PLM与大数据的融合：探索未来趋势与挑战

盲人摸象，语出《景德传灯录》：“有僧问：‘众盲摸象，各说异端，忽遇明眼人又作么生？’” 答曰:“其触牙者即言象形如芦菔根，其触耳者言象如箕，其触头者言象如石，其触鼻者言象如杵，其触脚者言象如木臼，其触脊者言象如床，其触腹者言象如甕，其触尾者言象如绳。” 我们大家最初接触“盲人摸象”这个成语，应该是小学二年级的语文课本。

笔者非常喜欢“象”这个词，它点出了数字化从业人员的工作精髓。在小学课文的成语故事中，盲人摸象的“象”代表的是有一种四肢如柱、腹背如墙、双耳如扇的巨型动物；在佛教经典《景德传灯录》中，盲人摸象的“象”代表的是“众生”、“世事”或“万法”；在哲学认识论的语境中，盲人摸象的“象”既代表认识对象，也代表认识方法；在数字化工作中，盲人摸象的“象”，代表客观事物，代表数据模型，也代表数据展现；而各位看官，也就是我们自己了，其实就是盲人摸象中的“盲人”。换句话说，不管采取何种方法，我们所认识到的事物，只是事物的局部，无非是五十步和一百步的区别而已。在本文中，笔者就和大家一起来摸摸PLM与大数据的“象”。

“象” = 认识对象（客观事物） + 认知方法（数据模型） + 认知结论（数据展现）

首先，在笔者看来，产品生命周期管理，也就是PLM（Product Lifecycle Management），主要是某种业务策略，而不是所谓的软件系统；因为，当前市面上任何一种所谓的PLM商业解决方案或软件系统，都没有完全实现PLM所承诺的产品数据范围或软件功能。如果有人对笔者的这个结论有异议，我们可以采取“拆字法”来剖析PLM所承诺的功能，并与各种PLM软件作对比。

PLM = Product Lifecycle Management = Product + Lifecycle + Management

Product，产品，这里指的是产品数据，包括产品的定义和描述。Lifecycle，生命周期，包括产品的构思（Imagine）、定义（Define）、实现（Realize）、支持或使用（Support/Use）、退役或淘汰（Retire/Dispose）、再循环（Recycle）等阶段，有人又把这个生命周期分为三个阶段：BOL（Beginning of Life，初期）、MOL（Middle of Life，中期）和EOL（End of Life，末期）；因此，产品全生命周期的数据，包括产品是什么，怎么构成的，以及如何生产、销售、使用、维护和再循环等信息。对照市面上各种商业PLM软件，它们主要以产品定义数据为主，覆盖的主要是产品初期（BOL阶段）BOL的数字化需求。

另外，我们还可以从产品数据的来源来看商业PLM软件的局限性。纵观产品的全生命周期，产品构思和定义数据主要以PDM/PLM等软件来管理，产品制造数据主要以ERP/MES等软件来管理，产品的销售数据主要以CRM等软件来管理，产品的服务支持数据主要以EAM/DMS等软件来管理，而用户对产品的使用、体验、评价等数据则分散在网站、论坛、邮件、微博、社交媒体等平台中。

图1：产品数据的来源

如图1所示，与产品有关的数据，有我知道我知道的（有点绕口），比如PDM/PLM、ERP、MES、CRM等企业内部软件中的数据；有我知道我不知道的，比如散落在各种社交媒体或公共平台中的数据；有我不知道我不知道的，也就是隐形的或没有技术手段可以获知的数据，比如用户使用产品时的各种行为，或者用户在线下的体验或感知。由此可见，PLM软件中所能管理到的产品数据极为有限。因此，与其说PLM是某种软件系统，毋宁说它是一种业务策略，或者说企业对管理产品全生命周期的向往。既然商业PLM软件并不是真正意义上的PLM，我们就要考虑如何完善它，而大数据技术可以在这方面做很大的事情，甚至构建以产品智能（大数据）为中心，知识驱动的产品生命周期管理体系。

大家知道，所谓的大数据，有个5个“V”的特点或要求；即Volume（海量），Variety（多样化），Velocity（快速产生），Value（价值），以及Veracity（真实性）。简要来说，大数据技术具有超强的数据处理能力，如果再与线性回归等高级分析算法相结合，可以实现预测性业务场景（如预测性资产或设备维护）、精准的业务匹配（如大数据精准营销），以及各种业务决策支持（如工程专家系统），等等。

在没有大数据等技术支持下，上游产品数据，如产品定义，在PDM/PLM里面进行管理，并通过系统接口等方式，派生（Derivate）给下游的制造、销售、服务等业务和ERP、MES、CRM、EAM等IT系统。在下游业务中，组织再根据制造、销售、服务等业务的实际执行情况，对产品说明进行扩展和验证。必要时，将验证结果，比如零件可靠性、产品失效模式、用户行为偏好等有价值的信息以“提纯”的形式，精炼（Refine）给上游的PDM/PLM系统，供产品更新、升级或新产品开发时做参考。

图2：产品数据的派生和精炼

如图2所示，在产品全生命周期的上下游之间，产品数据的派生和精炼是通过IT系统之间的接口，以点对点的形式来实现的，这种实现方式的开发工作量大，整个架构的灵活性和扩展性也比较差，还会对PDM/PLM、ERP、MES等IT系统的性能造成很大的负面影响。如果能够结合大数据技术来做，则可以得到多方面大大的改善，并能充分利用大数据的高级分析能力，实现智能化的产品数据管理。这样，真正的产品全生命周期的数据管理就有可能实现。

图3：PLM与大数据相结合的产品数据管理

在研发、营销、采购、生产、服务等业务的端到端集成上，产品的定义和说明数据仍然以系统接口的形式，从上游向下游派生，而大数据平台可以提取各业务环节相关产品数据，根据业务需求对数据进行清洗和提炼，将有价值的产品数据反馈PDM/PLM、ERP、CRM等IT系统，提供业务预测、业务配对、决策支持等建议。正如图3所示，既可以整合各种来源，尤其是来自社交媒体等外部渠道的产品数据，以大大地丰富数据的内容和维度，又能将业务交易和数据分析等不同的业务场景分开，从而实现产品数据能力和产品数据场景等方面的双丰收。实际上，用几个当前比较时髦的说法，围绕产品的全生命周期，以大数据技术来整合PLM、ERP、MES、CRM、社交媒体等来源的产品定义和说明数据所形成的“产品智能”（有的组织或个人也将之称为“数字化主线（Digital Thread）”），也是企业数字中台的两大组成之一（另一个是“客户智能”或“用户画像”）。

图4：企业数据中台：产品智能与用户画像

综上所述，将大数据技术与PLM等IT系统进行整合，可以实现真正意义上的产品全生命周期管理，并结合高级分析技术，可以为实现知识驱动的创新性产品开发打下坚实的基础。

图5：知识驱动的产品生命周期管理