山东大学软件学院2022数据化企业期末复习总结

目录

一.智能制造与数据化企业

1、工业4.0，从智慧工厂到智能生产

（1）从工业1.0到工业4.0

①18世纪末，蒸汽机取代人力和畜力———-工业革命1.0
②20世纪初，流水线电气化的高效生产———-工业革命2.0
③电子、IT、工业机器人———-工业革命3.0
④互连+智能———-工业革命4.0

（2）工业4.0两大主题：智慧工厂、智能生产

①智慧工厂，重点研究智能化生产系统及过程，以及网络化分布式生产设施的实现
②智能生产，主要涉及整个企业的生产物流管理、人机互动、3D打印以及增材制造等技术在工业生产过程中的应用等

（3）核心：“连接”（connect）+“智能”（smart）

①汉诺威2015工业展上的“连接”（connect）和“智能”（smart）
②网络连接使所有的东西将会获得语境感知，增强的处理能力和更好的感应能力；
③人，流程，数据和事物结合一起使得变得更加相关，更有价值，连接靠的是CPS，即信息物理系统(cyber physical systems，简称CPS)，而数据将会创造智能
④海尔示例：内部一张网——互联工厂制造系统互联————————海尔示例
外部一张网——全流程并联

（4）连接促成“三个集成”

（7）数据驱动自动化生产——————————————————示例

①自动锁螺丝机器人②全自动精准作业的智能化机器人③物料自动识别且自动出库④智能AGV小车

---

2、智能制造，制造强国的抉择

(1) 产品快速更新

①1983 Apple Lisa②1994 Power Mac③2001 iPod④2004 iMac⑤2006 MacBook Pro⑥2007 iPhone

（2）全球化制造模式

潍柴—————————————————————————————潍柴示例

（3）成本倒逼效率提升：人口红利消失

（4）中国的选择

①我国制造业规模连续多年居世界第一，但仍“大而不强”，核心竞争力与美、德等发达国家存在较大差距；
数字化、智能化制造为我国制造业实施创新驱动发展战略，迈向制造强国提供了历史性机遇和挑战。
②2009年，中科院在“中国至2050年先进制造科技发展路线图”提出了“基于泛在信息的智能制造系统”；
2010年中国机械工程学会启动“中国机械工程技术路线图”编制工作，其中“智能制造技术路线图”是六大专题之一；
2011年发改委、财政部、工信部组织“智能制造装备发展专项”；
2015年国务院公布并推进实施“中国制造2025”规划，是实现制造业升级和“制造强国”战略的必然选择。

（5）智能制造的内涵

①智能制造是基于新一代信息通信技术与先进制造技术深度融合，贯穿于设计、生产、管理、服务等制造活动的各个环节，具有自感知、自学习、自决策、自执行、自适应等功能的新型生产方式。（——《智能制造发展规划（2016-2020年）》（工信部联规【2016】349号）文件）
②智能制造包括五个方面，网络制造、智能技术，3D打印、机器人技术、智能装备关键词
③新一代信息通信技术 先进制造技术 深度融合
④贯穿于制造活动的各个环节
⑤“5自”：自感知、自学习、自决策、自执行、自适应
⑥在“中国制造2025”中，智能生产是“智能制造工程”的主战场，智能产品是“高端装备创新工程”的主战场，产业模式变革是“服务型制造行动计划”的主战场

（6）智能制造：发展阶段

①2011.数字化：CAD/CAE/CAPP/CAM/PDM/ERP/RE/RP
②2015.网络化：利用自组织网络，动态配置资源，实现研究、设计、生产和销售各种资源重组
③2020.智能化：产品设计、制造过程中具有感知、分析、决策、执行功能

（7）智能制造发展方向：产品智能化

①自主决策：环境感知、路径规划、智能识别、自主决策
②自适应工况：工况识别感知、控制算法及策略
③人机交互：多功能感知、智能Agent、语音识别、信息融合
④产品全生命周期个性化定制与服务：原材料信息、设计信息、制造信息、回收信息、物流信息、销售信息

（8）智能制造发展方向：装备智能化

（10）智能制造发展方向：工厂智能化

（12）智能制造关键技术：智能传感

（4）数据化企业

①数据化企业并不仅仅是设计、管理和制造的数字化，不仅仅是分散的、单元数字化的过程，而是强调全面以数据为基础的企业经营活动
②不仅要信息采集数字化（Digitization），更要全盘考虑企业的数字化转型策略（Digitalization）
③数据化企业将数据视为核心资产，通过数据洞察业务、量化管理，实现数据定义的经营活动

（5）数据化企业的三个核心特征

①数据资产化：数据渗透各个行业，渐渐成为企业战略资产。拥有数据的规模、活性，以及收集、运用数据的能力，将决定企业的核心竞争力
②软件定义制造：“软件定义一切”的核心思想是将特定的硬件与软件进行解耦，通过软件为硬件灌注智能
③数据驱动生产：一个数据驱动的组织会以一种及时的方式获取、处理和使用数据来创造效益，不断迭代并开发新产品，以及在数据中探索

（6）天生数据化的互联网企业

①互联网公司具有天生的数据化特征：Airbnb的数据团队用统计数据来了解个人的经验，汇总这些经验，以确定整个社会的发展趋势，这些趋势告知公司该从哪来来驱动业务决策—–————————————Airbnb
②三亿小米用户，日活2亿的千万小米应用,总存储量已经在两百PB以上，用户通过小米的平台所产生的这些行为数据是小米后续在大数据建设的核心竞争力，这些数据整合起来一起来支持核心业务————-小米
③新零售领域，大数据会支持对渠道管理，对渠道串货，乱价，刷机的应对
④现金贷，根据大量的数据预先会知道每个用户风险，邀请信用，风控

（7）互联网企业的启发：资产化的数据驱动智能

①优化现有业务，实现提质增效：a.研发能力提升 b.生产过程优化 c.服务快速反应 d.推动精准营销
②促进企业升级转型: a.创新研发设计模式，实现个性化定制 b.建立先进生产体系，支撑智能化生产
c.基于全产业链大数据，实现网络化协同 d.监控产品运行状态和环境，实现服务化延伸
③突破创新，找到新的商业机会

（8）传统企业的数据化之路

①单元数据应用企业：处于早期阶段的传统企业，运用结构化数据进行统计，仅仅形成简单描述性分析；
②数据分析型应用企业：在此基础上，部分传统企业高度重视科技投资，建立和获得了更加广泛的数据源;
③数据驱动企业：企业在获得多样化数据源的大数据基础上实现了预测性分析，依靠数据决策和数据驱动生产，取得商业应用成效；
④全面数据化企业：完全以数据分析驱动的企业，从多种传统和新兴业务中战略性地采集多种结构化和非结构化大数据，并分析形成预测和行动建议，指导企业常规运作

---

小结

制造业转型的核心是智能制造
智能制造的核心是数据驱动
数据化企业是企业的未来

---

讨论问题

1、你印象中的传统企业，尤其是制造企业是什么样的br> 2、关于工业4.0的“连接”与“智能”，说说你的理解。【考题】
3、为什么说智能制造是制造强国的必由之路br> 4、说说你对“数据化企业”的理解。【考题】
请同学们选择至少其一，参与讨论。

---

二. 进化：从CIMS到数据化

1、CIMS——计算机集成制造

（1）从CIMS到数字化工厂

①C是手段②M是指大制造（ 制造业）③S是指整个系统④I是核心，即通过集成提高制造企业的市场竞争力

（2）CIM哲理

①1973年，J.Harrinton博士提出CIM概念
②基本思想
a.系统的观点：企业的各个生产环节是不可分割的，应该加以统一处理
b.信息的观点：整个生产过程实质上也是对信息的采集、传递和加工处理的过程，在企业中主要存在信息流和物流这两种运动过程，而物流又是受信息流控制的。

（3）为什么要提出CIM/h5>

①美国制造业优势的衰退。
②美国要用其信息技术的优势夺回制造业的领导地位， 认为“对CIMS， 不要再犹豫了！ （ CIMS， no longer a choice!） ”

（4）将“自动化孤岛”集成在一起

（5）CIMS定义

①CIMS（Computer Integrated Manufacturing System）是基于CIM哲理而组成的系统
②定义为：“CIMS是通过计算机硬软件，并综合运用现代管理技术、制造技术、信息技术、自动化技术、系统工程技术，将企业生产全部过程一味有关的人、技术、经营管理三要素及其信息与物流有机物有机集成并优化运行的复杂的大系统。”

（6）离散制造业CIMS体系结构

（8）CIMS的功能结构

（10）案例：潍柴动力5大信息化平台

（5）信息化为犁，而数据是土壤

①各种信息化软件主要是加工数据的工具，信息化是感知数据的手段
信息化是产生数据的手段
信息化是处理数据的手段
信息化是分析数据的手段
②“数字化”企业对外部环境的反映速度比传统的企业要快得多，使之能够在竞争激烈、变化无常的市场环境中生存并保持持续的竞争力，本质上并没有改变制造的模式
③现代工业场景积累了海量的数据资源，可这笔巨大的数据财富往往没有被有效利用
a.产生和收集尽量多的数据。不管你是做商业智能还是构建产品，如果不能收集数据，你就不能使用数据。
b.以一种积极和省时的方式来度量你的产品或策略。如果你不去度量结果，你又如何得知呢br> c.让更多的人来观察数据。任何问题可能只是因为一些简单的原因导致，更多有经验的专家可以从不同的角度迅速发现问题出在哪儿。
d.激发对数据产生变化或者不变的背后原因的好奇心。在一个数据驱动的组织里，每个人都应该对数据好奇，在思考数据。

（6）D世代企业

①“D世代企业”是大数据分析驱动型的企业，可以战略性运用云计算、移动、社交和大数据分析工具，掌握并预测以客户为中心的市场状况和变化趋势，并根据数据洞察生成最佳行动建议，数据贯穿企业研发、生产、营销、服务等运作环节
②依托大数据分析结果，确定企业主要流程和做出决策，而不是再依赖管理者的决策;
③分析复杂的数据源，并取得预测性分析结果和最佳行动建议;
④在云环境中管理更多的数据和分析过程;
⑤逐步把移动和社交作为与客户互动的主要方法;
⑥改变企业文化，而不仅仅是技术。

---

小结

从CIMS进化到数据化企业，是新数字技术和互联网经济发展双轮驱动的结果
数字化到数据化，一字之差，意义深远
数据化+链接，带给制造智能，带给制造超越式发展
新模式、新技术、新业态，引领未来制造

---

讨论问题

1、为什么说CIMS——计算机集成制造系统中，“集成”是核心br> 2、从本章CIMS实施案例，简要介绍CIMS的组成。
3、新时代，数据对各种制造新模式的影响如何，请举例说明。【考题】
4、如何理解“信息化为犁，而数据是土壤”em>【考题】
请同学们选择至少其一，参与讨论。

---

三. 数据之道

1、数据之道——知有所合谓之智

（1）数据之道之一：客观性

数据之道的核心是数据的客观性

（2）数据之道之二：精准性

（3）数据之道之三：关联性

①数据关联，预测的关键
②关联数据扩展思维
③关联无处不在，相互关联的数据（Linked Data）使发现知识和规律成为可能
④关联分析是一种简单、实用的分析技术，就是发现存在于大量数据集中的关联性或相关性，从而描述了一个⑤事物中某些属性同时出现的规律和模式

（4）数据之道之四：细节控

（5）数据之道之五：发现“未知的未知”

①发现“未知的未知”
如果能够预知某些问题或者故障，制造商就可以使用传感器捕获制造过程关键步骤的数据，可以用于检测发生的问题；然而，一些微妙的问题，即所谓的“未知的未知”问题，我们不知道有些故障我们不知道，所以也就无从检测了。但这些问题可能会导致产品使用中较高的故障率。
②“未知的未知（Unknown unknown）”是前美国前国防部长拉姆斯菲尔德在响应记者提问时的名言。“据我们所知，有‘已知的已知’，有些事，我们知道我们知道；我们也知道，有‘已知的未知’，也就是说，有些事，我们现在知道我们不知道。但是，同样存在‘未知的未知’——有些事，我们不知道我们不知道。”
③从认知规律上来看，未知的“未知”的范围远大于已知的“已知”和已知的“未知”。明白了这一点，我们才能在客观世界面前保持敬畏，才能不断地创新和探索。
显然，缺乏大数据的支持，发现“未知的未知”是做不到的。而一旦当企业拥有了大量的、多方面、多维度的数据，就可以利用数据呈现手段，将一些未知的现象呈现出来，就更容易从中发现关联，找到问题的蛛丝马迹

（6）理解数据的简单案例——相似性

①相似系数函数
所谓相似系数函数，是指两个“数据”愈相似，则相似系数值愈大；两个“数据”愈不相似，则相似系数值愈小，往往取值范围设置在[0,1]或者[-1,1]
②夹角余弦
③杰卡德相似系数
④相关系数
⑤合理推断：微博影响力测试

---

2、工业大数据之道

（1）工业大数据具有独特应用特征

①“协同性”
“牵一发而动全身” 业务目标需通过整个企业乃至供应链上多个相关方的大范围协同才能完成
②“跨尺度”
需要将毫秒级、分钟级、小时级等不同时间尺度的信息集成起来。
③“多因素”、“因果性”、“强机理”
“多因素” 影响某个业务目标的因素多
“因果性”工业系统对确定性的高度追求
“强机理” 获得高可靠分析结果的保证

（2）工业大数据难在应用之复杂

①可靠性要求高：是工业高科技的一般性要求
②正确判断能带来巨大效益，
③错误判断也可能带来巨大损失
④数据来源于复杂的工业系统
⑤数据质量差，严重影响预测结果
⑥模型推导复杂
⑦隐性的、非随机的系统干扰过多，隐性系统性干扰，后果很严重

（3）问题：

①.相关与因果差距很大
相关性对商业和工业的价值不一样；对商业应用相关就够了，工业过程分析仅靠相关分析可能是不够的，一定要重因果，否则很难达到可靠的要求
②.数学模型可靠性难保证，模型没有共识
③.数据不足或分布区域小时遇到的问题

（4）工业大数据分析技术

①：强关联数据的集成
以BOM结构为核心的产品生命中期数据集成管理框架

③：数据高效率处理技术

（5）工业大数据技术架构（白皮书）

---

3、工业大数据分析

（1）工业大数据分析：业务理解 + 统计知识 + 技术工具

（3）工业大数据的分析过程

⑦考虑工业机理模型
风机结冰物理模型与特征提取
⑧首先，利用模糊自适应神经网络对训练数据的正常样本拟合功率特性曲线得到功率特性曲线的基线模型，然后利用该模型估计测试数据下的功率输出
⑨风机功率对风速的响应模型进一步解释了为什么风功率的偏差能够表示结冰的严重程度。Rahimi 等人揭示了风机功率和风速之间的关系
该模型说明在风速一定的情况下，风机输出功率和结冰程度有明显的单因素对应关系
……风机风能综合利用率可以作为另一个重要的结冰预测模型的特征，它是结冰严重程度对风机性能影响的量化指标
这样：通过对风机叶片结冰过程的机理分析和物理建模，就提取了若干表征结冰的状态和本质属性的特征
⑩通过风机叶片结冰机理建模和演化规律分析，从原始数据中提取16个特征建立基于数据驱动的结冰预测分类器
⑩①在原始数据质量不佳和采用单个分类模型的前提下，非结冰和结冰数据均能够达到很高的分类正确率

（6）如果没有机理纯从数据出发

在深度学习的方向上对风机结冰预测进行探索，根据数据训练模型，通过模型预测叶片是否结冰
①数据预处理
训练数据集中包含正常数据、故障数据以及无效数据，清洗、补全、对齐
②特征加工与选择
将可用的26个特征两两绘图，分析其相关性，其中同一风机3个叶片的叶片角度、速度、变桨电机温度数据分布较为一致
对现有的特征进行组合，其中，风速与网侧有功功率的比值、风速与发动机转速的比值以及风速与网侧有功功率、发动机转速之间的比值，在叶片结冰期间会有明显的上升趋势， 能够很好的表征叶片结冰过程。根据实际数据进行建模
③算法选择
建立CNN+LSTM 二分类深度学习网络自学习特征，用于叶片结冰预测
模型的主要工作原理是：训练数据首先经过两层卷积层， 初步地学习多个连续时刻数据的特征以及变化趋势，接着使用长短期记忆网络LSTM 进一步学习不同时间段的特征，最终达到叶片结冰故障预测的目的

（7）基于大数据的产品调校

生产全流程检测数据
历史调校过程数据
原理机理模型
智能生成调校补偿初始值，缩短调校周期
发掘隐藏的质量影响因素

（8）基于大数据的生产路径和调度优化

多种型号混线生产
批次量小
中转仓存储时间不一，有养生要求
根据定制需求智能匹配原料、物流路径和养生区参数
混线生产的全流程质量追溯

（9）基于大数据的关键工序检测和故障预测

极端环境下的图像采集
基于视觉的监控和报警
退捻断丝、打绞的发现和自动处理
有限不良样本下的漏板、断丝特征提取
发掘断丝、打绞现象与设备的关联
易损耗材寿命智能预测和告警
极端环境下的数据采集和传输

（10）基于大数据和边缘计算的设备运维

---

小结

①数据的价值在于它对事物某个属性客观和精准的刻画，而大量的数据关联起来，就指向了事物的本质
②数据之道的核心是数据的客观性，这使得数据会呈现真实，能展现规律，能预见未来
③工业大数据处理具有“多因素”、“因果性”和“强机理”特征，需要把握工业大数据处理和分析的特殊要求
④强机理业务的分析技术包括描述式分析、预测式分析、处方式分析、诊断式分析
⑤工业大数据分析以数据为中心，将相关工作分成业务理解、数据理解、数据准备、建模、验证与评估、与运行等基本步骤

---

讨论问题

1.如何理解数据所体现出的良好特征br> 2.为什么工业大数据应用中 “相关性”未必可靠br> 3.一般而言，工业数据分析工作包括哪些基本步骤em>【考题】
4.工业机理对工业数据分析的支持作用体现在何处br> 请同学们选择至少其一，参与讨论。

---

四.数据变革制造

1、CAx由实到虚

（1）数字化设计概述

伴随计算机图形学的发展，计算机辅助设计系统，实现了CAD／CAPP／CAM／CAE的一体化，使产品向无图纸制造方向发展

（2）工程设计自动化系统EDS

用计算机来辅助产品设计、制造准备及产品性能测试等阶段的工作，即常说的CAD/CAPP/CAM系统， 目的是使产品开发活动更高效、更优质、更自动地进行
相关技术缩写
EDS(Engineering Design System)
CAD( Computer Aided Design)
CAM( Computer Aided Manufacturing)
CAFD( Computer Aided Frock Design)
CAPP( Computer Aided Process Planning)
PDM( Product Data Management)
PLM( Product Life Management)

（3）EDS功能树

（5）CAD

①Computer Aided Design计算机辅助设计
起始于上世纪50年代，刚开始主要用于产品设计计算及计算机绘图，随着计算机性能的提高和成本的大幅度下降，CAD进入了更多的应用领域（出现了可绘制2维、3维图形的交叉绘图系统，可以完成产品设计、材料分析、制造要求分析等），采用CAD可以大大节省劳动时间，其设计速度一般是人工的1至5倍
②3D CAD 实体建模
③源于几何的CAD建模技术
④1 线框造型
线框造型是CAD/CAM技术发展过程中早应用的三维模型，这种模型表示的是物体的棱边。线框模型由物体上的点、直线和曲线组成，这种模型系统的开发始于60年代初期，当时，主要是为自动化设计绘图
线框模型在以边表和点表表达和存储的，实际物体是边表和点表相应的三维映象，计算机可以自动实现视图变换和空间尺寸协调
线框模型具数据结要简单，对硬件要求不高易于掌握等特点。曾广泛应用一工厂或车间布局，管道敷设、运动机构的模拟干涉检查
⑤2曲面造型
曲面造型又叫表面造型。表面模型是通过在线框模型的基础上添加了面的信息，利用表面模型，就可以对物体作剖面、消隐、获得NC加工所需的表面信息等
对一些复杂的物体表面，如汽车车身、飞机机身、模具型面告示呈流线型瞬息万变由曲面。与自由曲线的定义相似，所谓自由曲面是指不能用基本立体要素（棱柱、棱锥、球、一般回转体、有界平面等）描述的呈自然形状的曲面，必须根据空间自由曲线和自由曲面的理论进行计算
⑥3 实体造型
60年代初，提出了实体造型的概念，70年代初出现了简单的基于实体造型CAD/CAM系统，实体造型在理论研究方面也相应取得了进展，到70年代后期，实体造型技术在理论、算法和应用方面逐渐成熟。进入80年代后，实用的实体造型得到广泛应用
⑦几何实体构造法(CSG法)
实体造型是以立方体、圆柱体、球体、锥体、环状体等多种基本体素为单元元素，通过集合运算（拼合或布尔运算），生成所需要的几何形体。体素通过集合运算交、并、差构造复杂实体
⑧4 特征造型
为实现CAD/CAM技术的集成化，满足逢动化生产要求的实体造型技术必须考虑诸如倒角、圆弧、圆角、孔，以及加工用到各种过渡面形状信息和工程信息，特征造型正是为满足这一要求而提出来的。
特征是指产品描述的信息的集合，并可按一定的规则分类。纯几何的实体与曲面是十分抽象的，将特征的概念引入几何造型系统的目的是为了增加实体几何的工程意义。常用的特征信息主要包括：
1）形状特征
2）精度特征
3）技术特征
4）材料特征
5）装配特征
⑨5参数化造型
参数化造型的主体思想是用几何约束、工程方程与关系来说明产品模型的形状特征，从而达到设计一簇在形状或功能上具有相似性的设计方案。目前能处理的几何约束类型基本上是组成产品形体的几何实体公称尺寸关系和尺寸之间的工程关系，因此参数化造型技术又称尺寸驱动几何技术

（6）CAD软件技术的发展历程

（4）数字孪生代表实体

（5）靠数字孪生来实现控制

（6）数字孪生用于学习

（7）数字孪生用于驱动

（7）PDM的部署

（9）利用 PDM实现异地设计

（10）虚拟企业级PDM

---

2、产品全生命周期管理——产品在整个生命周期里的数据管理——PLM

（1）产品全生命周期 = 产品制造过程 + 产品使用过程

（2）产品全生命周期——售后

（3）PLM

①PLM自20世纪末提出以来，迅速成为制造业关注焦点
②PLM产品是整个企业集成经验的积累和最后锤炼出来的框架
③PLM可以帮助企业从早期设计阶段入手，使不同的角色实现实时、高效的协同，包括产品数据或有关产品的需求、技术方案、图纸、工艺文件等信息的交换，跟踪和管理从产品研发、设计变更到采购、生产制造及售后服务、退出市场回收等全生命过程的数据和信息的支持，加强跨地域、跨实体、跨部门协作协同运作能力
④PLM结合电子商务技术与协同技术，将产品的开发流程与SCM（供应链管理）、CRM（客户关系管理）、ERP（企业资源计划）等系统进行集成，将孤岛式流程管理转变为集成化的一体管理，实现从概念设计、产品设计、产品生产、产品维护到管理信息的全面数字化
⑤实现企业知识价值的提升与知识共享管理、产品开发和业务流程的优化，从而全面提升企业生产效率，降低产品生命周期管理的成本，提升企业的市场竞争力

（4）PLM是现代制造集成的基础

只有PLM可以最大限度地实现跨越时空、地域和供应链的信息集成，在产品全生命周期内，充分利用分布在ERP、CRM、SCM 等系统中的产品数据和企业智力资产，PLM系统的价值取决于能否与ERP、SCM、CRM集成使用，组成PLM生态系统

（5）PLM典型案例

①协同网络的核心部分是建立在洛克希德·马丁的虚拟处理中心。统一管理全球各地产生的每一个数据。洛克希德·马丁(LM)、诺斯罗普·格鲁门(NGC)、英国宇航系统(BAE)、澳大利亚宇航(GKN)等。每天全球各地产生的新数据分别按照指定的时间统一汇总到虚拟处理中心

内外部的合作伙伴通过VPN建立独立安全保障的DMZ区域。内部和外部之间设有防火墙。各个项目成员通过局域网、广域网和互联网经过防火墙关联到虚拟处理中心
②F-35战斗机项目有6,500 个用户通过PLM系统进行协同，缩短了35％的设计周期，节省了上亿美元资金，预计制造时间将缩短达66%
③由于在整体项目效率方面呈现了数目级的改进，因此JSF项目成为世界上最成功的PLM项目，实现跨越大洋、时区与公司，在超过三十年的期间里开发、建造并维护产品

---

3、数据化产品管理——由数据延伸到过程、人员和业务管理///以产品数据为中心

（1）企业的产品数据体系日益复杂

由于大数据的发展，互联网时代企业的产品数据管理体系相对于传统产品数据体系有着更显著的差异和特色 ：
1）由于产品功能多元化和产品更新迭代速度快，数据体系的构建更为复杂；
2）可采集的数据更为全面和多样化，数据对产品运营和优化决策的作用更为显著；
3）对数据处理能力的要求更高，尤其是对海量数据处理的能力，数据计算的实时性方面要求更高；
4）对数据分析和数据挖掘的深度要求更高，数据能够为产品决策提供更多的支撑。

（2）产品数据采集手段的

来源：南河的南