產品全生命周期管理( Product lifecycle management, PLM)是指管理產品從需求、設計、生產、運行、使用、維修、報廢的全生命周期中的信息與過程。產品全生命周期數據集成并非新的概念，在這個階段被廣泛的提及是因為需求工程、系統工程和知識工程等新的工程方法興起，這些工程方法應用的基礎就是全生命周期數據集成。

面對新的工程方法，一方面在產品規劃階段通過社交數據進行市場需求捕捉和產品研發決策從而提升產品個性化程度，另一方面在產品研制階段通過設計、制造過程數據進行知識沉淀從而提升制造系統的智能化程度，最后一方面建立基于畫像技術的產品建模方法，實現基于全生命周期數據的語義建模。

第一節.基于社交網絡的需求捕捉

社交網絡的興起改變了中國人購物的習慣，越來越多的消費者熱衷通過了解社交媒體中其他消費者的經驗和觀點，幫助自己做出選擇并作為購買汽車的依據。社交網絡的消費者行為直接的反映了產品的需求，廠商可以根據客戶需求為產品研發提供決策支持。

但社交網絡特點是一方面絕大部分數據都是非結構化的，如圖片、視頻、文字或表情，需要通過大數據算法識別與解析視頻與圖片中的價值信息；另一方面需要通過大數據算法建立自學習功能的分詞庫，可以根據產品功能和特點進行自動擴充和完善。

以美林數據公司某企業產品研制決策項目為例，通過門戶網站、貼吧、百科等社交媒體獲得消費者關于自身產品或競爭對手產品的關于價格、功能、服務質量等方面的評價，一方面看出不同區域消費者對產品理念和功能認可程度，另一方面看出與競爭對手從產品功能、價格和服務質量的差異，從而為產品研發和銷售推廣提供量化的參考依據。

　　 第二節.基于研制數據的知識沉淀

智能制造的本質是人類的智慧向制造裝備轉移的過程，自動化取代了低端的以付出勞動為主的工人，智能化則取代中端的以付出經驗為主的工人，反過來說從制造裝備過程提取知識就成了智能化的最大前提。站在知識管理的角度，根據知識能否清晰地表述和有效的轉移，當然不是轉移給人而是轉移給機器。

在維克托·邁爾-舍恩伯格撰寫的《大數據時代》（中文版譯名）中明確指出，大數據時代最大的轉變，就是放棄對因果關系的渴求，取而代之關注相關關系。也就是說不在需要知道“為什么”，而需要知道“是什么”，這實際上跳過了隱性知識難以表達難以轉移的根本問題。

以美林數據公司的某鋼廠質量控制項目為例，產品生產過程涉及七個階段三十四道工序百余個工藝參數，客戶希望對產品的性能指標滿足抗拉強度480MPa，延伸率35%。傳統模式下，即使同樣設備同樣的生產過程但不同人采用不同的控制方法其質量也存在波動，主要依靠工藝和調度人員的經驗，而這些“不可言傳”的經驗就是知識，更進一步如何根據化學成分不同，上一步檢測結果不同，從而動態調整下一步的控制參數實現真正的“智能制造”。

美林數據通過對歷史控制參數和產品性能指標對應關系進行分析建立控制模型，根據實際工藝參數對產品性能進行預測，通過調整性能參數反過來控制性能指標。

　　 第三節.基于畫像技術的深度集成

“畫像”這一概念，最早誕生于互聯網用戶研究領域。隨著互聯網和大數據技術的發展，企業獲取用戶更為廣泛的反饋信息成為可能。為了進一步精準、快速地分析用戶行為習慣、消費習慣等重要商業信息，指導互聯網產品的研發、設計、推廣、營銷，“用戶畫像”這一概念在互聯網行業悄然而生。

“產品畫像”的核心概念是：對研究產品對象信息的標簽化、數字化表征，即通過數據分析、提取、歸納，形成可以準確描述研究對象屬性、特征、性能等信息的標簽庫，利用標簽完美的抽象出研究對象的信息全貌，并能夠有效支撐實際應用場景的執行。

“產品畫像”構建的核心是高度精煉的抽象出研究對象的標簽。標簽化的目的一方面是對多維信息進行標簽化聚合，方便使用者理解；另一方面，標簽本身具有準確性和非二義性，利于后期計算機的識別、分析和統計。

美林數據利用這種區域別于傳統的產品數據集成技術，將海量產品壽期數據進行抽象形成面向設計、生產、質量、銷售的產品標簽庫，為業務人員提供可識別業務視圖。

文丨于洋，美林數據技術總監。