牽涉到供應鏈、供應商、采購環節等。如果需要外部供應商配合，周期通常需要4-8周甚至2-4個月。而這一套流程走下來，損失往往已經造成。

責任編輯：gt

基于華星光電等高端制造業的經驗積累，TCL認為，需要一套完整的端到端解決方案。其中，中臺的建設是未來的關鍵。

3年前，華星光電便已開始啟用自研的工業互聯網平臺。從第一代工廠至今，已布入2．6萬個傳感器。這些傳感器可以搜集到大量傳統工廠搜集不到的數據，包括空氣適度、溫度、氣壓、設備運行等。

“這些數據與傳統的生產、管理數據進行融合后，我們會用圖形化的方式將其展示給工廠一線的管理者。”何軍透露，目前TCI實業的重點正在向如何開發自助式工具傾斜，希望能夠通過圖形管理這一核心，讓工廠使用這些工具，自助分析和管理數據。

此外，通過在工業APaaS平臺上不斷注入工業算法和模型，增加標準化程度，其中70%-80%的模型算法可以實現快速復制。這一技術在工廠進行產能擴展時，周期可以從1年縮減至6個月，在此前提到的尋找產品問題環節時，時間跨度可以從3個月大幅縮短至2-4周。