数据分析师如何系统地认识工业过程？

做工业过程数据分析，前提就是理解现场、理解工业过程。但是，做数据分析的人，有谁肯花几年的时间去理解工业对象？这是一个大的障碍。

 现在，软件工具已经很发达了，几秒钟就可能出一个分析结果。这样，分析师的主要精力，就转移到对分析结果的认识和判断上去了。为了分辨结果的真伪，知识不足时，可能需要请教专业领域的专家。请教是难免的，但是，如果分析师每隔几个小时、乃至几分钟就去请教一次专家，是不是件很头疼的事呢？如果不去请教，就有可能越陷越深，浪费自己大量的时间。

 要解决这个矛盾，必须找到一种方法，让分析师尽快、尽量深入地理解工业对象。

 一般来说，数据分析师入行之前，会有机会专门请教业务专家。而数据分析师要从业务专家那里得到更多的知识，关键是“会问”：知道自己该问些什么问题。否则，专家要讲的内容很快就讲完了，很多该了解的知识都不知道。所以，需要带着问题请教专家，也需要自己多去阅读一些材料，对工业过程的宏观体系有所理解，这样与专家交流的效率就可以得到提高。CPDA数据分析师将认识工业系统的过程抽象成以下内容：

 1、识别功能

 任何一个工业系统（生产、产品、服务）都是为了特定功能而存在的，要避免对功能的肤浅理解。为此就要知道：工业过程的功能往往不是唯一的，可能会有多个功能。有需要正面发扬的功能，也可能有若干负面抑制的功能。比如，炼铁的高炉不仅生产铁水，还生产煤气、产生或者消纳污染；汽车不仅是作为交通工具，还有显示身份、满足简单娱乐的作用。识别功能，要完整深入。不仅要识别出有哪些功能，还要了解具体的要求、功能之间相互的矛盾或依托关系等。请教业务专家时，他常常只想到基本功能，无意中把次要的功能忽视了。但对于复杂的系统，次要的功能或许会成为关键。

 2、认识基本流程

 对应每个基本功能，都会有一套流程或实现逻辑。一般来说，这就是技术的基本原理。识别出来的功能越多，涉及到流程就越多。请教专家时，要提醒他介绍次要功能对应的流程或逻辑，还要提醒他介绍不同流程之间的交叉和矛盾。

 3、外部变化对流程的影响

 流程的处理方式往往不是单一的。当外部因素发生变化时，流程往往会有变化。要尽量多地去了解可能引起变化的外部因素。比如，在钢铁生产过程中，钢种、规格、用户需求变了，工艺流程可能就会变。再如，开车时，不同的季节、时段和事件，会触发新的流程，如开空调、车灯等等。总之，遇到特殊情况如何处理，也需要仔细问清楚。这里的知识点，比正常流程本身可能要多很多。

 4、认识流程内部的变化

 如果把工业看做一个系统，就会存在各种各样的变化。除了正常的功能外，很多变化是不希望发生的。比如，机械设备的磨损、性能的劣化等。这些问题虽然并不太常常发生，却是数据分析希望研究清楚的东西。要深入理解工业，需要把这些可能的变化研究清楚。越是高大上的工业，这些问题越是重要。

 5、防范流程

 系统内部和外部，会遇到各种人们不愿意发生的、不可控的事情，工业系统一般都有相对完善的防范措施。包括对意外的感知、处置。其中处置的手段包括减少、预知、弱化影响等等。这些防范措施也可以看做一种功能、也会对应各自的流程和做法。对于高级的工业系统，用于防范意外的措施，可能比支撑正常功能的措施都要多。而防范功能与正常的功能，也会产生交叉关系。

 进一步来说，防范措施也可能会有失效的时候，如何应对防范措施的失效也是非常重要的......这个逻辑可以一直引申下去。导致问题非常复杂——越是高级的系统，越复杂。

 6、数字描述

 以上的认识清楚了，才能尝试用数字来理解过程。按照CPDA数据分析师的经验，现在的数据描述普遍是不完善的，只能有一部分现象可以从数字世界中感知到。虽然未来的条件可能会发生改变，但现在我们必须面对现实。

 7、数据产生流程

 数据不是凭空产生的，也是通过一系列的流程才能产生的。CPDA数据分析师把数据收集看做“数据产品”的生产过程。实际上，很多错误或者不精确的分析结果，往往是由于对数据产生过程的理解不到位导致的。比如，同样是一个温度，如果仪表设定的黑度系数不同，测量出来温度就不一样。工业过程数据分析时，数据质量常常起到关键的作用，把数据采集当做一个“生产过程”来对待意味着：要用前面1-6的逻辑，认真审视数据的生产过程。

通过数据分析去了解工业过程，工作效率会大大提高。它所带来的收获，或许比别人几年了解到的东西还要多、还要深刻。