今天，听安司长阐述了一个观点：对新工业革命来说，“数据是灵魂”。他对这个观点的解释，说出了我似乎明白、但又没有说清楚的话。让我听着特别爽。这里和朋友们分享一下我的理解。
安司长认为: “数据是灵魂”体现在数据的自动流动。“自动”的含义就是不要人管、但却能按照人的意志去流动。数据流动的结果是减少决策的不确定性，进而带动资源配置优化、效率的提高。我们可以通过数据流动的角度，理解智能制造、工业互联网。我们的工作，可以围绕数据生命周期这条主线展开。
下面是我的一点认识。
这个逻辑清楚了，智能制造和工业互联网创造价值的逻辑确实容易说清楚。
我们知道，真正懂技术创新的人都知道“以终为始”的道理。 这里的“终”就是优化资源配置、提高效率。要回答这个问题，首先要回到业务场景上去——企业的领导应该来设想：哪些资源可以优化、哪些效率可以提高。这就是业务驱动。
从优化资源配置的角度来讲，优化的前提是共享资源：如果你有资源可以拿出来共享，就可以用来赚钱；如果可以享用别人的资源，你就可以降低成本、提高获取资源的速度、获得更好的资源。数据流动提高效率，有多方面的逻辑：数据的自动流动和处理，代替人的工作量、提高人工效率；机器的决策比人更快，提高时间效率（涉及到多个部门的时候，就更明显了）；通过共享获得资源、提高了资金利用效率和时间效率（省得自己去弄资源了）。
接着，业务的需求，要转化成信息技术的要求。如果要共享资源，就需要知道资源的使用是不是有风险（可获得性、适用性、成本、效率）。有风险就有不去定性。要用信息消除不确定性，才能科学决策。这时，相关的数据就要流过来。信息流过来就要授权，这就是商业模式和业务流程创新的问题。方便地找到资源并把数据方便地流过来，这就是平台要解决的问题。从这里我们也能看出：对数据的质量和要求，是要根据决策的需要提出的。
数据流过来，决策到底能不能做好呢？这里还决定了两件事：一件事是决策的对象能否理解信息、一方面是决策的对象是否善于决策。比如，如果流过来的数据是图像、音频，机器就不一定能够提炼出其中的信息；除非人工智能相关技术有大的突破，使用这种数据的决策者就必须是人，就无法实现自动决策、效率就会降低。所以，更一般的情况应该是：传过来的数据约定好的信息格式，以便于机器理解。这时，决策所需要的知识最好变成数字化的模型，从而实现决策的自动化。这个逻辑，应该和过去搞自动化的逻辑是一样的。差别在于：处理问题的灵活性增加了（个性化定制是典型），故而信息的复杂性大大增加了；复杂性增加了，就对平台的依赖性增加了。在我看来，这种决策的知识的来源主要是把人脑中的知识（包括隐性知识）显性化、数字化得到的；而不是像某些人宣传的那样、主要从大数据自学习得到：大数据自学习，主要用于知识的求精。这时，知识管理就会成为核心问题。
这个逻辑可以用来看待智能制造和工业互联网。
下面以智能车间为例，用这个逻辑看智能制造。用上述逻辑看：智能车间本质是共享：不同类型的产品（在制品、未来可能设计出的产品），共享智能车间的设备和流程。产品的差异、设备状态的变动、外部的干扰是智能车间中主要的不确定性来源。数据的自动流动乃至决策，目的就是要降低这种不确定性带来的损失。其中，所谓“不确定性带来的损失”是和“确定性状态”相比的：我们知道，在设备状态良好的前提下，生产同一种产品的效率最高、能耗最低、质量最稳定。当然，我前面的文章曾经提出：智能制造的不确定性是有意引进的——主要是供应链扩大和用户需求变化的不确定性：引入这种不确定性可以创造价值。这里就不多说了。
我们再用这个逻辑看工业互联网。工业互联网价值创造的本质，就是企业之间的资源共享。没有工业互联网，外部可提供的很多资源、服务和市场都是看不到的，当然也就是不能利用的。这时外部资源纵然有不确定性，也不是我们所关心的：反正也没法用。有了工业互联网，可以看到外部的资源；当我们试图利用外部的资源时，不确定性就产生了。工业互联网可以让别人的资源为我所用、我的资源为别人所用。这个逻辑和共享单车的本质是一样的，只是工业服务和产品的标准千奇百怪、标注要求非常细致。从这种意义上说，工业互联网一定会促进产品和服务标准的发展：因为标准化可以减少不确定性。
在推进新工业革命时，数据的自动流动、自动决策是非常重要的。这直接决定了决策的质量、时间效率和人的劳动效率。几年前，我听一位TOC专家谈过一个观点：企业高层的关注力，永远是企业的瓶颈。其实，只要一个人重要了，不论是领导、专家还是工人，他的关注力都是值钱的。数据流动和决策的自动化，就是提高人的工作效率的。在我们的文化中，物理实体最值钱、软件和数据不值钱、人的时间更不值钱；人的思想不但不值钱，甚至还有害——在我看来，这些观点都是农业社会留下的痕迹。未来必须改变这种观念。所谓的“以人为本”，可以体现在用计算机来帮助人们实现自动的数据流动和决策。
最后再谈个不一定妥当的认识：“灵魂”是活的东西。既然数据是灵魂，工业大数据的价值，很大程度上在于这些“活”的数据，而不仅仅是过去积累下来的历史数据。
时间晚了，脑子木了，暂时写到这里。我对安司长观点的理解不一定到位，写的马马虎虎，文中若有偏颇之处，完全是我的责任。.
