不久前有人问我：怎样防止企业数字化转型掉坑里？我回答说：关键是领导自己要想明白。现实中，许多人对数字化技术的理解是似是而非的。前几天看到一篇记者采访某钢企总经理的文章。我就意识到：外行通常对模型、数据和算法的作用感到模糊且神秘，本质上就是没有想明白。这对推进数字化技术有害无益。有几种典型的误解比较普遍：

1、模型能够算出最优的工艺参数。

很多人认为，模型是一堆复杂、高深的数学公式，通过公式计算相关参数。但实际情形往往是：所谓模型计算的结果，其实是预先设定的“预案”。这些“预案”经过实践验证，例如过去的成功案例。模型只是设法找到合适的案例。如果不去准备预案，也就做不成模型。

2、模型可以提前预测设备故障。

许多人脑中的模型就像能掐会算的诸葛亮，根据参数就知道设备何时会坏。这种情况或许偶尔会发生，却不是普遍性的做法。模型实际上更像是心脏病人常戴的24小时心电图监测。实时检测到偏离标准的情况，就会发出警报。这样，就可以在出现大问题之前有所准备了。这种技术的关键在于设定“正常”的标准。如果参数超出正常范围，人就要赶紧处理。

3、计算机利用大数据优化工业过程。

在人们的印象中，这与第一个问题类似，觉得模型非常强大。实际情况可能是：计算机持续监控生产状态，不合适就切换另外的状态。这些调整通常是局部微调，不是大的调增。因为生产过程往往围绕某些“工作点”，人们得到的数据也都在这些工作点附近。模型的有效范围其实很有限。

4、工业4.0时代的个性化定制

有人认为，到了工业4.0时代，一个工厂无所不能。今天生产冰箱，明天就能生产洗衣机。其实，所谓“个性化定制”是对同类、同系列产品的参数或模块进行设定。比如，你定制汽车时，可选用不同的座椅、方向盘、轮胎……那时，可供用户选择的选项很多，每个用户的组合可能都不同。但每个模块的接口可能相同或相似。

上述模糊认识不利于推动数字化。这些模糊想法是如何产生的呢？可能与各种吸引眼球的宣传有关。

比如，大数据热潮时，人们常谈论一些典型案例：某女生买了一种药，大数据就知道她怀孕了；搜索“感冒”的人多了，就知道感冒即将流行等等。看了这些案例，人们觉得大数据很神奇，便寄希望于大数据能帮助自己解决各类问题。期望扩大了以后，就变得不切实际了。

打个比方，张三去某商场转一圈，发现一位非常漂亮的姑娘。李四去了那里，也发现一位非常漂亮的姑娘。这些可能都真实的。但如果据此认为那个商场的姑娘都很漂亮，要饭的穷小子去那里都能娶到电影明星，那就变得夸张了。如果有了这样的奢望并以此为目标，小伙子大概率就要打光棍了。

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。