“中國制造2025暨德國工業4.0峰會”于2015年7月2日在北京召開。上圖為中德設計協會常務副會長潘杭琳。(圖片來源：新浪財經)

　　新浪財經訊 “中國制造2025暨德國工業4.0峰會”于2015年7月2日在北京召開。中德設計協會常務副會長潘杭琳出席并演講。

　　以下為演講實錄：

　　潘杭琳：大家下午好！

　　我姓潘，潘杭琳，在德國15年，今天非常榮幸，我們受中小企業協會的邀請，到這里來。我和大家分享一下這十幾年在德國看著數據科學是怎么一步一步從最初的一些科研項目，然后一步一步被社會化網絡推動著，最后變成相當于誰也無法用原有的一些框架去迎接它的挑戰的這么一種形式。然后又看到全世界的這些數據科學家是怎么樣群策群力來解決真正的海量大數據的。

　　我們一直以來都是在不斷地對數據加深理解，在座的都知道，計算機存在的時候，它就叫做信息了。很多的數據只要能存起來，它就是信息。有用的信息叫做數據，有用的數據叫做規則，有用的規則叫做智慧。有一種說法就是信息、數據、規則、智慧，這四步。

　　真正對我們人類有用的應該是最后一步，就是智慧。要達到智慧這一步，我們經歷了各種各樣的探索，曾經做過一個項目，有過好多學科進行交叉，有過存在論，有過智庫，有過數據挖掘，一步一步，到最近在中國，反正前兩年一下子大數據這個名詞起來了。其實大數據這個名詞1980年就有了。

　　2014年，大家就看到了很多流數據，視頻流也好，這個數據過去就沒有的，但是這個數據我們還是需要從它里面提煉出一些東西來的。2014年，我們有一個新名詞叫做塊數據，這個是新成立的貴州大數據產業園他們有一個好的說法，它把一些數據成塊，作為塊里面是共享了，它叫做塊數據。

　　我們從一個更廣闊的領域來看，大數據應該像海一樣的，叫海數據，我的數據可以放在公開的地方，大家都可以享用，這才是真正的大數據。后面的幾頁，我就跟大家講大數據快車不是現在才有的，一直就有，只是我們要走對路，要走對真正的大數據。LOOD就是連在一起的開放數據，這才是我們認為的大數據。

　　我先介紹一下我自己本人，我在德國是在馬克斯。普朗克研究院信息研究所，右上方是德國的計算機之父，是他在整個德國之內把各個計算機系建起來的。他最經典的理論就是他理解了相等理論，他知道了信息商是怎么來的，知道信息的本原是什么。我在馬克斯普朗克研究院12年，來來往往后面一起合作。通過這個平臺接觸到了全世界范圍之內的各類廣大數據的領域的團隊和機構。

　　目前大家都講工業2025和工業4.0，其實工業2025和工業4.0也少不了數據，我們看看信息化，人工智能實用化兩頭是怎么走的。馬克斯普朗克研究院，德國的諾貝爾獎有一半來自于這個研究院，由它很自然召集起我們所說的世界級研究機構一起來看看大數據這個難題。他們成立了一個OPENLINKED DATA，我們是最早的發起人之一。

　　大數據最早用的是IBM[微博]的WATSON，它做了2014年600億美金的產值，但是你去查一下IBM的WATSON，它的白皮書里面唯一引用的兩個科研成果，一個就是來自于我們團隊，就是剛才那張照片里面的團隊。

　　我們團隊也跟斯坦福和麻省理工大學對換博士生，我們承接VLDB，真正的大數據國際協會，還有國際數據工程，然后網絡，然后信息檢索，還有數據管理等等這些國際化的最頂層的搞大數據的專業協會，都是我們這個團隊很多人分別當各類的評審，然后組織者這樣的。

　　我自己本人現在是國家科技資源共享服務工程技術研究中心的特聘專家，這是共享，突出一個字，資源共享，我們提供了很多的公開數據供全中國的人，甚至全世界的人來享用。

　　我們在當地，在薩爾這個地方，有很多德國朋友都知道薩爾是非常小的小地方，但是這個小地方很特殊，它有德國國家人工智能研究中心，它擁有了SMARTFACTORY，也就是智慧工廠全世界的注冊商標。所以，實際上工業4.0里面核心的這個東西，是來自于DFK1，LPI和NLP連在一起的，這個就是自然語言處理。把人都理解不了的東西用計算機來理解，最后做了人是沒有這個智力，也沒有這個時間去把全世界的信息全部整理起來一個智庫的，但是我們可以用計算機來幫我們做。

　　當然，我也擔任了中科院的一個項目職務。

　　這叫做海數據，我們最初在這個地方，我們的位置是在這個地方，德國是最先的先期，可能這個就是整個網站，整個雅虎所有數據就是這一個點。一般來說，整個網站在我們這里就屬于一個節點，然后我們把這個節點按照類別，大家按照一個接口全部公開連在一起，這才是大數據。

　　工業4.0是大數據下面有工業大數據以后產生的量，肯定比剛才產生的互聯網的數據還要大，原因它是流性質的，這個數據流過來流走的，你要及時處理了。如果你連這個都處理不了，后面就更加不可想象了。

　　因此，我們在考慮大數據基礎架構之下，我們再如何看相當于對傳統產業進行發展模式、組織結構和價值理念的重新構造。我們有足夠多的案例幫助大家實現原來不可想象的大數據的管理。

　　大數據BT本身也像馬云[微博]所說的，它是一個共享型的，我有的資源和你有的資源，我們都要拿出來，拿出來才有價值。當然要有一個保護的機制，但是雙方一定要拿出來。

　　有一些觀點也是可以共享的，這里就非常看中360公司的傅志華，他覺得企業里面就有一個畫像，他覺得企業里面的數據就有數據基礎平臺，有業務運營監控，有用戶體驗優化，有精細化營銷，有市場傳播，還有經營分析，還有戰略分析，我覺得他寫得非常好。

　　我們想做的事情是，這是按照中國的企業的實際情況，它對應到大數據的一些應用上去，我們能做的是幫助它怎么樣來進行這個跨越。企業的大數據應用的路線圖應該是怎么樣的。

　　對于企業家來說，我們不應該給他講太多理論的東西，或者科研的東西，或者國外的東西，你就告訴他，一只手掌拿出來，你就告訴他五個“一”，這五個“一”他都知道什么意思，他就能用好大數據了。

　　第一，疑問。你的企業里面基礎數據到底有哪些，哪些是可以數字化的，哪些是可以信息化的。

　　第二個，意向。企業用大數據想做什么，到底是做營銷，還是做市場，還是做體驗，還是做運營監控呢。你的意向，這個企業家要知道。

　　然后，要依托。你到底依托什么層次的人來對接，是依托科研性機構，還是公益性機構，還是專業的企業、商業公司，還是相當于國家的，也就是說國家隊，或者是政府。這是你依托誰，跟誰一起合作最合適，這些一定要做好。

　　第四，依據。假如通過你的合作伙伴，因為我們自己一個公司不大可能去培養一個數據科學家的，數據科學家起碼要十年培養。數據分析師倒是可以培養的，數據操作員更加可以培養。但是你培養這些人以后，這些數據幫你挖掘出什么來，哪些數據是能產生的，你把第四步依據和第五步依存做得好，你只要能夠挖掘出數據的，哪怕你這個公司目前情況不好，你放心，在心里這個時代上，你的價值一定是陪著你的數據而存在的，就像一滴水，你這滴水放在平地里馬上就會消失，但是放在大海里，永遠不會干涸。這就是大數據要讓你走到的這條路上，要有方法，又要有源數據20%，又要有數據檢索，讓你把意向、依托搞得更明確。然后要依據智慧的云服務幫你做，最后達到一個決策數，整體上，為你這個企業站好一個位置。

　　我們舉一個例子吧，比如說，我講我原來的校長，我原來浙大出來的，潘云鶴校長，目前有很多搜索引擎，我要找一下關于某一個人的基本概況，比如我現在為企業上一個項目，這個項目可能需要查一些資料，我們用大數據幫他查。比如這樣一查，他的旁邊我知道他的論文合作關系是誰，專利合作關系是誰，項目合作關系是誰，這個數據在大數據下面全有。我還可以查這個項目最近幾年怎么樣怎么樣，近幾年項目多少、專利多少、論文多少，我還可以查項目的具體信息。它的主要專業，計算機這才是真正的智慧化的檢索。你要查一個人的時候，它會把這個人一切相關的專業方向全給你找出來，這是更加靠近人們所需要的對搜索引擎的一個要求。

　　其中，比如對傳感器、網絡不是很了解，我還可以對任何一個專業的任何一個術語再進行深入，任何一個學科的專業術語都能查出來中國最好的應該在哪里，最好的機構應該在哪里。用這種方式，真正把全中國的這些公開的數據全部都給它一網打盡。每一類又能知道某一個熱點的事情，它在市場上，哪個地方最熱，這個項目哪個項目是熱點比較多一點。

　　所以，總的來說，只要大家把這個思路改過來，相當于用五個“一”，每一步都找對合適的合作伙伴，大數據不是那么遙不可及的，大家數據還是很容易能夠碰得到的。不過，千萬不要拿著造石子路的技術去修一個賽車道，然后讓賽車去跑，這個太浪費了。我們最終科研大概是引領七到八年的，技術是引領三到四年的，企業是引領半年的。我們希望企業家一方面學習德國的培訓的這一塊，然后另一方面他要學會向科技提早五年看，提早三年看。技術是提早三年到五年，還有像科技，科學，科學是提早七年、八年看。我希望通過這么一個呼吁，希望大家更加多地和各種機構合作，最后只會讓我們大家在一個共享，相當于眾智分時、共享經濟的框架下，真正把我們的實體經濟，把我們的企業走到數據時代的大浪潮當中去。

　　最后我想說一句話，連美國的GE，通用汽車公司的老總CEO去年就說了，前一天晚上，我躺在床上還清清楚楚知道我們整個大企業，當然是美國制造業的龍頭了，還是制造型企業。但是早上一早起來，就發現GE已經是一個數據公司了。既然他們都可以這樣說，我們在座的各個企業家一定一定也要走到數據經濟的浪潮里面來，走到這條大數據的快車道上面去。

　　謝謝大家！

　　新浪聲明：所有會議實錄均為現場速記整理，未經演講者審閱，新浪網登載此文出于傳遞更多信息之目的，并不意味著贊同其觀點或證實其描述。