陆薇：工业大数据的“铿锵玫瑰”

陆薇：工业大数据的“铿锵玫瑰”
作者：朱琨
来源：《软件和集成电路》2018年第09期
陆薇发展大数据的思路非常开阔，在选择业务方向上具有前瞻性。

在具体执行过程中，陆薇民主的“执政”方式给予了大家自由发挥的空间，使得大家乐于开放自己的思想，激发自我创造力，并从不同的角度和不同的路径进行尝试，从而实现目标。

在与陆薇交谈的过程中，陆薇举手投足之间总能显露出雷厉风行的作风。

作为昆仑智汇数据科技（北京）有限公司（以下简称昆仑数据）的创始人、CEO，陆薇独特的见解和丰富的知识储备，又使她显露出一种知性美，落落大方。

而且作为一名女性管理者，陆薇也总能绽放出她的独特魅力。

昆仑数据负责运营的副总裁陈晨，把陆薇比作三国中的刘备。

刘备，怀匡扶汉室之理想而聚英杰。

陆薇秉持昆仑数据的创业初心—用数据推动中国工业转型升级，团结了一批有共同志向、有理想、有情怀的创业者。

同时，陆薇在决策方面广纳良言，善于听取优秀的意见总结出一套自己的管理逻辑。

正是这种求同存异的主张，使昆仑数据在多维化的探索中逐步沉淀出自己的稳步增长路径。

独具慧眼敢于尝试
陆薇之所以对工业大数据发展现状了解得十分透彻，与她很早就接触大数据技术，并积累了丰富的行业实践经验息息相关。

早在十几年前，陆薇加入了IBM公司，一直从事分布式计算与数据管理—也即后来俗称的大数据—领域的研发工作，相关技术较早应用在电信领域，通过通信记录捕捉人与人的社交关系并对客户进行画像，为营销策略制订、精准广告投放、垃圾短信治理等提供决策支撑。

2008年，IBM首次提出了“智慧地球”的概念，通过物联网采集物理世界的人、事、物等相关信息，实现虚拟世界与物理世界相融合。

当时的陆薇认为，这是一个非常有意义的概念，与能源、交通、制造、环保等关乎国计民生的发展领域息息先关。

于是，她开始将工作重心转移到工业大数据，将数据、智能的思想应用到物理空间。

陆薇认为，工业生产依赖大量资产设备。

“物聯网的兴起，使得我们可以采集到设备的工作状态信息、周围环境信息以及人和设备的交互信息，并通过这些信息对工业生产经营状况有深入的洞察，从而实现优化提升，达到提质、增效、降耗、控险的目的。

这项工作可以提升工业企业的竞争力，对于中国这样的工业大国具有非常重要的意义。

”陆薇谈到。

此后，陆薇毅然决然地投入到工业领域中，在不断磨练自我的同时积累了大量与工业相关的数据技术和行业实践经验。

坚持自己的理想
2014年，在IBM工作了14年后，陆薇做出了职业生涯中的一个重要决定，离开IBM，开始创业之旅。

当谈到为何要离开工作十余年的IBM时，陆薇表现得非常坦然。

她认为，离开IBM是一个非常自然的选择。

早在2009年，陆薇就已开始负责物联网领域的数据管理产品的研发，并通过全球海选获得了IBM顶级研究专项计划Research Big Bet的支持。

之后三年，陆薇带领全球5个实验室的团队，针对物联网的数据和应用特点开发了相应的数据管理分析技术，并通过了中国、美国、印度等不同国家客户的技术验证，最终成功实现了技术的产品化。

2013年底，IBM决定将此项目转变为全球战略，后来在2015年，IBM成立了物联网全球事业部。

在带领团队进行研发的过程中，陆薇的工作方式更像是带领一个创业团队在战斗，团队中的所有成员均可参与市场实践，并定义技术产品的发展走向。

大家齐心协力、众志成城，以饱满的热情投入到工作当中，以小步快走的方式，迅速发展。

作为巨型企业，IBM在全球战略层面的决策过程中却显得步伐缓慢，同时暴露出既有组织体制和新业务发展需求不配合的矛盾。

秉承“天下武功，唯快不破”的陆薇认为，大数据技术的发展应当以快取胜，才能抢占市场先机，如果行动缓慢则会被市场浪潮所淹没。

同时，在很多项目实践中，陆薇清晰地看到了工业大数据的市场需求和广阔的应用空间。

因此，在离开了奋斗十余载的IBM后，陆薇带领团队创立了昆仑数据。

准确把控精益求精
陈晨认为，陆薇发展大数据的思路非常开阔，在选择业务方向时具有前瞻性。

在具体执行过程中，陆薇民主的“执政”方式给予了大家自由发挥的空间，使得大家乐于开放自己的思想，激发自我创造力，并从不同的角度和不同的路径进行尝试，从而实现目标。

陆薇喜欢在与人探讨的过程中制定目标，在执行方面陆薇也会参与其中，这样可以使自己对公司发展有更深层次的理解。

昆仑数据成立以来，陆薇通过不断吸取他人的优秀经验擦亮自己的双眼，及时发现大数据的发展走向，并准确把握数据技术在商业中的发展机会。

昆仑数据自创立以来，产品进行了多次迭代。

昆仑数据的企业宗旨是做工业企业的大数据合伙人，通过提供企业转型诊断服务帮助企业定义大数据实施路径。

同时，昆仑数据通过工业大数据平台和量身定制的数据科学服务，为客户打造能够释放数据价值、解决实际问题的解决方案。

基于这一理念，昆仑数据开发了支持海量工业数据的高效存储管理和查询分析的工业大数据平台产品KMX。

在KMX上，有帮助业务人员面向全量数据实施单机版程序的并行化分析引擎，也有以设备、设备群或生产线为中心建立的全生命周期数据模型以及以数字孪生体概念整合所有上下文信息。

平台内置了开箱即用的常用行业数据模型、分析算法、特征模板，不需
要掌握非常复杂的大数据编程手段，业务人员就可以进行各种形式的数据分析。

从数据采集、查询分析到应用开发，KMX可提供完整的解决方案，保障数据应用与企业业务流程之间的无缝连接。

挑战重重务实落地
工业企业实施数字化转型，面临非技术和技术双方面的挑战。

虽然昆仑数据是一家技术公司，在实际探索中却发现大数据在企业落地，非技术挑战有时候胜过技术挑战。

陆薇说：“非技术挑战主要来自实施路径、管理问题以及人才瓶颈等方面。

很多工业企业非常希望拥抱大数据的理念，把大数据用到自己的生产经营当中。

但工业企业比较务实，具体到每个企业怎么应用，在没想明白这些数据到底能产生什么样的价值之前，很难进行大手笔的持续投入。

昆仑数据为工业企业制定实施路径时，一方面会结合业务需求，分析出哪些业务问题用数据可以改善；另一方面，需要判定与这些业务问题相关的数据基础情况。

”
应用大数据之后，企业生产经营的驱动力会发生改变。

一线工作人员、各层级的负责人都要有清晰的认知并积极配合。

工业数字化转型是“一把手”工程，才能保证大数据真的能够被应用起来。

“在这个行业，既懂工业业务又懂大数据技术的人才本身就极为难得，很多中国的工业企业都在非一线城市，本身数据基础并不好，要招揽或留住人才都很困难。

”陆薇补充道。

在技术挑战方面，昆仑数据希望将许多先验知识与工具沉淀内置到产品中，从产品层解决数据可用性、数据质量、海量数据存储等诸多问题，降低工业企业应用大数据的技术门槛。

同时，昆仑数据的数据科学团队在国际学术与全球实战经验上也颇有声誉，不仅得到了认可，还拿到了工业数据分析领域国际顶级赛事PHM Data Challenge2017的冠军。

昆仑数据是该赛事十年来首个夺冠的中国团队，有能力为企业实现快速挖掘数据价值。

另外，昆仑数据自主研发的云端工具可以高效支撑数据科学团队和客户协同工作的全过程，实现知识的沉淀和复用。

带领团队用数据推动中国工业进步
早年，陆薇所带领的昆仑数据核心团队就与清华大学工业大数据研究中心一起定义了工业大数据发展的整体技术路线图，要通过建设制造业创新中心，提升制造业创新能力。

陆薇认为，对于整个工业从自动化、信息化走向智能化的融合发展，工业大数据技术将起到关键的作用。

在政府的支持下，陆薇以跨界融合的方式，联合了一些工业行业的龙头企业、行业机构和高校等，成立了全国首个工业大数据创新中心，并结合本地产业基础、创新环境和创新资源特点，先后落地江苏、四川，逐步打造出辐射全国的制造业创新网络。

陆薇希望通过学习各个机构先进的专业领域知识，与工业大数据技术相结合，突破行业共性问题，促进应用落地，形成真正能够解决行业问题的产品和解决方案，形成行业影响力和驱动力。

昆仑数据创立于2014年，与国际上的工业大数据企业同步发展，陆薇看准了中国工业互联网广阔的应用前景和巨大的发展空间，昆仑数据也能够拥有与国际比肩的大数据与人工智能技术。

用数据推动中国工业的进步，这是陆薇的目标，也是信念。

访谈实录
Q：中国大数据产业生态联盟、《软件和集成电路》杂志社
A：昆仑智汇数据科技（北京）有限公司CEO陆薇
Q：您在生活中有什么爱好吗？
A：我很喜欢旅游和跑步。

关于旅游，我比较喜欢自然风景和人文相结合的地方，像法国南部，当地曾经一度是教皇所在地，遗留了很多的历史古迹，自然风光也非常美。

在国内，比如杭州，也是自然风光和历史人文相结合的很好的旅游城市。

创业后时间紧张，一般早上6点开始跑步，锻炼身体。

Q：作为一个创业者，您认为需要具备什么样的素质，才能带领一个团队？
A：首先，得有一个清晰的方向和信念，有一个你愿意为之付出的目标，这是最关键的。

比如，我们创立了昆仑数据，希望用数据来推动中国工业的进步。

这是一件特别有意义的事情，也存在很多技术上的挑战，对我们团队来说，这是一个值得大家为之奋斗的目标。

另外，还得保持对实现目标的热情，因为在创业當中，会碰到很多困难，如果没有热情，碰到困难时就很难坚持。

Q：您认为发展工业大数据应当具备哪些要素？
A：工业大数据要想得到健康发展，应具备四个关键要素。

第一，场景；第二，领域知识；第三，数据；第四，技术。

无论什么样的技术，首先得有用武之地。

应用场景保证了技术价值的同时，也提供了具体需求。

在具体应用场景下，一定要具备相关领域的行业知识，才能够深入地理解问题、解决问题。

此外，与问题关联的上下文数据生成之后，结合相关领域知识，对数据进行梳理，并通过相应技术来解决数据问题。

这一切的前提是，如何选择一个有价值的场景，并能够通过数据技术手段来支持这个场景。

而场景的选择，也代表了我们对行业的认知。

Q：中国工业大数据的发展与国外还存在哪些差异？
A：对于应用场景的选择，由于每个国家的国情不同，主要的关注点和切入点也不尽相同。

但是在技术层面上，大家都会关注如何有效地将机器设备所产生的数据进行更好的管理，然后快速地挖掘数据价值，帮助企业提升绩效、控制风险、开发新业务模式等。

从技术的角度出发，我认为中国的技术并不落后，中国与其他西方国家在技术方面站在同一个起跑线上。

而且，中国也是一个工业大国，有非常庞大的应用体系，这也增加了对大数据和互联网的应用需求。

作为一个工业大国，中国在市场上提供了非常广阔的工业需求，在应用场景和数据的支持下，中国工业大数据的发展，可以做到与其他发达国家齐头并进，甚至以后会领先世界。