
有了工业数据的大量积累,但并不等于直接的商业收益,中间隔着一道非常关键的通道——工业大数据技术。近几年,很多大数据专家和行业专家也在争执:数据量重要还是大数据算法更重要,双方各执一词。
比如,Googole认为数据量的多寡至关重要,甚至直言:更多的数据胜过更好的算法。这种观点与我们意识认知中的“信息越多,就越靠近真相”类似。
而如《The Signal and the Noise》(信号不噪声,作者Nate Silver),这本书里面的一个观点是“更多的数据意味着更多的噪声。
信号是真相,噪声却使我们离真相越来越进。”所以,人们需要构建有效的算法和模型,去识别和认知何为真相。
无论数据量和算法模型哪一个更重要,针对工业大数据的有效利用,归根结底还是选择对的工业大数据分析技术。
GEPredix专家将从分析算法侧重点、分析模型与机理模型融合方式、业务应用场景等3个方面分享工业大数据分析的典型范式。



1. 我是来自能源领域的小白
2. Predix平台提供的数据建模和分析算法,可以帮助我实现我所需要的工业数据分析结果的有:



欢迎各位同学踊跃提问,GE专家将及时为您答疑解惑!
活动结束后,我将抽取40名积极提问的童鞋,赠送价值50元的京东卡一张。
如欲了解Predix平台详情,请访问:http://predix.csdn.net