小T導讀：在談論工業數據管理時，我們常常會聽到“4V”這樣的術語，而在大數據領域，也有類似的版本，甚至擴展成了5V、6V、乃至8V。但一個問題隨之而來：這些被廣泛引用的數據特征，真的代表了用戶的痛點嗎？真的切中了工業企業在實際應用中最棘手的挑戰嗎？TDengine 解決方案架構師陳展隆結合自己多年服(fu)務工(gong)業客戶的經驗，分享了他對這個(ge)問題的深入觀察與思考(kao)。或(huo)許，我們該(gai)重新思考(kao)：數據管理的“用(yong)戶”到底是誰(shui)？又(you)是誰(shui)，真正(zheng)面(mian)臨(lin)著那(nei)些看(kan)不見的難題？

1. 4V 是用戶痛點嗎？

在工業(ye)數(shu)據(ju)管理方面(mian)(mian)，用(yong)戶面(mian)(mian)臨的(de)挑戰或者說(shuo)使(shi)用(yong)痛點(dian)是(shi)(shi)什么呢(ni)？工業(ye)圈(quan)最常說(shuo)的(de)是(shi)(shi) 4V（variety 多樣性(xing)(xing)(xing)、velocity 高速性(xing)(xing)(xing)、volume 海量性(xing)(xing)(xing)、variability 多變性(xing)(xing)(xing)），大(da)數(shu)據(ju)圈(quan)也有類似(si)的(de) 4V 說(shuo)法（Volume 海量性(xing)(xing)(xing)、Velocity 高速性(xing)(xing)(xing)、Variety 多樣性(xing)(xing)(xing)、Value 價值性(xing)(xing)(xing)），甚至(zhi)還(huan)有 5V、6V、7V、8V。那么，大(da)家掛在嘴(zui)邊的(de)這(zhe)些(xie)數(shu)據(ju)特征，各種 V，真的(de)是(shi)(shi)用(yong)戶面(mian)(mian)臨的(de)挑戰嗎(ma)？真的(de)是(shi)(shi)用(yong)戶的(de)使(shi)用(yong)痛點(dian)嗎(ma)？

也是，也不是。

主要看(kan)你所指的“用戶(hu)”是誰。

2. 你在解決誰的問題？

比(bi)如，我(wo)們看(kan)看(kan) AVEVA PI 的觀(guan)點。PI System 解(jie)決方案已成(cheng)為工(gong)業實時時序數據(ju)管理(li)(li)領域的黃金標準(zhun)。在《AVEVA PI System Portfolio》宣(xuan)傳冊中提到（根據(ju)原文翻譯）：運(yun)營數據(ju)具備 variety 多樣(yang)性(xing)、velocity 高速性(xing)、volume 海量性(xing)、variability 多變性(xing)四大特征(zheng)。數百乃至數千條數據(ju)流若缺乏業務語(yu)境支撐，將難以理(li)(li)解(jie)與利(li)用。

正因如此，AVEVA PI System開發者開創性研(yan)發了針對(dui)海量(liang)時(shi)(shi)序數(shu)(shu)據的采集(ji)、存儲、標(biao)記與索引優化技術(shu)，并(bing)確(que)保(bao)現場工程(cheng)師無(wu)需(xu)編程(cheng)或 IT 支持(chi)即可(ke)快速訪問數(shu)(shu)據、即時(shi)(shi)解決問題。由此構建的 AVEVA PI System 產品組合，使(shi)運(yun)營及關聯部(bu)門(men)用戶能夠(gou)輕松識別并(bing)訪問所需(xu)數(shu)(shu)據，以最大化運(yun)行時(shi)(shi)長、保(bao)障安全、提升運(yun)營效率。眾多企業采用端到端冗余的高(gao)可(ke)用配置(zhi)，確(que)保(bao)緊急(ji)情況下關鍵數(shu)(shu)據的持(chi)續(xu)訪問。

PI System 不(bu)愧是行業標桿，其所(suo)指(zhi)的(de)“數據用戶”包括但不(bu)限于(yu)工程師(shi)、操作員、工廠經(jing)理及分析師(shi)。但是，PI System 的(de)開創(chuang)性的(de)技(ji)術，主要解決(jue)的(de)是誰的(de)問(wen)題呢？如文中(zhong)所(suo)言，是“現場工程師(shi)”。

為(wei)(wei)什么(me)是(shi)這樣？為(wei)(wei)什么(me)不是(shi)數(shu)據消費(fei)的最終用戶？

3. 數據用戶真正想要的是什么？

筆者從業 20 年，一直在和工業數據打交道。從早期的 MES、EMS、PHM，到后來的智能制造、工(gong)業(ye)互聯(lian)網；確切(qie)的(de)(de)說，我的(de)(de)客戶，都(dou)是工(gong)業(ye)數(shu)據的(de)(de)“數(shu)據用(yong)戶”。用(yong)戶最(zui)關(guan)心的(de)(de)是你的(de)(de)解決(jue)方(fang)案能否解決(jue)其問題。

在常規的 MOM（制造運營管理系統）、智能工廠、工業互聯網等等應用中，數據消費的最終用戶，其實是各層管理者、操作員、統計員、決策者。這些最終用戶，想要獲得實時信息、獲得業務洞察，往往需要先提出需求，由研發人員或 IT 工程師做定制開發；系統做(zuo)的比較好的，比如 PI System，可以由現(xian)場(chang)工程師通過配置組態而得，已經是(shi)很大的進(jin)步。

以(yi)上，就(jiu)是常(chang)見(jian)的(de)“工業數(shu)據管理(li)”解(jie)決方案的(de)現(xian)狀。

如果站(zhan)在(zai)最終用(yong)戶的(de)角(jiao)度，他們在(zai)工業數據管理面(mian)臨的(de)挑(tiao)戰是什(shen)么呢？

筆者淺見：除了上述提到的在規模性（海量高頻）、價值性（價值密度低）、復雜性（多源異構、質量差、缺失上下文和業務語義）這 3 個方面之外，最重要的還有第 4 個方面：壁壘。體現如下：

• 技術應用：新技術難以迅速部署
• 數據安全：數據安全限制共享價值
• 行業知識：行業知識壁壘高筑

最終用戶真正想要的，是在獲得業務洞察時，不再依賴現場工程師，不再依賴 IT 工程師，不再依賴數據分析師，甚至不用再挖空心思提問。這是真正的數據(ju)消費的新范式。

4. 如何解決？

正確的問題(ti)往往比答案(an)(an)重(zhong)(zhong)要，好的問題(ti)就是一(yi)半的答案(an)(an)。我(wo)們重(zhong)(zhong)新審視數據最終用戶所(suo)面臨的挑戰，目的是識別(bie)工業數據管理真正的問題(ti)，站在(zai)最終用戶的角度來解決問題(ti)。

濤思數(shu)(shu)(shu)據(ju)八年磨一劍(jian)，即將重(zhong)磅推出的(de)，就是這樣一款產品。它不僅繼(ji)承了我(wo)們在(zai)時序(xu)數(shu)(shu)(shu)據(ju)處理上(shang)的(de)深厚積累，更通過 AI 驅動的(de)數(shu)(shu)(shu)據(ju)理解與(yu)推送機制，真正實現“數(shu)(shu)(shu)據(ju)自己(ji)說話(hua)”，重(zhong)構數(shu)(shu)(shu)據(ju)消費的(de)邏(luo)輯。