当质量与创新遇上大数据 宗福季：建模一定要找专才

 
在大数据环境下如何进行质量创新，第52期珠江科学大讲堂特邀国际质量科学院院士，香港工程师学会会士宗福季教授做出解答。
“大家知道质量很重要，知道创新很重要，知道大数据很重要，质量、创新、大数据链在一起它是有一些新的问题，这是世界各国专家学者都在研究的一个话题”，宗福季教授开门见山说道。
“突破式创新其实不是比IQ的一件事”，宗福季教授认为，突破式创新不只是靠智商，而是有系统性方法的，比如设计思维方法，它并不是培训一个人成为设计师，而是训练一个人有设计师的思维。首先要求要有同理心，需要以人为本的设计，通过观察、采访，发现用户深层次的需求，需要对问题重新做深入的定义，需要发散思维，提出众多解决方案，还有将一个好的创意点子用具体的原型来呈现，将原型通过情景模拟来测试可用性。
那么，渐进式创新不是从无到有，而是从好到更好，它不是从零开始，而是有数据作基础来创新，这个方法称之为统计思维。它是根据定义、测量、分析、改善、控制这个流程来做，它以严谨的数据驱动和以客户为中心的方法，采用系统方法提高绩效和减少对客户至关重要的缺陷。 突破式创新、渐进式创新、设计思维、统计思维，这些都是传统方法，这些方面在大数据时代还是很重要，可是这些工具确实还有不足之处。
宗福季教授指出，传统工具的不足表现在，比如基于采样，得到的是部分产品的信息，只能反映局部生产过程；缺少统一的数据与信息平台，质量数据难以共享与追踪；工具自动化程度低，依赖质量人员的大量参与与主观判断。
然而，宗福季教授介绍说，大数据的特性，一是高容量；二是高速度，指收集、获取、生成、处理数据的速度；三是多种类，指不同的数据类型，比如音频、视频、图像数据。
“工业大数据分析实际上有层级之分，”宗福季教授认为，层级一，只使用经验，不考虑数据;层级二，收集数据，但是只看数字;层级三：收集并整理数据，使用图标来展示数据;层级四，收集调查数据并使用描述性统计量;层级五，收集采样数据并使用描述性统计量;层级六，收集采样数据并使用统计推断、预测。
“现在所谓的大数据时代，现在传感器变得越来越便宜，你收集数据的方法并不是所有的公司都可以做，但是确实可以很快地收集数据，这样很快就变成实时的数据，如何使用实时的传感器数据并描述性地总结、可视化，这就是到第七个层级了，大部分的公司还停留在第7个层级。第八个层级是使用实时的传感器数据并建立统计模型，进行推断、预测并用于决策，这是大家都希望实现的。”宗福季教授分析道。
宗福季教授也看到，传感器数据到位，我们就可以进行系统整合，系统整合之后我们才能进行分析，而这些分析又可以借助机器学习。以前做不到数据实时的收集，现在可以做得到。在数据分析、质量提升、质量控制等方面现在都有提升，以前可能只是停留在学术论文层面，现在技术到位了，以前的学术研究到实践应用时间周期比较长，而现在这个时间变得比较短了，一些学术研究可以很快得到应用。
大数据被比喻为现代的金矿，是不是说现阶段采集数据比较重要? 宗福季教授回应道，虽然存储数据很便宜，但是前期需要做一些分析，要有目的性以及规划性。
当前，通过传感器进行数据采集，温度、湿度、压力都可以采集到，然而，关键的难点在于模型。如何更好地建模?宗福季教授建议道，一定要找专才。