数据分析 模型 让制造业焕然一新
工业4.0时代正扑面而来。这是继以蒸汽机、大规模流水线生产和电气自动化为标志的前三次工业革命之后的第四次工业革命。其特点是通过充分利用嵌入式控制系统，即物理信息融合系统（其中 大数据 扮演主角），实现制造业向智能化转型。
20年沧桑巨变，今天中国已是全球制造业大国。来自中国工业与信息化部的统计数据显示，2013年中国工业占GDP的37%，提供全国25%的就业岗位。在500余种工业产品中，有220多种产量居世界第一。中国制造业在全球的占比约为20%。然而，中国制造业面对云蒸霞蔚的移动 互联网 和 大数据 景观却有些不知所措，若不赶紧扭转局面，有可能逐渐丧失制造业大国的地位。大而不强是我们的软肋，大多数中国工厂依然龟缩在产业链低端，缺少制造的核心材料、设备、工艺，停留在近乎原始的OEM（贴牌代工）阶段，缺乏原创技术和创新产品。不过，凭借庞大的内需市场支撑，中国制造的优势尚存，13亿人口积累的消费数据十分可观。因此，如果能在大 数据挖掘 和分析上下点功夫，中国制造业还能保持较强的竞争力。
在中国制造业依托 大数据 打翻身仗的阵营中，小米可谓特立独行的领头羊。2010年成立的小米公司是中国制造业企业的成功典范，其主打产品小米手机已蜚声海外，被业内视作苹果、三星的潜在威胁。小米超越同行的业绩，缘于其用包括软件、硬件和应用生态的整体方法，小米在创造全新用户体验的同时，高擎 大数据 的旗帜，颠覆了中国制造业公司的传统做法。有了这样的底气，小米董事长雷军才敢与传统制造业的空调玫瑰—格力掌门人董明珠立下10亿元的对赌承诺。
那么， 大数据 是如何帮助研发人员提高新药研发效率的呢？相关专业人士认为：首先，由于药物的生物过程和药物模型越来越复杂， 大数据 可以通过利用分子和临床数据，预测建模来帮助识别那些具有很高可能性被成功开发为药物的 安全 有效的潜力备选新分子。其次，利用 大数据 可以帮助提升临床试验的效率。例如筛选临床试验受试者的筛选标准通过 大数据 ，可以瞄准特定人群，这样临床试验就可以规模更孝时间更短、成本更低，更加有效。同时可以通过 大数据 分析来实时监控临床试验，及早发现可能出现的问题，避免试验过程中成本增加或出现不必要的延误。第三，相对于原来僵化的数据孤岛，使用 大数据 可以帮助数据在不同功能单元之间顺畅流动。通过打破内部各功能之间的信息壁垒并提升跟外部合作伙伴的协作，制药公司可以大幅扩展他们的知识和数据网络，如与外部合作伙伴——医生和CRO共享关键数据。数据的这种顺畅流动，对能创造商业价值的实时预测性数据进行分析非常关键。
此外，为确保合理分配稀缺的研发资金，项目组合与产品线相关的快速决策至关重要。但制药企业经常发现，他们很难做出适当的决定。比如哪个项目该继续，或者有时更重要的是，哪个项目该砍掉。基于信息技术的项目组合管理能快速无缝地实现数据驱动的决策。通过 数据分析 当前项目的商业开发机会，预测其市场竞争力，帮助企业客观地做出决定，以确保研发投入的合理性。
虽然 大数据 可以有效地帮助研发人员提升新药研发效率，但目前 大数据 技术还有一些方面需要改进。牛津大学统计学教授彼得·多纳利指出，目前 大数据 技术面临的问题有三：首先，信息采集不足。 大数据 要发挥作用，首先要有足够的病人、药物等相关信息，这是 数据分析 的基础，然而许多病人可能出于隐私考虑不愿提供这些信息，制药企业也有可能因为商业利益不愿共享药物成分等敏感信息，这就直接导致信息采集不足。
其次，要从海量信息中得出有用的结论，专业的 数据分析 必不可少，采集到足够信息后，需要由相关领域的专业人士与信息技术专家一起对数据进行有针对性的归纳和分析，而这种跨学科、跨领域合作能否顺利实现，是 大数据 技术实际应用中的重要问题，而且正考验着制药企业的 大数据 整合能力。
第三，在技术层面还存在网络容量有限的问题。很多新药研发机构现有的基础设施无法满足海量信息分析和处理的需求，因此如何降低存储成本，以及提升应用价值就成为 大数据 所面临的关键技术难题。
虽然尚待完善，但毫无疑问的是， 大数据 在新药研发中必将发挥越来越大的作用。
结语
从目前来看， 大数据 的应用范围正在持续扩大， 大数据 的触角正逐渐深入到各个领域，同时也是明天我们治理交通拥堵、雾霾天气、看病难、食品 安全 等“城市病”的利器，也会为政府打开了解社情民意的更大窗口。
我们现在看这个世界，比如分析家中食品腐烂，主要就是依赖于我们的眼睛再加上我们的经验，但如果我们有一台显微镜，我们一下就看到坏细菌，那么分析起来完全就不一样了。 大数据 就是我们的显微镜，它可以让我们从全新视角来发现新的商业机会，并可能重构商业模型。我们的产品设计可能不一样了，很多事情不用猜了，客户的习惯和偏好一目了然，我们的设计就能轻易命中客户的心窝；我们的营销也完全不同了，我们知道客户喜欢什么、讨厌什么，更有针对性。特别是显微镜再加上广角镜，我们就有更多全新的视野了。这个广角镜就是跨行业的数据流动，使我们过去看不到的东西都能看到了。所以，最终 大数据 一定是跨行业流动的。
然而，我们也应该清楚的知道 大数据 在应用过程中尚存在很多问题：各政府、各行业间不公开和分享数据，造成数据之间的割裂，无法产生数据的深度价值和综合价值；很多应用系统涉及公民财产及隐私甚至国家 安全 ，信息 安全 问题成为 大数据 应用重要难题； 大数据 市场尚未形成有效的评价、资格认证和准入机制等。当然，最重要的还是有赖于行业对于 大数据 时代到来的认识，警惕和应对。
