这种相关的关系是一直动态变化的。过去我们只能看到静态的过程,可能只看到这一点看不到下一点了,而在一个事实动态的过程中捕捉所有的相关因素,可以让结果更加准确。
举个例子,谷歌街景可以捕捉到海量的数据,可以给无人汽车提供路况信息,可以提前预知周围的环境,同时车上有数十个传感器,可以捕捉周边的数据,保证行驶的安全。谷歌就是把数据整合在一起了,从一维到多维。我觉得,谷歌汽车是目前大数据应用比较成功的例子。
能源大数据用处多多
我们把大数据和各个领域结合,看他未来的市场价值,发现能源这一领域,在整个大数据市场中,可以占到8.5%,为什么会占到这么大的比例?主要是因为能源行业的特点。
![](http://img01.bjx.com.cn/news/UploadFile/201511/2015110517214281.jpg)
第 一,能源行业本来就是一个非线性的混沌系统,相关因素多。比如地缘政治、种族主义、恐怖主义这些不可抗力。如果借助大数据手段,把这个地方的宗教、历史、 人文、社会等等因素模拟出来相关之后,可以预测一定时间内恐怖分子炸油管的可能性,在什么时间发生,可不可以预防。电力生产领域,风电、太阳能,也不只跟 太阳的辐射量有关系,跟环境、温度,沙尘暴的相关性也非常大。
第二,数据类型的复杂多维。就电力生产来讲,有生产端、有输出端、有消费端,现在消费者参与到当中来,这个数据就比较多维,发电企业、电网企业、消费者都有不同的需要。将来微网流行起来以后消费者的比重就更大了,所以他是多维的系统。既有结构化的数据,也有非结构的数据。
第三,数据价值的密度较低。数据量很大,但是真正有价值的数据很少,经过筛选,就可以发现更多有价值的信息和无数的小机会。
第四,数据处理的要求很高。举一些能源大数据在风电上的应用实例。首先,风机的制造。以前做风机,试错的成本很高,在实验室最起码做一些样机出来,反复的调 试,现在通过数字模拟技术,很多调试在计算机上就可以完成,还可以依赖前端采集的大数据,减少试错的时间和成本。其次,风力的监测。风力的监测就是实时动 态的监测和历史数据结合的过程。监测的作用有那些呢?可以给风机的研发提供数据的支持;可以减少运营成本;可以做单个风机的优化,最重要的,可以提升风机 间的配合。风机是有尾流的,相关性很高,一个风机产生的尾流会影响另外一个风机的处理的,为了让整个风场的配合更好,相关性更强一些,我们还要做尾流控 制,这是在传统手段下解决不了的,只能从理论上模拟单个风机,大数据情景下我可以根据当时的实况对风机之间做调配,协调性更好,整个风场的发电率更高。
大数据的金字塔顶端最终取决于人
能源大数据产业链,我把它分成四层。第一层最大的就是数据的收集和存储,是数据形成的过程。运用到流计算、并行计算、分布式计算,等等很多计算的过程和存储的过程,他是整个大数据行业的基础端。
再往下一个层次就是信息的整合端,把采集到的海量的数据变成一个信息,经过一个去噪和强化的过程,做信息的整合。
第三个层次,知识的发现过程。从初步的分析,从信息中提炼出我们需要的内容,把它变成知识,涉及到数据加深、机器的学习。
第四个阶段,在金字塔顶端,也是最难的,是把初步的分析做深度的应用,这个就是从知识到智慧的过程,需要洞察。简单来讲,需要人的更多的经验、更多的积累,甚至天分的参与的,并不是一个完全可以被机器替代的过程。
![](http://img01.bjx.com.cn/news/UploadFile/201511/2015110517215571.jpg)
结合这四个层次来讨论一下大数据的产业链。上游就是一个数据资源,比如电网,它拥有非常庞大的数据资源,这是很好的方式。中游就是技术,数据整合和分析,通 过去噪和增强,实现第二层次的数据整合和第三层次的初步分析。下游应用,就是第四个层次,需要经验判断和知识的融合,最终来创造商业价值。
所以,大家都说BAT要进来能源行业。但我觉得他们进来之后,可能对数据形成、信息整合、知识发现等有很大冲击,但对于有门槛的能源行业,还是有一定的壁垒,需要更多人的经验、积累,甚至天分来参与,能源互联网并不是一个完全可以被机器替代的过程。
前面提到,大数据不转化为商业价值是没有用的。大数据的商业价值,对内就是降本增效的过程,比如安全生产预警、环境风险管理,还有风机的运营维护和监测,都 可以减低成本,增加效益。对外是实现商业价值的过程。我们可以卖设备、卖服务,甚至卖数据。数据资源有垄断优势,但是数据资源如果不分享、不交流,可能会 形成数据孤岛,商业价值可能就会减少。
大数据是天然和金融相关的
投资和能源大数据的关系从两个角度来说。第一个角度,对企业本身来讲, 投项目的目的是为了赚钱,但是最终能不能赚到钱,是概率事件。企业为了让投资决策更准确,可以运用大数据,降低项目的投资风险。比如油气开采的例子,可以 用大数据做模拟钻采,同时真正开钻的过程中做实时的调校,这样就可以降低试错的成本。
第二个,对于金融机构来讲,能源大数据可以帮我们来发 现产业链上的好企业。比如,百度、阿里巴巴和腾讯,为什么说他们三家是好企业呢?做过大数据分析之后发现,百度汇集的是信息资源。阿里巴巴汇集的是商品资 源,腾讯汇集的是社交资源。在大数据分析之下发现,他的信息流非常大,产生的价值也很大,我们就发现了好企业。同理我们可以在这个产业链条上发现哪家企业 是做能源大数据做的好的。
融资是很多企业关注的问题。美国的一个谐星说过一句话:银行只有在你证明你不需要钱的时候才能借钱,因为银行是这 样的机构,从来不会雪中送炭。这就是很多初创企业想从银行拿钱很难的原因,他只做锦上添花的事,企业经营很好才给你拿钱。反过来想说明什么问题呢?如果想 从银行借钱的话,企业就要出示一系列的证明。有了大数据就可以让银行更信服一些。比如光伏电站融资,行业内的人觉得光伏电站是一个固定收益的好产品,但是 银行会问,电站质量如何,限电怎么样,补贴到位怎么样,现金流怎么样,到底是不是真的固定收益。如果我们可以提供一个客观真实的数据取得银行的信任,就可 以更容易的借钱。
![](http://img01.bjx.com.cn/news/UploadFile/201511/2015110517220974.jpg)
但大数据绝对不是无所不能的,因为当我们通过大数据的分析采集、分析整合,得出一个结论的时候,他最终能不能变成商业价值,其实是跟行动相关的。同样的道 理,我们通过大数据得到一个结论的时候,我们最终能不能把它变成我们自己值得依赖和骄傲的商业价值,是跟行动有关系的,这完全依赖于人的眼光、格局和执行 力了。
关于嘉宾:郭剑寒,美国纽约州注册律师、中国律师资格,现就职于某顶级合资投行。在能源、新能源、节能环保等领域的境内外并购交易、股债权融资、私募股权投资等方面具有丰富经验。