隨著信息技術(shù)和人類生活相互交融，特別是互聯(lián)網(wǎng)的快速普及，我們已經(jīng)悄然進入到大數(shù)據(jù)時代。而建立在數(shù)據(jù)基礎(chǔ)上的數(shù)字經(jīng)濟更是被視為推動經(jīng)濟發(fā)展質(zhì)量變革和動力變革的加速器，有效撬動經(jīng)濟發(fā)展。

　　為了更好的推動大數(shù)據(jù)的發(fā)展，自2015年來，國務(wù)院及相關(guān)部門不斷發(fā)布相關(guān)綱要及戰(zhàn)略，從而推動大數(shù)據(jù)在國內(nèi)的發(fā)展。而習(xí)近平總書記更是強調(diào)：推動實施國家大數(shù)據(jù)戰(zhàn)略，加快建設(shè)數(shù)字中國。

　　但值得注意的是，大數(shù)據(jù)并非是但單一的數(shù)據(jù)，其匯總了各行各業(yè)的內(nèi)容，從普通消費者，到公共安全，再到國家政策，其均有涉及。

　　如何利用好大數(shù)據(jù)，成為當(dāng)代企業(yè)不斷深挖的方向。而隨著AI的興起，通過AI算法對大數(shù)據(jù)進行分析及應(yīng)用，成為最為簡便的方式。

　　但即便如此，我們在利用AI推動大數(shù)據(jù)分析時，依然有著難以忽視的問題。

　　大數(shù)據(jù)應(yīng)用的攔路虎

　　“我們都在談大數(shù)據(jù)，但我認為我們面對的問題依然很多，挑戰(zhàn)也很大?！鄙虾Ｋ{豐信息科技有限公司CEO/上海交通大學(xué)教授吳剛說到。

上海藍豐信息科技有限公司CEO/上海交通大學(xué)教授吳剛

　　對于他來說，目前大數(shù)據(jù)在toG、toB的行業(yè)應(yīng)用方面存在以下幾個問題：

　　1、數(shù)據(jù)量少、質(zhì)量不好

　　toG、toB的數(shù)據(jù)大量來自于各類物聯(lián)網(wǎng)設(shè)備。一方面，大規(guī)模部署的成本很高，另一方面對于在線運行的物聯(lián)網(wǎng)設(shè)備運維成本也很高。這就導(dǎo)致總體的數(shù)據(jù)量偏少、數(shù)據(jù)質(zhì)量也不高。對于決策者來說，基于這樣的數(shù)據(jù)進行分析和決策，必然會導(dǎo)致準(zhǔn)確度甚至正確性的偏離。

　　“隨著社會和企業(yè)的發(fā)展，數(shù)據(jù)量少的問題會逐步得到改善，但運維問題依然會持續(xù)存在，從技術(shù)角度也無法在短期內(nèi)得到有效解決?！?吳剛說到。

　　2、適用的“模型”少

　　隨著AI的落地應(yīng)用，通過AI自動分析大數(shù)據(jù)中的內(nèi)容，已成為當(dāng)前解決行業(yè)大數(shù)據(jù)應(yīng)用難題的基本方法。面向視頻、圖片、語音、文字識別的AI模型是比較成熟的，但針對不同行業(yè)領(lǐng)域的AI模型卻非常稀缺。

　　就目前來說，構(gòu)造面向領(lǐng)域的數(shù)據(jù)集和確定與之匹配的AI算法是解決行業(yè)AI應(yīng)用的兩大抓手?！癆I民工”通過大量對數(shù)據(jù)集的人工標(biāo)注，不斷的訓(xùn)練和優(yōu)化得到適合的模型，這很費功夫。而且一旦數(shù)據(jù)集的構(gòu)造發(fā)生變化，就需要重新進行標(biāo)注、訓(xùn)練和優(yōu)化。

　　“由于不同行業(yè)的業(yè)務(wù)的復(fù)雜性及專業(yè)化，普適性的行業(yè)AI模型是不存在的。需要不同行業(yè)的實踐者扎根領(lǐng)域做更細致的工作，才能找到合適的模型，為本行業(yè)服務(wù)”，吳剛說道。

　　3、AI工程師和行業(yè)應(yīng)用者的認知和思維角度不同

　　由于專業(yè)性不同，AI工程師對行業(yè)的了解不夠深入，對行業(yè)應(yīng)用的把握常常會有偏差，而行業(yè)應(yīng)用者由于對AI模型的工作原理不夠了解，也很難從AI工程師的角度去思考和描述問題。

　　“這個問題是自然存在的，就需要AI工程師更多的了解行業(yè)knowhow才能把大數(shù)據(jù)的AI應(yīng)用做好。一個IT公司如果在某個行業(yè)里涉足不深，是無法把大數(shù)據(jù)應(yīng)用做實的”，吳剛說到。

　　基于上訴的問題，行業(yè)大數(shù)據(jù)應(yīng)用的發(fā)展面向以下新的挑戰(zhàn)：

　　1、 如何基于多模態(tài)、有噪聲的行業(yè)數(shù)據(jù)，更精確地進行感知和識別;

　　2、 如何在不確定復(fù)雜環(huán)境下實現(xiàn)人、機、物的融合與協(xié)同決策;

　　3、 如何有效融合行業(yè)知識和大數(shù)據(jù)技術(shù)，下功夫把智能應(yīng)用做實。

　　大數(shù)據(jù)如何賦能行業(yè)?

　　面對挑戰(zhàn)，企業(yè)要如何破局，從而實現(xiàn)利用數(shù)據(jù)解決實際問題。吳剛表示，“大數(shù)據(jù)行業(yè)應(yīng)用的核心任務(wù)就是為組織以及和組織中的不同角色完成他們的目標(biāo)提供有效的智能數(shù)據(jù)服務(wù)?！睘榇?，吳剛根據(jù)自己的實踐提出了大數(shù)據(jù)應(yīng)用落地的四大路徑。

　　1、方法學(xué)：傳統(tǒng)的大數(shù)據(jù)應(yīng)用模式是自下而上的，通常先看有什么數(shù)據(jù)，然后就著已有的數(shù)據(jù)設(shè)計算法和實現(xiàn)?！盀榱烁玫芈涞卮髷?shù)據(jù)行業(yè)應(yīng)用，這種思路首先要轉(zhuǎn)變?！眳莿傉f到，“應(yīng)該采取自上而下的設(shè)計方案，最先要考慮的是“用戶需要解決什么問題”，然后從問題出發(fā)進行倒推，從而知道 “需要用到什么數(shù)據(jù)、現(xiàn)在有什么數(shù)據(jù)、還差什么數(shù)據(jù)”，想辦法去補充缺的數(shù)據(jù)。只有按照這個思路，才能真正解決大數(shù)據(jù)或者AI落地的基礎(chǔ)問題。”

　　同時，還需給用戶“獲得感”，“如果只是給用戶冷冰冰的數(shù)據(jù)，這并沒有價值?！?吳剛表示，“數(shù)據(jù)只有與場景相結(jié)合，才能實現(xiàn)價值。”

　　2、數(shù)據(jù)的行業(yè)標(biāo)準(zhǔn)化：標(biāo)準(zhǔn)化的數(shù)據(jù)能快速有效兼容，面向不同行業(yè)各自進行數(shù)據(jù)的標(biāo)準(zhǔn)化，才能推動行業(yè)大數(shù)據(jù)應(yīng)用的加快落地。

　　3、面向行業(yè)的模型積累：“這要有點耐心，不能急于求成。”吳剛表示，“隨著面向行業(yè)的模型的不斷積累，大數(shù)據(jù)應(yīng)用會越來越豐富，慢慢落地也就容易了“。

　　4、AI技術(shù)的深入應(yīng)用：AI技術(shù)的應(yīng)用，不僅加速推動產(chǎn)業(yè)的發(fā)展，同時也有效節(jié)省人力成本，但隨著需求的變化，終端用戶對算法的要求也會逐步增加，且精度及準(zhǔn)確度要求也將更高，為此，必須不斷將AI技術(shù)進行深入應(yīng)用，才能滿足用戶的各類需求。

　　大數(shù)據(jù)守護碧水藍天

　　藍豐科技作為深耕智慧環(huán)保領(lǐng)域8年的“老玩家”，堅持持續(xù)創(chuàng)新的發(fā)展理念，擁有兩項國內(nèi)首創(chuàng)的產(chǎn)品，包括揚塵在線監(jiān)測系統(tǒng)和地鐵環(huán)境在線監(jiān)測系統(tǒng)，其中揚塵在線監(jiān)測系統(tǒng)在政府端的市占率No.1。當(dāng)前，藍豐科技更是有效的將AI和IoT技術(shù)深度融合，推出了新一代的智能化監(jiān)測產(chǎn)品，在國內(nèi)又率先推出了基于大數(shù)據(jù)和AI的環(huán)境精準(zhǔn)管控產(chǎn)品。

　　針對未來的智慧環(huán)保領(lǐng)域，藍豐科技提出了“一體兩翼”的產(chǎn)品體系。

　　據(jù)吳剛教授介紹，在“一體兩翼”的產(chǎn)品體系中，“左翼”為智能監(jiān)測產(chǎn)品線，主要面向各種應(yīng)用場景實現(xiàn)在線監(jiān)測、問題發(fā)現(xiàn)和閉環(huán)管理，為“主體”提供數(shù)據(jù)基礎(chǔ);“右翼”為軟件平臺產(chǎn)品線，把水/氣/聲/廢/土等孤島式應(yīng)用進行有效整合，為“主體”提供平臺支撐;“主體“是在基于大數(shù)據(jù)和人工智能技術(shù)，通過“衛(wèi)星遙感數(shù)據(jù) + 氣象數(shù)據(jù) + 監(jiān)測數(shù)據(jù) +人工智能”的深度融合，為決策者提供更為精細化的數(shù)據(jù)維度，更為精準(zhǔn)的管控措施。