开展数据分析项目时，数据分析师总是试图从用户那里得到更多的信息和知识。而用户却认为：我请你来的目的，是为了得到过去不知道的知识。如果我自己都知道，要你来干什么？这种认知上的差异，可能会对解决问题产生不利的影响。

如何理解这种矛盾呢？

依照我的经验，现场技术人员对自己负责的领域往往相当熟悉、人类积累的科学知识也相当丰富。所以，不论是数据建模还是数据分析，我总是把“工艺机理已知”作为前提条件。所以，人们的疑惑就是：既然机理已知，还要数据建模或者分析做什么？

事实上，机理已知指的往往是科学原理。科学原理在转化成技术时会遇到各种困惑。比如，热传导方程的原理是容易知道的，但表面条件、物性参数却往往是很难知道的；锈蚀的化学原理是知道的、但不同厂家钢板的耐锈蚀性却不一样，其原因可能是未知的。总之，数据建模和分析，一般不是研究理论的过程，而是“理论和实际结合的过程”。所以，必须先把工艺机理了解清楚了，数据建模和分析才好做。

理论和实践是如何结合的呢？举一个例子：检测得到的数据和生产实际，往往是有差别的。比如，当产线产生质量问题时，工艺人员最常见的反应就是：工艺参数都是正常的，为什么会产生质量问题呢？

其实，设备检测到的工艺参数和实际的生产情况是两个概念。有时候，工艺参数正常并不能标志设备状态正常；有时候，检测数据正常并不标志实际参数正常。所以，数据分析过程的一个重要任务，就是判断“检测到的工艺参数正常”与“实际的生产过程正常”之间是否存在差异。而这种差异，很可能就是大家希望得到的结果。要得到这样的结果，就要理解“工艺参数正常”与“生产过程正常”的内涵是什么，也就是要了解生产的机理。

如果数据分析师不了解工艺对象，就很难做好分析工作。当然，随便用数据分析一下就得到合适结果的“好事”也有。但遇到这种好事概率很低。我们不能寄希望于“守株待兔”的机会总是出现，就要下工夫了解分析对象。

来源：微信号 蝈蝈创新随笔

作者：郭朝晖

该作品已获作者授权，未经许可，禁止任何个人及第三方转载。