利用大数据进行产品研发决策
2018年04月19日 | 作者: adminlin | 分类: 企业顾客满意度 |
近来IT技术领域最热门的话题之一就是大数据，关于大数据的应用更是被神化及夸大化。对于在PLM/PDM中应用大数据更多的是概念及愿景，很难使应用落地。本文想从产品需求管理上入手，探讨如何使大数据为产品设计进行决策。
一、何为大数据？
大数据有很多的定义：笔者在这里引用来自维基百科、高德纳公司及IBM对于大数据的定义。
维基百科：大数据（Big
data）或称巨量数据、海量数据、大资料，指的是所涉及的数据量规模巨大到无法通过目前主流软件工具，在合理时间内达到截取、管理、处理、并整理成为帮助企业经营决策更积极目的的信息。网络上每一笔搜索，网站上每一笔交易，敲打键盘，点击鼠标的每一次输入都是数据，整理起来分析排行，它的功能可不仅仅止于事后被动了解市场，搜集起来的数据还可以被规划，引导开发更大的消费力量。
2012年，高德纳公司修改了对大数据的定义：大数据是大量、高速、及/或多变的信息资产，它需要新型的处理方式去促成更强的决策能力、洞察力与优化处理。
IBM：大数据是指无法使用传统流程或工具处理或分析的信息。
既然大数据的定义都与信息量和计算机处理能力有关，那么接下来让我们来看一下人类的信息量、计算机处理能力与世界经济发展速度的对比情况。
人类存储信息量的增长速度比世界经济的增长速度快四倍，而计算机数据处理能力的增长速度则比世界经济的增长速度快9倍。
有数据显示：2000年时，数字存储仅占25%，报纸图书等占到75%。而到2000年，报纸图书等只占到7%。2007年人类存储的数据超过300EB（1EB=10亿GB），而且还在剧烈增长中。
通过以上信息，我们可以清晰地看到：所谓“大数据”只是一个相对的概念，初期是指需要处理的信息数量过大，超过了一般电脑在处理数据时的极限，因此科学家必须改进数据处理的工具。这也导致了新的处理技术的诞生，如开源Hadoop平台。这些技术使得人们可以处理的数据量大大增加，更为关键的是，这些数据打破了必须使用关系型数据库管理数据的模式，因此也出现了更多的非结构化数据。
二、大数据的特征
可以采用3个特征来定义大数据（3V）：数量（Volume）、种类（Variety）和速度（Velocity），如图1所示。这些特征相结合，定义了IBM所称的“大数据”。他们创造了一种需求，那就是使用一类新功能来改善当今的做事方式，提供了一种对我们现有的知识领域和驾驭其能力的更有效控制。
当然现在也有的公司采用4V来做定义，增加了真实性（Veracity）为第四特点。
下面笔者将解释一下这几个特征。
（1）数量：多大才算大？10年前全世界超过TB的数据仓库屈指可数，而现在个人电脑轻松超过TB，说明数据的大小与时间相关。如今可供使用的数据量不断增长，而它们可分析的数据比例不断下降。所谓大，可以理解为使用传统方法无法处理的数据，必须采用新的技术才能处理的数据就能被认为数量足够大。
（2）种类：传统系统能处理的数据为关系型数据，但是随着传感器、智能设备以及社交协作技术的激增，企业中的数据也变得更加复杂：它不仅包含传统的关系型数据，还包含来自网页、Web日志文件（包括流数据）、搜索索引、社交媒体论坛、电子邮件、文档、主动和被动系统的传感器对数据等原始、半结构化和非结构化数据。世界上目前存在的数据只有20%的结构化数据，这也是目前我们的系统可以处理的部分。因此在大数据领域需要新的系统才能处理原始、半结构化和非结构化数据等更多种类的数据。
（3）速度：多快才算快？对速度的传统理解通常是考虑对数据进行存储及其相关的检索速率。要理解速度，一种思考问题的新方式是：从数据产生的时刻开始考虑。不要将速度的概念限定为数据存储的增长速率，而定义为动态的数据：数据流动的速度。当今的企业正在处理PB级数据而不是TB级数据，而且如RFID传感器和其他信息流的增加导致了传统系统无法处理的持续的数据流。如IBM推出的大数据的流计算就是希望能实现实时数据速率统计，能够比竞争对手更快地确定数据趋势预测。
三、大数据的核心是预测与帮助决策
由于大数据是对所有的数据进行处理，而不是样本数据。他可以反映出数据的真实性。因此大数据不是采用随机算法进行分析，而是对所有的数据进行分析。
大数据的核心是预测，它通常被视为人工智能的一部分，或者被视为“机器学习”。大数据不是要教机器和人一样思考，而是把数学算法运用到海量数据上以预测事件的发生可能性。比如明年某产品流行什么颜色、样式、特性……这些预测能够成功都是建立在海量数据的基础上。此外，随着系统接收到的数据越来越多，他们可以聪明地选择最好的判断模式来改善判断与决策性能。
在不久的将来，现在单独依靠人类判断力的领域会被大数据决策所取代，例如目前最成功的语言翻译系统来自Google，其翻译性能的保证来自数万亿的语料库，而不是人类语言专家，专家的专业价值日渐萎缩。
以苹果为例，其产品的创新性与用户体验完美结合，其决策来自与苹果公司合作的全球电话服务商，他们提供了海量的全球电话客户的体验数据。
因此数据的核心是预测与帮助企业进行决策，对于制造型企业而言，产品研发决策是公司成败的关键。
四、PLM中产品研发决策面对的挑战
1.什么是IPD
集成产品开发（Integrated Product Development，简称IPD）是一套产品开发的模式、理念与方法。作为先进的产品开发理念，IPD的核心思想可以概括如下。
（1）新产品开发是一项投资决策：IPD强调要对产品开发进行有效的投资组合分析，并在开发过程设置检查点，通过阶段性评审来决定项目是继续、暂停、终止还是改变方向。
（2）基于市场的开发及创新：IPD强调产品创新一定是基于市场需求和竞争分析的创新。为此，IPD把正确定义产品概念、市场需求作为流程的第一步，一开始就把事情做正确。
（3）跨部门、跨系统的协同：采用跨部门的产品开发团队（PDT：Product Development Team），通过有效的沟通、协调以及决策，达到尽快将产品推向市场的目的。
（4）基于平台的异步开发和重用模式：通过严密的计划、准确的接口设计，把原来的许多后续活动提前进行，这样可以缩短产品上市时间。同时，采用公用构建模块（CBB：Common Building Block）提高产品开发的效率。
（5）结构化的并行开发流程：产品开发项目的相对不确定性，要求开发流程在非结构化与过于结构化之间找到平衡。
IPD框架是IPD的精髓，它集成了代表业界最佳实践的诸多要素。具体包括异步开发与共用基础模块、跨部门团队、项目和管道管理、结构化流程、客户需求分析（$APPEALS）、优化投资组合和衡量标准共7个方面，集成产品开发框架如图2所示。
从IPD整体框架可以清楚地看到，需求管理与决策是IPD的输入端也是决策段，其决定了产品与平台开发的成败。
2.PLM与IPD的关系
随着PLM软件的兴起，产品生命周期包含需求收集、概念确定、产品设计、产品上市和产品市场生命周期管理。如图3所示，PLM的应用范围逐渐扩大，可以帮助企业将IPD落地，但是依旧没有解决需求管理的瓶颈。
3.客户需求工程
可以说，没有需求就没有产品，缺乏好的、及时的市场需求是项目方向偏离和产品失败的最主要原因（图4）。IPD使用一种用于了解客户需求、确定产品市场定位的工具――$APPEALS进行需求分析。
$APPEALS能够从8个方面衡量客户对产品的关注，确定产品的哪一方面对客户是最重要的。具体地，$APPEALS依次的含义为：$为产品价格（Price），A为可获得性（Availability），P为包装（Packaging），P为性能（Performance），E为易用性（Easy
to use），A为保证程度（Assurances），L为生命周期成本（Life cycle of cost），S为社会接受程度（Social
acceptance）。
4.目前需求管理的瓶颈
也许读者会发现：PLM/IPD两者的源头都是需求，针对需求很重要的就是市场管理，这也是目前PLM系统里面非常弱的一面。以往的做法，需要各行业专家针对产品战略、市场信息、客户反馈、竞争信息、技术趋势和产品组合等大量内容进行抽样、样本分析，确定基线化的需求说明书。但所有这些都是基于小数据情况下的分析及决策。这也给企业产品研发决策带来了大量的隐患。经常出现的情况如：①样本数量不够，造成预测错误；②决策因子的权重取决于感性，而不是全部数据；③决策时间过长，与瞬息万变的市场脱节；④无法确定是否应该停止某些研发项目的投资……
以上这些情况的发生，都使得我们不知道客户需要什么样的产品、产品需要在多长时间内上市才会占有市场先机，这些都会阻碍我们尽快做出正确产品研发决策。
五、如何利用大数据为PLM进行决策
根据以上的问题与现状，依靠现有的PLM系统无法进行决策。那么我们可以依靠大数据来帮助企业进行决策。目前，有以下大数据方式可以帮助我们进行决策：①通过与社交网站合作，分析特定区域客户浏览习惯、交友年龄、性别等了解到潜在用户的喜好、习惯；②多年的数据分析，实现数据的再利用。如分析客户订购网站多年的订购习惯等过时数据，以了解客户需求变化趋势；③针对由于用户错误或者产品设计错误的反馈数据，了解客户真正需要的用户体验；④利用交互式技术集成企业PLM，让用户访问企业的PLM系统，收集客户访问交互式网站的体验及反馈，进行新产品决策。
以下，笔者通过介绍利用用户体验来进行产品决策的案例来讨论如何使用大数据为产品研发决策。
对于消费类产品来说，产品与时代潮流相符，市场瞬息万变，等到某类产品流行了再做产品研发及变更都会使企业丧失先机。如何能预测市场趋势，提前做好产品研发呢？必须提前准确预测未来产品的趋势，这就需要通过大数据来进行决策。
传统的做法是：通过委托调研公司进行市场抽样调查，这种做法存在着成本高、相应速度慢于市场变化、并且样本数量有限，难以反应市场真正的趋势。因此我们可以通过虚拟化技术嵌入社交网站，通过分析人们的浏览习惯、使用者的性别、年龄、职业和上网习惯等进行详细分类（这些都是在客户不知情的情况下被服务商所收集的数据）。
例如：采用与SolidWorks Enterprise
EPM集成的Composer设计的企业交互式网站展示未来产品的雏形，发布到各个社交平台，通过用户访问的频次、停留时间（而不是通过客户投票选择）等浏览习惯来进行决策客户的喜好。例如将不同的手表样式、颜色等不确定信息设计成多种交互式动画展示于社交平台，通过社交平台提供一定时间内的客户浏览习惯、客户分类等信息进行手表流行趋势预测（图5）。然后通过PLM系统快速进行新的项目管理与研发，在最短的时间内将新产品推向市场，实现高盈利，并领先竞争对手。
六、结语
由于大数据是一个全新的具有勃勃生机的领域，只有通过深度挖掘大数据中的数据价值才可以帮助企业的PLM系统进行产品研发决策。
想获取更多信息，或者咨询相关业务可以关注我们的微信公众平台：SMR_gz
或者扫描下面二维码
