原创 工业数据回传：数据存储桥头堡之后

数据会传到企业之后，有一些企业采用了将数据保存在公司内网，软硬防火墙、权限、口令、加密各种手段全上，这是很稳妥的办法。若果要使用数据库，那就另开一个存储区域，设置过滤条件，建立数据库镜像，防止直接操作不当崩溃。

本文我们要讨论的不是数据库，而是一个问题。

大数据分析。

这个名字不是随便叫的，就好像有个网站不能称之为云一个道理。直接举个例子来说明吧。

某个现场不大，100多个信息点，每隔十秒回传一条消息，一分钟6条，一个小时6*60条，一天6*60*24条，合计14400条信息，每条信息占据2K字节，则占据28800000字节，不到3M，也就是一首歌的大小。两天，28800条数据。

工业化的许多数据，如温度、压力、流量、PH值等，往往变化是比较缓慢的。从数据库中读出数据填充到EXCEL表里，看两眼会觉得这是粘贴考虑了数万行，发觉不出变化来，以小的时间尺度去查看变化曲线，就是一条直线。

首先根据预定义的通信协议，将数据字段填充到监控变量，同时以时间变量为基准，建立起数据序列。

对于数据进行初步的筛选和预处理：判断数据的有效性，那些明显一场的数据如超出极大值和极小值的数据，不知所云的数据，这往往是由于现场传感器故障、通信干扰等原因造成的，需要剔除或根据上下时间段补值；长时间无变化的数据删减等等。

经过预处理的数据后，数据条数从2万多条锐减至只有不足百条。

根据业务专家的一件，对于这十几条数据做了简单的诸如相关性的计算之后，得出了几条结论。业务专家非常惊讶，仅仅这几十条数据得出的结论，清晰的反映了该单元的最优化工作条件，和实验室条件下的结论如出一辙。而根据此结论编写的操作指导书和运维报告，另用户大为满意，专门增加了预算。

上述过程，是一个浓缩了的大数据分析的过程。通过该过程，我想说明几个结论：其一，数据中蕴含着财富，价值无法估量；其二，企业，要高度重视这些数据的价值，这是企业提高生产率的核心价值所在；其三，企业，要做好数据的保密；其四，本文使用简短的篇幅举例，是为了说明如下结论：在数据时代，对于企业的挑战不仅仅来自同维度的同行，更有可能来自更高维度的其它。

所以，有一个问题，数据就是金钱。我们把金钱存到银行去，银行用这些钱去放贷，去投资，进而获利，抽出一部分返给储户作为利息。企业将数据存储到云端，怎么还收费吗，以后会倒过来吗？